اغلب مسایل در پزشکی مدرن بسیار پیچیده می باشند و دلایل متقن برای تصمیم گیریهای دقیق وجود ندارد. به همین جهت تصمیم گیریهای پزشکان معمولا دلخواه و متغیر می باشد. از سوی دیگر حجم مفید اطلاعات پزشکی که حتی با یک محدوده کوچک تشخیصی در ارتباط است، به قدری زیاد می باشد که تصمیم گیری سریع و دقیق را دشوار خواهد ساخت. ضمنا فناوریهای مدرن روز به روز بر حجم این اطلاعات می افزایند و مساله را دشوار تر از پیش خواهند ساخت؛ به صورتیکه پزشکان تا کنون با چنین حجم وسیعی از اطلاعات مواجه نشده بودند. از آن گذشته، اشخاص به تصمیمات اختصاصی نیازمند می باشند؛ زیرا ویژگیهای آنان با حد متوسط بیان شده در مراجع پزشکی متفاوت است و هر یک از ایشان دارای خواستهای منحصر به فرد خود می باشد. با توجه به مسایل فوق الذکر به آسانی قابل درک است که ما با چالش عظیمی در پروسه تشخیص پزشکی -به طور عمومی- و عملکرد پزشکان -به طور اختصاصی- مواجه خواهیم شد که نیاز به پیدایش سیستمهای پشتیبان تصمیم گیری در پزشکی را آشکار خواهد نمود. سیستمهای پشتیبان تصمیم گیری در پزشکی به نرم افزارهای کامپیوتری گفته می شوند که برای کمک به تشخیصهای بالینی طراحی و ساخته شده اند. این سیستمها با استفاده از اطلاعات و دانش پزشکی به تشخیص عارضه های گوناگون و تجویز توصیه های پزشکی برای بیماران اقدام می نمایند. این سیستمها برای جایگزینی پزشکان طراحی نشده و تنها جهت یاری رسانی به متخصصان علوم پزشکی در امر تشخیص بیماریها بر اساس یکسری از قواعد تجربی ارایه شده اند.

تاریخچه سیستمهای پشتیبان تصمیم گیری در پزشکی در حقیقت تاریخچه همکاریهای متقابل پزشکان و ریاضیدانان می باشد. به مجرد پیدایش کامپیوترهای الکترونیکی در سالهای ۱۹۵۰-۱۹۶۰ میلادی، نخستین سیستمهای پشتیبان تصمیم گیری در پزشکی با اهداف گوناگون بهداشتی پا به عرصه وجود نهادند. در نخستین مقاله ای که در این زمینه در سال ۱۹۵۹ میلادی منتشر شد، Ledley و Lusted اعلام نمودند که پزشکان معمولا آگاهی چندانی از چگونگی حل مسایل تشخیصی دارا نمی باشند. همچنین آنها اظهار داشتند که برای مدلسازی پروسه تشخیص پزشکی هم قوانین منطقی (نظیر نظریه مجموعه ها و جبر بولی) و هم محاسبات استدلالی (نظیر قوانین بیس) مورد نیاز خواهد بود. متعاقب این تحقیق، سیستمهای منطقی که بر اساس پرسشهای هوشمند به تمایز میان گزینه های مانعه الجمع می پرداختند، توسط Bleich و همکارانش پا به عرصه وجود نهادند (برنامه ABEL). لازم به ذکر است در آن زمان کلیه سیستمهای پشتیبان تصمیم گیری در پزشکی تنها می توانستند در حوزه های کاملا محدود و به ویژه در مواردی که یقینا فقط یک بیماری باعث بروز نشانه ها می شد، به کار بپردازند؛ در حالیکه در عمل معمولا چندین بیماری در آن واحد در شخص بیمار با یکدیگر تداخل دارند. در سال ۱۹۶۱ میلادی نیز Warner و همکارانش یکی از نخستین سیستمهای پشتیبان تصمیم گیری در پزشکی را که بر اساس قوانین بیس به کار می پرداخت، طراحی و راه اندازی نمودند؛ البته نخستین سیستم واقعی پشتیبان تصمیم گیری در پزشکی که بر اساس قوانین بیس طراحی شده بود و در عمل نیز در بسیاری از پایگاههای بهداشتی به کار گرفته شد، سیستمی بود که توسط de Dombal برای تشخیص دردهای حاد شکمی ارایه شد.

