Síntomas - Java en General

1. LA LÓGICA DIFUSA COMO APOYO A LA ENSEÑANZA EN LA MEDICINA
Este ejemplo pretende mostrar las bondades de la lógica difusa como una herramienta
de apoyo en la enseñanza y, a la vez, estimular a la comunidad académica a continuar
investigando sobre el desarrollo de esta prometedora área de la Inteligencia Artificial.
Se presentan aspectos del desarrollo de un software basado en lógica difusa para el
diagnóstico médico que está aún en etapa de diseño y que puede ser utilizado para
evaluación a los estudiantes de medicina.
1.1. Software Para Diagnóstico Médico
La lógica difusa ha demostrado ser una herramienta que permite hacer uso de
la experiencia de especialistas en el desarrollo de sistemas de cómputo que
emulen la habilidad de estos en la toma de decisiones, como se puede apreciar
en el desarrollo de software de diagnóstico médico, el cual también puede
convertirse en una herramienta para el aprendizaje y evaluación a los
estudiantes de medicina.
La figura 2 muestra la interfase con el usuario del software EDIMED, el cual se
encuentra aún en etapa de desarrollo. Se puede apreciar una de sus aplicaciones ,el
diagnóstico de enfermedades pulmonares, en la que se consideraron catorce
síntomas que son comunes en cinco enfermedades diferentes, dependiendo el
diagnóstico del grado de incidencia con que cada síntoma se presente.
Para cada síntoma (variable lingüística) se establecieron tres valores lingüísticos bajo,
medio y alto) y de acuerdo a la información de un experto (médico especialista) se
generaron las tablas que conforman la base de datos que serán consultadas para
obtener, mediante el empleo del álgebra difusa, varios diagnósticos con grados de
pertenencia entre 0 y 1, siendo el diagnóstico con grado de pertenencia más cercano
a 1 el más acertado. En la arquitectura de base de datos relacionales empleada, los
síntomas constituyen los atributos o elementos asociados a cada registro, o
diagnóstico, que agrupados conforman el archivo de determinado tipo de
enfermedades.
Figura 2. Software Para Diagnóstico de Enfermedades, EDIMED
El usuario (estudiante) selecciona el tipo de enfermedad en que desea presentar una
evaluación. Inmediatamente se abre una ventana en la cual se le ofrece dos alternativas.
En la primera de ellas el software presenta una serie de síntomas con la incidencia con
que se presentan cada uno de ellos; en la otra alternativa el estudiante puede introducir
los síntomas y sus incidencias mediante una consulta a un paciente, el cual puede ser el
mismo docente.
La figura 3 muestra la variable lingüística “Disnea de Pequeños Esfuerzos, DPE”.
El universo determinado para este síntoma va de 0 a 100 (medida en porcentaje).
A cada síntoma se le ha asignado, previamente, un valor porcentual que indica su
grado de incidencia en un diagnóstico determinado, de acuerdo a información
suministradas por expertos consultados.
La tabla 1 muestra un ejemplo del modelo relacional de base de datos empleada,
en la cual se presenta, para cada diagnóstico, cuál debe ser el porcentaje de
incidencia de los síntomas involucrados. En esta tabla solo aparecen cinco
posibles diagnósticos con los síntomas presentes en cada uno de ellos. Por
ejemplo, se puede apreciar que si una persona padece de Cáncer de Pulmón, uno
de los síntomas visibles con alta incidencia es la Disnea de Pequeños esfuerzos
(DPE), mientras que otro síntoma, como Estertores Crepitantes (EC), tienen una
baja incidencia.
Suponga que el estudiante, en la consulta que está realizando, introduce en el
software EDIMED el valor lingüístico medio para el síntoma, o atributo, DPE. Al
evaluar el grado de pertenencia que la incidencia de este síntoma tiene en el
diagnóstico denominado Edema de Pulmón (69), se observa (ver figura 2) que
alcanza un grado de pertenencia de 0.525, mientras que la incidencia de ese
mismo síntoma en el diagnóstico denominado EPOC (80) tiene un grado de
pertenencia relativamente bajo, ya que apenas alcanza el valor de 0.25.
Lo anterior quiere decir que si el síntoma DPE se presenta en determinado
paciente con una intensidad catalogada como media, existe una mayor posibilidad
de que padezca de Edema Pulmonar que cualquiera de los otros diagnósticos que
aparecen en la tabla. Sin embargo, el resultado definitivo dependerá de la
incidencia de los otros síntomas y de las operaciones del álgebra difusa que se
realicen en la consulta de la base de datos.
Si fuese posible representar diferentes síntomas con los mismos conjuntos difusos
el resultado se reflejaría en una disminución de la complejidad computacional del
software, tanto en líneas de programación como en requerimientos de memoria.
Por la semejanza con el proceso cognitivo del ser humano, los sistemas expertos
basados en reglas (del tipo SI...ENTONCES...) son unos de los tipos más
TABLA1. MODELO RELACIONAL DE BASE DE DATOS DIAGNOSTICO-SINTOMAS
Síntomas
Síntomas
Síntoma
Esc Fiebre TEH DT DPE TP
TC
LAS ANX PP
EC
SN
PF
SIB
3%
6%
55%
Diagnóstico
Cancer de
Pulmón
1%
45%
60% 70% 95% 50% 20% 15% 35% 25% 5%
Edema de
Pulmón
1%
3%
60% 10% 69% 50% 30% 2%
EPOC
5%
10%
80% 70% 80% 60% 30% 50% 15% 10% 30% 5%
3%
90%
Neumonía
80% 50%
45% 70% 10% 60% 55% 20% 5%
7%
15%
Tuberculosis 10% 90%
4%
1%
2%
20% 2%
75% 0%
55% 6%
95% 15% 75% 25% 30% 70% 65% 80% 10% 55% 60% 85%
populares actualmente. Es posible realizar el software EDIMED mediante una
base de reglas en vez de una base de datos, dedicando especial esfuerzo en el
desarrollo de un mecanismo de inferencia ágil y acertado. Como es sabido, la
forma en que se intente representar el conocimiento repercute tanto en el tiempo
necesario para el desarrollo del programa como en la eficiencia del mismo.
2. MINERÍA DE DATOS Y LÓGICA DIFUSA
Como método para la predicción del abandono escolar
3.
4.
5.
6.
APLICACIÓN MOYO 1
APLICACIÓN MOYO 2
APLICACIÓN ROMPE 1
APLI APLICACIÓN ROMPE 2
7. CONLUCIONES
7.1.LA LÓGICA DIFUSA COMO APOYO A LA ENSEÑANZA EN LA MEDICINA

