پزشک دیجیتالی در راه است

دکتر صیاد به‌کمک یکی از استادان دانشگاه تورنتو نخستین گروه داده‌کاوی را در آنجا تاسیس کرده و ارائه درس (کورس) داده‌کاوی برای دانشجویان فوق‌لیسانس و دکترا در آن دانشگاه بنیان گذارده است.

حیطه فعالیت و تحقیقات شما چیست؟

در یک کلام باید گفت که کار من داده کاوی1‌ ‌است. داده کاوی نیز توضیح گذشته و پیش‌بینی آینده با استفاده از تحلیل داده‌هاست.

و اگر بخواهید تعریف ساده‌تر و اختصاصی از کار و فعالیت‌تان ارائه بدهید؟

یک بخش از تحقیقات من استفاده از کامپیوتر در تشخیص بیماری‌ها که نوعی ارتباط بین مهندسی و پزشکی است و بخشی از علم مهندسی پزشکی محسوب می‌شود؛ یعنی انفورماتیک پزشکی.

فعالیت‌تان را در این زمینه از چه سالی آغاز کردید؟

حدودا از 20 سال پیش و البته تنها کسی بودم که برای اولین بار در ایران و در دانشکده پزشکی تهران تحقیقاتی را در این زمینه شروع کردم.

قبل از این‌که بیشتر به دستاورد تحقیقات شما بپردازیم، لطفا کمی هم درباره ضرورت و اهمیت این برنامه توضیحاتی بدهید.

این برنامه‌ها در حال حاضر اهمیت زیادی دارند به خاطر این‌که مساله «اشتباه در تشخیص پزشکی» در حال حاضر یک معضل جهانی است. برای مثال خود دولت آمریکا اعلام کرده سالیانه صدهزار مرگ در بیمارستان‌ها به‌علت اشتباه در تشخیص بیماری‌ها رخ می‌دهد و میزان تشخیص غلط بیماری‌ها در کلینیک‌ها خیلی بیشتر از این است و بار مالی و عاطفی زیادی را روی دوش سیستم‌های بهداشتی و خانواده‌ها می‌گذارد. بنابر این خیلی از کشورها کوشش کرده‌اند به شکلی با مکانیزه کردن این سیستم‌ها باعث بهبود روند تشخیص و درمان شوند.

حتما در این زمینه تحقیقاتی در دنیا انجام شده اگر امکان دارد اشاره‌ای به تاریخچه این تحقیقات داشته باشید.

بله، حتما. کار و پژوهش درباره این موضوع از 40 سال پیش در آمریکا شروع شد (اواخر دهه 60 و اوایل دهه 70) و معروف‌ترین کاری که در این زمینه انجام شد، پروژه مای‌سین2‌بود. مای‌سین به‌عنوان سیستم‌های قاعده پایه3 ‌آغاز یک تحول در زمینه تشخیص کامپیوتری بیماری‌ها بود، ولی براساس قواعدی کار می‌کرد که معمولا پرشمارند و کاهش و نگهداری آن قواعد کار سختی است.

گام و تلاش بعدی در این زمینه پروژه4 ‌بود که به‌جای قواعد از اطلاعات آماری استفاده کردند. یعنی ارتباط بین نشانه‌ها و یافته‌های پزشکی و تشخیص بیماری‌ها و استفاده از موتور استنتاجی برای رسیدن به تشخیص. این روش نسبت به روش قبلی بسیار موفق‌تر عمل کرد. به‌خاطر این که در این روش شما می‌توانستید اطلاعاتتان را آسان‌تر اضافه کنید.

