1
بسم الله الرحمن الرحیم
2
سیستمهای حمایت از تصمیم
3
فهرست
1-تصمیم گیری چیست ؟
2-انواع تصمیمات
3-مراحل تصمیم گیری
4-انواع تصمیم گیری
5-سیستم های پشتیبان تصمیم گیریDSS
6-اجزای سیستم پشتیبان تصمیم گیری
7-اجزای مدیریت داده
8-اجزای مدیریت مدل
9-ساختار یک DSS
10-دلایل نیاز به سیستم های مکانیزه حمایت از تصمیم
11-فن آوری های اصلی حمایت از تصمیم
4
ادامه فهرست
12-مفهوم سیستمهای حمایت از تصمیم
13-سیستم های حمایت از تصمیم گروهی
14-سیستم اطلاعات مدیریت عالی
15-سیستم های خبره
16-شبکه های عصبی مصنوعی
17-سیستم های پشتیبان ترکیبی
18-تفاوت سیستم های خبره با سیستم پشتیبان تصمیم گیری
19-طبقه بندیDSS
20-سیستم پشتیبانی تصمیم مبتنی بر ارتباطات
21-سیستم پشتیبان تصمیم مبتنی بر داده
22-سیستم پشتیبان تصمیم مبتنی بر اطلاعات
5
ادامه فهرست
23-سیستم پشتیبان تصمیم مبتنی بر متن
24-سیستم پشتیبان تصمیم مدل گرا
25-سیستم پشتیبان نصمیم گیری و محیط محاسباتی آن
26-پایگاه داده سسیتم پشتیبان تصمیم گیری
27- معماری سیستم پشتیبانی تصمیم و انواع آن
28-سیستم پشتیبان تصمیم گیری در پزشکی CDSS
29-دلایل استفاده از CDSSدر پزشکی
30-نقش DSSدر مراقبت های پزشکی
31-کاهش ریسک
32-یادگیری
33-چهار مرحله تکرار شونده برای تسهیل یادگیری اصولDSS
6
ادامه فهرست
34-زمینه های مورد استفاده سیستم های CDSS
35-چهار عملکرد کلیدی سیستم های الکترونیکی حمایت ازتصمیم بالینی
36-مولفه های اصلی و انواع CDSS
37-دسته بندی سیستم های پشتیبان تصمیم بالینی
38-پیشنهاد درخواستی
39-پیشنهاد غیر درخواستی
40-سیستم های خودکار
41-انواع سیستم های پشتیبانی تصمیم
42-انواع مدلهای پشتیبانی تصمیم
43-مدلهای پشتیبانی تصمیم
44-چهار ترکیب ممکن برای تصمیم و خطا
7
ادامه فهرست
45-رسم منحنی ROC
46-روشهای پشتیبانی تصمیم کیفی
47-جدول تصمیم DECISION TABLE
48-فلوچارت
49-مقایسه جدول درستی و فلوچارت
50-فرآیند مدلسازی آماری
51-چرا DSSها در حال حاضر مقبولیت ندارند
52-برخی محدودیتها و معایب سیستم های CDSS
53-هوش مصنوعی یا ARTIFICIAL INTELLIGENCEچیست؟
54-هوش مصنوعی و کاربرد آن در DSS
55-نتیجه گیری
56-منابع
8
تصمیم گیری چیست ؟
1-عمل انتخاب (انتخاب یک گزینه از گزینه های ممکن که به باور تصمیم گیر بهترین نتیجه را به همراه دارد)
2-تصمیم گیری یافتن راه حل بهینه برای مساله است و دستیابی به پاسخ بهینه ، منطق کلی کار را تشکیل می دهد .
3-هوشمندی +رویکردهای قبلی +یادگیری
4-بکارگیری در علوم نظامی+صنعتی+کسب و کار
5-بکارگیری روش های بهینه سازی ،برنامه ریزی ریاضی،الگوهای تصمیم گیری چند معیاره
6-سیستم های خبره (بیش از مدل ریاضی ،نظریه های ادراکی تصمیم گیری را الگو قرار می دهد.
