Sistema Experto: Diagnóstico y Tratamiento Genérico de Asma

Universidad Veracruzana
Maestría en Inteligencia Artificial
“Sistema Experto: Diagnóstico y Tratamiento Genérico de Asma Bronquial”
Tesis
Que para aprobar la Experiencia Recepcional
Presentan:
Aldana Rosario
Vázquez Roberto
Xalapa, Ver.
Contenido
1. Ingeniería del Conocimiento
1
1.1 Noción de la ingeniería de conocimiento en este trabajo . . . . . . . . . . . . . . . . . . . . . .
1
1.2 Razonamiento del experto humano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.3 Conocimiento experto del dominio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.3.1 Conocimiento e ingeniería de conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
1.3.2 El discurso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
El discurso en la ingeniería de conocimiento . . . . . . . . . . . . . . . . . . . . . . . .
7
Discurso y conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
1.4 Estado del arte de la ingeniería del conocimiento en el dominio médico . . . . . . . . .
8
1.4.1 Tipo de problema que se resuelve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8
1.4.2 Adquisición y representación del conocimiento . . . . . . . . . . . . . . . . . . . . . . . .
10
Adquisición de conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
Representación del conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
1.5 Tendencias de desarrollo de la ingeniería de conocimiento . . . . . . . . . . . . . . . . . . .
18
1.5.1 Proceso de evolución de los sistemas expertos . . . . . . . . . . . . . . . . . . . . . . . .
18
1.5.2 Asociación con nuevos recursos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
1.5.3 Perspectivas de Aplicación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
2. Análisis del Problema
21
2.1 Dominio del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.2 La perspectiva del médico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.2.1 El discurso médico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.2.2 El asma bronquial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
Etiología del asma bronquial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
Epidemiología del asma bronquial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
Factores de riesgo y predisposición del asma bronquial . . . . . . . . . . . . . .
25
2.2.3 Diagnóstico del asma bronquial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
Dificultades para el diagnóstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
Síntomas e indicadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
2.2.4 Tratamientos de asma bronquial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.3 Perspectiva del ingeniero del conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
31
iii
2.3.1 El discurso médico interpretado por el ingeniero del conocimiento . . . . . . .
32
2.3.2 El planteamiento general del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
2.3.3 Componentes básicos para describir el asma bronquial . . . . . . . . . . . . . . . . .
33
2.3.4 Los síndromes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
2.3.5 Restricciones para el tratamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
2.3.6 Tratamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
2.4 El planteamiento de una solución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
2.5 Análisis del dominio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
37
3. Metodología y Complejidad
38
3.1 Implícitos entre expertos e ingenieros del conocimiento . . . . . . . . . . . . . . . . . . . . .
38
3.2 Planteamiento general . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
3.3 Metodología . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
3.3.1 Visión del mundo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
3.3.2 Teorías . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
De ACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
General de las representaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Agente semiracional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Estructuralismo genético . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Aprendizaje significativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
Naturalización del conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
Caracterización del discurso experto . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
3.3.3 Métodos y técnicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
Entrevista a profundidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
Entrevista semidirigida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
Metáfora de pizarrón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
Mapas conceptuales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
Reglas de producción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
3.3.4 Herramientas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
3.3.5 Uso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
3.4 Arquitectura de la ingeniería de conocimiento propuesta . . . . . . . . . . . . . . . . . . . .
54
iv
4. Diseño e Implementación
56
4.1 Planteando la implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
4.2 Desarrollo de la implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
4.2.1 Definición del problema . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . .
59
4.2.2 Adquisición de conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
4.2.3 Caracterización del discurso del experto . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
4.2.4 Representación del conocimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
4.2.5 Mapeo de reglas de producción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
4.2.6 Validación del sistema experto “ASMA” . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
4.3 Arquitectura del sistema experto “ASMA”. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
5. Resultados y Conlusiones
75
5.1 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
75
5.1.1 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
Validación del sistema experto “ASMA” con médicos . . . . . . . . . . . . . . .
76
La ingeniería de conocimiento en ausencia del discurso médico . . . . . . . .
77
5.2 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
80
5.3 Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
82
Referencias
84
Anexo: Código del sistema experto “ASMA”
92
v
Introducción
El presente trabajo se inscribe en el dominio de la ingeniería de conocimiento (IC), entendida como
metodología para transformar el conocimiento que el experto de un dominio expresa en forma de
lenguaje natura en un formalismo computacional.
Originalmente el objetivo de la investigación era diseñar e implementar computacionalmente un
sistema adyuvante de adquisición de conocimiento para estudiantes de medicina. El diseño de este
adyuvante tenía como base una ingeniería de conocimiento específica, desarrollada para construir un
Sistema Experto (SE) basado en reglas, con el que debía diagnosticar el padecimiento de asma
bronquial y recomendar el tratamiento apropiado.
Sin embargo, al avanzar hacia la implementación del adyuvante de adquisición de conocimiento se
tropezó con el problema fundamental de ¿Cómo elegir representaciones óptimas y genéricas?. Se
estaba frente al “Problema del marco”, como lo enunciaron McCarthy y Hayes en 1969, ahora como
entonces sigue siendo medular y difícil de resolver en la mayoría de los casos.
Al mismo tiempo se advirtió que existía un hueco en la investigación básica con respecto a cómo el
experto organizaba su conocimiento para hacerlo explícito, este vacío se debía resolver antes de
abordar cualquier trabajo de implementación. Así fue necesario replantear el trabajo completo para
poder desarrollar la parte de investigación básica necesaria y dejar para trabajos futuros la
implementación del adyuvante de adquisición del conocimiento que se planteó originalmente.
En este trabajo se intenta abordar la empresa de averiguar cómo es que un experto médico organiza su
conocimiento y se propone usar una metodología de ingeniería de conocimiento, basada en la metáfora
de pizarrón, para transformar el conocimiento del experto, expresado por este en forma de lenguaje
natural hasta un formalismo computacional, para ser manejado por una computadora.
El diseño de la ingeniería de conocimiento propuesta se apoya en varias teorías constructivistas y tiene
como ejes las siguientes ideas fundamentales:






Según Clancey [16] hablar es representar.
De acuerdo a Newell y Simon [94], los expertos humanos actúan como agentes con
racionalidad limitada para contender con la emergencia (como la define Steels).
Anderson [6] afirma que los expertos humanos construyen su conocimiento usando un proceso
mental específico, inaccesible aún para el propio experto.
Sloman [115-122] señala que es necesario contar con diversidad en la representación del
conocimiento para resolver un problema.
La metáfora de pizarrón puede llevar a caracterizar el discurso del experto, usando mapas
conceptuales, y puede ayudar a llegar más lejos, por ejemplo a reglas de producción.
Caracterizar el discurso del experto nos permite acercarnos a sus procesos mentales necesarios
para construir su experticia.
El concepto de discurso es tan variado como el dominio donde se aplica, por ello para este trabajo se
entiende por discurso experto al conjunto de conceptos del dominio y las relaciones entre ellos, es
decir, la organización del conocimiento del dominio que sirve para hacer explícita la teoría del propio
dominio. Y sin embargo, la mejor aproximación a la idea de discurso resultó ser la respuesta a ¿cómo
i
es el discurso?. El discurso es como el mapa conceptual del dominio, o una fracción del mismo, para
resolver un problema planteado.
Para validar la ingeniería de conocimiento propuesta se realizó una implementación en el dominio
médico, específicamente un sistema experto que diagnostica y recomienda terapia para asma
bronquial, incorporando relaciones de espacio y tiempo, para representar estados cambiantes en el
estado de salud general del paciente. Donde se plasmaron las siguientes ideas adicionales:



Fue importante identificar el "empowerment", o enriquecimiento, del experto, como la
habilidad para utilizar y maximizar su potencial [71], para aprovecharlo en el desarrollo de la
IC propuesta. Este enriquecimiento se proveyó al experto, aunque sin advertirlo acerca de cómo
opera en los individuos.
Utilizar la caracterización del discurso del experto como base del diseño e implementación,
únicamente por parte del ingeniero de conocimiento, para sesgar lo menos posible el
comportamiento del experto.
El uso de mapas conceptuales, como herramienta permite descubrir las relaciones entre
categorías conceptuales del conocimiento del dominio, favoreciendo la construcción de reglas
no redundantes y/o no contradictorias.
Se intenta descubrir/explicitar una tipología de SE’s basada en la caracterización del discurso experto,
como alternativa a la tipología por tareas operativas que se ha planteado hasta ahora y que resulta
difícil de explicitar a los novatos, por que es compleja y difícil de comprender.
Cabe destacar que en Capítulo 4 se plantearon experimentos de distintas clases:


Experimentos basados en el discurso médico: se encontraron dos compromisos teóricopragmáticos para abordar la solución de un problema; el primer discurso médico tiene que ver
con actuar sobre las causas del problema, mientras que el segundo discurso médico se relaciona
con la idea de actuar sobre las consecuencias de las causas del problema.
Experimentos sin discurso médico: están asociados a implementaciones de sistemas
inteligentes basados en casos, en los que no es necesario identificar y tipificar el discurso
experto, por que está ausente.
En este trabajo en el Capítulo 1 se presentan las tendencias de la Inteligencia Artificial con respecto a
la ingeniería de conocimiento y las disposiciones generales de desarrollo de la IC aplicada a la
medicina; en el Capítulo 2 se plantea el problema a resolver desde la perspectiva del experto y del
ingeniero de conocimiento, así como las dificultades para abordar la solución; en el Capítulo 3 se
describen las características generales de la ingeniería de conocimiento propuesta y se discute ésta en
relación con las tendencias generales de desarrollo de los sistemas expertos; en el Capítulo 4 se
describe la validación de la ingeniería de conocimiento mediante una implementación, de la propia IC
propuesta, en el dominio médico, donde se explica y analiza el proceso para desarrollar el sistema
experto denominado “ASMA”, su validación y un análisis comparativo de funcionamiento con una
implementación en redes neuronales, donde el discurso del experto está ausente; en el Capítulo 5 se
abordan las conclusiones y las propuestas de trabajos futuros relacionados; finalmente en el Anexo se
encuentra el código del sistema experto “ASMA”, implementado en el armazón CLIPS [18].
ii
Capítulo 1
Ingeniería del Conocimiento
El concepto de ingeniería del conocimiento (IC) es amplio y ambiguo, se relaciona directamente a una
de las aplicaciones más afortunadas de la Inteligencia Artificial (IA): los sistemas expertos (SE’s), y
está enlazado a dos problemas fundamentales de la misma disciplina, la representación del
conocimiento y el modelado y comprensión del lenguaje natural.
La ingeniería de conocimiento se deriva, en gran medida, de los avances en el campo de la Inteligencia
Artificial. Como disciplina se desarrolló principalmente tras el éxito de los primeros sistemas expertos
(Dendral, Mycin, Prospector), constituyéndose como tecnología cognitiva [56].
Al mismo tiempo la Ingeniería del Conocimiento es una necesidad que surge cuando se intenta
abordar el diseño y la implementación de un sistema experto (SE) basado en reglas por que la IC es
básicamente un proceso para representar el conocimiento del experto y transformarlo, desde la
expresión en forma de lenguaje natural hasta un formalismo que una computadora pueda entender y
manejar.
1.1 Noción de ingeniería de conocimiento en este trabajo
La noción de ingeniería de conocimiento utilizada para resolver un problema depende de la
perspectiva teórica empleada por quien la diseña. Para este trabajo se utiliza como fundamento la idea
de Anderson [6], quien ha dedicado sus esfuerzos como investigador para “comprender cómo la gente
organiza el conocimiento que adquiere a través de sus diversas experiencias para producir conducta
inteligente”, materializada en la teoría de ACT (por las siglas de Advanced Computer Tutor) que tiene
como objetivo el modelado cognitivo con el formalismo de reglas de producción.
En la teoría de ACT [6] se identifican dos niveles de análisis para intentar comprender cómo las
personas organizan el conocimiento, estos niveles de análisis son definidos por el propio Anderson
como:

Nivel de algoritmo: se refiere a los procesos mentales, a las especificaciones abstractas de las
fases necesarias para realizar los procedimientos que ocurren en la mente.

Nivel de implementación: se relaciona con los mecanismos que implementan los
procedimientos y conocimientos del nivel algorítmico.
El nivel algorítmico equivale a los procesos mentales que un experto humano ha desarrollado o
construido para solucionar un problema del campo de su experticia, en tanto que el nivel de
implementación equivale a la aplicación de los procesos mentales del experto para la solución de un
problema específico, por ejemplo la ingeniería de conocimiento.
El propio Anderson señala que el nivel algorítmico, que de aquí en adelante se denominará nivel de
procesos mentales, es inaccesible y sólo es posible realizar un acercamiento a éstos procesos a través
del análisis de los resultados de la solución del problema en el nivel de implementación, es decir
1
realizando ejemplos que permitan descubrir diferencias y regularidades entre ellos para intentar
generalizaciones de los procedimientos de solución, éstos últimos estarían más cercanos a la solución
al nivel de los procesos mentales de las personas.
Anderson [6] afirma que solucionar un problema usando un sistema experto basado en reglas consiste
en “transformar el conocimiento declarativo en conocimiento procedural”, definiendo cada tipo de
conocimiento como sigue:

Conocimiento declarativo: es la colección estática de hechos, sin determinar cómo serán
utilizados, se refiere a la idea de qué es algo. Está integrado por un conjunto de hechos, leyes y
terminología peculiar del dominio.

Conocimiento procedural: es la mejor manera para resolver un problema y se refiere a la idea
de cómo se hace algo. Está relacionado directamente con la aparición de habilidades para el
ejercicio de buenos juicios para alcanzar metas.
Así a partir de las investigaciones de Anderson, se configuró la noción de ingeniería de conocimiento
que se utilizó en este trabajo como: una metodología1 para representar el proceso que construye un
experto humano para resolver un problema específico, transformando el conocimiento del experto
expresado en lenguaje natural a un formalismo que pueda ser entendido y manejado por una
computadora.
La ingeniería del conocimiento no tiene una arquitectura2 única, sino que ésta se estructura para
resolver un problema específico en un dominio del conocimiento también particular, en algunos casos
su uso puede generalizarse con pequeñas adecuaciones pero en otros casos la generalización no es
posible.
Debido a la diversidad de problemas y dominios que se han abordado usando la ingeniería de
conocimiento, este trabajo se ha restringido al dominio médico. El éxito de una IC depende de la
elección de los modelos adecuados para representar el conocimiento experto de un dominio y el tipo
de razonamiento que utiliza.
Cuando se intenta diseñar una IC, el problema central consiste en elegir la “mejor” representación para
cada subproceso y articularlas para obtener la solución del problema planteado. Al respecto Sloman
señala, en su teoría general de las representaciones [121 y 122], que algunas técnicas de representación
del conocimiento presentan un desempeño más eficiente cuando se utilizan para solucionar ciertos
tipos de problemas que en otros.
Tratar de encontrar la solución de un problema usando una IC, implica la utilización de la estrategia de
división del problema en subproblemas más sencillos que dan lugar a subprocesos para alcanzar metas
intermedias. En este contexto se propone una división del problema de diseñar una IC, desde la
perspectiva de los objetos que se deben representar, en dos grandes subproblemas:

1
2
Razonamiento del experto humano: determina cómo el experto humano resuelve un
problema.
Metodología [84]: conjunto de métodos que se siguen en una investigación científica.
Arquitectura [84]: estructura de representaciones y métodos.
2

Conocimiento experto del dominio: cuál es la teoría del dominio que el experto ha construido
y representado en sus esquemas mentales con su propia experticia, por que este influye y afecta
el proceso de solución.
1.2 Razonamiento del experto humano
Un sistema que exhibe inteligencia es un conjunto de reglas y medios organizados tendientes a
presentar “ la habilidad de razonar, adquirir y aplicar conocimiento, percibir y manipular objetos”,
como lo definen Rich y Knight [108], que se parece a la manera como un experto humano resuelve un
problema específico.
Para resolver este subproblema de la ingeniería del conocimiento es necesario identificar el tipo de
sistema inteligente adecuado para representar el razonamiento del experto, que está determinado por
cómo un experto resuelve un problema dado.
En tiempos recientes la IA aparece como una disciplina que transita a sus objetivos por dos caminos
en apariencia mutuamente excluyentes, aunque tal vez concurrentes y hasta complementarios, como lo
señala Papert en su artículo “¿Una sola IA o muchas?” [101]. A continuación se describen los dos
enfoques de la Inteligencia Artificial:

Paradigma de la IA clásica [108]: se intenta representar simbólica y mentalmente el mundo.
El conocimiento es procesamiento de información como manipulación de símbolos basada en
reglas, que funciona a través de cualquier dispositivo que pueda representar y manipular
elementos físicos discretos (símbolos), que cuando representan apropiadamente un aspecto del
mundo real y el procesamiento de información conduce a una buena solución del problema
planteado al sistema.

Paradigma de la IA emergente [101]: se trata de modelar el cerebro. El conocimiento es la
emergencia de estados globales a partir de una red de componentes simples, que funcionan a
través de reglas locales que gobiernan las operaciones individuales y de reglas de cambio que
gobiernan la conexión entre los elementos; se puede afirmar que funciona correctamente
cuando las propiedades emergentes y la estructura resultante se corresponden con una aptitud
cognitiva específica.
Esta investigación se ubica en el paradigma de la IA clásica, por que el sustento para resolver un
problema está en la representación del conocimiento. Además, este trabajo se apoya en los siguientes
supuestos acerca de la mente enunciados por Martínez-Freire [77]:

Biológico: se cree que el cerebro procesa la información en informaciones discretas mediante
algún equivalente biológico de los interruptores de encendido o apagado.

Psicológico: sostiene que la mente se puede considerar como un mecanismo que opera sobre
unidades de información según reglas formales.

Epistemológico: significa que todo conocimiento puede ser formalizado, que todo lo que se
puede comprender se puede expresar como relaciones lógicas.
3

Ontológico: toda la información relevante del mundo se tiene que analizar como un conjunto
de elementos determinados independientes de la solución.
Así cuando se intenta resolver un problema basado en conocimiento, se trata de representar cómo un
experto procede para solucionar el problema, esto concierne al modelo de experto a usar, que puede
corresponder a uno de los enfoques que se describe a continuación:
Enfoque de las leyes del pensamiento [110]. Consiste en codificar la “manera correcta de
pensar”: los procesos de pensamiento son irrefutables, es decir, lógica. En IA se ha usado la
lógica como una valiosa herramienta para construir sistemas inteligentes, pero existen dos
obstáculos para lograr este objetivo:
 Es difícil recibir un conocimiento informal y expresarlo en los términos formales que
exige una notación lógica, especialmente cuando el conocimiento tiene menos del
100% de certidumbre.
 Existe una diferencia fundamental entre la posibilidad de resolver un problema y
hacerlo en la práctica.
Enfoque del agente racional. Implica actuar de manera tal que se logren los objetivos deseados
teniendo como base ciertos supuestos. Un agente es algo capaz de percibir y de actuar, de
acuerdo a este enfoque la IA se considera como el estudio y construcción de agentes racionales.
La racionalidad perfecta, o siempre se hace lo correcto, no es posible en entornos complejos,
como el mundo real, por ello se propone un refinamiento que considera actuar de manera semiracional, esta es la noción de Newell y Simon [94] que considera a “el hombre como un agente
de racionalidad limitada”.
En este trabajo se considera al experto como un agente de racionalidad limitada, por que los problemas
que se tratan de resolver son muy complejos para que el experto (y su representación en el sistema
experto) siempre haga lo correcto.
1.3 Conocimiento experto del dominio
El otro subproblema a resolver como parte del diseño de una IC es el modelado del “mundo” del
problema a resolver o dominio de conocimiento de la experticia.
Así la base de la ingeniería de conocimiento propuesta en esta investigación se encuentra en la idea de
que el experto es un agente que actúa de forma semiracional en “... el mundo que va surgiendo o es
modelado en lugar de estar predeterminado” [130]. Esta es la noción enactuante – emergente del
conocimiento desarrollada por Varela [130] que aporta la idea de que “la inteligencia ha dejado de ser
la capacidad de ingresar a un mundo compartido y predefinido” y permite explicar que el experto
construye con su razonamiento “su solución” de un problema.
Sin embargo aún falta por responder a la pregunta: ¿Cómo elegir las representaciones adecuadas tanto
para modelar al experto como su experticia?. La respuesta a esta pregunta se encuentra en la Teoría
General de las Representaciones, propuesta por Sloman [114, 117, 118, 121 y 122], donde se afirma
que las representaciones están determinadas por el sujeto que las usa, que es quien comprende e
interpreta los objetos para después representarlos.
4
Investigadores de ingeniería de software (IS) [28 y 42] y de ciencias cognitivas [13] han identificado
que algunas técnicas de representación, en consecuencia ciertos formalismos, son adecuadas para
ciertos tipos de objetos y para otros tipos no.
1.3.1 Conocimiento e ingeniería de conocimiento
En este trabajo se considera a la cognición como manipulación de símbolos usando reglas que se
ejecutan de manera secuencial para representar la experiencia3. Según Morales [89] la experiencia
presenta las siguientes características:

Específica, por que es aplicable a un solo dominio.

Inflexible, por que no sirve en situaciones no previstas.

Enfocada, por que sólo ve un tipo de solución.
Un experto hace explícito su conocimiento especializado mediante el lenguaje natural, con una cierta
estructura que tiene que ver con la teoría del dominio donde se ubica la experticia, aunque el propio
experto no tenga conciencia de tal estructura.
A partir de este trabajo se descubrió que cuando se usa ingeniería de conocimiento como metodología
para la solución de un problema, al menos dos especialistas de distintos dominios (un médico y un
ingeniero de conocimiento) interaccionan y ejercen influencia mutuamente para construir en
colaboración el conocimiento que se usará para resolver el problema.
En consecuencia, se puede decir que a través de la interacción entre el experto y el ingeniero del
conocimiento, construyendo el conocimiento declarativo del dominio, ambos sujetos se pueden ubicar
temporalmente en el mismo nivel de interés y por tanto pueden establecer comunicación: comparten el
discurso del dominio, aunque sea parcialmente, usando una ontología no formal, por ejemplo un
pizarrón estratificado conceptualmente o un diccionario.
Transformar el conocimiento del experto, expresado por éste en forma de lenguaje natural a un
formalismo computacional, pone de manifiesto la necesidad de representar el conocimiento de la
manera adecuada en cada subproceso de la IC. Esto corresponde a diversas técnicas de representación
del conocimiento que sirven para relacionar formas de expresión del contenido del conocimiento del
experto.
1.3.2 El discurso
Aunque es muy difícil tratar de definir el discurso por que es un concepto ambiguo y complejo
utilizado por investigadores de campos tan diversos como educación, comunicación, psicología,
lingüística, etc., parece claro que la noción de discurso depende del contexto en que se usa.
3
Experiencia: proceso constructivista para adquirir un caudal de conocimientos de índole práctica que una
persona adquiere en su vida en el ejercicio de una ocupación.
5
El experto sólo puede hacer explícito su conocimiento a través de sus declaraciones estructuradas, es
decir el discurso del experto entendido como un conjunto de hechos, leyes y terminología específica,
es decir, por razonamiento y expresión oral que integran el cuerpo teórico del dominio.
En consecuencia, el discurso de un campo del conocimiento es mucho más que un conjunto de
palabras, por que incluye los conceptos referidos por las palabras, sus relaciones de jerarquía, tiempo
y espacio, el contexto al que están referidas y su significación, la interpretación que los miembros del
grupo que lo usa, descubre e inventa han construido a través de la cultura y la experiencia tanto
individual como colectiva [78 y 79].
El discurso está estrechamente ligado a un dominio específico por que a través de él se puede expresar
y compartir el cuerpo teórico del propio dominio.
Durante el desarrollo de este trabajo se construyó una noción de discurso, basada en la experiencia,
que se puede enunciar como el conocimiento del experto que éste estructura y hace explícito con la
intención de compartirlo con otras personas, que pueden ser colegas o aprendices, es decir, el
razonamiento y la expresión oral del experto.
Cualquiera que sea la noción de discurso adoptada no se puede evitar hacer referencia al lenguaje
como la herramienta para adquirir, transmitir y compartir el conocimiento organizado como discurso.
Al respecto Maturana y Varela [79] afirman que “... el lenguaje es un conjunto de signos agrupados
en sistemas, que se origina cara a cara entre los sujetos que le da la característica de reciprocidad
que es exclusiva de este”.
El discurso puede transformarse en un depósito objetivo de amplias acumulaciones de significado y
experiencias, que por su naturaleza dinámica se pueden conservar y transmitir a otras personas, por
ejemplo un aprendiz.
El manejo y dominio de un discurso convierte a un sujeto en miembro de un grupo, en poseedor de
sentidos compartidos con otros sujetos que le son similares en ese nivel. En este contexto el discurso
es tan importante que puede abrir o cerrar las puertas de una parcela de conocimiento a un sujeto.
1.3.2.1 El discurso en la ingeniería de conocimiento.
Cuando se hace referencia al discurso en el contexto de la ingeniería de conocimiento, ambos
conceptos están fuertemente enlazados a la teoría del dominio que se intenta modelar.
La importancia del discurso en la ingeniería del conocimiento está apuntalada por al menos tres
funciones, que se describen a continuación:

Utilitaria: constituye el principal instrumento para que los expertos hagan explícitos sus
conocimientos, los Ingenieros de conocimiento puedan modelar la experticia a partir de lo que
dice el experto (significado) y cómo lo dice (estructura); también mediante el discurso los
usuarios pueden formular preguntas y obtener respuestas pertinentes.