کار روی این برنامه حدود 20 سال طول کشید و در حدود 5سال پیش متوقف شد و دیگر کسی آن را ادامه نداد. شاخه دیگر در زمینه برنامه‌های انفورماتیک پزشکی یا به‌عبارتی سومین روش برنامه‌هایی بود که به‌دنبال علت و معلول می‌رفتند. مثلا در بررسی علت و معلولی قندخون بالا، آیا هورمونی اشکال دارد؟ و اگر مشکل هورمونی است، علت آن چیست؟ ولی اساسا این برنامه‌ها بسیار سخت است و گستره وسیعی را دربر نمی‌گیرد و شما فقط می‌توانید در یک محدوده خاصی عمل کنید و جواب بگیرید. ‌ ‌

ابتدا (تا دهه 1980) دانشمندان این علم فکر می‌کردند که می‌توانند کامپیوتر را به شکلی جایگزین پزشک کنند اما بعد از یک دوره 20 ساله تحقیقات در این زمینه، به این نتیجه رسیدند که این مساله خیلی مشکل‌تر از آن چیزی است که فکر می‌کردند و بعد از آن به‌تدریج سعی کردند روی اطلاعاتی که تا آن زمان جمع‌آوری کرده بودند، کار کنند تا این که به شکلی بتوان از آن اطلاعات و یافته‌ها برای ساخت برنامه‌ای که پزشک بتواند با آن ارتباط برقرار کند، استفاده کنند و اسم آن را هم گذاشتند «منبع پزشکی سریع5».

آیا این برنامه، برنامه جامع و کاملی بود و هیچ نقطه ضعفی نداشت؟

چرا اتفاقا این برنامه هم با مشکلاتی همراه بود چون در همان وهله اول متوجه شدند که پزشکان نمی‌توانند با این برنامه کار کنند. اساسا برنامه‌های تشخیص کامپیوتری بیماری‌ها دو معضل عمده دارند:

1– رابط کاربر6‌ ‌یعنی این که چطور با کاربرهایی مثل پزشکان ارتباط برقرار کند.

‌ ‌2– موتور استنتاجی7‌ ‌که بتواند تصمیم‌گیری پزشکی را شبیه‌سازی کند.

برای رابط کاربر کارهای زیادی انجام نشد. یعنی در حال حاضر شاید حداکثر 10نرم‌افزار در این زمینه در دنیا وجود داشته باشد. مشکل عمده‌ای هم که در این زمینه وجود دارد این است که پزشک علاقه‌ای به وارد کردن علایم بیماری ندارد و استفاده از صدا و تصویر هم در حضور بیمار محدودیت خاص خود را دارد.

برای رفع این مشکل هیچ اقدامی نشد؟

چرا، من خودم چون از سال‌ها پیش در این زمینه کار می‌کردم، چند سال پیش آغاز کردم به کار روی این پروژه و برای حل این معضل و بخشی از تحقیقاتمان را گذاشتیم روی این موضوع.

به نتیجه هم رسیدید؟

بله، به این نتیجه رسیدیم که یک روش ترکیبی از ورودی صفحه کلید و ماوس بهتر از همه رو‌ش‌هاست در این روش باید یک یا چند کلید‌واژه ساده را وارد کرده و یا بر کلیدواژه ازپیش تعیین شده روی طرحی از بدن انسان کلیک کنیم.برای نمونه، به‌جای وارد کردن و تایپ اسم بلند و طولانی یک بیماری کافی است حروف اول کلمات آن ترکیب تایپ شود به‌عبارتی در این روش از علائم اختصاری استفاده می‌شود هم برای افزایش سرعت در کار و هم پایین آمدن سطح اشتباه. در عمل هم متوجه شدیم این همراه با کلیک روی طرح بدن سریع‌ترین راهی است که پزشک می‌تواند دقیقا به آن چیزی که می‌خواهد برسد.

غیر از شما، شخص یا گروه دیگری در این زمینه اقدامی نکرده است؟

اتفاقا یک گروه دیگر هم با عنوان «ایزابلا8» ‌در آمریکا، برای رفع این مشکل کارهایی انجام داده‌اند. این گروه از روش متن‌آزاد9 ‌استفاده کردند.

