هر پژوهش در واقع به منظور پاسخگویی و یافتن راه حل برای یک مسئله اصلی که در قالب یک پرسش ظهور می‌کند، آغاز می‌شود. هر پژوهش برای اینکه انسجام، هدفمندی و کاربردی بودن خود را حفظ کند باید بر حول یک مسئله اصلی سازماندهی شود. خدمات پزشکی جزء مهم‌ترین دغدغه های جوامع هستند و با مشکلات بسیاری مواجه می‌باشند (Anderson, 2008). توسعه خلاق خدمات مبتنی بر فناوری اطلاعات می‌تواند یک راه حل امیدبخش برای بهبود سطح خدمات پزشکی باشد. بحران‌های اصلی خدمات پزشکی دسترسی، کیفیت و هزینه هستند که البته هر سه این بحران‌ها با هم در ارتباطند و بر هم تأثیر می‌گذارند. تاکنون چارچوب‌های بسیاری برای بهبود بخشیدن به استانداردهای مراقبت پزشکی در سرتاسر جهان پیشنهاد شده‌اند و انواعی از ابزارهای جانبی برای مراقبت از اطلاعات پزشکی افراد به کار گرفته شده ولی در حوزه تشخیصی که به مراتب از اهمیت بیشتری برخوردار است، کارهای زیادی صورت نگرفته است (Fernandoa & Dawsonb, 2009). خدمات پزشکی به عنوان بزرگ‌ترین صنعت در ایالات متحده، امروزه به ناآرام‌ترین و بحرانی‌ترین صنعت تبدیل شده است و با انبوه هزینه های سنگین مواجه می‌باشد. انبوه مشکلات کیفی در سطح خدمات شناسایی شده و تقاضا برای خدمات پزشکی جامع ریسک بالای این شرایط را تایید می‌کند. این در حالی است که توجه کمی به چگونگی این بهبود معطوف می‌شود. پیش بینی‌ها ورشکستگی سیستم‌های در حال فعالیت را در این کشورها تا سال 2040 نشان می‌دهند (Yang & Xiang-jun & Zhan-fei, 2011).

1-2 تعریف مسئله و بیان سؤال‌های اصلی تحقیق

آنچه که به تجربه در درمان بیماران ترومایی و اورژانس به چشم می‌خورد، این است که جراحان معمولاً با حجم بسیار بالایی از گزینه های تشخیصی، تکنیک‌های درمان و نتایج مختلف ناشی از آن مواجه هستند. با توجه به تست‌های تشخیصی متنوع و تکنیک‌های متنوع جراحی و مدت زمان کوتاهی که جراح برای تصمیم گیری در اختیار دارد و نیز حجم بسیار بالایی از دانش که از مجاری مختلف به روز شده و مرتباً در حال تغییر هستند و در اختیار جراحان قرار می‌گیرند، عملاً امکان به روز رسانی دانش جراحان و استفاده از این دانش در عملکرد روزانه وجود نداشته و این موضوع پزشکان ما را به سمت و سوی تصمیم گیری بر مبنای تجربیات خود و گاهاً نظرات خودسرانه و نه بر پایه مستندات و دانش جدید، می‌کشاند و این تصمیم گیری بیشتر در توافق با تجربیات موجود است تا منطق و دانش صحیح جراحان که می‌تواند نتایج غیر قابل قبولی به دنبال داشته باشد

(Anderson, 2008) ( Yang &  Et al, 2011) (Chapmana & Et al, 2011).