Almacenamiento: en el discurso del experto se integra el conocimiento declarativo para
resolver un problema.
6

Estructurante: mediante el discurso se estructura el conocimiento por que incluye la
definición de las relaciones entre los conceptos y la acepción de conceptos y relaciones que
será utilizada por los usuarios, expertos e Ingenieros del conocimiento.
Es probable que el discurso tenga más funciones en la IC además de las mencionadas aquí, y que se
deberá seguir estudiando y explorando la naturaleza del discurso para descubrirlas.
1.3.2.2
Discurso y conocimiento
Las ideas de discurso y conocimiento están estrechamente relacionadas pues el discurso es el
instrumento-herramienta-recurso de los expertos de un dominio para hacer explícito su conocimiento
[3].
Como conjunción de discurso y conocimiento, en este trabajo se usa la idea de la Ciencia Cognitiva,
enunciada por Varela [130] como: “... cada época de la historia humana produce, a través de sus
prácticas sociales cotidianas y su lenguaje, una estructura imaginaria, y como parte de esa
estructura: la ciencia y como una parte importante, la descripción del conocimiento que tiene de sí
misma la sociedad”, así el discurso de un dominio lo describe.
Además Varela, Thompson y Rosch [127] afirman que el “conocimiento es el resultado de una
interpretación que emerge de nuestra capacidad de comprensión, arraigada en la estructura de
nuestro cuerpo biológico, pero vive y se experimenta dentro de un dominio de acción consensual y de
historia cultural”, que explica por qué en un salón de clases donde un grupo de estudiantes pretende
aprender algo desde la misma fuente, cada estudiante parece incorporar un conocimiento distinto e
individual, pues incorpora a su experiencia su propia interpretación y no el conocimiento mismo.
Este fenómeno es importante cuando se trata de diseñar una ingeniería del conocimiento por que se
pretende comprender el proceso del experto para resolver un problema, pero el ingeniero del
conocimiento está incorporando su propia interpretación del discurso del experto, que puede estar muy
lejano o muy cercano del conocimiento del mismo experto, y el ingeniero del conocimiento
difícilmente podrá averiguar qué tan cercana a la experticia ha sido su interpretación.
1.4 Estado del arte de la ingeniería del conocimiento en el dominio médico.
Dado que la Ingeniería de conocimiento es una metodología, ésta debe estar integrada por un conjunto
de métodos y técnicas para transformar el conocimiento del experto, desde su expresión original, el
lenguaje natural, hasta un formalismo computacional, manejando las teorías que dan sustento al
planteamiento de la IC.
Las estructuras posibles de la ingeniería de conocimiento médico constituyen un rango muy amplio, en
consecuencia, para explorar el estado del arte se utiliza la estrategia de dividir en partes el dominio
original, para este propósito se usan sucesivamente dos criterios: tipo de problema y técnicas
utilizadas para adquirir y representar conocimiento.
7
1.4.1 Tipo de problema que se resuelve
La primera división del dominio médico obedece al tipo de problema que se intenta resolver.
Esta tipología se basa en la idea de que los expertos realizan operaciones intelectuales totalmente
mentales, casi siempre de manera inconsciente, para resolver un problema, a estas operaciones
intelectuales se denominan en este trabajo tareas operativas, para denotar un subproceso para alcanzar
una meta parcial hacia la solución del problema planteado.
Las tareas operativas están asociadas a un método de razonamiento [75] y se agrupan en un cierto
orden para constituir procesos de solución característicos del tipo de problema [92] que se desea
resolver. Se han identificado tres métodos de razonamiento asociados con tareas operativas para la
solución de problemas (ver tablas 1.1 a 1.3).

Análisis: o interpretación, consiste en realizar la identificación de conjuntos de objetos basados en
sus características.

Síntesis: o de construcción, implica que una solución se puede crear a partir de una serie de
componentes o soluciones de subproblemas

Análisis/Síntesis: la solución implica la combinación de ambos métodos de razonamiento.
Tabla 1.1: Tareas Operativas Asociadas al razonamiento de análisis
Tipos de problemas
Aplicaciones
Clasificación: categorización basada en
observaciones.
Depuración: prescripción de remedios para
disfunciones.
Diagnóstico: inferencia de disfunciones del
sistema basadas en observaciones del
entorno y el propio sistema
Interpretación: inferencia de descriptores
de situaciones según datos de sensores
del sistema.
Divide objetos o hechos en clases o grupos por sus
relaciones de semejanza o diferencia.
Recomiendan acciones ante las fallas o el mal
funcionamiento diagnosticado en un sistema.
Se aplican a diagnósticos médicos de varias
especialidades.
Comprensión del lenguaje, análisis de imágenes,
investigación de estructuras químicas e interpretación
de señales.
Tabla 1.2: Tareas Operativas Asociadas al razonamiento de síntesis
Tipos de problemas
Aplicaciones
Configuración: de colecciones de datos Disposición de las partes que forman un todo.
bajo restricciones en espacios de
búsqueda relativamente pequeños.
Planeación: diseño de actividades y Se usan para programación automática, robótica,
acciones a realizar.
proyectos, rutas, comunicaciones y experimentos.
Determinación de tareas: planificación con Establece un plan general para alcanzar un objetivo,
restricciones de tiempo y espacio.
considerando las restricciones.
8
Tabla 1.3: Tareas Operativas Asociadas al razonamiento de análisis/síntesis
Tipos de problemas
Aplicaciones
Control: manejo y gobierno de un sistema.
Se usan para el control en las salas de terapia
intensiva.
Instrucción: diagnóstico, depuración y reparación También llamados sistemas tutoriales incluyen
del comportamiento de un sistema.
sistemas de instrucción en medicina.
Monitoreo: comparación de las observaciones con Su aplicación se encuentra con pacientes en
los resultados esperados. Realiza diagnósticos salas de cuidados intensivos.
parciales a partir de interpretaciones continuas,
es necesario que las respuestas se den en tiempo
real.
Predicción:
inferencia
de
consecuencias Se puede realizar pronóstico del resultado de la
probables a partir de situaciones dadas.
aplicación de una terapia.
Recomendación de tratamiento: ejecución de Se usa para establecer tratamientos diversos.
planes para aplicar remedios a padecimientos.
Negrete-Martínez [92] señala que los problemas que se han abordado en el dominio médico usando
sistemas expertos son:







Diagnóstico y tratamiento de enfermedades [15, 49, 66, 67, 87, 92, 103].
Monitoreo de pacientes en unidades de cuidados intensivos [74, 87, 90, 92].
Interpretación de exámenes de laboratorio [35, 58, 76, 87, 92].
Asistencia en la selección de terapias apropiadas [9, 87, 92, 124, 132].
Asistencia en la administración de medicamentos [87, 88, 92, 126].
Interpretación de imágenes [87, 92].
Instrucción inteligente en medicina [3, 29, 48, 71, 87, 92].
En general, la solución de un problema se puede ver como un conjunto de tareas operativas que se
llevan a cabo en un orden determinado, similares a las operaciones mentales del experto, que se
pretenden descubrir para representarlos en una IC.
Por ejemplo, el proceso para resolver un problema de diagnóstico en el dominio médico, usando tareas
operativas como subestados, se puede representar gráficamente como un árbol de decisión (ver la
figura 1.1). El proceso para resolver un problema de diagnóstico incluye las tareas operativas de
identificar, clasificar y diagnosticar, que se llevan a cabo mediante análisis.
METODO DE RAZONAMIENTO:
ANALISIS
IDENTIFICAR
CLASIFICAR
DIAGNOSTICAR
Figura 1.1: Proceso basado en tareas operativas para diagnóstico
9
METODO DE RAZONAMIENTO:
ANALISIS/SINTESIS
IDENTIFICAR
EVALUAR
RECOMENDAR
TERAPIA
Figura 1.2: Proceso basado en tareas operativas para recomendar tratamiento
Otro ejemplo de representación del proceso para resolver un problema usando tareas operativas, ahora
de recomendación de tratamiento médico (ver la figura 1.2). El proceso para resolver un problema de
recomendación de terapia incluye las tareas operativas de identificar, evaluar y determinar terapia, que
se llevan a cabo mediante la combinación de análisis y síntesis.
1.4.2 Adquisición y representación del conocimiento.
En el diseño de la ingeniería de conocimiento existen dos problemas fundamentales, que para efectos
de análisis se separan pero en la realidad se encuentran mezclados:
1. Adquisición de conocimiento: o captación de la experiencia [56].
2. Representación del conocimiento: escribir en un lenguaje descripciones del mundo, o
como lo enuncia Winston [135] “... un conjunto de convenciones sintácticas y semánticas
que hacen posible el describir cosas”.
A continuación se aborda cada uno de estos problemas por separado, por su importancia en el diseño
de la IC y por su amplitud y complejidad.
1.4.2.1 Adquisición de conocimiento.
La adquisición de conocimiento como subproceso de la IC para captar la experiencia en un dominio de
conocimiento, contempla varios métodos y técnicas, que se describen en esta sección.
Liou [70] apunta que la adquisición de conocimiento es un problema fundamental para diseñar la IC e
implementar SE’s, para resolverlo propone una metodología específica (ver la tabla 1.4).
10
Fase
Planeación
Extracción
Análisis
Verificación
Tabla 1.4: Metodología para Adquirir Conocimiento
Pasos
 Comprender el dominio del problema
 Definir el alcance del problema
 Identificar los expertos en el dominio del problema.
 Identificar el tipo de aplicación.
 Analizar varias técnicas de adquisición de conocimiento.
 Diseñar procedimientos apropiados para adquirir conocimiento.
 Explicar el enfoque de la adquisición del conocimiento.
 Discutir los objetivos de las sesiones de adquisición de conocimiento
 Conducir las sesiones de adquisición de conocimiento.
 Resumen de expertos
 Análisis de productos de las sesiones de adquisición de conocimiento.
 Traducir el conocimiento en representaciones
 Desarrollar escenarios de prueba
 Verificar el conocimiento con expertos
Para adquirir el conocimiento es necesario tomar en cuenta varios aspectos fundamentales, mismos
que se describen a continuación:
1.
Estrategias para adquirir conocimiento, descritas por Morales [89] de la siguiente manera:
 Se observa al experto actuando como tal y se trata de identificar su estructura. La
obtención de resultados mediante el uso de esta estrategia es lenta [12].
 Se formula un modelo analítico y se trata de ajustar el conocimiento y el
comportamiento del experto dentro del modelo. Esta es la estrategia la más utilizada por
que se obtienen resultados más rápidamente [4].
2.
Relación ingeniero del conocimiento – experto:
 El ingeniero de conocimiento extrae el conocimiento del experto. Esta posición es la
más usada hasta ahora [57 y 92].
 El ingeniero de conocimiento y el experto del dominio colaboran para descubrir el
conocimiento experto para solucionar el problema. Esta posición implica tomar
conceptos y herramientas de otras disciplinas como la psicología [Gaines] y
comunicación [32].
3.
Tendencia para extraer conocimiento. De acuerdo a Morales [89] existen dos tendencias:
 Interacción [75]
 Aprendizaje, que puede ser interactivo e inductivo [62 y 75].
4.
Fuentes de conocimiento. [108]
 Personas: constituyen las fuentes primarias y más ricas de conocimiento, por que
incorpora su experiencia, intuición y sentido común.
 Textos: libros especializados en el dominio.
 Páginas WEB: la red internet proporciona una buena cantidad de información, aunque se
debe llevar a cabo una depuración de la misma por que no toda tiene la calidad y
confiabilidad que se requiere en un sistema inteligente.
 Combinación de las fuentes anteriores
11
Se identificaron tres métodos para adquirir el conocimiento, con técnicas específicas asociadas:


Método Manual:
 Entrevista abierta: es muy versátil por que permite realizar una exploración amplia acerca de
la disposición y características del experto. Los ingenieros de conocimiento pueden obtener
conocimiento que no han anticipado [55, 70, 78].
 Entrevista estructurada: es un refinamiento de la entrevista abierta, que permite abundar en
los temas que interesan al entrevistador para acotar y dirigir el acopio de información. La
evidencia empírica ha mostrado que esta técnica es eficiente y eficaz para la adquisición de
conocimiento y puede aplicarse a varios experto [55, 70, 78].
 Observaciones: es la manera obvia de descubrir cómo un experto resuelve un problema, por
que consiste en observar cómo actúa el experto. La principal desventaja de la técnica es que
el razonamiento del experto no se expresa mientras resuelve el problema [70].
 Análisis de emparrillado de repertorio: se usa para construir una estructura conceptual sin
extraer conceptos, estructuras y relaciones. Tiene su origen en la Teoría de construcción
personal de Kelly, en 1955, apunta a obtener provecho de la visión del modelo mental del
experto [31].
 Análisis de protocolos: es el estudio de transcripciones de las verbalizaciones de los
pensamientos, hechas por los expertos mientras solucionan problemas de diverso tipo. Tiene
su origen en la Psicología clínica y sus principales desventajas son que la técnica es muy
complicada y no se puede aplicar a todos los tipos de problemas [70, 75].
 Tormenta de ideas: es una técnica para, en grupo, desarrollar ideas y explorar su significado.
Promueve la identificación de un número de consideraciones relativas al dominio del
problema [70].
 De grupo nominal: o NGT es una técnica para estructura sesiones de un pequeño grupo que
proporciona juicios individuales para integrar una alberca y usarlos en situaciones de
incertidumbre o desacuerdo acerca de la naturaleza del problema y las soluciones posibles, la
técnica es descrita por Liou [70].
 De Delphi: usa una serie de cuestionarios para agregar conocimiento, juicios u opiniones de
expertos (usualmente anónimos) para dirigir problemas complejos [70].
 Grupos de discusión: se desarrolló para realizar estudios de mercado. El ingeniero de
conocimiento es el moderador del grupo de expertos que se reúne para discutir las estrategias
de solución de problemas [55, 70].
 Votación: hace énfasis en encontrar una solución comprometida al problema. Implica
presentar un problema a un grupo de expertos del dominio y estimular a cada uno de ellos
para que voten por una alternativa de solución del problema [70].
 Análisis de emparrillado de repertorio de grupo: esta es la versión de análisis de emparrillado
para adquirir conocimiento de un grupo, se combina con la técnica de lluvia de ideas [70].





Método Semiautomático:
Mike: desarrollado en Open University (U.K.) en 1989, corre sobre PROLOG y contiene un
archivo ejecutable llamado KARL para adquirir y validar conocimiento [7, 27].
TEREISIAS: creado por Davis en 1977, está basado en MYCIN y sus modelos, el sistema
dirige al experto para que éste analice, razone y complete la base de conocimiento; es una
entrevista dirigida al experto [48].
Aquinas: se utiliza análisis de emparrillado de grupo para adquirir conocimiento [48].
LAPS: realiza análisis de protocolos [48].
ROGET: es un sistema semiautomático que entrevista al usuario [48].
12
 Kripton: realiza análisis de protocolo de manera semiautomática [48].

Método Automático:
 Meta-DENDRAL: desarrollado en 1978 por Mitchell, usa técnicas de aprendizaje de espacio
para construir automáticamente reglas de producción [108].
 MOLE: es un sistema desarrollado por Eshelman en 1988 para problemas de clasificación
heurística, como el diagnóstico médico, transforma una red de dependencias en reglas de
producción [108].
 SALT: desarrollado por Marcus y McDermott en 1989, construye una red de dependencias
cuando conversa con el experto, transforma una red de dependencias en reglas de
producción.[108].
 SYNDIKATE: desarrollado por Hahn y Romacker, transforma documentos técnicos en bases
de conocimiento [48].
 CYC: aplica conocimientos de situaciones conocidas para situaciones nuevas [48, 108].
 Student: aprende viendo a los expertos solucionar problemas [48].
 OPAL: usa el método de aprendizaje de novatos [48].
 ID3: creado por Quinlan en 1986, crea árboles de clasificación con un método iterativo [108,
48].
 AM: utiliza inducción de modelos a partir de la experiencia [48].
 AQ: utiliza inducción de reglas/conocimiento [48].
 BLIP: aprende semejanzas partiendo de conjuntos de ejemplos positivos y diferencias de
ejemplos negativos [70].
 KADS: (Knowledge Acquisition Design System) fue producto del proyecto Esprit P12
desarrollado en 1983. Permite construir bibliotecas de módulos que pueden usarse como
plantillas, se puede adaptar a diferentes tipos de problemas en distintos dominios, se usa
terminología independiente del dominio [12, 52, 54, 56, 73].
 GSS: (Sistemas de Soporte de Grupo) son sistemas computacionales y de comunicación que
facilitan la comunicación, coordinación y el proceso de toma de decisiones en grupo. Se han
implementado todas las técnicas manuales de adquisición de conocimiento en grupo [70].
Para adquirir conocimiento es muy probable que sea necesario combinar varios métodos y técnicas,
pues la complejidad de los problemas a resolver se incrementa, y la tendencia de desarrollo de la IC
apunta hacia la automatización de sus subprocesos.
1.4.2.2 Representación del conocimiento.
La representación del conocimiento es un procedimiento de codificación y mapeo de un subestado a
otro que consta, en general, de varias etapas como: decidir qué tipos de objetos y relaciones se deben
representar, elegir un vocabulario para codificar el conocimiento general del dominio, codificar casos
específicos del problema y emplear procedimientos de inferencia para resolver los problemas
codificados.
El objetivo de la representación del conocimiento, como lo expresan Russell y Norving [110], es
“expresar el conocimiento en forma manejable por una computadora, de manera que se pueda
utilizar como auxiliar para el buen desempeño de los Agentes y los Sistemas basados en
conocimiento”. El problema de la representación del conocimiento no es trivial ni sencillo, es un
13
problema fundamental de la IA, muchos investigadores connotados han dedicado sus esfuerzos a
escudriñar distintos aspectos de la representación del conocimiento.
Con respecto a la representación del conocimiento, Minsky [84] afirma que para hacer sistemas de IA
más versátiles se deben usar diferentes tipos de representaciones en el mismo sistema, por que cada
tipo de representación es óptimo para ciertos tipos de problemas y no para otros, por ello apunta que
primero se debe decidir la clase de razonamiento que es mejor para una clase específica de problema
y, en consecuencia, la combinación de representaciones adecuada en cada caso.
Minsky [86] propone una “matriz-teoría” (ver figura 1.4), donde se contrasta el número de causas y la
escala de efecto para contestar a las preguntas ¿Cómo diferentes factores están mezclados? Y ¿Cuánta
influencia tiene cada factor?.
Pequeño
Lineal,
Estadística
Fácil
Conexionista
Red neuronal
Lógica difusa
Computación
Tradicional
ESCALA
DE
CONSECUENCIA
Grande
Ordinariamente
Razonamiento
Cualitativo
Razonamiento
Lógico
Simbólico
Pocas
Muchas
Razonamiento
Razonamient
Basado
en
analogía
o Basado en
IA
Clásica
analogía
o
o
Razonamiento
Razonamient
Basado
en
o Basado en
casos
Sociedad
de la Mente
casos
Intratable
NUMERO DE CAUSAS
Figura 1.4: “Matriz-Teoría” de Minsky
A partir de la Matriz-Teoría mostrada (ver figura 1.4) se pueden realizar las siguientes afirmaciones:
1.
2.
3.
4.
Si las causas son pocas y sus consecuencias también son pequeñas, el problema es trivial y
puede ser resuelto con técnicas de computación tradicional.
Pero si existen muchas causas, cada una con pocas consecuencias, entonces los métodos
estadísticos y las redes neuronales pueden ser una buena técnica de representación.
En cambio, si se tienen pocas causas con grandes consecuencias, el razonamiento lógico y
simbólico es una buena opción de representación del conocimiento.
Si existen muchas causas con grandes consecuencias, los problemas tienden a ser
intratables y no se conocen técnicas “buenas” de representación del conocimiento.
14
En consecuencia, los SE’s pueden resolver problemas que se encuentran ubicados, de acuerdo a la
Matriz-Teoría, en el cuadrante de pocas causas con grandes consecuencias, por lo que el razonamiento
lógico y simbólico es adecuado para resolverlos.
Por otro lado Sloman, con su Teoría General de las Representaciones [117 - 122], propone un modelo
de sistemas que exhiben inteligencia, como los SE’s, como un “sistema de control complejo y
autoregulado”, en donde cada subestado de control corresponde a un formalismo específico de
representación del conocimiento, por ello es necesario usar una colección de técnicas bien
estructuradas, lo más amplia posible.
Los métodos para representar el conocimiento pueden estar en función del uso que se hace del
conocimiento [108] o de su complejidad.
Rich y Knigth [108] hacen una tipología de los métodos de representación del conocimiento, teniendo
como base el papel que juega el conocimiento, como se describe a continuación:
1.
Relacional simple: el modo más sencillo de representar los hechos declarativos es
mediante un conjunto de relaciones del mismo tipo que las utilizadas en los sistemas de
bases de datos. Este método ofrece una pobre capacidad deductiva, pero puede servir como
base para otros métodos de inferencia más potentes.
2.
Heredable: una de las formas de más útiles de inferencia es la herencia de propiedades,
donde los elementos de una clase heredan los atributos y los valores de otras clases más
generales en las que están incluidas. Algunas técnicas que pertenecen a este método son las
redes semánticas y los mapas conceptuales.
3.
Deductivo: con la lógica tradicional es posible describir las inferencias apropiadas. La
técnica que corresponde a este método es la lógica de predicados.
4.
Procedimental: se basa en la idea de describir qué hacer en una situación determinada. La
técnica asociada a este método más utilizada es la Regla de producción.
Morales [89] proporciona una tipología de métodos de representación basándose en su grado de
complejidad, como se describe:
1.
Básico: es el método fundamental para la representación del conocimiento, ofrece un gran
poder de representación, proporciona una historia de los procesos de solución y las técnicas
asociadas a este método son: reglas de producción, redes semánticas, frames (prototipos y
marcos), lógica de predicados y mapas conceptuales.
2.
Avanzado: desarrollado en una época posterior al básico, constituye un refinamiento para la
representación del conocimiento, las técnicas asociadas son: modelos cualitativos, modelos
temporales, modelos causales, sistemas híbridos, capas, arquitectura de pizarrón, razonamiento
basado en casos, redes neuronales y algoritmos genéticos.
3.
Incertidumbre: permite representar procesos y subprocesos no positivistas, las técnicas
asociadas a este método son: técnicas no numéricas (TMS), factores de certeza, lógica de difusa
y redes probabilísticas.
15
A continuación se describen brevemente las técnicas de representación de conocimiento más utilizadas
(ver tabla 1.5), que son: reglas de producción [26, 49, 57, 87, 92, 93, 108, 110], marcos [26, 85, 89,
92, 108, 110], mapas conceptuales [2, 19, 37, 39, 64, 95, 96, 97, 108], redes semánticas [65, 89, 92],
lógica de predicados [36, 108 y 110], ontologías [17, 34, 44, 45, 48, 61, 83, 108, 110, 134], redes de
Bayes [26, 128, 160, 163], guiones [114, 142, 158, 160, 186], redes neuronales [12, 40, 87, 108, 110],
dependencias conceptuales [12, 93, 108, 129], CYC [48, 108], algoritmos genéticos [12, 100], lógica
difusa [12, 26, 74, 108, 100], restricciones [108] y metáfora de pizarrón [22, 26, 51, 57, 129].
Técnicas
Reglas de
producción
Marcos
(Frames)
Mapas
conceptuales
Redes
semánticas
Lógica de
predicados
Ontologías
Redes de
Bayes
Guiones
Redes
neuronales
Tabla 1.5 Técnicas de Representación del Conocimiento
Descripción
Uso en el dominio médico
Se basa en el axioma de que la conducta Diagnóstico,
inteligente está gobernada por reglas. Se usa en Recomendación
de
problemas donde es necesario explicar el proceso tratamiento, Monitoreo en
para alcanzar la solución.
salas
de
cuidados
intensivos
Es una colección de atributos, con valores Está asociada a las redes
asociados que describe alguna entidad del mundo. semánticas.
Cada marco representa una clase (conjunto) u una
instancia (un elemento de la clase).
Es una técnica gráfica para representar conceptos Se usa para presentar
y sus relaciones, se puede incorporar nuevo gráficamente
el
conocimiento fácilmente. Los nodos representan conocimiento estructurado.
conceptos y los arcos, sus relaciones.
El significado de un concepto depende del modo Es
útil
para
captar
en que se conecta – relaciona con otros declaraciones del experto,
conceptos.
se asocia con otras
técnicas de representación
Proporciona de manera inmediata una técnica muy Se
usa
en
tareas
potente para la obtención de nuevo conocimiento a operativas y dominios que
partir del antiguo: la deducción matemática.
se
encuentran
bien
estructurados y permiten
la racionalidad perfecta.
Es un vocabulario que representa las “cosas que Se usan para compartir y
existen” en el dominio de conocimiento. Se ocupa reusar
conocimiento,
de las categorías que se puede cuantificar funcionan
como
adecuadamente. Pueden ser formales o basadas directorios.
en la lógica de predicados o informales.
Para describir el mundo real no es necesario Se usa en problemas de
utilizar una tabla de probabilidades enorme, donde diagnóstico médico
se listen las probabilidades de todas las
combinaciones concebibles de sucesos. Es una
técnica que se basa en el razonamiento con
incertidumbre. Su forma es un grafo acíclico
dirigido.
Es una estructura que describe una secuencia Representa patrones de la
estereotipada de eventos en un contexto concreto. ocurrencia de eventos,
como una cadena causal.
Su modelo es el cerebro humano, también se Se usan en diagnóstico
llaman
arquitecturas
conexionistas.
El diferencial, identificación
procesamiento de información se traduce a de patrones, compresión
cómputos aritméticos.
de datos, aprendizaje,
clasificación.
16
Tabla 1.5 Técnicas de Representación del Conocimiento (Continuación)
Técnicas
Descripción
Uso en el dominio médico
Dependencias Abreviada como CD es una técnica apoyada en la Se usa en problemas
conceptuales
teoría sobre la representación del tipo de donde
sea
necesario
conocimientos sobre los eventos que normalmente extraer inferencias de las
aparecen en las frases del lenguaje natural.
frases y sea independiente
del lenguaje en el que
originalmente estén las
frases.
CYC
Es un proyecto de una gran base de conocimiento Se centra a atención en el
que tiene por objeto capturar el conocimiento contenido de las bases de
humano de sentido común.
datos, permite compartir
conocimiento y contiene
un mecanismo de control.
Algoritmos
La idea fundamental consiste en considerar las Se usa en problemas de
genéticos
posibles soluciones de un problema como optimización
y
individuos
de
una
población
y
aplicar reconocimiento
de
procedimientos de búsqueda que imitan los patrones.
mecanismos de la evolución biológica.
Lógica difusa
La teoría de conjuntos difusos permite representar Se aplica en el control de
el ser miembro de un conjunto como una dispositivos
como
distribución de posibilidades. Es un razonamiento ferrocarriles o lavadoras.
con incertidumbre.
Restricciones
La mayoría de lo que se conoce del mundo se Se usa en problemas
puede
representar
como
conjuntos
de complejos como describir
restricciones.
un circuito electrónico.
Metáfora de
Es una estructura de conocimiento compartida; allí Se usa para resolver
Pizarrón
cada experto escribe su aportación de experticia problemas de control.
para resolver un problema.
La selección de un tipo particular de esquema representativo de conocimiento depende tanto de la
naturaleza de la aplicación como de las preferencias de los usuarios.
Una vez que se ha diseñado la IC para guiar la transformación del conocimiento declarativo en
procedural, es necesario elegir la herramienta para implementar el sistema experto, como se describe a
continuación:

