Ali Sanaeifar, Ahmad Faraahi, Mahmood Tara
Os sistemas de recomendação de médicos surgiram com o objetivo de recomendar os médicos certos de acordo com as preferências do doente. No entanto, tais sistemas basearam-se apenas em técnicas como a classificação ou a pesquisa baseada na sintaxe de palavras de recomendações anteriores de doentes e condições com capacidades limitadas. Neste artigo, propomos um novo modelo, denominado SEPHYRES (sistema especialista de recomendação híbrida de médico semântico), através do qual nos focamos nas condições médicas do paciente e nas características de descrição da dor utilizando uma ontologia subjacente baseada em evidências. A ontologia inclui não só as descrições semânticas dos sintomas, mas também as perceções compreensíveis pela máquina sobre a localização da dor e os pesos dos vínculos. No modelo proposto, aplicamos um método pseudo-fuzzy de espalhamento de pesos juntamente com os raciocinadores semânticos gerais com módulo de gestão de facetas. Para manter o domínio controlável, limitámos o esquema às doenças que causam dor abdominal. Utilizamos os Princípios de Medicina Interna de Harrison e o Up-to-date online como as nossas referências básicas de evidência, juntamente com as opiniões dos nossos especialistas locais. Comparámos os resultados do nosso mecanismo de pseudodiagnóstico com vinte estudos de caso das bases de dados MEDSCAPE e PubMed. Os resultados mostraram que o nosso modelo pode melhorar a consciência da máquina sobre a doença do indivíduo e, assim, melhorar a precisão das recomendações.