Σκοπός της παρούσας εργασίας ήταν η δημιουργία ενός ευφυούς συστήματος για τη διάγνωση νοσημάτων του προστάτη αδένα με βάση σημεία και συμπτώματα που διαπιστώνονται σε έναν ασθενή όπως καταγράφονται κατά την κλινική του εξέταση. Τα βασικά σημεία της εργασίας είναι τα εξής: αρχικά παράγεται το μοντέλο της διαγνωστικής στρατηγικής που ακολουθείται για τη διάγνωση των συγκεκριμένων παθήσεων και στη συνέχεια γίνεται εκμαίευση της διαγνωστικής γνώσης από ειδικούς ή/και από εμπειρικά δεδομένα. Η διαδικασία και η γνώση αναπαρίστανται με χρήση υβριδικών μεθόδων αναπαράστασης και με τη χρήση ασάφειας ή/και αβεβαιότητας, η οποία είναι εγγενής σε τέτοια διαγνωστικά συστήματα. Το σύστημα αναπτύχθηκε με τέτοια εργαλεία που δίνουν την δυνατότητα στέγασής του σε ιστότοπο ώστε να χρησιμοποιηθεί ως ειδικός συμβουλευτικός οδηγός από ενδιαφερομένους μη ειδικούς ιατρούς & από ασθενείς καθώς και από φοιτητές υγειονομικών σχολών για εκπαιδευτική χρήση. Το σύστημα περιέχει γνώση εμπειρογνωμόνων σε συνδυασμό με στοιχεία πλούσιας βιβλιογραφικής αναζήτησης και μελέτης. Τέλος πραγματοποιήθηκε επικύρωση των αποτελεσμάτων μέσα από μια τυχαιοποιημένη κλινική έρευνα. Η υλοποίηση του συστήματος μας στηρίζεται σε ένα ειδικό κέλυφος δημιουργίας ευφυών συστημάτων και σε εργαλεία μεθόδων μηχανικής μάθησης. Επίσης, υλοποιούνται δύο εκδοχές (Hirofilos Ι & ΙΙ) και γίνεται σύγκριση των απο-τελεσμάτων. Αναγνωρίστηκε η σαφής υπεροχή του Hirofilos ΙΙ που αναπτυχθηκε με σύστημα μηχανικής εκμάθησης και με δυνατότητα διαχρονικής αναβάθμισης. / During making this project our concern was the creation of a new expert system for diagnosis prostate disease depending on the clinical status of a patient as these are identified during medical examination. The main points were as follows: First has been constructed a diagnosis process model which was followed by the diagnosis for the most common prostate diseases. Secondly was implemented extracting of the medical knowledge based on specialists or/and experimental data. The whole process and the medical Knowledge will be developed using hybrid methods of representation and having the partcipation of such saying fuzziness or inaccuracy, that is innate in that kind of intelligent decision-support. The new intelligent system is already accommodated on a hospital server and is used as a decision-support system, as well as an e-learning platform for medical students. For the implementation of the new system have been used an expert system shell and knowledge engineering tools.