Estudio y selección de las técnicas de Inteligencia Artificial para el diagnóstico de enfermedades

Neilys González Benítez, Vivian Estrada Sentí, Aylin Febles Estrada

Texto completo:

PDF HTML

Resumen

Introducción: el proceso de diagnóstico de enfermedades es complejo, ya que, a menudo, los datos médicos y la información pueden poseer incertidumbre, y requieren ser tratados con técnicas de Inteligencia Artificial en aras de asistir con mayor certeza al apoyo hacia la toma de decisiones.

Objetivo: comparar las técnicas de Inteligencia Artificial que con frecuencia se utilizan para el diagnóstico de enfermedades, cuando se tienen datos almacenados sobre el comportamiento de las enfermedades que con frecuencia afectan a una población en cuestión.

Método: es una investigación apoyada en la Teoría de la Decisión Multicriterio Discreta, útil para tomar decisiones, en particular, sobre la técnica de Inteligencia Artificial que mejor se ajusta para ejecutar diagnóstico de enfermedades con mayor certeza.

Resultados: se presenta la Teoría de la Decisión Multicriterio Discreta para la toma de decisiones sobre la técnica de Inteligencia Artificial que mejor se ajusta para el diagnóstico de enfermedades con mayor certeza.

Conclusiones: se alcanzó identificar la técnica de Inteligencia Artificial que mejor se ajusta para el diagnóstico de enfermedades con mayor certeza, utilizando la Teoría de la Decisión Multicriterio Discreta, la cual posibilita evaluar síntomas, signos y factores de riesgo presentados en los enfermos.

Palabras clave

DIAGNÓSTICO; INTELIGENCIA ARTIFICIAL; CERTEZA.

Referencias

Lugo S, Maldonado G, Murata Ch. Inteligencia artificial para asistir el diagnóstico clínico en medicina. Revista Alergia México 2014 [Internet];61:110-120. Available from: http://revistaalergia.mx/ojs/index.php/ram/article/download/33/46.

Bernal EA. Sistema prototipo de entrenamiento pediatra para el proceso de adaptación neonatal. Tesis de Maestría en Ingeniería de Sistemas y Computación, Línea de investigación: Ingeniería del Software, Sistemas Inteligentes, ÁREA: Sistemas Inteligentes 2014 [Internet]. Disponible en: http://slideplayer.es/slide/94359/.

Atkov OY, Gorokhova SG, Sboev AG, Generozov EV, Muraseyeva EV. Coronary heart disease diagnosis by artificial neural networks including genetic polymorphisms and clinical parameters. J Cardiol 2012 [Internet]; 59(2):190- 194. Available from: http://www.ncbi.nlm.nih.gov/pubmed/22218324.

Monsalve Torra AE. Sistema de ayuda a la decisión clínica en enfermedades de diagnóstico complejo. Tesis en opción al grado científico de Doctor en Ciencias Informáticas. Departamento de Tecnología, Informática y Computación. Escuela Politecnica Superior de Alicante, España 2017 [Internet]. Available from: https://rua.ua.es/dspace/bitstream/10045/65334/1/tesis_monsalve_torra.pdf.

Ochoa CA, Mena LJ, Felix VG, García V. Diagnóstico para Síndrome de Asperger utilizando una aplicación inteligente a partir del razonamiento basado en casos; 2015. Revista Electrónica de Divulgación de la Investigación 2015 [Internet] Vol. 10. Available from: https://www.researchgate.net/publication/291698853_Diagnostico_para_Sindrome_de_Asperger_utilizando_una_aplicacion_inteligente_a_partir_del_razonamiento_basado_en_casos.

Fernández Galán S. Redes Bayesianas temporales: aplicaciones médicas e industriales. Tesis doctoral. Universidad Nacional de Educación a Distancia [Internet]. Madrid 2002. Disponible en: http://www.cisiad.uned.es/tesis/tesis-seve.pdf.

Seixas JM, Faria J, Souza JBO, Vieira AFM, Kritski A et al. Artificial neural network models to support the diagnosis of pleural tuberculosis in adult patients. Int J Tuberc Lung Dis 2013[Internet] [cited 2013 Nov 18];17(5):682-686. Available from: http://www.ingentaconnect.com/content/iuatld/ijtld/2013/00000017/00000005/art00021?token=00581a1cffd6a264d37e41225f40384d576b4628486b253e2c49576b3427656c3c6a333f2566e4ed81d7b599

Febles O. Modelo para el desarrollo de aplicaciones compuestas basadas en arquitecturas orientadas a servicios, Tesis en opción al grado científico de Doctor en Ciencias Técnicas, Especialidad – Informática. Universidad de las Ciencias Informáticas [Internet]. Ciudad de la Habana 2012. Disponible en: http://tesis.cujae.edu.cu/bitstream/handle/123456789/891/Tesis283.pdf?sequence=1&isAllowed=y.

Laws RJ, Kesler DC. A Bayesian network approach for selecting translocation sites for endangered island birds, 2012. Biological Conservation 2012 [Internet]; 155: 178-185. Disponible en: https://www.sciencedirect.com/science/article/pii/S0006320712002650?via%3Dihub.

Barba-Romero S. Evaluación multicriterio de proyectos, en Martínez, 1994. E. (Ed.), Ciencia, Tecnología y Desarrollo: Interrelaciones Teóricas y Metodológicas, (Ed. Nueva Sociedad, Caracas, pp. 455-507).

Martínez E, Escudey M. Evaluación y Decisión Multiciterio. Reflexiones y Experiencias, 1998. Editorial Universidad de Santiago/UNESCO, Santiago de Chile.

Leyva M. Modelo de ayuda a la toma de decisiones basado en Mapas Cognitivos Difusos. Tesis presentada en opción al Grado Científico de Doctor en Ciencias Técnicas, 2013. Available from: https://www.researchgate.net/profile/Maikel_Leyva-Vazquez/publication/263221297_MODELO_DE_AYUDA_A_LA_TOMA_DE_DECISIONES_BASADO_EN_MAPAS_COGNITIVOS_DIFUSOS/links/0046353a2e6a8a1e8d000000/MODELO-DE-AYUDA-A-LA-TOMA-DE-DECISIONES-BASADO-EN-MAPAS-COGNITIVOS-DIFUSOS.pdf.



Copyright (c) 2018 Neilys González Benítez, Vivian Estrada Sentí, Aylin Febles Estrada

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional.