امروزه از سیستم های خبره به عنوان یکی از سودمندترین و پرکاربردترین سیستم های تصمیم یار استفاده می شود. این سیستم ها با تکیه بر دانش متخصصان یک حوزه، تجربه های گرانبهای آنها را با سرعت و دقت موجود در کامپیوتر ترکیب کرده و موجب ارتقای کیفیت قضاوت می شوند. یکی از گسترده ترین حوزه های کاربرد این سیستم ها تشخیص پزشکی است. متفاوت از آنچه در بیشتر تحقیقات گذشته در توسعه سیستم های خبره به کار گرفته شده، در پژوهش حاضر استفاده از منطق وضعیت در فرایند اکتساب دانش و رویکرد فازی در معماری موتور استنتاج سیستم خبره پیشنهاد می شود. تشخیص نوع بیماری صرع همواره یکی از بحث انگیزترین چالش ها میان پزشکان نورولوژیست بوده و تمایز دقیق بین انواع این بیماری با توجه به علائم نزدیک به هم آنها، محل اختلاف بین پزشکان این حوزه است که این سیستم خبره موفق به حل این مسئله با درجه صحت 83 درصد می شود. از ویژگی های بارز این پژوهش، ایجاد پایگاه دانش جامع و کامل با رویکرد تحلیل فرضیه های رقیب (ACH) برای تمایز بین گونه های چهارده گانه بیماری صرع است. تحقیقات انجام شده در این پروژه می تواند برای تشخیص سایر بیماری هایی که علائم نزدیک به هم دارند، شبیه سازی و استفاده شود. همچنین این سیستم می تواند در موقعیت هایی که دستیابی به پزشکان متخصص مغز و اعصاب ممکن نیست، بسیار مفید واقع شود.