یعنی شما هر چه دلتان می‌خواهد می‌نویسید، ولی رسیدن به نقطه هدف کار ساده‌ای نیست یعنی یک پروسه یادگیری طولانی می‌خواهد و معمولا پزشکان زیاد از آن استقبال نمی‌کنند؛ مگر در بیمارستان‌ها.

برگردیم به طرح شما و این که در این راستا چه اقداماتی انجام داده‌اید؟

نخستین گام ما این بود که چگونه یک رابط کاربری طراحی کنیم که پزشک بتواند در حداکثر 15 دقیقه یاد بگیرد چطور از آن استفاده کند. یعنی فقط اگر بداند این صفحه کلید است، این نمایشگر و این ماوس، پس از آن 15 دقیقه باید طول بکشد تا دریابد این سیستم چطور کار می‌کند؟ گام بعدی (که برمی‌گردد به معضل دوم پروژه) این بود که چطور یک موتور استنتاجی بسازیم که این موتور با آن کاری که پزشک می‌کند هماهنگی داشته باشد.برای گام نخست، ما از همان منبع پزشکی سریع استفاده کردیم و به کار سرعت دادیم. یعنی پزشک تا نشانه‌ای را دید، سریع بتواند به تشخیص‌های افتراقی برسد. ما کاری کردیم که این کار در رابط‌کاربر به‌سرعت انجام گیرد و پزشک با همان کلیک زدن‌‌ها بتواند به‌راحتی و بی‌آن‌که از صفحه خارج شود، اطلاعاتش را اضافه و کم کند و نتیجه‌گیری خود پزشک در آن صحنه قرار گیرد.

در حال حاضر و بدون استفاده از این برنامه، پزشکان از چه طریقی این عملیات تشخیص را انجام می‌دهند؟

پزشک این کار را از طریق کتاب انجام می‌دهد. یعنی اگر چیزی را نمی‌داند یا فراموش کرده است، سراغ کتاب می‌رود و علامت‌های تشخیص افتراقی را نگاه می‌کند.مشکل این روش سنتی، وقت زیادی است که از پزشک می‌گیرد (سراغ کتاب رفتن، یافتن صفحه مورد نظر و نشانه‌ها و تشخیص‌های مربوط و...) مشکل دیگر این روش این است که اگر دوتا (یا بیشتر) علامت شد، تکلیف چیست؟ دیگر کتاب کمک نمی‌کند، مگر این که از صفحات کپی بگیرد و کنار هم بگذارد. پس بهتر این است که این کار را کامپیوتر انجام دهد تا کار سریع‌تر و راحت‌تر انجام شود.

مزیت برنامه شما نسبت بهاستفاده از کتاب چیست؟

خب، حالا پزشک یک کتاب تشخیص افتراقی دارد که الکترونیکی است و بغل‌دستش است. می‌تواند به‌راحتی با آن ارتباط برقرار کند و هم زمان چندین علامت را به سیستم بدهد و نتیجه‌گیری کند.

برای حل مشکل دوم (موتور استنتاجی) چه تدبیری اندیشیدید؟

ما از پایگاه‌‌های داده آماری استفاده کردیم و از سیستم نمره‌گذاری. این نمره‌گذاری باعث می‌شود پزشک روی بیماری‌هایی که نمره بالاتری دارند، تمرکز کند. در این سیستم بیماری‌ها یک دست و یکسان ردیف نشده‌اند به اصطلاح تخت10‌نیستند که شما سردرگم شوید و بگویید صدتا تشخیص است حالا چه کنم؟!

موتور استنتاجی باید «نمره» داشته باشد. موتور استنتاجی نمی‌تواند به‌صورت تخت انتخاب کند. کتاب تخت است، بیماری‌ها را ردیف می‌گذارد و شما می‌فهمید این بالایی مهم‌تر است ولی نمی‌دانید تفاوت‌ها تا کجا و چگونه است؟

مزیتی که این سیستم دارد این است که کاربردش تنها در پزشکی نیست، بلکه در هر سیستم تشخیصی قابل استفاده است. یک سیستم مهندسی یا حتی حقوقی یا ... فرقی نمی‌کند در هر جایی که تصمیم‌گیری باشد.

