زمینه: در این مقاله، به منظور ساده­سازی تبادل اطلاعات در فرایند تشخیص پزشکی و بدون نیاز به حضور فیزیکی متخصصان پزشکی، از عامل­های نرم­افزاری استفاده شده است. هدف از استفاده از عامل­ها، اجازه برقراری تبادل اطلاعات بطورخودکار میان متخصصین پزشکی در حوزه­های متفاوت می­باشد.

روش: این مقاله  یک ساختار ترکیبی برای تشخیص بیماری ارائه داده و از یک روش رایانش نرم، جهت ایجاد یک پایگاه اطلاعات پزشکی استفاده می­کند. این سیستم بر پایه توانایی های شبکه های عصبی مصنوعی، منطق فازی و الگوریتم ژنتیک ارائه شده، که برای پوشش ضعف های یکدیگر با هم ترکیب می شوند. برای تمام عامل­ها در یک سیستم، ورودی علائم بیماری و خروجی، تشخیص بیماری می­باشد.

یافته­ها: نتایج آزمایشات بر روی پایگاه داده سرطان سینه نشان داده شده است. برای بررسی الگوریتم یادگیری ترکیبی و مقایسه آن با دیگر روشها، ۶۹۹ نمونه در هر آزمایش بررسی شدند که در آن ۶۰٪ برای آموزش ، ۲۰٪ برای ارزیابی متقابل و ۲۰٪ برای تست (۱۳۹ نمونه). نتایج نشان می­دهندکه عملکرد روش ارائه شده از روش ترکیب شبکه عصبی با منطق فازی بهتر است ، اما روش شبکه عصبی با الگوریتم ژنتیک از روش ترکیبی نتایج بهتری بدست می­دهد.

نتیجه گیری: ساده­سازی فرایند تشخیص بیماری با تفکیک مفاهیم حوزه­ی پزشکی (مانند: علل، تأثیرات، علائم، آزمایش­ها) در سیستم­های مختلف بدن انسان مانند تنفسی، قلبی- عروقی از طریق ارتباط دهی بین علائم مشترک بیماری­ها امکان­پذیر می­شود. بنابراین، تشخیص متخصصین مختلف بطور موازی رخ می­دهد و مشاهدات آنلاین بر روی مفاهیم مشترک بین این سیستم­ها بطور خودکار در پایگاه داده به اشتراک گذاشته می­شود. این مسئله در سطح مفاهیم تشخیص، یک پایداری مشترک از عامل­های را در سیستم ایجاد می­کند.