A Knowledge Representation Concept Facilitating Construction and Maintenance of Large Knowledge Bases
- 1 January 1988
- journal article
- research article
- Published by Georg Thieme Verlag KG in Methods of Information in Medicine
- Vol. 27 (01) , 10-16
- https://doi.org/10.1055/s-0038-1635511
Abstract
Since diagnostic competence cannot be easily divided, the practical value of diagnostic consultation systems increases considerably with the diversity of problems they can handle. However, since initial construction and subsequent maintenance of large knowledge bases are extremely time-consuming, few have been built so far. The knowledge representation concept we developed (implemented in the expert system shell MED2) to help resolve this dilemma contains as its main structural element the Question/ Finding-Set as a representational unit comprising findings usually collected and interpreted together. It allows representation of findings at multiple levels of detail and their local interpretation by data base reasoning, thereby supporting simulation of two powerful human problem-solving strategies: Symptom analysis at greater detail and stepwise formation of conceptual abstractions. Resulting knowledge base modularity facilitates initial knowledge base building by multiple cooperating teams and later easy refinement and extension. Da diagnostische Kompetenz in der Medizin nur bedingt teilbar ist, hängt der praktische Nutzwert von medizinischen Diagnosesystemen entscheidend von der Größe ihres Diagnosenbereiches ab. Weil Aufbau und Unterhalt ausreichend großer Wissensbasen ungewöhnlich zeitaufwendig sind, wurden bisher nur wenige entwickelt. Das Wissensrepräsentationskonzept, das wir ausgearbeitet haben (implementiert im Expertensystem-Shell MED2), um einen Weg aus diesem Dilemma zu weisen, enthält als wesentliches Strukturelement den Symptom-Set, der Befunde zusammengruppiert, die üblicherweise gemeinsam erhoben und interpretiert werden. Er erleichtert es, Befunde mit verschiedenem Detaillierungsgrad zu repräsentieren und lokale Interpretationen vorzunehmen. Dadurch ermöglicht er die Simulation zweier bedeutender menschlicher Problemlösungsstrategien: detailliertere Befundanalyse und stufenweise Bildung begrifflicher Abstraktionen (medizinisch: Pathokonzepte). Die durch den Symptom-Set geschaffene Modularität erleichtert einen kooperativen multizentrischen Aufbau der Wissensbasis und ihre anschließende Weiterentwicklung.Keywords
This publication has 0 references indexed in Scilit: