در این تحقیق به طراحی بومی و هوشمند نرم افزار پزشکی آپاچی پرداخته شده است. هوشمندی به این معنا است که نرم افزار قابلیت یادگیری از نتایج پیش بینی های قبلی خود را دارا بوده و نیازمند به روز رسانی دستی نمی باشد. وظیفه نرم افزار آپاچی، پیش بینی مدت زمان بستری بیماران بخش مراقبت های ویژه می باشد. به دلیل کمبود امکانات بخش مراقبت های ویژه در کشور ایران و وجود چند مشکل اساسی در آپاچی، تصمیم بر این شد تا سیستم آپاچی بومی بصورت هوشمند طراحی شود. طراحی هوشمند این سیستم نرم افزاری بر این اساس است که پس از هر دوره زمانی مشخص نرم افزار بصورت خودکار خود را به روز رسانی کرده و با شرایط جدید وفق می دهد. بر این اساس با استفاده از شبکه عصبی، سیستم بومی آپاچی طراحی شد و با داده های بیمارستان نمازی شیراز مورد آموزش قرار گرفت. سپس با داده هایی جدید مورد ارزیابی قرار گرفت. لازم به ذکر است که در این تحقیق از شبکه عصبی پرسپترون چند لایه استفاده شد. بهترین پاسخ از بین آزمایش ها، کارایی بالای 90 درصد بوده است که متعلق به تابع آموزش trainrp می باشد. سپس به منظور بهینه سازی میزان کارایی، عمل هوشمند سازی این سیستم نرم افزاری با استفاده از دو شبکه عصبی انجام گرفت. هر یک از شبکه ها بصورت جداگانه با داده های پایگاه داده آموزش دیده و هر کدام که میزان کارایی بالاتری را دارا باشند، جایگزین شبکه قبلی خواهد شد و به این ترتیب میزان کارایی افزایش خواهد یافت. همچنین مقایسه کارایی بین نسخه بومی با غیر بومی، مشخص کرد کارایی نسخه بومی بسیار بالاتر می باشد.

یکی از بیماری های شایع امروزی در کشورهای توسعه یافته صرع می باشد. نوع خاصی از این بیماری تحت عنوان استاتوس اپی لپتیکوس یا صرع مداوم شناخته می شود که با حملات پی در پی و طولانی مدت همراه است و می بایست مراقبت های درمانی ویژه ای از این نوع بیماران به عمل آید. متأسفانه علیرغم پیشرفت های قابل ملاحظه در حوزه پزشکی، آمار مرگ و میر و آسیب های شدید مغزی ناشی از این حملات بالاست. از آنجایی که پیش بینی وضعیت صحیح بیماران از اهمیت ویژه ای برخوردار است، باید از مدلی هوشمند، با حداقل خطا و حداکثر دقت استفاده کرد.در این پایان نامه، بر اساس نیاز دانشگاه علوم پزشکی شیراز، یک مدل هوشمند بر مبنای ترکیب شبکه های عصبی مصنوعی و سیستم استخراج قوانین توصیفی، برای پیش بینی میزان آسیب های مغزی بیماران صرع مداوم ارائه شده است. ترکیب شبکه عصبی و استخراج قوانین توصیفی بر اساس ضرورت ماهیت پزشکی مسئله، در نیاز به تفسیر نتایج سیستم های هوشمند، به عنوان یک نوآوری در این پژوهش انجام شده است. مدل ارائه شده بر اساس داده های واقعی گردآوری شده از این بیماران در بیمارستان نمازی شیراز آموزش داده شده است و نتایج بدست آمده بیانگر دقت 70% می باشد.این در حالی است که سایر الگوریتم های رایج داده کاوی دقت کمتری را ارائه می دهند. همچنین با توجه به قوانین توصیفی استخراج شده، روابط معناداری بین سن بیمار، نحوه درمان بیمار در گذشته، علت تشنج، سیر بیماری و نحوه کنترل تشنج با میزان آسیب های مغزی بدست آمد. در واقع بیماران جوان تر، کمتر در معرض خطر مرگ قرار دارند و معمولاً بهبود می یابند. همچنین درمان های قبلی افرادی که دچار آسیب های مغزی بیشتری شده اند، شامل فنوبارب، دپاکین و فنی توئین بوده و کنترل تشنج با داروهای بیهوشی صورت گرفته است و سکته مغزی مهم ترین عامل تشنج این افراد است. درمان های قبلی افرادی که دچار آسیب های مغزی کمتری شده اند، شامل کاربامازپین و والپورات سدیم بوده و کنترل تشنج با داروی فنی توئین صورت گرفته است و ترک داروهای ضدصرع مهم ترین عامل تشنج این افراد است. همچنین سیر بیماری این افراد از نوع غیز حاد است. در نهایت مدل ارائه شده در قالب یک برنامه پزشکی هوشمند ارائه گردیده است که می تواند به عنوان ابزاری در مراقبت درمانی ویژه از این بیماران به کار گرفته شود.