پیشرفت‌های فناوری تغییرات عمده‌ای در زندگی روزمره و به ویژه در حوزه بهداشت و درمان ایجاد کرده است. روش‌های تشخیصی سنتی به تدریج با مدل‌های مبتنی بر فناوری و سوابق پزشکی کاغذی بیماران جایگزین می‌شوند. هدف ما توسعه یک سیستم پشتیبانی تصمیم‌گیری بالینی خودکار (CDSS) با استفاده از آخرین فناوری‌ها و تکنیک‌های استخراج داده بود تا پیش‌بینی‌های پزشکی و ارائه خدمات بهداشتی را بهبود بخشد. رویکرد پیشنهادی ما بر بهبودهایی تأکید دارد که انتظارات بیماران، والدین و پزشکان را برآورده کند. ما یک چارچوب انعطاف‌پذیر برای شناسایی بیماری‌های هپاتیت، شرایط پوستی، بیماری‌های کبدی و اوتیسم در بزرگسالان توسعه دادیم و نتایج را به عنوان توصیه‌ها به بیماران ارائه کردیم. نوآوری این CDSS در ادغام نظریه مجموعه‌های زبر (RST) و تکنیک‌های یادگیری ماشین (ML) برای بهبود دقت و اثربخشی تصمیم‌گیری بالینی نهفته است.

سیستم پشتیبانی تصمیم بالینی طبقه بندی بیماری ماشین طبقه بندی کننده یادگیری داده های پزشکی توصیه مجموعه ناهموار