7-سیستم های خبره پیشرفته :قدرت یادگیری +استفاده از اشتباهات گذشته +تصمیم گیری بهتر آینده
9
انواع تصمیمات
1.تصمیم ساخت یافته: اطلاعات در قالب مشخصی مورد پردازش قرار می گیرند و اغلب می توان به راحتی به راه حل صحیح دست یافت.
2.تصمیم غیر ساخت یافته: چندین پاسخ صحیح وجود دارد و به جای یافتن پاسخ صحیح باید بهترین پاسخ را بیابید.
3.تصمیمات برگشت پذیر: این تصمیمات مکرراً اتفاق می افتد.
4.تصمیمات غیر برگشت پذیر: به ندرت اتخاذ می گردد شاید فقط یکبار.
10
مراحل تصمیم گیری
آگاهی و درک(فاز هوشیاری): یافتن یا بازشناسی مسائل، احتیاجات یا فرصتها
طراحی: در نظر گرفتن راههای ممکن حل مسئله، برآورده شدن احتیاجات یا بهره گیری از فرصتها
انتخاب: حذف و برداشتن تنگناها، آزمایش و وزن دادن به هر راه حل، برآورد تاثیر هر کدام و انتخاب بهترین آنها
پیاده سازی (اجرا): بکارگیری و اجرای راه حل انتخابی و نمایش نتایج
11
انواع تصمیم گیری
1- تصمیم گیری مرتبط با تشخیص (استفاده از کامپیوتر)
مثال: احتمال ابتلا به Myocardial Infraction براساس سوابق بیمار و نتایج ECG چقدر است؟
2- تصمیم گیری مرتبط با درمان (شواهد)
مثال: برای بیمار مبتلا به انسداد بیش از 90% عروق کرونری چپ، بهترین درمان براساس سن و ریسک معین چیست؟
12
سیستم های پشتیبان تصمیم گیری(DSS)
این سیستمها ، منابع انسانی ( آگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب می کنند تا باعث ارتقا کیفیت تصمیم گیری ها مخصوصا در مورد مسائل غیر ساخت یافته شوند .
13
اجزای سیستم پشتیبان تصمیم گیری
مدیریت داده data management:
ذخیره سازی و نگهداری داده هایی که کاربر از طریق سیستم بر روی آنها تحلیل انجام می دهد.
مدیریت مدل Model management :
مدلهای ذخیره شده در یک پایگاه مدل و نرم افزاری تحت عنوان سیستم مدیریت مدلها است.
واسط کاربری :
به کاربر امکان می دهد دانش خود را با قابلیتهای پردازشی و ذخیره سازی سیستم در هم آمیزد
14
اجزای مدیریت داده
پایگاه داده
مدیریت پایگاه داده
راهنمای داده
امکانات پرسش
15
اجزای مدیریت مدل
پایگاه مدل
سیستم مدیریت پایگاه مدل
راهنمای مدل
16
ساختار یک DSS
17
دلایل نیاز به سیستم های مکانیزه حمایت از تصمیم
1- محدودیت های فکری بشر در پردازش و ذخیره سازی
2- محدودیت های دانش
3- کاهش هزینه
4- حمایت فنی
5- حمایت از کیفیت
6- حاشیه رقابت و مهندسی مجدد فرایندها و اختیارات
18
فناوری های اصلی حمایت از تصمیم
1- سیستم حمایت از تصمیم
2- سیستم های حمایت از تصمیم گروهی
3- سیستم های اطلاعات مدیریت عالی
4- سیستم های خبره
5 – شبکه های عصبی مصنوعی
6- سیستم های حمایت ترکیبی
19
مفهوم سیستمهای حمایت از تصمیم :
این سیستمها ، منابع انسانی ( آگاهیهای فردی ) را با قابلیتهای کامپیوتری ترکیب می کنند تا باعث ارتقا کیفیت تصمیم گیری ها مخصوصا در مورد مسائل نیمه ساخت یافته شوند .
20
سیستم های حمایت از تصمیم گیری گروهی
حجم زیادی از تصمیمات اصلی سازمان توسط گروهها گرفته می شود از آنجایی که گرد آوری یک گروه در یک مکان و زمان معین مشکل و هزینه بر است و برگزاری این جلسات گروهی نیز زمان زیادی را می طلبد و نتایج تصمیم گیری ها در حد متوسط است، برای رفع این مشکلات از فناوری اطلاعات استفاده می شود که عنوان های مختلفی مانند سیستم های حمایت از تصمیم گروهی را دارا می باشد .
21
سیستم اطلاعات مدیریت عالی
این سیستم ها برای اهداف زیر به وجود آمده اند :
1- ایجاد دیدگاهی سازمان یافته از عملیات سازمان
2-ایجاد یک واسطه نزدیک به کاربر در انواع سبک های تصمیمات فردی
3- تهیه کنترل های کارا و به موقع
4- دسترسی سریع به اطلاعات دقیق
5- تبادل داده ها و اطلاعات
6- تعیین مسائل
22
سیستم های خبره
در این نوع از سیستم ، خبرگی و تخصص از فرد متخصص به کامپیوتر منتقل می شود . این دانش در کامپیوتر ذخیره می شود و هنگام نیاز، کاربر از آن استفاده می کند. مانند یک متخصص به خوبی استنباط می کند و به نتیجه مناسبی می رسد .
23
شبکه های عصبی مصنوعی
در فناوری های قبلی باید از اطلاعات و دانش موجود در کامپیوتر که ازافراد متخصص گرفته می شود استفاده می کردیم ولی چون دسترسی به اطلاعات به سادگی امکان پذیر نیست تصمیم گیرندگان باید از تجربه های خود در شرایط گوناگون استفاده کنند . در این سیستم کامپیوتری امکان یادگیری از تجربه های گذشته وجود دارد و به این طریق مسایل حل می شود .
24
سیستم های پشتیبان ترکیبی
برای حل مسائل تصمیم گیرندگان می توانند از ترکیب چند فناوری اطلاعاتی استفاده کنند . بنابراین بایستی از یکپارچه سازی این سیستم ها اسفاده کرد که اگر درجه یکپارچگی بالا باشد ابزار تصمیم گیری سیستمی ترکیبی است که در اختیار کاربر قرار می گیرد .
25
تفاوت سیستم های خبره با سیستم پشتیبان تصمیم گیری
در سیستم پشتیبان تصمیم گیری کاربر باید در زمینه تخصصی مورد نظر دانش کافی داشته باشد و از سیستم برای مدلسازی راه حلهای مختلف استفاده کند وانتخاب راه حل نهایی به عهده کاربر است.
در بکارگیری سیستمهای خبره تنها لازم است وقایع مربوط به مساله را به سیستم معرفی کنید و در واقع راه حل مساله شما از طریق دانش و تخصص ثبت شده در سیستم قابل دستیابی است.
26
DSSرا به پنج طبقه گسترده میتوان تقسیم کرد
1- سیستم های تصمیم گیری مبتنی بر ارتباطات
2- سیستم های تصمیم گیری مبتنی برداده
3- سیستم های تصمیم گیری مبتنی بردانش
4- سیستم های تصمیم گیری مبتنی برمتن
5- سیستم های تصمیم گیری مدل گرا
27
سیستم پشتیبانی تصمیم مبتنی بر ارتباطات
این سیستم از شبکه وتکنولوژی ارتباطات برای تصمیم گیری و ارتباطات استفاده میکند.دراین سیستم ،تکنولوژی ارتباطات بخش حاکم می باشد.
28
سیستم پشتیبانی تصمیم مبتنی بر داده
عموما، سیستم های پشتیبانی مبتی بر داده بر دسترسی وبه کارگیری داده های داخلی و گاهی داده های خارجی و بلادرنگ تاکید میکند.
29
های مبتنی بر اطلاعات DSS
این سیستم ها می تواند عملیاتی را برای مدیران فراهم اورند. این سیستم ها ، سیستم های مربوط به کامپیوترهای شخصی هستند که دانش حل مسائل خاص را دارند. این دانش شامل اطلاعاتی درمورد محدوده ای خاص ، مشکلات آن محدوده و مهارتهای حل ان مشکلات می باشد.
