Universidad Nacional Autónoma de México
Dirección General de Servicios de Cómputo Académico
Año 7 Núm. 74, Publicación Mensual, 27 de Noviembre de 2008

ARTÍCULOS

 

Año 7, Número 67, Marzo de 2008

Sistemas expertos para la asistencia médica
Miguel Ángel Pérez Jiménez

Un sistema experto de cómputo es el encargado de tomar decisiones altamente especializadas con base en los conocimientos de expertos sobre un área en particular, por lo que los datos son almacenados de forma estructurada para su recuperación. Además de la capacidad de ofrecer soluciones sobre algún problema, incluye la explicación del porqué se llegó a determinadas medidas.

El origen de los sistemas expertos ocurre entre los años 1960 y 1970 en los Estados Unidos, cuando se desarrolla un sistema para resolución de problemas con base en los conocimientos almacenados a través de algoritmos y métodos de búsqueda en general. En 1960, se crea el primer sistema experto, DENDRAL, cuya rama de experiencia era la química, y permite identificar de manera rápida la estructura molecular: el sistema experto fue desarrollado a través del proyecto de programación heurística de la Universidad de Stanford. Posteriormente, surge MYCIN, cuyo dominio fue el diagnóstico de enfermedades contagiosas de la sangre, lo que da como resultado una lista de recomendaciones para su tratamiento.

La medicina es un área en donde se requiere de mucho entrenamiento para ser un especialista, además, cuando existe una amplia diversidad de enfermedades, los síntomas pueden ser confusos cuando se busca determinar rápidamente un diagnóstico oportuno, que puede significar la sobrevivencia o la muerte del paciente.

En este sentido, el sistema experto sustituye al especialista en un área dominada plenamente por el médico. La parte importante son los recursos que se refieren al conocimiento almacenado adquirido, ya sea con la ayuda de un especialista o bien, a través del sistema que integra un módulo de aprendizaje, donde se construye su propio conocimiento.

La inteligencia artificial considerada como algo irreal, existente en la imaginación del hombre y en las películas, hoy en día se aplica en diversos campos, y los sistemas expertos, en particular, llevan a cabo tareas como las que se mencionan en la tabla 1.

Tareas de los sistemas expertos Ejemplos
Interpretaciones Análisis de grandes volúmenes de datos estadísticos, con la finalidad de obtener características económicas, étnicas, religiosas, etcétera.

Predicciones
Puede tomar un conjunto de datos y poder anticiparse ante alguna situación. Por ejemplo, la predicción de lluvias, huracanes a partir de las condiciones del entorno.
Diagnósticos Diagnóstico de fallas mecánicas en automóviles.
Planeación Planeación de horarios académicos.

Diseño
Diseño de circuitos electrónicos para optimizar y elaborar una arquitectura adecuada para su funcionamiento.
Monitoreo Revisión constante de las condiciones de trabajo de maquinarias o cambios en su entorno para prevenir fallas y saber en que momento realizar mantenimiento.
Depuración de sistemas y su reparación Identificación de fallas en sistemas, y apoyo para su solución.
Control de sistemas Automatización de maquinarias para tener un control propio.

Tabla 1.Tareas comunes de los sistemas expertos.

Dentro de los componentes principales de un sistema experto (diagrama 1), el módulo de explicación tiene la tarea de enviar al usuario el detalle de cómo se obtienen las soluciones a la problemática. Otros módulos muy importantes son el de la base de conocimientos y el de aprendizaje, porque definirán el grado de fiabilidad de las decisiones, así como el incremento de su capacidad.

Diagrama 1. Módulos de un sistema experto.


Se han desarrollado diversos métodos para inferir y dar soluciones a los problemas planteados a los sistemas expertos, éstos son los siguientes:

  • Reglas heurísticas. Permiten alcanzar los objetivos a través de una serie de condiciones aceptadas o rechazadas.
  • Casos. Se obtiene el resultado al buscar una problemática similar dentro de una colección de casos.
  • Redes bayesianas. Utilizan la probabilidad de ocurrencia de cada parámetro y se relacionan con cálculos estadísticos del Teorema de Bayes.