درباره نحوه کار این برنامه (موتور استنتاجی) بیشتر توضیح دهید.

بله، حتما. بعد از نمره‌گذاری می‌رسیم به اینجا که حالا شما یک لیست تشخیصی دارید و مهم این است که چطور این برنامه می‌تواند بهترین سوال را بعد از این لیست به پزشک ارائه بدهد. اسم این تکنولوژی را گذاشتیم «بهترین پرسش بعدی11». ببینید، وقتی شما یک درخت تصمیم‌گیری دارید. در این درخت از گره اول آاز می‌کنید و پیش می‌روید، این درخت ثابت است. اگر شما بخواهید یک درخت تصمیم‌گیری در پزشکی بسازید با 4474 یافته و نشانه و 612 بیماری که وجود دارد، این درخت دیگر درخت نیست، جنگل است! و در عمل کار با این درخت، با این وسعت و پراکندگی و این سیستم ممکن نیست. کاری که ما کردیم این بود که با سوالاتمان یک درخت بسازیم (نه این که یک درخت آماده پیش ساخته با انبوه گیج‌کننده‌ای از شاخ و برگ‌ها‌داشته باشیم.)

در این روش برای هر سوالی که می‌کنید و هر جوابی که می‌گیرید، یک شاخه آن درخت ساخته می‌شود. فرض اگر شما بگویید «تب دارم» یک شاخه ساخته می‌شود و اگر بگویید »تب ندارم« شاخه‌ای دیگر.

در کل اگر بخواهید به شباهت‌ها و تفاوت‌هایی که میان برنامه ساخته شده دانشمندان آمریکایی (در 20 سال پیش) و برنامه خودتان وجود دارد، اشاره کنید، چه نکاتی را مطرح می‌کنید؟

از نظر پایگاه داده هیچ فرقی نمی‌کند، چون ما هم از همان اطلاعات استفاده می‌کنیم. اما تفاوت در رابط‌کاربر، و فناوری به‌کار رفته در موتور استنتاجی است. در مورد رابط‌کاربر یا برنامه‌ای که پزشک بتواند با آن ارتباط برقرار کند، تنها برای طراحی این برنامه که پزشک بتواند فقط در 15 دقیقه آن را بیاموزد و با آن کار کند، چند سال زمان صرف شد.

و اما مورد دوم که «بهترین پرسش بعدی» نامیده شد و هیچ ربطی به پایگاه داده هم ندارد، طوری طراحی شد که شما می‌توانید هم آن را برای هر برنامه غیرپزشکی به‌کار ببرید و هم اطلاعاتتان در پایگاه‌داده را به‌روز کنید.

در برنامه طراحی شده توسط دانشمندان آمریکایی، دو پارامتر «حساسیت» و «اختصاصی بودن» لازم بود. مثلا شما اگر بگویید «تب ندارم»، من به‌راحتی می‌گویم بیماری آنفلوآنزا ندارید، این یعنی آنفلوآنزا به تب حساس است و من با نبود یک علامت آن را از لیست تشخیص حذف می‌کنم. ولی برای اثبات آنفلوآنزا تب کافی نیست، چون اختصاص به آنفلوآنزا ندارد.

در برنامه‌های قبلی لازم بود تا اختصاصی بودن را تعریف کنند، که بسیار سخت و مشکل بود و عملا مانعی شد بر سر راه این پروژه و به همین دلیل برنامه آنان ناتمام رها شد. ولی ما در برنامه خودمان فقط حساسیت لازم است و، از طریق معادلات خاصی اختصاصی بودن را تعریف کردیم. در این برنامه روش اثبات این‌گونه است که اگر فرضا می‌خواهید ثابت کنید بیماری "آنفلوآنزا" است، خودش به شما می‌گوید چه سوالاتی بپرسید که نشان دهد آنفلوآنزا هست یا نه؟ البته متاسفانه به دلیل مساله کپی‌رایت فعلا بیشتر از این نمی‌توانم توضیح بدهم.