Lenguajes de alto nivel: Son lenguajes de propósito general. Tienen como ventajas su
eficiencia, su familiaridad y la portabilidad a cualquier entorno, pero con el inconveniente de
no estar preparados para una programación basada en símbolos. Por ejemplo, C, Fortran, OPS5,
ACT-R [6] y Basic.

Lenguajes simbólicos: Por su adaptación a la lógica de la base de conocimientos representada
mediante símbolos y por su mecanismo para extraer soluciones. Por ejemplo, LISP y
PROLOG.

Herramientas de desarrollo o armazones (shells): Son programas preparados para el
desarrollo de SE’s por que incorporan el motor de inferencia, independiente de las bases de los
hechos y del conocimiento. El programador se limita a traducir dichas bases a un lenguaje
preparado a tal efecto, se pueden enlazar a otros lenguajes para el desarrollo de funciones
17
adicionales. Aunque la flexibilidad es menor que cuando se usan lenguajes de alto nivel y
simbólicos pero se incorporan procesadores de texto, gráficos y herramientas de análisis. Por
ejemplo, EMYNCIN [54], CLIPS [18] y JESS [58].

Entornos de desarrollo: Añaden a las armazones (shells) el uso de un entorno gráfico que
facilita el desarrollo del SE. Tienen como ventaja la disminución del tiempo de desarrollo, son
caros y poco flexibles. Por ejemplo, IDEAL [98], ICIS [60] y ART [50].
El recurso para transformar el conocimiento declarativo en conocimiento procedural es la Ingeniería
del conocimiento. Las IC’s propuestas/usadas son un conjunto de métodos con fases básicas de
desarrollo. Estas IC’s son diversas, dando lugar a varios tipos de arquitectura/estructura, cada una de
ellas con características particulares, dependiendo de los resultados de un análisis de medios y fines
del problema a resolver y del dominio donde éste se ubica.
1.5 Tendencias de desarrollo de la ingeniería de conocimiento.
Las tendencias de desarrollo de la ingeniería de conocimiento, y de sus productos los sistemas
expertos, se pueden analizar desde varias perspectivas, como:
1. El proceso de evolución de los sistemas expertos como tecnología.
2. Asociación con nuevos recursos.
3. Aplicaciones
1.5.1 Proceso de evolución de los sistemas expertos.
Hoog [54] afirma, como consecuencia de realizar un análisis estadístico de los artículos relacionados
con los SE’s presentados en los Congresos Mundiales de la especialidad, que de 1987 a 1990 la
tecnología de SE’s cumplió con los estados de Introducción y Desarrollo de la tecnología; de 1991 a
1993 se cumplió con el estado de Maduración y desde 1994 se iniciaron los estados de Saturación y
Declive (ver la figura 1.5).
Maduración
nn
Saturación
Crecimiento
Declinación
Introducción
Innovadores
Partidarios
tempranos
Mayoría
temprana
Mayoría
tardía
Figura 1.6. Curva de adopción de la tecnología
18
Rezagados
Si bien es cierto que la tecnología de sistemas expertos ha alcanzado un nivel de madurez plena en
algunos aspectos, este hecho ha favorecido el desarrollo de nuevas tecnologías llamadas híbridas, por
que tienen su base teórica en varios paradigmas.
Como consecuencia de contar con una amplia variedad de métodos para adquirir conocimiento,
representarlo y lenguajes para su implementación computacional, se puede intentar la solución de
problemas más complejos y genéricos.
A partir de la revisión de la literatura especializada en el campo de la IC, se puede afirmar que las
tendencias de desarrollo de la ingeniería de conocimiento, en cuanto metodología para desarrollar
sistemas expertos, apunta hacia:
1. La generalización de los problemas que son capaces de resolver [27].
2. La hibridación de métodos de representación [64 y 128].
3. La incorporación a los procesos cognitivos aproximaciones como la incertidumbre, la
conciencia y el sentido común [50 y 128].
4. La automatización de los subprocesos (adquisición y representación del conocimiento) [27
y 60].
5. El reuso y la distribución del conocimiento [38].
6. Uso de armazones (shells) con interfaces más amigables y atractivas y que faciliten el
manejo y recuperación de conocimiento distribuido, como JESS [59].
Estas tendencias se pueden extender a los sistemas expertos, puesto que son una implementación
computacional específica de la ingeniería de conocimiento.
Se puede afirmar que los sistemas expertos, y la investigación relacionada con ellos, estará en el
interés de la comunidad científica especializada y de los usuarios, mientras sea necesario captar la
experticia en un dominio, incluyendo el cuerpo teórico y metodológico que la sustenta.
1.5.2 Asociación con nuevos recursos.
Como consecuencia de contar con computadoras más poderosas y baratas y la difusión del uso exitoso
de los sistemas expertos, el costo de producción de los sistemas expertos está bajando. Además la
implementación de SE´s y su uso es cada vez más sencillo, aunado a que las aplicaciones se están
diversificando e incidiendo en la optimización de procesos industriales, favorecen el desarrollo y la
investigación básica de SE’s.
De manera paralela se investiga para incorporar a los SE’s características exclusivamente humanas,
por ahora, como la conciencia, el sentido común y las emociones [116].
Al mismo tiempo, se trata de combinar los logros en disciplinas hasta ahora separadas como la
filosofía y la ingeniería como lo señala Sloman [121], o de buscar en los sedimentos de la evolución
humana pistas para construir teorías “naturalizadas” del conocimiento y la acción como lo hacen
Maturana y Varela [79]
19
1.5.3 Perspectivas de aplicación
Los problemas a resolver son cada vez más complejos, por ello la investigación de los sistemas
expertos apunta hacia los sistemas que contienen conocimiento que se puede reusar y compartir con
varios usuarios y con otros sistemas, a proporcionar respuestas en tiempo cercano al real, a contener
la experticia en un dominio organizada de tal manera que sirva como adyuvante para la adquisición
del conocimiento significativo y a descubrir nuevo conocimiento a partir del conocido.
Papert [101] afirma que la investigación cognitiva tendrá un papel importante en el desarrollo futuro
de la “autopista de la información”, dando lugar a la implementación de diccionarios inteligentes, que
auxilien a los usuarios a la discriminación conceptual en el proceso de búsqueda de información.
20
Capítulo 2
Análisis del Problema
El problema a resolver está integrado por dos tareas operativas: el diagnóstico y la recomendación de
tratamiento para pacientes de asma bronquial, estas dos tareas operativas se encuentran estrechamente
enlazadas en el dominio médico.
Aunque el problema de diagnosticar y recomendar tratamiento en el dominio médico se ha tratado
ampliamente con distintos métodos de la Inteligencia Artificial, especialmente con sistemas expertos,
la complejidad del problema y la variedad de los padecimientos que no se han explorado con este
paradigma sigue haciendo interesante este objeto de estudio. Algunos motivos adicionales por los que
se eligió el dominio médico para llevar a cabo esta investigación se pueden enunciar como:

Uno de los tipos de problemas más frecuentes en el dominio médico es el diagnóstico, por
tanto, se intuía que los médicos debían poseer procesos mentales muy eficientes para
resolverlo.