Aplicaciones en la medicina

Para realizar un diagnóstico se requiere información sobre los síntomas del paciente, condición general, historial clínico y resultados del laboratorio. Estos datos se obtienen a partir de una serie de preguntas, cada una de las cuales es determinada a partir de la respuesta anterior del paciente utilizando diversas reglas o a través de la experiencia (almacenada en la memoria del ser humano experto o bien, del sistema experto). Al principio las preguntas son generadas para reducir el número de enfermedades posibles planteando una hipótesis, y al final se realizan preguntas para soportar el diagnóstico.

Una de las formas comunes de llegar a un diagnóstico es mediante el interrogatorio al paciente, en este sentido, los sistemas expertos son los más aptos para esta tarea. Cuando el interrogatorio al paciente se realiza de forma correcta se podrá elegir el tratamiento adecuado para su problema.

Otro punto a favor de los sistemas expertos es que al tener almacenado el conocimiento en medios electrónicos, nunca se deteriorará, por el contrario, con el módulo de aprendizaje se logran ingresar nuevas reglas para tratar nuevas enfermedades, lo que asegura también que al realizar la prueba en pacientes con los mismos síntomas se diagnostique de la misma forma. A pesar de la precisión de los sistemas expertos, una parte que hace falta para poder respaldar los resultados o para poder llegar a ellas más rápido es la exploración física.

Las formas de razonamiento diagnóstico tienen similitud con los razonamientos de los sistemas expertos:

  • Probabilísticas. Se basan en la frecuencia de ocurrencia de las enfermedades y consideran variables como sexo, edad, peso, frecuencia y la probabilidad asociada entre síntomas-enfermedad.
  • Causales. Encuentran relaciones fisiopatológicas y las relacionan con los efectos que causan, que pueden ser datos clínicos o antecedentes, así como el humor del paciente, por citar algunos.
  • Determinísticos. Son mucho más directos, ya que identificando cada síntoma, se asocia con una regla que lleva directamente hacia el diagnóstico. Se pueden analizar, por ejemplo, la presencia de cefaleas, fiebre, alteraciones de la conciencia y rigidez de nuca pueden significar meningoencefalitis.

Ejemplo práctico de aplicación

Un médico puede utilizar un sistema experto para efectuar diagnósticos de manera precisa y rápida. Por ejemplo, mediante un método determinístico para el diagnóstico y a través de inferencias con reglas, como lo muestra el diagrama 2, el médico encuentra el tratamiento correcto para cada enfermedad.

En un sistema experto real se tienen muchas reglas analizadas y diseñadas por los médicos especialistas.

Diagrama 2. Ejemplo sencillo de sistema experto usando el método determinístico.


Los sistemas expertos aplicados en la medicina permiten asegurar un buen diagnóstico en los pacientes, ya que el ser humano puede cometer errores o no considerar algún cuestionamiento o síntoma, lo cual puede afectar al tratamiento.

Es importante destacar que la asistencia del sistema experto, ya sea en un hospital o en un centro de salud comunitario, pudiera ahorrar recursos al eliminar el trasladarse a otras ciudades para realizar el diagnóstico.

Referencias

Artificial, S. M. (1989). Memorias VI Reunión Nacional de Inteligencia Artificial. Querétaro, México, Noriega.

Diagnóstico médico. (s.f.). Recuperado el 29 de febrero de 2008,
http://www.diagnosticomedico.es

León González, A., Díaz Novás, J., & Gallego Machado, B. (2006). Biblioteca virtual de Cuba. Recuperado el 2 de marzo de 2008, El diagnóstico médico: bases y procedimientos.
http://bvs.sld.cu/revistas/mgi/vol22_1_06/mgi07106.htm

Martínez, J. N. (1990). Inteligencia, aunque sea artificial. México, Limusa.

Patterson, D. W. (1990). Introduction to Artificial Intelligence y Experts Systems. Nueva Jersey, USA, Prentice Hall.Shridharan, N. S. (abril de 1973). The heuristic programming/heuristic DENDRAL project. Recuperado el 1 de marzo de 2008,

Inicio | Contacto |

tml>