30
DSS های مبتنی بر متن
این سیستم از ذخیره کامپیوتری و تکنولوژی های پردازش به منظور بازیابی متن ها وتجزیه وتحلیل انها استفاده میکند.
31
سیستم پشتیبانی مدل گرا
سیستم های پشتیبانی مدل گرا ، بر دسترسی وبه کارگیری مدل های بهینه سازی وشبیه سازی تاکید می کنند.
32
سیستم پشتیبان تصمیم گیری و محیط محاسباتی آن
33
پایگاه داده سسیتم پشتیبان تصمیم گیری
سیستم پشتیبانی تصمیم از داده های داخل ( پایگاه های داده سازمان) ، داده های خارجی (اینترنت) و داده های شخصی فرد تصمیم گیر استفاده می نماید.
سیستم پشتیبانی تصمیمی تواند خود مستقل بوده یا از پایگاههای داده سازمان استفاده نماید.
34
معماری سیستم پشتیبانی تصمیم و انواع آن
معماری سیستم پشتیبانی تصمیم گیری از چهار جز اصلی تشکیل شده است :
سیستم زبانLS
سیستم ارائهPS
سیستم اطلاعاتKS
سیستم پردازش مسالهPPS
35
معماری سیستم پشتیبانی تصمیم و انواع آن
36
سیستم پشتیبان تصمیم گیری در پزشکی Clinical Decision Support System (CDSS )
نرم افزارهای کامپیوتری که برای کمک به تشخیصهای بالینی طراحی و ساخته شده اند. این سیستمها با استفاده از اطلاعات و دانش پزشکی به تشخیص عارضه های گوناگون و تجویز توصیه های پزشکی برای بیماران اقدام می نمایند.
37
دلایل استفاده از CDSSدر پزشکی
1-پزشکان برخی اوقات دچار خطا و اشتباه می شوند.
2-پزشکان قادر نیستند که همیشه خود را با آخرین یافته های اطلاعات پزشکی تطبیق دهند.
3-در موارد متداول استفاده از تصمیم گیری خودکار موثر است.
4-سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت و کاهش هزینه های آن هستند.
38
مثال :نقشDSS در مراقبت های بهداشتی
رضایت بیمار
کیفیت و قابلیت
کاهش ریسک
یادگیری
39
کاهش ریسک
اشتباهاتی مانند دارهای اشتباه افزایش زمان بستری
تداخلات دارویی نارضایتی بیمار
افزایش هزینه
استفاده از سیستم های DSSمانند CPOE, ADEبه همراه سیستم دارویی می تواند اشتباهات و تداخلات را کاهش داده و با عث کاهش هزینه و ریسک شود
ADE:adverse drug events
CPOE:computerized physician order entry
0
40
یاد گیری
-از اهداف DSSکمک به درست تصمیم گرفتن انسان هاست.
Simon: dssبرای تصمیم گیران این موقعیت را فراهم می آورد که از مراحلی که با استفاده از تکنولوژی dssانجام می شود ،آموزش ببینند تا بتوانند در موقعیت های بعدی بهتر تصمیم بگیرند.
-hammon: تکنولوژی می تواند ریسک های مخصوص به خود داشته باشد . عملگر نادرست ،تجهیزات ممکن است منجر به اشتباه و نادرست عمل کردن شود .اگر متخصصین بالین یا سایر افراد باور داشته باشند که ماشین یا ابزار کاملا ریسک را ازبین می برد ،ممکن است کمتر مراقب و هوشیار باشند و اشتباهات را کمتر تشخیص دهند.
41
چهار مرحله تکرارشونده برای تسهیل یادگیری اصول DSS
42
چهار مرحله تکرارشونده برای تسهیل یادگیری اصول DSS
اول:سیاست های آشکار برای مطمئن بودن از جمع آوری داده های لازم برای سیستم اطلاعات .
دوم:تکنولوژی اطلاعات باید ابزارهایی ایجاد کند تا از مخزن داده بیماران برای تولید اطلاعات استفاده کند .
سوم:چنین اطلاعاتی باید در اختیار تصمیم گیران قرار گیرد.
چهارم:تصمیم گیران باید متقاعد شوند تا عملیات خود را بر اساس این اطلاعات جدید انجام دهند .
43
زمینه های مورد استفاده سیستم های CDSS
تولید Alert ها و reminder ها برای پزشک
کمک در تشخیص بیماری به پزشک
برنامه ریزی درمان
تشخیص و تفسیر تصاویر پزشکی
44
زمینه های مورد استفاده سیستم های CDSS
45
چهار عملکرد کلیدی سیستم های الکترونیکی حمایت از تصمیمات بالینی
اداری : حمایت از کد های بالینی و مستندات
مدیریت موارد پیچیده بالینی: مانند پروتکل های شیمی درمانی، ارجاع و پیگیری، مراقبت های پیشگیری
کنترل هزینه ها: کنترل دستورات پزشکی، جلوگیری از تکرار آزمایشات یا انجام آزمایشات غیر ضروری
حمایت از تصمیم: حمایت از تصمیمات کلینیکی و فرایند درمان و ارتقا استفاده از راهنمائی های اختصاصی
46
مولفه های اصلی و انواع CDSS
مولفه های اصلی CDSS:
اطلاعات پزشکی
داده بیمار
پیشنهاد موردی
انواع سیستمهای CDSS:
تعامل مستقیم سیستم و پزشک (مانند INTERNIST)
سیستم مستقیما به منبع داده های بیمار متصل است.(مانند سیستمهای مفسر ECG)
سیستمهای همراه با مدارک کامپیوتری بیمار(CPR) و بکاربردن این رکوردها بعنوان ورودی
47
دسته بندی سیستمهای پشتیبانی تصمیم بالینی
سیستمهای DSS از جوانب مختلفی طبقه بندی می شوند:
نمایش اطلاعات: مثلا سیستمهای مبتنی بر درخت تصمیم یا قواعد تولیدی
نوع تصمیم : مثلا تشخیصی یا درمانی
زمینه پزشکی : مثلا سیستمهای مربوط به پزشکی داخلی یا جراحی
دسته بندی سیستمهای DSS از دید پزشکان:
پیشنهاد درخواستی(Solicited Advice)
پیشنهاد غیر درخواستی (Unsolicited Advice)
سیستم خودکار (Autonomous System)
48
پیشنهاد درخواستی
تعریف: به شرایطی اطلاق می شود که در آن پزشک از DSS مشورت می طلبد.
ویژگیها:
درحالت عادی غیرفعالند و با درخواست کاربر فعال می شوند.
امکان کنترل استدلالهای انجام شده توسط DSS را فراهم می کنند.
پزشک می تواند سیستم را در مسیر خاصی هدایت کند و صحت تشخیص خود را بررسی نماید.
QMR(مرجع پزشکی سریع)
تعریف : نسخه تجاری INTERNIST و نمونه ای از سیستمهایی است که پیشنهاد درخواستی در ارتباط با زمینه های متعددی ارائه می کنند.
49
پیشنهاد غیر درخواستی
این نوع سیستمها نیازمند درخواست پزشک برای ارائه پیشنهاد نیستند و بر داده های در دسترس بیمار (مانند داده های آزمایشگاه تشخیص طبی یا CPR) تکیه دارند و مستقل از درخواست پزشک پیشنهاد خود را ارائه می دهند.
ویژگیها:
همراه با سیستمهای CPR هستند.
ارائه پیشنهاد جزئی از فعالیت مدیریت داده است.
سیستم نمی تواند اهداف درمان و تشخیص را به درستی تشخیص دهد که این امر منجر به تولید پیشنهاد مثبت نادرست (FP) و هشدار اشتباه می گردد
50
سیستم های خودکار
تعریف: سیستمهایی که در آنها پیشنهاد بطور مستقیم بر روی بیمار اعمال می شود، سیستم خودکار نامیده می شوند. این سیستمها چندین داده را در زمانهای مشخصی اندازه می گیرند و متناسب با آن رفتار خود را تطبیق می دهند.
مثال: سیستمهای کنترل بیهوشی یا تنفس مصنوعی
توجه: خرابی سیستم می تواند خسارات جبران ناپذیری ایجاد نماید.
51
انواع سیستم های پشتیبانی تصمیم
الگوریتمهای بالینی: قواعد تولید هشدار در سیستم مانیتورینگ علائم حیاتی بیمار
پایگاه داده بالینی(توابع تحلیلی): قواعد موجود برای نحوه درهم کنش داروها
مدلهای پاتوفیزیولوژیکی ریاضی: مدلهای فارماکوکینتیک برای محاسبه اثر تزریق دارو
سیستمهای بازشناخت الگو :طبقه بندی انواع مختلف گلبول سفید
سیستمهای آماری : طبقه بندی ECG با الگوریتمهای آماری
سیستمهای تصمیم تحلیلی: محاسبه ریسک عمل جراحی
استدلال سمبلیک یا سیستمهای خبره : QMR برای تشخیص در پزشکی داخلی
52
انواع مدل های پشتیبانی تصمیم
کمی :بر اساس روش های آماری موجود است و از داده های آموزشی استفاده می کند
مثال: شبکه های عصبی، فازی، احتمالی، با معلم ، بدون معلم.
روشهای آماری در پشتیبانی تصمیم بالینی به کار می رود تا احتمال وقوع یک بیماری را تعیین کند.
در تصمیم گیری آماری همه ویژگی ها معمولا با هم به کار برده میشوند.
کیفی : از ویژگی های پیشنهاد شده متخصصین استفاده می کند و از استدلال های سمبولیک بهره می برد.
مثال:Boolean ، سیستم های خبره، درخت تصمیم.
این روش ها ریاضی نیستند. روشهای کیفی براساس الهام و درک استدلال توسط انسان بنا شده اند.
این روش ارتباط یک ویژگی اندازه گیری شده را با مقدار آستانه می سنجد
53
مدلهای پشتیبانی تصمیم
54
چهار ترکیب ممکن برای تصمیم و خطا
مثبت درستTP : درصد افرادی که بیماری دارند و مدل تصمیم به درستی آن را تشخیص داده است.
منفی درستTN : در صد افرادی غیر مبتلا که مدل تصمیم به درستی آن را تشخیص داده است.
مثبت نادرستFP : درصد افراد غیر مبتلا که مدل تصمیم به اشتباه آنها را مبتلا تشخیص داده است.
منفی نادرستFN : درصد افراد مبتلا که مدل تصمیم به اشتباه آنها را غیرمبتلا تشخیص داده است.
TP+FN=100%
FP+TN=100%
هدف مدل تصمیم حداقل کردن خطاهاست( FPو FN)
55
نکته
درصد FN و FP به صورت مستقل حداقل نمی شود
اگر FP کم شود FN افزایش می یابد و برعکس
نمودار ROC مقدار بهینه را پیدا می کند.
56
مثال:
هدف تشخیص فشار خون بالا در افراد است. برای انجام این کار فشار خون افراد در سه گروه فرضی اندازه گیری می شود.
1- جمعیت سالم که تحت مراقبت قرار گرفته اند.
2- جمعیت بیماران مشمول مراقبت اولیه که به خاطر شکایات جزئی تحت بررسی هستند.
3- جمعیت بیمارانی که در بخش قلبی بستری هستند.
57
58
رسم منحنی ROC
59
روشهای پشتیبانی تصمیم کیفی
تعریف: روشهای کیفی براساس الهام و درک استدلال توسط انسان بنا شده اند و عبارتند از روشهای حل مساله ای که استنتاج در آنها با استفاده از مدلهای سمبولیک و عملگرهای منطقی صورت می گیرد.
ترکیبی از واحدهای تصمیم گیری اولیه
سنجش واحدهای تصمیم گیری اولیه با مقدار آستانه
بیان نتیجه سنجش با یک عبارت بولی
سه استراتژی برای تصمیم گیری کیفی توسط کامپیوتر:
1- استفاده همزمان از همه ریزتصمیمها(جدول تصمیم یا جدول درستی)
2- استفاده دنباله ای از ریزتصمیمها(فلوچارت یا درخت تصمیم)
3- استفاده از ریزتصمیمهایی که بصورت قاعده های عملکرد-موقعیت بیان شده اند(قاعده پایه یا استدلال کیفی)
60
جدول تصمیم (Decision Table)
فرم کلی :
D=E{E1E2…Ek}
ویژگیها:
همه نوع عبارت منطقی را یکباره در بر می گیرد.
