fa استدلال مبتنی بر مورد: تکنیک کاربردی در طراحی سیستم هوشمند در تشخیص افتراقی بیماری‌های دهان فناوری اطلاعات سلامت Health Information Technology پژوهشی اصيل Original Research <div style="text-align: justify;"><span style="font-size:18px;"><span style="font-family:nasimYW;"><strong>زمینه و هدف:</strong> سیستم‌های هوشمند مسایل مربوط به مدیریت داده‌ها و تفسیر آن‌ها را در حوزه‌ی تخصص‌های مختلف دندان‌پزشکی تسهیل کرده و به‌عنوان یک ابزار کمکی در تشخیص و آموزش به‌کار می‌روند. استدلال مبتنی بر مورد یک روش نویدبخش برای پیاده‌سازی سیستم‌های تصمیم‌یار در علوم پزشکی است. در پژوهش حاضر از این تکنیک به‌منظور طراحی سیستم هوشمند در تشخیص افتراقی بیماری‌های دهان استفاده شده است.<br> <strong>روش بررسی:</strong> این پژوهش از نوع مطالعات توسعه‌ای بوده و از لحاظ نتایج، کاربردی است. به‌منظور ایجاد پایگاه موارد، داده‌های بیماران با مراجعه به بخش تخصصی بیماری‌های دهان و فک و صورت در دانشکده دندان‌پزشکی دانشگاه علوم پزشکی تهران و با مصاحبه‌ی بالینی گردآوری گردید و برای نمایش موارد از مجموعه [ویژگی-ارزش] استفاده شده است. تعیین وزن ویژگی‌ها، در قالب یک بررسی دلفی در سطح ملی و به‌صورت برخط انجام گرفت. وزن‌های تعیین شده در پایگاه موارد ذخیره شدند و از آن‌ها به‌عنوان پارامترهای ارزیابی مشابهت، استفاده شد. سپس به‌ازای هر مورد، عدد شاخص مشابهت، محاسبه گردید. به‌منظور ارزیابی قابلیت تشخیص افتراقی، سیستم در رابطه با ۵ نفر از بیماران مبتلا به هرکدام از محورهای شش‌گانه بیماری‌های دهان مورد مشاوره قرار گرفت.&nbsp;<br> <strong>یافته‌ها:</strong> سیستم هوشمند در این مطالعه، به‌صورت مبتنی بر وب توسعه داده شده است. حل مسأله در روش استدلال مبتنی بر مورد در برگیرنده‌ی چهار مرحله و شامل بازیابی، استفاده‌ی مجدد، بازبینی و نگهداری است. پارامترهای ورودی سیستم شامل شاخص‌های کلینیکی، شاخص‌های پاراکلینیکی، داده‌های تاریخچه‌ای و داده‌های مدیریتی تأثیرگذار بر روند تشخیص است. سیستم به‌عنوان خروجی، لیست اولویت‌بندی شده تشخیص افتراقی بیماری‌های دهان در شش محور اصلی شامل ضایعات وزیکولوبولوز و زخمی، ضایعات سفید و قرمز مخاط دهان، پیگمانتاسیون نسوج دهانی، تومورهای خوش‌خیم حفره دهان،&nbsp; سرطان دهان، بیماری‌های غدد بزاقی را ارایه می‌دهد. قدرت تشخیص سیستم در محورهای مختلف بیماری، با تأثیرپذیری از پراکندگی گوناگون بیماری‌ها و نیز میزان شیوع و وقوع آن‌ها متفاوت است.<br> <strong>نتیجه‌گیری:</strong> توسعه‌ی سیستم با بهره‌گیری از تکنیک استدلال مبتنی بر مورد و پردازش داده‌های بالینی، پتانسیل کمک به دندان‌پزشکان برای رسیدن به تشخیص افتراقی در شش محور اصلی بیماری‌های بافت نرم دهان را دارد.</span></span></div> <div style="text-align: justify;"><span style="font-size:18px;"><span style="font-family:Times New Roman;"><strong>Background and Aim:</strong> Artificial intelligence-based systems can facilitate data management and interpretation in various dental specialties and can be used as auxiliary tools in diagnosis and education. Case-based reasoning is a promising artificial intelligence method for implementing decision support systems in medical sciences. In the current research, this technique has been used to design an intelligent system for the differential diagnosis of oral diseases.<br> <strong>Materials and Methods:</strong> This research is a developmental study and is applied in terms of results. To create a database of cases, patient data was collected by referring to the specialized polyclinic of the Faculty of Dentistry at Tehran University of Medical Sciences and through clinical interviews. The [feature-value] collection was used to display the cases. The weight of the features was determined through a specialized Delphi survey conducted at the national level and as an online study. The determined weights were stored in the case database and used as similarity evaluation parameters. Then, the similarity index was calculated for each case.<br> <strong>Results:</strong> The intelligent system designed in this research has been developed based on web technologies. Problem-solving in the case-based reasoning method is done in a cycle and includes four main stages: recovery, reuse, review, and maintenance. The input parameters of the system include clinical indicators, paraclinical indicators, historical data, and management data affecting the diagnosis process. The system provides a prioritized list of differential diagnoses of oral diseases across six main axes as output including Ulcerative, vesicular, and bullous lesions, Red and white lesions of the oral mucosa, Pigmented lesions of the oral mucosa, Benign lesions of the oral cavity, Oral cancer, Salivary gland diseases.<br> <strong>Conclusion:</strong> The development of the system utilizing case-based reasoning techniques and clinical data processing has the potential to assist dentists in achieving differential diagnosis across six main areas of oral diseases.</span></span></div> انفورماتیک دندان‌پزشکی, استدلال مبتنی بر مورد, سیستم هوشمند, بیماری‌های دهان Dental Informatics, Case-Based Reasoning, Intelligent System, Oral Diseases 0 0 http://payavard.tums.ac.ir/browse.php?a_code=A-10-1735-1&slc_lang=fa&sid=1 Reza Safdari رضا صفدری No Professor, Department of Health Information Management, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran استاد گروه مدیریت اطلاعات و انفورماتیک سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Arash Mansourian آرش منصوریان No Professor, Department of Oral and Maxillofacial Medicine, School of Dentistry, Tehran University of Medical Sciences, Tehran, Iran استاد گروه بیماری‌های دهان، دانشکده دندان‌پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Shahram Tahmasebian شهرام طهماسبیان No Assistant Professor, Department of Medical Biotechnology, School of Advanced Technologies, Shahrekord University of Medical Sciences, Shahrekord, Iran استادیار گروه زیست فناوری پزشکی، دانشکده فناوری‌های نوین، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران Niloofar Mohammadzadeh نیلوفر محمدزاده No Associate Professor, Department of Health Information Management, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran دانشیار گروه مدیریت اطلاعات و انفورماتیک سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Hamideh Ehtesham حمیده احتشام h-ehtesham@alumnus.tums.ac.ir Yes Associate Professor, Department of Health Information Technology, Ferdows Faculty of Medical Sciences, Birjand University of Medical Sciences, Birjand, Iran دانشیار گروه فناوری اطلاعات سلامت، دانشکده علوم پزشکی فردوس، دانشگاه علوم پزشکی بیرجند، بیرجند، ایران