اگر ممکن است درباره عناصر پایگاه داده در این پروژه بیشتر توضیح دهید.

پایگاه داده یا بانک اطلاعاتی ما در حقیقت همان مجموعه 4474 یافته و نشانه بیماری و 612بیماری و ارتباط بین آنها است. این مجموعه هم براساس کتاب‌ها و هم در پی 20 سال تحقیق و تلاش جمع‌آوری شده و یکی از بهترین کارهایی است که در پزشکی انجام شده و در جاهای زیادی هم از آن استفاده می‌شود.

ما می‌خواهیم این پیام را به گوش پزشکان برسانیم که این ویژگی‌ها (که قبلا شرح داده شد) این ارزش را دارد که 15 دقیقه وقت بگذارید و ضمن یک آموزش و یادگیری کوتاه به آنها دسترسی پیدا کنید.

در حقیقت شما با این برنامه تشخیص افتراقی می‌دهید؟

نه‌تنها خیلی سریع تشیخص افتراقی می‌دهیم، بلکه در عین حال می‌‌گویم چه کاری انجام بده که اثبات کنی این بیماری خاص است و نه بیماری دیگر. چون بالاخره پزشک به این مرحله می‌رسد که تشخیص می‌دهد مثلا احتمال «این سه بیماری»بیشتر است‌و بر فرض احتمال یکی از آن سه بیماری، هپاتیت است. برنامه به او می‌گوید چه سوالاتی از بیمار بپرس و پیگیر چه آزمایش‌هایی باش تا به اثبات هپاتیت برسی.

این برنامه را آزمایش هم کرده‌اید تا ببینید جواب می‌دهد یا نه؟

بله. برنامه آماده است و من خودم آن را امتحان کرده‌ام. و نتایج بسیار رضایت‌بخش بوده است. ولی این برنامه آغاز یک کار بزرگ هست که باید سال‌ها در بهبود آن کوشش کرد و نیاز به همکاری پزشکان داریم.

و درصد خطای آن چه میزان بوده است؟

درصد خطا در آزمایش‌های مختلف متفاوت بوده. در یک آزمایش 75 درصد و در آزمایش دیگر 90 درصد موارد را درست تشخیص داده است. ولی هدف ما این نیست که این برنامه نقش پزشک را ایفا کند. ما می‌خواهیم به پزشک بگوییم شما در کار خود مهارت داری و استادی، فقط به‌جای استفاده از کتاب، از این برنامه استفاده کن تا هم کارت سریع‌تر پیش برود و هم درصد خطای کارت پایین بیاید. ‌ ‌

آیا برنامه شما، برنامه‌ای کامل و جامع است یا هنوز ایرادی به آن وارد است که جای کار کردن دارد؟

یکی از مشکلات اساسی که در این طرح وجود دارد این است که هر یافته پزشکی بالاخره اسمی دارد و همان یافته گاهی با اسم‌های دیگری خوانده می‌شود. فرضا یک‌بار می‌گویند «نیتروژن اوره خون» و گاهی به‌طور خلاصه می‌گویند «‌BUN‌»، گاهی هم در زبان‌ها و فرهنگ‌های مختلف اسم‌ها و اصطلاحات خاص خودشان را دارند که در عمل نمی‌شود همه این اسم‌ها و اصطلاحات را وارد برنامه کرد.

برنامه باید بتواند بین یافته و اصطلاح پزشک و یافته و اصطلاحی که در برنامه وجود دارد، ارتباط برقرار کند. حال چطور این ارتباط برقرار می‌شود؟ این همان مشکلی است که هنوز وجود دارد و باید در آینده حل شود. اما ما عجالتا راهی برای آن یافته‌ایم و آن این است که قسمتی به این برنامه افزوده‌ایم که براساس آن پزشک می‌تواند کلیدواژگان خودش را به یک یافته نسبت بدهد. مثلا اگر در برنامه‌ما عبارت «‌Blood Orea Nitrogen‌» هست، پزشک دیگری می‌تواند بگوید من این را به اسم ‌BUN‌ می‌شناسم و ‌BUN‌ را به برنامه اضافه کند. سپس برنامه برای جستجوهای بعدیش از آن کد و اصطلاح استفاده می‌کند.