La lógica difusa representa una importante alternativa en el desarrollo de
sistemas expertos que constituyan una verdadera herramienta como apoyo
a los especialistas, en cualquier rama de la ciencia, y a los estudiantes en el
proceso de enseñanza aprendizaje.

Se deben considerar otras alternativas de la Inteligencia Artificial, como las
Redes Neuronales y los Algoritmos Genéticos, en la búsqueda de
paradigmas que permitan el diseño e implementación de herramientas
computacionales.

Es de vital importancia la búsqueda de técnicas que permitan el desarrollo
de
estas
herramientas
computacionales
con
amplias
bases
de
conocimientos pero una complejidad computacional reducida, que los haga
cada vez más eficientes.
7.2. MINERÍA DE DATOS Y LÓGICA DIFUSA
7.3. APLICACIÓN MOYO 1
7.4. APLICACIÓN MOYO 2
7.5. APLICACIÓN ROMPE 1
7.6. APLICACIÓN ROMPE 2
8. BIOGRAFIA
8.1.LA LÓGICA DIFUSA COMO APOYO A LA ENSEÑANZA EN LA MEDICINA

Matemáticas Discreta, Segunda Edición, Ross and Wright (1990). Prentice Hall
http://www.dma.fi.upm.es/java/fuzzy/tutfuzzy/introduccion3.html

Sistemas Expertos, Tercera Edición, Giaerratano-Riley (1998), Thomson

Fuzzy Control, Primera Edición, Passino and Yurkovich (1998), Addison Wesley
8.2. MINERÍA DE DATOS Y LÓGICA DIFUSA
8.3. APLICACIÓN MOYO 1
8.4. APLICACIÓN MOYO 2
8.5. APLICACIÓN ROMPE 1
8.6. APLICACIÓN ROMPE 2