【知识型决策支援系统应用】
知识型决策支援系统（Knowledge-based Decision Support System; KBDSS）是一种集成人工智能或专家系统技术的决策支持系统，旨在帮助决策者从数据中推导规则，提供全面的决策过程支持。KBDSS通过知识提取与决策支持系统的结合，能够将特定领域的知识整合到决策应用中，提升系统的功能和问题解决能力，以更好地满足用户需求。Owens和Philippakis(1995), Pomerol(1997),以及Zbayrak和Bell(2003)的研究强调了这种集成的优势。
决策支援系统（Decision Support System; DSS）是一个交互式系统，主要针对半结构化和非结构化的决策问题，目的是提高决策效率。DSS允许用户自定义标准、问题和分析区域，并能灵活调整规则集，以适应工作环境（Zbayrak and Bell, 2003）。Anthony(1965), Simon(1960), Blanning(1993), 和 Ma(1997)等人的研究阐述了DSS的基本概念和作用。
知识管理（Knowledge Management; KM）是组织中关于知识创造、存储、检索和应用的过程。Huber(1991), Nonaka(1994), Alavi和Leidne(2001)等人指出，知识管理将知识视为组织的资产，通过有计划、结构化的方法管理知识的产生、分享和应用，以增强企业竞争力、速度和客户服务效率。
专家系统（Expert System; ES）是一种能够以专家水平或模拟专家知识执行特定任务的计算机系统，属于人工智能的一个分支。专家系统基于宣告性符号进行逻辑推理，主要依赖某一领域专家的经验知识（曾憲雄等人, 2002; 謝明興, 1988）。
个案库决策支援系统（Case-based Decision Support System; CBDSS）结合了案例推理（Case-based Reasoning; CBR）和决策支援系统，Liao(2000)提出的架构平台使得系统能够处理军事问题。CBDSS具备DSS的运算处理灵活性和ES的知识推理功能，同时可以填补旧知识与新问题之间的知识差距，为新问题或重复问题提供知识辅助，并具有学习功能。
资料採礦（Data Mining）是从大量数据中发现有趣模式和模型的过程。Keima等人(2004)指出，通过使用各种数据分析工具，资料採矿可以自动分析数据库，提取可预测的信息，为决策者提供参考。资料採矿是理解和应用大数据的关键技术，它能帮助决策者理解客户真正的需求，找到关键客户并提供定制服务。
顧客關係管理（Customer Relationship Management; CRM）是关于建立和管理与顾客关系的策略，通过理解、预期和管理客户需求，提高组织运营的效率和效果，从而增加利润。CRM的应用涵盖了整合营销渠道、电话、网络沟通以及数据仓库等，其核心在于分析能力，以便整合数据，识别客户需求，实现个性化服务（魏佳卉）。
将这些知识点应用于家庭医师诊断和病患关系管理，可以创建一个知识型医疗决策支援系统，提升医疗服务的品质和竞争优势。通过整合病患的历史数据、医疗知识、专家经验以及患者的个人需求，系统可以辅助医生做出更精确的诊断，提供预防性医疗服务，并优化病患关系管理，提高患者满意度。同时，通过数据採矿技术，医疗机构可以从海量的病历数据中发现规律，为疾病的预防和治疗提供更科学的依据。