این برنامه تا چه حد می‌تواند جای پزشک را هم بگیرد؟ یعنی آیا یک فرد عادی جامعه به‌جای این‌که وقت و هزینه صرف کند و دکتر برود، با دستیابی به این برنامه و دادن نشانه‌های بیماری خود به کامپیوتر، می‌تواند به تشخیص بیماری خود برسد؟ ‌ ‌

همان‌طور که پیش از این هم اشاره کردم، کوشش اولیه بر این بود که برنامه کامپیوتری ساخته شود که جای پزشک را بگیرد. پایگاه داده‌ای که برای این برنامه ساختند، بسیار معتبر است چون یکی از بهترین تیم‌های پزشکی آمریکا روی آن کار کرده. این پایگاه داده در طول 20 سال در چندین برنامه آزموده شده و بسیار خوب جواب داد و توانست در رقابت با دستیارها و برخی پزشکان از آنها پیشی بگیرد ولی هیچ برنامه کامپیوتری جای پزشک را نمی‌تواند بگیرد.

ادعا این است که این برنامه می‌تواند مانند یک کتاب پزشکی به شما کمک کند اما بسیار دقیق‌تر، سریع‌تر و با کیفیت بهتر. اما این که می‌تواند همیشه درست تشخیص بدهد؟ کسی این ادعا را ندارد. ولی اگر آن را با کتاب پزشکی مقایسه کنید، برتری‌های زیادی دارد. یک کتاب 100علامت و یافته دارد، اما این برنامه 4474 تا علامت. کتاب را باید دستی ورق بزنید، برنامه الکترونیکی را تنها با فشار چند دکمه. با کتاب تنها یک علامت را می‌توانید بررسی کنید، ولی با این برنامه چندین علامت را می‌توان بررسی کرد و مواردی مانند اینها که ... با مختصر مقایسه متوجه برتری‌های این برنامه می‌شویم. ‌ ‌ ولی اگر بگویید آیا این برنامه می‌تواند جای پزشک را بگیرد؟ پاسخ این است: نه! نمی‌تواند. ضمن آن که استفاده از آن برای مردم عادی به‌جای پزشک کاری خطرناک است.از این نکته هم نباید غافل شد که این برنامه به کسی اصلا کمک درمانی نمی‌دهد و نمی‌گوید از چه دارویی استفاده کنید. ولی از نظر تشخیصی این برنامه می‌تواند توسط کاربرهای غیرپزشک هم استفاده شود. به ازای این که افراد چقدر اطلاعات پزشکی دارند، این برنامه برایشان مفید است.

بالاترین کمکی که این برنامه به بیمار می‌کند این است که اگر پزشک وقت ندارد، بیمار خودش می‌تواند خودش را بررسی کند. این کار مثبتی است و خطری هم ندارد. بیمار تا حدی که به علائم و نشانه‌ها آگاهی دارد، می‌تواند از این برنامه به عنوان اطلاع‌رسانی کمک بگیرد مثل همین کاری که همه در اینترنت انجام می‌دهند. الان مادران آمریکایی و اروپایی بهتر از یک پزشک در مورد بچه‌هایشان می‌دانند. بسیار آگاه هستند و همه این اطلاعات را هم از اینترنت می‌گیرند. این برنامه از این حیث آگاهی ابزار بسیار مفیدی است. ولی من به‌عنوان یک پزشک این کار را توصیه نمی‌کنم، چون ما می‌خواهیم پزشک‌ها نقش خودشان را ایفا کنند. اگر ایفای نقش نکردند، بیماران راهشان را پیدا می‌کنند حتی اگر من بگویم این کار را نکنید، آنها وقتی به این برنامه دسترسی پیدا کردند دیگر از کسی نمی‌پرسند و اجازه نمی‌گیرند.