ترکیبات مختلف Ei ها بصورت گرافیکی و با نمودار ون نشان داده می شوند.
بهینه کردن درستی مشکل است و ارزیابی آن از طریق آزمون مستقل برای اثبات کارآیی آن انجام می شود.
61
مثال
62
فلوچارت
فرم کلی:
بصورت یک درخت تصمیم که ریشه در بالا قرار گرفته و شاخه ها و برگها به سمت پایین امتداد دارند. واحدهای تصمیم اولیه بصورت لوزی نشان داده می شوند که دارای یک ورودی از بالا و دو یا چند خروجی از پایین و کناره هاست. ورودی به واحد تصمیم گیری اولیه قبلی مرتبط می شوند و خروجیها عبارت ”درست“ یا ”نادرست“ هستند. (تصمیم گیری باینری)
محلهای قرارگیری ریزتصمیمها، گره نامیده می شوند.
مسیرهای مختلف از ریشه تا یکی از برگهای نهایی پیموده می شوند. در برگهای نهایی ممکن است فعالیت جدیدی آغاز شود یا ادامه روند به فلوچارتهای دیگر محول شود.
ویژگیها:
سهولت پردازش
عدم امکان بازگشت در صورت اشتباه بودن مسیر
مشکل بودن آموزش و تعلیم
63
مثال 1
64
مثال 2:شکل زیر درخت تصمیم مربوط به عمل جراحی زانو است
65
مثال 3:شکل زیر درخت تصمیم مربوط به پیش بینی زمان انهدام بیماری سرطان تیروئید در بیمار را نشان می دهد .
66
مقایسه جدول درستی و فلوچارت
هر دو از ریز تصمیمها استفاده می کنند.
اطلاعات نهفته در فلوچارت بیشتر از جدول درستی است.
در فلوچارت برخلاف جدول تصمیم نیازی به در نظر گرفتن همه ترکیبات داده های ورودی نیست.
فرمول بندی ریاضی مشابه آنچه در روشهای آماری استفاده می شود در جدول درستی و فلوچارت وجود ندارد.
دسته بندی اطلاعات موجود در قالب مدل تصمیم
67
فرآیند مدلسازی آماری
انتخاب متغیرها
انتخاب تدریجی روشی برای انتخاب تعداد محدودی پیش بینی کننده
تخمین ضرائب رگرسیون
هرچه حجم داده بالا باشد، نامعینی مقدار ضرائب تخمین زده شده کمتر است و پیش بینی دقیق تر انجام می گیرد.
ارزیابی عملکرد مدل
عیار مهم: قابلیت تمایز مدل برای طبقه بندی بیماران
نمایش نتایج مدل
جدول پیش بینی های متناظر
چارت نمره
68
مثال: پیش بینی احتمال حاملگی ناخواسته در پزشکی باروری
69
چرا DSS ها در حال حاضر مقبولیت ندارند؟
ایده های نمایش اطلاعات (Representation) بسیار ساده است.
تصمیمات پزشکان متفاوت است و این تغییر پذیری نمی تواند در DSS لحاظ شود.
با اینکه تصمیمهای پزشکی تا حدی علمی هستند اما به محیط و زمینه کار و تجربه نیز وابسته اند.
پارادوکس تخصصی در DSS لحاظ نمی شود.
70
برخی محدودیت ها ومعایب سیستم های CDSS
محدوده کوچکی از علم پزشکی را پوشش می دهند
نمیتوانند تنوع زیادی از استراتژیهای تشخیصی و درمانی را برای حل مشکلات بیماران پیچیده ارائه دهند.