   آنچه که در این پروژه به چالش کشیده می‌شود، شکل فعلی تصمیم گیری پزشکان و خطرات ناشی از خطای انسانی است. مسلماً هجوم اطلاعات جدید و گستردگی و تنوع آن‌ها متخصصین و جراحان را ناچار به استفاده از سیستم‌های کمکی خواهد کرد. شواهد زیادی این اطلاعات در حال رشد را تایید می‌کنند. صدها مجله در حال چاپ وجود دارد و ده‌ها جلسات آموزش مداوم با یکدیگر در حال رقابت هستند. تخصص‌ها روز به روز گسترده تر شده و به همین نسبت وسعت اطلاعات نیز   http://zusa.ir/%d9%be%d8%a7%db%8c%d8%a7%d9%86-%d9%86%d8%a7%d9%85%d9%87-%d9%85%d8%af%db%8c%d8%b1%db%8c%d8%aa-%d8%b1%db%8c%d8%b3%da%a9-%d9%88-%da%a9%d8%a7%d8%b1%d8%a7%db%8c%db%8c-%d8%b4%d8%b9%d8%a8-%d8%a8%d8%a7%d9%86/ بیشتر می‌شود (Fernandoa & Dawsonb, 2009) مکانیزم اساسی که پزشکان به کار می‌گیرند، تکیه بر حافظه فردی است، زیرا تابحال هیچ راه حل بهتری برای ارائه اطلاعات با سرعت مورد نیاز آن‌ها و با توجه به طیف وسیعی از مشکلات که با آن مواجه می‌شوند وجود نداشته است. فراوانی و تنوع زیاد اختلالات و نشانه های مربوط به آن‌ها و از طرف دیگر محدودیتی که حافظه اغلب پزشکان برای یادآوری همه این‌ها دارد، نیاز به یک ابزار کمکی در تشخیص و درمان بیماری‌ها بر اساس نشانه‌ها را ثابت می‌کند (Koohi & Oleimanjahi & Falahi & (Riahi &  Meshkat ,2011) ( Prasadl &  Prasad &  Sagar, 2011).

1-3 سابقه و ضرورت انجام تحقیق

دهه شصت را می‌توان آغازی بر به وجود آمدن برنامه های کامپیوتری هوشمند (بر اساس هوش مصنوعی) به حساب آورد. در طی همین سال‌ها بود که تئوری جدیدی به نام Heuristics  که بعدها به سیستم‌های خبره تغییر هویت داد، مطرح شد. این تئوری در واقع روشی بود برای یافتن یک راه حل از بین چند راه حل موجود برای یک مسئله به خصوص. در دهه هفتاد تحقیقات و دستاوردهای هوش مصنوعی به سمت مسایل علمی‌تر و به خصوص شاخه‌هایی از علم که تأثیر بیشتری بر زندگی مردم داشت گرایش یافتند. این سیستم‌ها برای حل مسائلی به کار برده شدند که نیاز به سرویس دهی یک فرد خبره داشتند، بنابراین به عنوان سیستم‌های خبره شناخته شدند(Ma & Et al,2012).  هدف ابتدایی ارائه رایانه‌ها در اقدامات پزشکی در سال 1960 به طور مشخص عبارت بود از تدارک تصمیماتی برای پزشکان که آن‌ها را کمک کند تا از استدلال مبتنی بر هوش مصنوعی جهت تشخیص پزشکی استفاده کنند. این جریان تحقیقاتی در نهایت به اختصاص رشته هوش مصنوعی در پزشکی منجر گردید. متأسفانه، تعداد زیادی از سیستم‌های استدلال تشخیصی مبتنی بر هوش مصنوعی در عمل مورد استفاده قرار نگرفت. شاید دلیل این نارسایی و شکست آن باشد که استدلال تشخیصی مبتنی بر هوش مصنوعی بیشتر شبیه پیشگویی یونانی عمل می‌کرد تا روشی که رویکردی مداخله ای تر و انعطاف‌پذیرتر را ممکن سازد. پزشکان دریافتند که ساختار تصمیم ساز به جای ساختار تصمیم یار تهدیدی است برای خودمختاری و استقلال عمل متخصصین بالینی Benamati, 2008)).

امروزه ما پذیرفته‌ایم که سیستم‌های تصیم یار می‌توانند به عنوان یک نیروی کمکی برای مدیریت تصمیم گیری و حرکت به سوی تصمیمات مطلوب، مدیریت صحیح را تضمین