چه پزشکانی با چه تخصص‌هایی می‌توانند از این برنامه استفاده کنند؟

همه پزشکان و به‌ویژه پزشکان عمومی و متخصصان داخلی و حتی گاهی به‌کمک جراحان هم می‌آید چون آنها هم به‌نوعی با بیماری‌های داخلی در ارتباط هستند. مثلا بیماری که استخوانش شکسته، ممکن است این شکستگی ناشی از یک بیماری داخلی باشد. بیماری‌های داخلی نقطه‌اشتراک همه بیماری‌ها و همه تخصص‌هاست.این برنامه برای کمک به تصمیم‌گیری است؛ نه خود تصمیم‌گیری. تصمیم‌گیری‌در حال حاضر براساس تجربه است. پزشک با استفاده از تجربه سالیان دراز طبابت خود به علاوه علائمی که می‌بیند، تشخیص می‌دهد و تصمیم‌گیری می‌کند و این قوی‌ترین روش است. اما روند جدید تصمیم‌گیری در آینده براساس داده‌هاست که کمکی به آن روش براساس تجربه است نه جایگزین آن، بعضی‌جاها ماشین کاملا جای انسان را گرفته مثل بازارهای بورس که در برخی کشورها تمام تصمیم‌گیری‌های آنها، به‌عهده کامپیوتر است اما در این مبحث که موضوع، انسان است و جان انسان‌ها مورد نظر است، ماشین نمی‌تواند به‌جای یک انسان پزشک تصمیم بگیرد. اما پزشکانی که هم از تجربه استفاده می‌کنند و هم از مدل‌های تصمیم‌گیری داده‌ها (برنامه)، قدرت بیشتری خواهند داشت و تصمیم‌گیری‌های صحیح‌تری.

آیا این برنامه به زبان فارسی هم ارائه شده؟

متاسفانه نه، این برنامه فارسی نیست و این مشکلی است برای کاربرهای فارسی زبان. البته پزشکان چون با علائم و نشانه‌ها به زبان انگلیسی آشنایند، می‌توانند بدون مشکل از این برنامه استفاده کنند. من امیدوارم که کسانی همت کنند و این برنامه را به فارسی برگردانند. چون از نظر زمانی برای ما قابل توجیه نیست. فارسی‌سازی این برنامه از طرفی زمانبر است و باید همین جا (در ایران) این کار را انجام داد و از طرف دیگر همه این برنامه (4474 علامت) را نمی‌شود فارسی کرد.

‌البته موم پژوهشگران می‌توانند همین حالا هم از پایگاه داده برنامه استفاده کنند، اما درباره تکنولوژی و موتور استنتاجی، با وجود آن‌که حقوق معنوی آن متعلق به شرکت ‌ISmartSoft‌ است، باز هم ما حاضریم آن را به‌همان صورت بدهیم تا بیایند و برای صدتا علائم شایع، فارسی‌سازی کنند و آن را در اختیار مردم بگذارند. امیدواریم که این ایده‌ای باشد که پژوهشگران روی آن فکر کنند.حتی می‌شود به‌عنوان یک پروژه دانشگاهی هم بودجه‌ای را به آن تخصیص داد تا برای دانشجویان انگیزه‌ای برای کار روی پروژه وجود داشته باشد. مطمئنا محصول این کار هم برای جامعه پزشکی و دانشجویان و هم برای مردم عادی فایده‌های زیادی دارد.

پی‌نوشت‌ها

 Data mining.1‌

 MyCine.2‌

 Rule Base.3‌

 Internist.4‌

 Quick Medical Reference.5‌

 User interface.6‌

 Inference Engine.7‌

 Isabella.8‌

 Freetext.9‌

 Flat.10‌

 Next Best Question.11