مدل سازی سامانه توصیه گر معنایی تجویز پزشک و کشف تداخلات دارویی

تجویز داروهای مناسب برای بیماران از اساسی ترین پروسه های درمان آن ها است و نیازمند تصمیم گیری دقیق بر اساس شرایط فعلی بیمار و سوابق و علائم وی می باشد. در بسیاری از موارد ممکن است بیماران بیش از یک دارو نیاز داشته یا علاوه بر داشتن بیماری قبلی و دریافت داروی آن، برای بیماری جدید نیاز به داروهای جدید داشته باشند که چنین شرایطی امکان ایجاد خطای پزشکی در تجویز دارو و بروز اثرات سوء مصرف دارویی(ADE)  (مانند تداخلات دارویی) را برای بیمار افزایش می دهد.

در این مقاله مدل سازی سامانه ی توصیه گر معنایی تجویز پزشک و کشف تداخلات داروئی ارائه شده است. پیش تر نیازمندی های سامانه استخراج و به تفصیل شرح داده شده و در این مقاله، بر اساس نیازمندی های استخراج شده به مدل سازی سامانه با استفاده از زبان یک پارچه مدل سازی UML2.0 پرداخته شده است. جهت ارزیابی کارکردهای توصیه و کشف ADEها (تداخلات) اقدام به توسعه نمونه آزمایشگاهی با استفاده از زبان Java شد و هم چنین مجموعه ای از قواعد جهت استدلال و کشف تداخلات و ADEها گردآوری شد.

 نتایج ارزیابی عملکرد سامانه برای کارکردهای کشف اثرات سوء مصرف داروها و توصیه داروئی نشان دهنده ی بهبود عملکرد رویکرد پیشنهادی به میزان 25/9 و 3/11 درصد در معیار دقت، 29 و 6/60 درصد در معیار فراخوانی (به ترتیب رویکردهای کشف اثرات سوء و توصیه داروئی) می باشد.

 استفاده از این سامانه به عنوان یک مدخل ورود الکترونیکی دستورات پزشک می تواند علاوه بر کمک به پزشکان جهت تجویز دقیق تر نسخه، مخاطرات موجود علیه سلامتی بیماران که ناشی از خطاهای پزشکی در مرحله تجویز دارو است را کاهش دهد.