به دلیل فناوری موجود در کامپیوترهای سالهای ۱۹۵۰-۱۹۶۰ که نرم افزارهای پشتیبان تصمیم گیری در پزشکی می بایست بر روی آنها راه اندازی شوند، این سیستمها در آن زمان در دو شاخه مجزا از یکدیگر توسعه یافته بودند: قیاسی و احتمالاتی؛ اما نزدیک به دو دهه بعد از نخستین تلاشهای انجام گرفته در این زمینه، Szolovits و Pauker با بررسی عمیق تر ریشه های فلسفی این دو روش استدلال، روش سومی را که با حفظ ویژگیهای ممتاز این دو روش از هویت خاص خود نیز برخوردار بود، پیشنهاد نمودند. این روش، هیوریستیک (Heuristic) نام داشت. برنامه HEME که برای تشخیص بیماریهای هماتولوژیک به کار می رفت، یکی از نخستین سیستمهایی بود که از این روش استفاده نمود. در ادامه کاربردهای این روش، Gorry -یکی از پیشتازان کاربرد روش هیوریستیک در سیستمهای پشتیبان تصمیم گیری در پزشکی- در طی یک مقاله کلاسیک که در سال ۱۹۶۸ منتشر نمود، اصول کلی حاکم بر سیستمهای خبره پشتیبان تصمیم گیری در پزشکی را تبیین نمود. این اصول در سالهای ۱۹۷۰ تا ۱۹۸۰ اساس عملکرد بسیاری از سیستمهای پشتیبان تصمیم گیری در پزشکی را تشکیل دادند. در این مقاله، Gorry تعریفی رسمی از مساله تشخیص پزشکی را ارایه نمود. وی همچنین تفاوتهای مابین ارزش اطلاعات، هزینه های اقتصادی، و خطرات ناشی از انجام تستهای تشخیصی را نشان داد و مساله «چند-تشخیصی» را که به هنگام مواجهه سیستم با بیماران دارای چندین بیماری همزمان روی می دهد، توصیف نمود. مقاله Gorry در حقیقت سلف تئوریک بسیاری از سیستمهای پشتیبان تصمیم گیری در پزشکی نظیر PIP، MEDITEL، Internist-1، QMR، DXplain، ILIAD، و… محسوب می گردد. در سال ۱۹۷۶ میلادی نیز Shortliffe سیستم خبره مبتنی بر تئوری شواهد (Evidence Theory) را برای کاربردهای تشخیصی و درمانی به نام MYCIN ارایه نمود. این سیستم که برای تشخیص عفونتهای میکروبی و تجویز داروهای لازم به کار می رفت، دارای قابلیتهای متعددی نظیر دریافت اطلاعات، یادگیری، تفسیر داده ها و آموزش دهی بود و امروزه از آن به عنوان پدربزرگ سیستمهای خبره یاد می گردد. اکثر سیستمهای یاد شده به عنوان نسل اول سیستمهای پشتیبان تصمیم گیری در پزشکی محسوب می گردند.

در سالهای ۱۹۸۰ تا ۱۹۹۰ میلادی با تغییرات اساسی که در سخت افزار کامپیوترها صورت پذیرفت و منجر به تولید انواع کامپیوترهای کوچک و ارزان قیمت (PC) شد، تحولی اساسی در تولید سیستمهای پشتیبان تصمیم گیری در پزشکی ایجاد شد و نسل جدیدی از این سیستمها پا به عرصه وجود نهادند. همچنین در این سالها با ارایه مدلهای جدید تصمیم گیری و یا با ارایه نوآوری در مدلهای پیشین تغییرات چشمگیری در عملکرد سیستمهای پشتیبان تصمیم گیری در پزشکی ایجاد شد؛ به صورتی که سیستمهای مبتنی بر تئوری فازی نظیر CADIAG-II و شبکه های بیس نظیر Internist-1/QMR برای غلبه بر محدودیتهای سیستمهای ساده پیشین طراحی و راه اندازی شدند. در سالهای اخیر نیز Reggia و همکارانش مدلهای پوشش مجموعه ای (Set-Covering Theory) را برای حل مساله تشخیص پزشکی ارایه نمودند. شبکه های عصبی مصنوعی و CBR نیز از دیگر تکنیکهای نوین ارایه شده برای برخورد با مساله تشخیص پزشکی می باشند.