توصیه های CDSS بر مبنای اطلاعات ورودی بوده که این اطلاعات اغلب بخش کوچکی از اطلاعات لازم برای اخذ تصمیمات کلینیکی را تشکیل می دهند
تاکید بیش از اندازه بر داده های آزمایشگاهی ممکن است موجب غفلت از اطلاعات روانی و اجتماعی بیمار می شود.
ایجاد تغییر در رابطه بیمار و پزشک
ایجاد محدودیت برای پزشک در حل مسایل بصورت مستقل
مسایل حقوقی و قانونی در صورت بروز اشتباه و خطا
71
هوش مصنوعی یا Artificial Intelligence چیست ؟
تعریف:“ هوش مصنوعی، دانش ساختن ماشین ها یا برنامه های هوشمند است“
« هوش مصنوعی، شاخه ایست از علم کامپیوترکه ملزومات محاسباتی اعمالی همچون ادراک(perception )استدلال(reasoning )و یادگیری(learning ) را بررسی کرده و سیستمی جهت انجام چنین اعمالی ارائه می دهد.»
هنوز تعریف دقیقی که مورد قبول همه دانشمندان این علم باشد برای هوش مصنوعی ارائه نشده است.اما اکثر تعریف هایی که در این زمینه ارایه شده اند بر پایه یکی از ۴ باور زیر قرار می گیرند:
سیستمهایی که مانند انسان فکر می کنند (علوم شناختی Cognitive (
سیستمهایی که مانند انسان عمل می کنند (تست تورینگ Turing Test )
سیستمهایی که منطقی فکر می کنند (منطق ارسطوئی Aristotelian )
سیستمهایی که منطقی عمل می کنند(عاملهای دارای گرایش به هدف Goal Oriented )
72
بطور مثال : سیستمهایی که مانند انسان عمل می کنند
“The art of creating machines that perform functions that require intelligence when performed by people” (Kurzweil,1990)
هنر ایجاد ماشینهایی که اعمالی را که هنگامی که توسط انسان انجام می شود نیازمند هوش است , را انجام دهد.
“The study of how to make computers do things which ,at the moment, people do better ”(Rich and Knight,1991)
مطالعه اینکه چگونه به کامپیوترها بیاموزیم که اعمالی را که در حال حاضر انسانها بهتر انجام می دهند, انجام دهند.
73
هوش مصنوعی و کاربرد آن در DSS
گراف و جستجو (Graph and Search)
الگوریتم ژنتیکی (Genetic Algorithm)
سیستمهای خبره (Expert Systems)
منطق فازی (Fuzzy Logic)
شبکه های عصبی (Neural Networks)
74
نتیجه گیری
DSS علی رغم همه محاسن نقطه ضعف هایی نیز دارد. با این که تنها پزشک در قبال تصمیم اتخاذ شده در مورد بیمار مسئول است اما نمی تواند همه یافته های خود در مورد بیمار را به طور کامل به کامپیوتر منتقل کند. آموخته ها و تجربه های هر پزشک باید در DSS لحاظ شود. DSS ها در بهترین حالت مانند یک پزشک مبتدی عمل می کنند.
این نکته را هم باید در نظر داشت که موفقیت سیستم تصمیم گیری در مورد یک بیماری را نباید به بیماریی دیگری نسبت داد.
75
منابع
Handbook_on_Decision_Support_Systems
, HTTP://WWW.GMU.EDU/DEPTSTIP/FOCULTY/TFAC24.HTM
DECISION SUPPORT AND EXPERTSYSTEMS,MANAGEMENT,NTELLIGENTER TECHNOLOGIAN, GMBH
HTTP://WWW.MITGMGH.DE/MIT/IT/INDEX.HTM,
ARTIFICIAL ELLIGENCE, ARTIFICAL LIFE
, HTTP://WWW.AI.ABOUT.COM/MSUBEXPERT.HTM
DECISION SUPPORT AND EXPERT SYSTEMS, MANAGEMENT INTELLIGENTER TECHNOLOGIAN, GMBH, HTTP://WWW.MITGMGH.DE/MIT/IT/INDEX.HTM
BSTRACT OF CURRENT RESEARCH, HTTP://BEST ME. BERKELEY. EDU/