В статье предложен решающий модуль для контроля функционального состояния системы дыхания, обеспечивающий интеллектуальную поддержку при принятии решений медицинским персоналом по госпитализации пациента. Для контроля степени тяжести внебольничной пневмонии на основе интернет-технологий разработан гибридный многоагентный классификатор со структурой, включающий сегменты факторов риска, связанные со «своей» системой нечеткого логического вывода, и метаклассификатор, предназначенный для агрегации решений этих систем, позволяющий осуществлять мониторинг функционального состояния системы дыхания пациента в удаленном интерактивном режиме. Разработана пятислойная нечеткая сеть, предназначенная для классификации степени тяжести внебольничной пневмонии по входному вектору, основанная на алгоритме Мамдани-Ларсена, позволяющая оценить степень тяжести внебольничной пневмонии на шкале 0–1 по сегменту факторов риска, используемому в традиционных шкалах риска пневмонии. Синтезирован нейронечеткий классификатор тяжести внебольничной пневмонии, построенный на основе шкалы риска пневмонии CRB-65. Сформирована база нечетких решающих правил системы нечеткого логического вывода и определены функции принадлежности для входных и выходных переменных в выбранном сегменте факторов риска. Апробация нейронечеткой модели гибридного классификатора степени тяжести внебольничной пневмонии проведена на экспериментальной группе из 200 пациентов, больных внебольничной пневмонией различной степени тяжести. Модель классификатора на контрольной выборке продемонстрировала диагностическую чувствительность 90 % и диагностическую специфичность 86 %. Осуществлено сопоставление результатов полученной модели риска внебольничной пневмонии с результатами экспертного оценивания и результатами, полученными на известных регрессионных моделях. Показатели качества классификации синтезированного нейронечеткого классификатора позволяют рекомендовать его для телекоммуникационных систем дистанционного мониторинга степени тяжести внебольничной пневмонии.