مقدمه: در سال های اخیر، محققان از مداخلات کامپیوتری زیادی برای کاهش خطاهای پزشکی بهره برده اند که بعنوان سومین عامل مرگ و میر حتی در کشورهای توسعه یافته شمرده می شود. یکی از این مداخلات استفاده از سیستم های کمک تشخیص افتراقی در مراقبت های لولیه است، جایی که پزشکان ممکن است با علایم اولیه بیمار بدون هیچ پیش فرض تشخیصی مواجه باشند. این قبیل سیستم ها چندین تشخیص افتراقی را بر اساس علایم بیمار ارایه می نمایند که بر اساس احتمال آنها مرتب شده اند. بدین ترتیب صحت این سیستم ها می تواند با رتبه تشخیص صحیح در لیست ارایه شده سنجیده شود.

 هدف: هدف این مطالعه طراحی و ارزیابی یک سیستم دستیار تشخیص افتراقی جدید برای مراقبت های اولیه می باشد.

روش كار: در این مطالعه یک سیستم پشتیبانی تصمیم جدید به نام DDxPro برای بهبود صحت تشخیصی و امکان استفاده در داخل کشور ارایه شده است. برای نیل به این هدف، از پایگاه دانش معناییUMLS  و ابزار MetaMap  آن به همراه تکنیک های پردازش زبان طبیعی برای توسعه یک پایگاه دانش جدید بهره برداری شده است. در این راستا، ۱۲۰ بیماری گوارشی مرتبط با دردهای شکمی در پایگاه دانش مدل شده است. پس از طراحی موتور استنتاج و رابط کاربری تعاملی، علایم ۱۷۲ بیمار مجازی که تشخیص صحیح آنها مشخص بودند در رابط کاربری DDxPro  و صحیح ترین سیستم مشابه یعنی ISABEL وارد شدند. مقایسه رتبه های تشخیص صحیح در دو سیستم مذکور از طریق آزمون معنی داری ویلکاکسون مقایسه گردید. مقدار آلفا در این آزمون برابر ۰۵/۰ لحاظ گردید. ارزیابی کاربردپذیری با ۸ شرکت کننده و ۳ سناریو برای هر یک انجام گردید. تاثیر روی تصمیمات بالینی بصورت یک مطالعه پایلوت و ضمن بررسی کاربردپذیری صورت گرفت.

 نتايج: در مجموع ۱۷۲ بیمار مجازی، مقادیر میانگین وانحراف معیار از مقدار 4.2±5.3 در ISABEL به مقدار 3.2±3.9 در DDxPro بهبود پیدا کرد. این بهبود در زیرگروه بیماری های نادر معنی دارد بود(P-value < 0.05). ارزیابی کاربرد پذیری در سادگی استفاده، میانگین رتبه های ۵ تا 6.4 را در سوالات مختلف کسب نمود. علاوه بر این، بررسی تاثیر روی تصمیمات بالینی بیانگر بهبود ۲۱ درصد در تشخیص پزشکان بوده است.

نتيجه‌گيري: استفاده از پایگاه دانش UMLS  و ابزار MetaMap به همراه تکنیکهای پردازش زبان می تواند صحت سیستم های تشخیصی متن-باز را بهبود دهند. به کارگیری این روش جدید به پذیرش بهتر سیستم های کمک تشخیصی توسط پزشکان کمک خواهد کرد.

كلمات كليدي: تشخیص افتراقی، سیستم پشتیبانی تصمیم بالینی، UMLS، MetaMap، پردازش زبان طبیعی