La abundancia y variedad de la información disponible acerca del problema de diagnóstico en
distintas especialidades médicas, podía proveer patrones para orientar la solución del problema.

La disposición de un experto médico alergólogo, reconocido ampliamente en su ámbito
profesional, para colaborar en la investigación.

Aún resta por abundar en la exploración aspectos fundamentales de la solución del diagnóstico
y tratamiento médicos, como los procesos mentales que el experto utiliza y cómo estructura su
conocimiento para usarlo y compartirlo con otros expertos o aprendices.
Aunque en un principio se trató de abordar los padecimientos de la especialidad de alergología, en
conjunto, muy pronto fue evidente que el problema era demasiado extenso y complejo y se debía
realizar un refinamiento del objeto de estudio.
A sugerencia de un médico alergólogo, consultado en calidad de experto, se limitó la investigación a
diagnosticar y recomendar tratamiento de asma bronquial por que, de entre todos los padecimientos
alérgicos, es el más difícil de resolver aún para un médico.
Además en la literatura especializada en Inteligencia Artificial aplicada a la medicina, se encontraron
pocos trabajos, específicamente sistemas expertos, dedicados al padecimiento de asma bronquial;
Moon [87] refiere que en 1996 se desarrollaron dos sistemas expertos que abordaban el padecimiento
de asma bronquial:
1. Chae Y.M. et al. desarrollaron un sistema experto que utilizaba redes neuronales y
razonamiento basado en casos.
2. Godard P. Et al. implementaron el sistema “Asthmaexpert” que usaba un método estadístico
de razonamiento basado en reglas.
21
Una motivación adicional para elegir el padecimiento de asma bronquial como objeto de estudio
fue la cercanía y familiaridad con el problema, por que gran cantidad de los habitantes de la región
de Xalapa, Veracruz, México, padecen esta enfermedad.
Cuando se intentó un acercamiento con otros médicos generales y especialistas en pediatría y
alergología, las primeras consideraciones acerca de la complejidad del problema se confirmaron. El
interés en el tema se reforzó al saber que, aunque existen conocimientos especializados y experiencia
acerca del dominio, no es posible una solución convencional de procesamiento de datos.
2.1 Dominio del problema
Como ya se señaló, el dominio donde se ubica el problema que se pretende resolver es el de la
Medicina, en particular la especialidad denominada alergología, que estudia y atiende el asma
bronquial, entre varios padecimientos que van desde el prurito1 hasta el paro cardiorrespiratorio,
pasando por la rinitis2 alérgica, la fiebre de heno y la intoxicación.
El problema planteado se pretende resolver desde el paradigma clásico de la Inteligencia Artificial,
específicamente con sistemas basados en conocimiento, que implica un planteamiento complementario
a los paradigmas de la Medicina.
El análisis de éste problema se aborda, en esta investigación, desde dos perspectivas mutuamente
complementarias: la del experto médico y la del ingeniero de conocimiento, como experto en
computación.
2.2 La perspectiva médica.
Desde esta perspectiva se describe y analiza el problema de diagnosticar correctamente el
padecimiento de asma bronquial y recomendar tratamiento adecuado. Este punto de vista, el del
experto médico, está regido por la teoría del dominio médico y la experticia del propio médico en
asma bronquial.
Todas las afirmaciones que conforman esta visión médica provienen del Médico alergólogo pediatra
José Santos Lozano Sáenz, el experto de esta investigación, y los textos cuyos autores son José Cortés
[23] y Claude Lenfant et al. [69].
2.2.1 El discurso médico
Si se retoma la noción de discurso, en general, utilizado en esta investigación, se debe abordar el
razonamiento utilizado en el dominio para resolver un problema y la expresión oral y escrita acerca
del proceso por parte de los miembros del grupo que manejan, entienden y construyen la expresión del
dominio.
1
2
Prurito: irritación de la piel acompañada por comezón, su origen es alérgico [23].
Rinitis: inflamación de la mucosa nasal [23].
22
Los médicos organizan el conocimiento de su dominio con distintas perspectivas para utilizarlo con
propósitos particulares. Los criterios para organizar el conocimiento del dominio médico [23] son
principalmente:
1. Fisiología humana: se refiere a la función del organismo humano. Se considera a la
enfermedad como resultado de trastornos producidos en las funciones vitales, sin tener
considerar factores congénitos y predisponentes. El conocimiento se parcela en ramas con dos
criterios, el primero es el estado de salud (salud o enfermedad) y el segundo correspondiente a
los sistemas del cuerpo humano, por ejemplo sistema circulatorio, sistema nervioso, sistema
respiratorio, etc. La mayoría de las especialidades médicas corresponden a esta perspectiva, pro
ejemplo, neumología, gastroenterología, neurología, cardiología, ginecología, etc.
2. Anatomía humana: tiene por objeto la descripción de la estructura del cuerpo y las relaciones
de los distintos órganos entre sí. En especial la anatomía descriptiva, es un recurso para
organizar el conocimiento del dominio médico, estudia cada órgano e indica su situación
exacta, su forma, etc. Por ejemplo la anatomía descriptiva comprende la osteología, estudios de
los huesos y esqueleto; la artrología, de las articulaciones; sindesmología, de los ligamentos;
miología, de los músculos; angiología, de los vasos; neurología, de los nervios; etc.
3. Orientado a grupos de problemas: se basa en la agrupación de padecimientos, por ejemplo
por edad, dando origen a otras especialidades médicas como la pediatría y la geriatría.
4. Orientado a padecimientos: se basa en la atención de un padecimiento en particular, sus
causas, entorno y manifestaciones. Se contempla la solución de un problema de salud mediante
la colaboración de varios especialistas, con una visión integral.
A continuación se describe el padecimiento de asma bronquial, sus causas, efectos, cómo un médico
aborda el problema de diagnóstico y recomendación de tratamiento el médico, las dificultades y la
complejidad del problema.
2.2.2 El asma bronquial
El asma bronquial es un padecimiento alérgico que se define como “inflamación crónica desordenada
de las vías respiratorias aéreas, que ocasionan que se limite el flujo de aire cuando el paciente se
expone a estimulantes o detonadores del padecimiento, también llamados alérgenos” [23].
El asma prevalece, particularmente en niños y ancianos, y se incrementa en todo el mundo, aunque no
es posible conocer la incidencia de la enfermedad y su evolución, por que no todos los países cuentan
con datos estadísticos del padecimiento.
El padecimiento aún es diagnosticado y tratado de manera insuficiente en muchos países, entre ellos
México [23], aunque se ha logrado disminuir la mortalidad debida a esta enfermedad y se ha
determinado que la educación del paciente y/o su familia mejora su calidad de vida por largos
periodos. Sin embargo aún los errores de diagnóstico médico ocasionan daños severos en los
pacientes, sobre todo en niños y ancianos [69].
23
El asma bronquial es un padecimiento que se ha convertido en un problema de salud pública en
algunas ciudades y regiones con ciertas características:




Climáticas: de alta humedad prevalente.
Ecológicas: de polen y esporas abundantes,.
Ambientales: de contaminación y epitelio de animales.
Laborales: de humos, polvos y vapores.
El padecimiento ocasiona muchos gastos a las instituciones, pacientes y empresas, por incapacidades
laborales y escolares y además por la atención médica especializada y los tratamientos que el paciente
requiere.
El asma bronquial es una enfermedad crónica que se manifiesta con distinta intensidad en el paciente y
aún no se conoce un procedimiento seguro para curarla.
Existen dos estados de salud principales del paciente: cuando presenta crisis asmática y cuando se
encuentra estable, cada uno de estos estados requiere de un manejo terapeútico muy específico.
La perspectiva médica se complementa con: etiología, epidemiología y factores de predisposición y
riesgo del padecimiento.
2.2.2.1 Etiología3 del asma bronquial.
Las causas del asma bronquial son muy variadas, entre ellas se encuentran alimentos, medicamentos,
polvo casero y/o industrial, insectos, ácaros, polen, esporas, epitelio de animales domésticos, humo,
vapores, polvo y fibras textiles [23].
Si a la variedad de causas del asma bronquial se agrega que éstas se presentan combinadas y son
difíciles de identificar claramente y están afectadas por predisposiciones, parece evidente que la labor
de diagnosticar el padecimiento es compleja.
Un paciente asmático puede presentar sensibilidad a una o varias sustancias y variar su sensibilidad a
algunos alérgenos a lo largo de su vida, sin que se conozcan las causas y mecanismos que hacen que el
organismo desarrolle estrategias de defensa a algunos alérgenos y sensibilidad a otros.
Se sabe que además de los alérgenos existen otros factores que contribuyen al padecimiento de asma
bronquial, llamados predisposiciones, como la herencia, la edad y la ocupación laboral, cuyo grado de
influencia aún no se ha podido determinar totalmente, aunque también se afirma que algunos estados
emocionales favorecen las crisis asmáticas, pero tampoco es muy claro su efecto.
Al ser el asma bronquial un padecimiento crónico, y hasta ahora incurable, la única alternativa para
mejorar la calidad de vida del paciente es la prevención o minimización de las crisis mediante la
educación y entrenamiento del propio paciente y su familia para evitar la exposición a los detonadores
o alérgenos de crisis asmáticas identificados, que son muy específicos en cada paciente en un
momento dado de su vida.
3
Etiología: estudio de las causas de un fenómeno [23].
24
2.2.2.2 Epidemiología4 del asma bronquial.
En México no existen datos estadísticos acerca de la prevalencia5, ni de índices de mortalidad6 y
morbilidad7 del padecimiento. Pero los Institutos de Salud de Estados Unidos de Norteamérica
reportan suficientes datos de prevalencia en Inglaterra y Australia y pocos en los demás países, por lo
tanto concluyen que no se puede determinar si la variación de prevalencia es resultado de respuestas
diferentes a distintos alergenos o a otros factores de desarrollo.
Aunque se sabe poco acerca de la prevalencia del padecimiento en adultos, en cambio se ha
determinado que ésta va en aumento entre los niños, aunque el fenómeno aún no está bastante
estudiado.
Se sabe que el clima es determinante, así como el vivir en un medio urbano, el ser fumador pasivo en
la infancia contribuyen a la prevalencia de asma bronquial.
Los datos de mortalidad por asma bronquial están disponibles en muy pocos países, sin embargo, los
datos disponibles muestran que de la totalidad de defunciones por asma bronquial, la proporción es
relativamente alta en los primeros 5 años de vida del paciente, disminuye significativamente entre los
5 y 35 años de edad, pero empieza a incrementarse nuevamente de los 40 años de edad en adelante.
Los impedimentos para disminuir la mortalidad por asma bronquial pueden ser:



Tratamiento erróneo en pacientes de todas las edades, especialmente niños pequeños y
ancianos.
Falta de profesionales capaces de recomendar tratamientos adecuados.
Causas iatrogénicas8.
No se conocen claramente las relaciones entre prevalencia, cantidad de hospitalizaciones y mortalidad,
pero si se sabe que los ingresos hospitalarios por asma bronquial van en aumento.
2.2.2.3 Factores de riesgo y predisposición del asma bronquial.
Entre el 30 y 50 por ciento de los pacientes de asma bronquial pertenecen al grupo atópico, es decir no
tienen antecedentes familiares del padecimiento, pero presentan una reacción anormal ante un
alergeno que puede disparar el desarrollo del asma. El resto de los pacientes asmáticos tienen
antecedentes familiares de la enfermedad, es decir existe un factor genético de la respuesta exagerada
del sistema inmunológico.
Existe una hipótesis de relación entre género y asma, pues el padecimiento es más frecuente en niños
que en niñas menores de 10 años, pero la proporción comienza a invertirse a partir de los 10 años de
edad, tal vez como resultado del incremento de la capacidad pulmonar, que es más rápido y mayor en
niños que en niñas.
4
Epidemiología: tratado sobre la difusión de las enfermedades [23]
Prevalencia: predominio [23]
6
Mortalidad: número proporcional de defunciones en población y tiempo determinado [69].
7
Morbilidad: proporción de personas que enferman en lugar y tiempo determinado [69].
8
Iatrogenia: efectos dañinos y colaterales de los medicamentos [23].
5
25
También parece existir relación entre la raza y el asma, que se considera tan importante como la
relación herencia – asma. La enfermedad es más prevalente entre pacientes de raza blanca que de
negra, pues los predisponen condiciones socioeconómicas y factores dietéticos distintos.
Finalmente se señala la sensibilidad a algunos factores que causan el desarrollo de asma, entre ellos
polvo casero, contaminación del ambiente, pelo de animales, polen y esporas, infecciones virales,
alimentos, medicamentos y fibras textiles, como los más comunes.
Las crisis de asma se disparan por cualquiera de los factores referidos en el párrafo anterior, además de
ejercicio, cambio de clima, dióxido de sulfuro, drogas, emociones extremas, rinitis, sinusitis9 y
polyposis.
2.2.3 Diagnóstico del asma bronquial
El proceso de diagnóstico de asma bronquial se basa primordialmente en la evaluación de los
síntomas, aunque las causas no sean claras, sobre todo si el paciente se encuentra en estado de crisis
asmática. Los síntomas generales de asma son:





Dificultad para respirar: producida por la inflamación de los bronquios que reduce la entrada
de aire a los pulmones.
Tos: reflejo del organismo para eliminar la obstrucción en los bronquios.
Sibilaciones: es un sonido característico que se produce al entrar o salir aire forzado a través de
los bronquios inflamados.
Estertores: es un sonido producido por la vibración de las secreciones en los bronquios al
entrar o salir aire forzado a los pulmones.
Dispnea: color violáceo en labios y extremidades producido por ventilación insuficiente.
El diagnóstico primordial consiste en determinar si el paciente se encuentra en crisis asmática o no,
pues el estado general del paciente sirve para determinar el tratamiento a aplicar de inmediato.
El proceso para determinar si un paciente padece asma bronquial, o diagnóstico, es casi totalmente
sintomático y es el siguiente:
9
1.
Exploración física del paciente para identificar los síntomas presentes: dificultad para
respirar y la severidad de sibilaciones, estertores y tos.
2.
Integración de la historia clínica, interrogando al paciente y/o sus familiares.
3.
Si los datos recopilados en los puntos 1 y 2 son suficientes para realizar el diagnóstico, se
procede a llevar a cabo el diagnóstico, configurando los síndromes.
4.
Si los datos recopilados en los puntos 1 y 2 no son suficientes para diagnosticar, se
ordenan las pruebas de laboratorio para evaluar los indicadores, para obtener más datos. El
orden en que se realizan las pruebas de laboratorio es:
Sinusitis: ocupación de los senos paranasales por secreción purulenta [23].
26


5.
Si el paciente presenta crisis asmática: prueba de función pulmonar y placa toráxica
simple de rayos “X”:
Si el paciente no se encuentra en crisis: sensibilidad cutánea a alérgenos y biometría
hemática.
Como recurso extremo se realiza la prueba de laboratorio, decisiva para identificar asma
bronquial, es una biometría hemática para determinar la presencia de inmunoblugulina tipo
“E”. Si el resultado es positivo se lleva a cabo el diagnóstico. Si el resultado es negativo se
descarta el padecimiento de asma bronquial.
El proceso para recomendar el tratamiento adecuado para el síndrome de asma bronquial
diagnosticado:
1. A partir del diagnóstico, se determina en primer lugar si el paciente se encuentra en crisis,
dependiendo de la gravedad de la misma se recomienda tratamiento de emergencia hasta
suprimir la crisis.
2. Si el paciente es asmático pero no se encuentra en crisis, se recomienda un tratamiento
preventivo, que incluye cambio de hábitos y estilo de vida, de acuerdo al síndrome de su
padecimiento. Puede carecer de medicamentos si los síntomas que presenta son muy leves y
esporádicos y sólo limitarse al subproceso de educación.
Los pacientes presentan distintas combinaciones de severidad y frecuencia de síntomas que,
complementados con los resultados de los estudios de gabinete y laboratorio, dan lugar a los
síndromes característicos del padecimiento, que sirven de base para recomendar tanto el tratamiento
de emergencia, si el paciente está en crisis, o preventivo, si el paciente se encuentra estable.
2.2.3.1 Dificultades para el diagnóstico
El diagnóstico correcto del padecimiento de asma bronquial no es fácil, por que sus características
médicas y el desconocimiento de varios subprocesos que la influyen, convierten al problema de
diagnóstico en una actividad muy compleja en un entorno incierto.
Otra dificultad al tratar de diagnosticar asma bronquial es que se presentan síntomas similares a otras
enfermedades respiratorias severas como bronquitis, sinusitis y neumonía, dando lugar a terapias
equivocadas que causan daños a los pacientes, que muchas veces son severos; pues los padecimientos
con los que se confunde al asma bronquial son enfermedades infecciosas que deben ser tratadas con
antibióticos, mientras que el asma bronquial debe tratarse con medicamentos broncodilatadores de
distinta intensidad y duración de la acción.
Cuando el asma bronquial se trata con antibióticos, la enfermedad puede agudizarse por falta de
atención adecuada y por que el paciente desarrolla resistencia a los antibióticos, complicando su
estado general de salud. Los retos en el diagnóstico de asma bronquial, como los enuncia el experto
médico:

Es posible que muchos infantes y niños pequeños que padecen sibilancias con infecciones
respiratorias no desarrollen asma, pero las alergias, historia familiar de alergias o asma,
27
exposición prenatal pasiva al tabaco y alérgenos, se asocian en gran medida con una
continuidad del asma.

El asma debe considerarse como hipótesis de diagnóstico si los procesos gripales se
complican con sibilancias y estertores o toman más de 10 días en mejorar, o si el paciente
mejora al tomar medicamentos para el tratamiento de asma.

Los pacientes fumadores y ancianos sufren frecuentemente de enfermedades pulmonares
obstructivas crónicas con síntomas similares al asma, que pueden padecerse junto con asma.

Los obreros están expuestos a substancias químicas inhalatorias o a alérgenos en el centro
de trabajo que pueden desarrollar asma y ser mal diagnosticados como portadores de
bronquitis crónica o enfermedad pulmonar obstructiva crónica.
Ante la posibilidad de diagnosticar erróneamente el padecimiento de asma bronquial es necesario
realizar una revisión y evaluación cuidadosa de los síntomas y los indicadores presentados por el
paciente.
2.2.3.2 Síntomas e indicadores
El análisis de los síntomas del paciente es muy importante pues refleja de manera directamente
proporcional el grado de inflamación de los bronquios y por lo tanto la gravedad del paciente.
Existen 4 síndromes del asma bronquial que dependen de la severidad y recurrencia de las crisis y la
prevalencia de los síntomas diurnos y nocturnos. El tratamiento depende de si el paciente se encuentra
en crisis o estable, de la severidad del padecimiento y de la edad del paciente (ver las tablas 2.1 y 2.2).
Síndrome
Persistente
severo
Persistente
moderado
Persistente
ligero
Intermitente
Tabla 2.1: Síndromes y síntomas de asma bronquial en adultos.
Frecuencia de síntomas
Ocurrencia
nocturna
Se presentan continuamente y limitan la actividad física.
Frecuentes
Las crisis son frecuentes (más de 1 vez cada semana).
Se presentan a diario, es necesario el uso de medicamentos Más de una vez
diariamente y las crisis afectan la actividad física.
por semana
Las crisis se presentan 1 vez a la semana.
Se presentan una vez a la semana.
Más de 2 veces
Las crisis se presentan más de 2 veces al mes.
al mes
Se presentan una vez a la semana.
Hasta 2 veces al
Las crisis aparecen 2 veces al mes como máximo.
mes
Aunque los síndromes que se configuran en adultos y niños llevan el mismo nombre, la presencia de
crisis puede ser más delicado en niños que en adultos, por que el monitoreo del estado general de salud
debe ser más frecuente y estricto, conforme disminuye la edad del paciente, por que es difícil que un
niño pequeño pueda contestar al interrogatorio del médico.
28
Síndrome
Persistente
severo
Persistente
moderado
Persistente
ligero
Intermitente
Tabla 2.2: Síndromes y síntomas de asma bronquial en niños.
Frecuencia de síntomas
Ocurrencia
nocturna
Se presentan continuamente y limitan la actividad física.
Frecuentes
Se presentan a diario, es necesario el uso de medicamentos Más de una vez
diariamente y las crisis afectan la actividad física.
por semana
Se presentan una vez a la semana pero 1 vez al día.
Más de 2 veces
al mes
Se presentan menos de una vez a la semana. Es Hasta 2 veces al
asintomático entre crisis.
mes
Los indicadores son los resultados de pruebas de laboratorio y gabinete específicos para probar una
hipótesis de padecimiento de asma bronquial. Los principales indicadores son:




Placa simple de tórax.
Prueba de función pulmonar.
Pruebas de sensibilidad cutánea.
Biometría hemática para identificar la presencia de inmunoglobulina tipo E.
Los síndromes se configuran por la ocurrencia de síntomas característicos de asma bronquial,
confirmados por los indicadores, asociados una frecuencia de ocurrencia general y nocturna.
2.2.4 Tratamientos de asma bronquial
Para recomendar una terapia el experto médico considera inicialmente el estado general de salud del
paciente, es decir, si se encuentra en crisis o no, edad y peso, severidad de la crisis, síndrome
configurado del padecimiento, identificación de detonadores, por que la terapia para asma bronquial
tiene dos grandes ramas: de emergencia, para pacientes en crisis, y preventiva, para pacientes estables.
Dado que el padecimiento es crónico, la única alternativa es intentar controlar las crisis de asma para
mejorar la calidad de vida del paciente, así el control del asma bronquial requiere:




Selección apropiada de medicamentos.
Detener los ataques de asma.
Identificar y evitar los detonadores del asma.
Monitorear y modificar el tratamiento para obtener efectividad a largo plazo.
Se habla de dos grandes tipos de tratamiento para el asma bronquial, ambos basados en la prevalencia
y severidad de los síntomas que presenta el paciente:
1. Tratamiento para pacientes en crisis de asma bronquial, tiene como objetivo detener la crisis
en el menor tiempo posible sin iatrogenia, si es posible.
2. Tratamiento preventivo de crisis o de largo plazo que tiene como objetivos evitar las crisis
asmáticas, mejorar la calidad de vida general del paciente minimizando los síntomas
crónicos, eliminando las visitas de emergencia al médico, minimizar el uso de
29
broncodilatadores de corta acción y evitar iatrogenia10. Este tipo de tratamiento incluye un
proceso educativo del paciente y sus familiares que les permitan reconocer cuando el asma
se está agravando, cómo tratar las fases iniciales de una crisis de asma en su propio hogar y
cuándo es necesaria la atención médica.
Cabe señalar que cada uno de los tipos de tratamiento referidos, se debe hacer una distinción de los
pacientes con base en su edad, pues algunos medicamentos no deben administrarse a pacientes
menores de 12 años, por que pueden ocasionar problemas severos a largo plazo como la
descalcificación ósea.
El tratamiento de emergencia se aplica a los pacientes que presentan crisis asmática, mientras que el
tratamiento preventivo se aplica a los pacientes asmáticos que se encuentran estables como parte de las
medidas para evitar o minimizar las crisis y elevar su calidad de vida (ver tablas 2.3 y 2.4).
Para recomendar tratamiento es relevante contar con información confiable acerca de la edad y peso
del paciente además del síndrome que asma que padece, por que algunos medicamentos
broncodilatadores no pueden usarse en pacientes menores de 12 años, y por que los medicamentos se
dosifican basados en el peso del paciente y la severidad del padecimiento.
Síndrome
Persistente
severo
Persistente
moderado
Persistente
ligero
Intermitente
Tabla 2.3: Tratamiento de asma bronquial en adultos.
Emergencia
Preventivo
Medicación diaria:
Broncodilatador de corta acción
inhalado. De acuerdo a los
Corticosteroide inhalado 800-2000 mcg.
síntomas.
Broncodilatador de larga acción inhalado, en
jarabe o en tabletas.
Corticosteroide de larga acción en tabletas o
jarabe.
Medicación diaria:
Broncodilatador de corta acción
inhalado. De acuerdo a los
Corticosteroide inhalado 800-2000 mcg.
síntomas. No debe exceder de 3 a Broncodilatador de larga acción inhalado, en
4 veces al día.
jarabe o en tabletas. Especialmente para
aliviar los síntomas nocturnos.
Broncodilatador de corta acción Medicación diaria:
inhalado. De acuerdo a los Corticosteroide inhalado 200-500 mcg. O
síntomas. No debe exceder de 3 a cromoglycate o nedocromil.
4 veces al día.
Si es necesario se puede incrementar la dosis
de 500 a 800 mcg o adicionar un
broncodilatador de larga acción para los
síntomas nocturnos.
Broncodilatador de corta acción
No es necesario.
inhalado. De acuerdo a los
síntomas. No debe exceder de 1
vez a la semana.
Inhalación de broncodilatador o
cromoglycate antes del ejercicio o
de exponerse al alérgeno.
No se cuentan con suficientes datos acerca de la severidad del asma y su distribución en la población,
pero de acuerdo a los estudios realizados en Australia se sabe que entre el 8 y 11 por ciento de los
10
Iatrogenia: daño causado por medicamentos o por tratamientos mal indicados [23].
30
niños y entre el 6 y 7 por ciento de los adultos padecen asma ligera, alrededor del 4 por ciento de los
pacientes de todos los grupos de edad padecen asma severa o moderada y requieren tomar
medicamentos regularmente.
Síndrome
Persistente
severo
Persistente
moderado
Persistente
ligero
Intermitente
Tabla 2.4: Tratamiento de asma bronquial en niños.
Emergencia
Preventivo
Medicación diaria:
Broncodilatador de corta acción
inhalado, o ipratropium bromide, o Corticosteroide inhalado con espaciador o
broncodilatador de corta acción en máscara más de 1mg diario.
pastillas o jarabe. No debe ser
O nebulizaciones de budesonide más de
superior de 3 a 4 veces al día.
1mg.
Broncodilatador de corta acción Medicación diaria:
inhalado, o ipratropium bromide, o Corticosteroide inhalado con espaciador o
broncodilatador de corta acción en máscara 400-800 mcg diario.
pastillas o jarabe. No debe O nebulizaciones de budesonide como
exceder de 3 a 4 veces al día.
máximo 1mg.
Broncodilatador de corta acción Medicación diaria:
inhalado, o ipratropium bromide, o Corticosteroide inhalado 200-400 mcg. O
broncodilatador de corta acción en cromoglycate usando espaciador y máscara o
pastillas o jarabe. No debe nebulizador.
exceder de 3 a 4 veces al día.
Broncodilatador de corta acción inhalado, o
ipratropium bromide, o broncodilatador de
corta acción en pastillas o jarabe. No debe
exceder de 3 a 4 veces al día.
Broncodilatador de corta acción No es necesario.
inhalado. De acuerdo a los
síntomas. No debe exceder de 3
veces a la semana.
Las terapias que no deben emplearse en pacientes de asma bronquial incluyen sedantes, narcóticos,
sulfato de magnesio, hidratación con grandes volúmenes de fluido para adultos y niños mayores (en
caso de niños pequeños y bebés puede ser necesario) y antibióticos cuando el padecimiento no está
asociado con infecciones bacterianas, como sinusitis.
2.3 Perspectiva del ingeniero de conocimiento.
La perspectiva o visión del problema que tiene el ingeniero del conocimiento es diferente a la que
tiene el experto, aunque en un momento dado del proceso de interacción ambos pueden tener puntos
en común.
Mientras para el médico el objetivo central es diagnosticar y recomendar terapia para salvar la vida de
una persona o para mejorar sus condiciones generales, para el ingeniero de conocimiento el objetivo es
tratar de descubrir, al menos parcialmente, el proceso mental del experto médico para diagnosticar
asma bronquial y recomendar tratamiento, para captar el conocimiento experto y representarlo de
manera “adecuada” en un formalismo computacional.
El dominio del problema para el ingeniero de conocimiento se encuentra en la Ingeniería de
conocimiento, por que debe identificar tareas operativas que el experto parece utilizar para resolver un
31
problema. Así mismo debe identificar los métodos y técnicas para adquirir, representar y validar el
conocimiento en la base de conocimiento.
Para que el ingeniero de conocimiento alcance su objetivo es necesario, una vez supuesto el
procedimiento mental del experto, estructurar métodos de adquisición y representación del
conocimiento con un lenguaje de implementación, es decir diseñar una ingeniería de conocimiento que
guíe la implementación de un sistema basado en conocimiento del experto.
Ante la imposibilidad de acceder a los procesos mentales de un experto cuando intenta resolver un
problema, como señala Anderson [6], y que esta situación de inaccesibilidad prevalece incluso para el
propio experto, para quién no resulta sencillo hacer explícito el proceso que utiliza y desarrolla para
resolver un problema en el campo de su experticia.
2.3.1 El Discurso médico interpretado por el ingeniero de conocimiento
El ingeniero de conocimiento estructura su discurso orientado a tareas operativas, organizadas de tal
manera que se resuelva el problema planteado.
La estructura del dominio médico está mediado por la ingeniería de conocimiento, donde las parcelas
del dominio se han enunciado como: adquisición y representación de conocimiento y formalización en
un lenguaje de computadora.
El ingeniero de conocimiento estructura su conocimiento del dominio médico de manera distinta al
experto médico.
Para el ingeniero de conocimiento el dominio del problema se encuentra en el campo de la ingeniería
de conocimiento.
2.3.2 El planteamiento general del problema
En el propósito es descubrir el proceso mental del médico para diagnosticar el padecimiento de asma
bronquial, se pueden distinguir dos problemas a resolver en dos niveles de análisis distintos, que se
hicieron manifiestos en dos momentos diferentes de la investigación.
El primer problema que se identificó, por evidente, fue el de diagnosticar correctamente el asma
bronquial, y al intentar la solución se encontró que antes se debía resolver un problema más
fundamental:
¿Cuál es el proceso mental que ejecuta el experto en asma bronquial para diagnosticarla
correctamente?
Los dos problemas identificados se pueden enunciar de la manera siguiente, primero se describe el
problema más fundamental/abstracto/general y después el problema más concreto/específico/evidente:
1. Conocer acerca de los procesos mentales de un experto para realizar la tarea genérica de
diagnóstico. De manera general el proceso mental consiste en transformar el conocimiento
32
declarativo del experto en conocimiento procedural para un procesador. Esta fase corresponde
al diseño de la metodología para la solución del problema: una ingeniería de conocimiento.
2. Desarrollar la implementación del proceso mental para diagnosticar correctamente el
padecimiento de asma bronquia, para recomendar el tratamiento adecuado. Esta fase
corresponde a la implementación de un sistema basado en el conocimiento del experto.
En este punto parece evidente la necesidad de describir el objeto de estudio de la implementación del
proceso mental de diagnóstico y recomendación de tratamiento, que es el padecimiento de Asma
Bronquial, tal y como un novato del dominio médico pero experto de ingeniería de conocimiento
estructura el cuerpo teórico a modelar.
El asma bronquial, como objeto de estudio de la IA, es un padecimiento crónico de las vías
respiratorias, que tiene como causas una combinación de factores que contemplan alérgenos y
emociones.
Para diagnosticar el asma bronquial correctamente es necesario realizar una diferenciación precisión
de cada uno de los síntomas a considerar, para evitar que se confunda el asma bronquial con otro
padecimiento respiratorio.
2.3.3 Componentes básicos para describir el asma bronquial.
Aunque el padecimiento es crónico, las manifestaciones del mismo son episódicas, configurándose en
crisis de distinta intensidad y duración, que pueden tratarse con medicamentos específicos para
minimizarlas/eliminarlas a corto plazo o para prevenirlas con terapias de largo plazo.
El asma se manifiesta como episodios recurrentes de accesos de tos, estertores, sibiliaciones y
dificultad para respirar, cuya intensidad y frecuencia determinan la gravedad del padecimiento.
El experto médico cuenta con dos tipos de datos o componentes básicos para realizar el diagnóstico de
asma bronquial, estos son:

Síntomas: son datos cualitativos que se manifiestan físicamente y son apreciables a simple
vista y/o mediante exploración médica; sirven para formular la hipótesis del padecimiento de
asma bronquial.

Indicadores: son datos cuantitativos a resultantes de las pruebas de gabinete y laboratorio que
confirman o descartan la hipótesis de padecimiento de asma bronquial.
Cuando el paciente se encuentra en crisis asmática el experto sólo usa el conjunto de datos
denominado síntomas (condiciones fisiopatológicas), a veces confirmados por los indicadores, para
elaborar su diagnóstico y establecer terapia de corto plazo para eliminar los síntomas de la crisis.
En cambio, si el paciente se encuentra estable o desconoce si es asmático, pero ha presentado
condiciones fisiopatológicas que hacen presumir que se trata de crisis asmáticas o algunos de los
síntomas de asma bronquial, el experto recomienda revisar su grado de sensibilidad a alérgenos,
mediante pruebas de sensibilidad cutánea.
33
Los síntomas constituyen la fuente de información primaria para que el médico formule una hipótesis
de diagnóstico, de ahí la relevancia de interpretarlos de manera adecuada para identificar el
padecimiento.
El paciente y/o sus familiares enuncian los síntomas en forma de declaraciones que el experto médico
procesa para construir conocimiento declarativo acerca del estado de salud que el paciente reporta.
El análisis de los síntomas que presenta el paciente es muy importante, por que reflejan de manera
directamente proporcional el grado de inflamación de los bronquios y, al mismo tiempo, constituyen
los principales indicadores cuando el paciente presenta crisis severas y no se cuenta con el tiempo
necesario para realizar estudios de laboratorio y de gabinete, que permitan medir el grado de
obstrucción de los bronquios, por que la vida del paciente se puede encontrar en peligro.
De entre todos los síntomas que el paciente de asma bronquial puede presentar, se pueden identificar
dos tipos de ellos: síntomas determinantes de asma bronquial, por que son característicos de este
padecimiento específico, y síntomas no determinantes por que pueden presentarse o no en los
pacientes sin alterar el diagnóstico, ambas categorías de síntomas se describen brevemente a
continuación (ver la tabla 2.5).
Tipo de síntomas
Síntomas determinantes o
característicos: por que
basta con la presencia de
uno de ellos en el paciente
para
sospechar
del
padecimiento de asma
bronquial
Síntomas
no
determinantes
o
complementarios: por que
pueden presentarse o no
en el paciente sin alterar el
diagnóstico.
Tabla 2.5: Síntomas de asma bronquial
Síntomas
Tos: con expectoración no purulenta.
Insuficiencia respiratoria: como consecuencia de la inflamación
bronquial.
Silbido: sonido ocasionado por el esfuerzo del paciente al tratar de
inhalar.
Estertores: sonido similar al emitido por la ebullición del agua
ocasionado por la vibración de las secreciones no purulentas,
presentes en los bronquios, al contacto con el aire forzado de la
respiración difícil del paciente.
Hipoventilación: llega poco aire a los pulmones como
consecuencia de la inflamación de las vías respiratorias aéreas.
Taquicardia: ritmo excesivo de los latidos del corazón por el
aumento de su frecuencia.
Secreciones: productos de las mucosas nasales y bronquiales
durante las crisis asmáticas.
Fiebre: puede estar presente pero no es un síntoma determinante
para el diagnóstico.
Cefaleas: dolor de cabeza que constituye un síntoma no
determinante de asma bronquial, como la fiebre
Irritación ocular: es un síntoma no determinante del padecimiento
Cabe precisar que el padecimiento de asma bronquial se encuentra, con frecuencia, asociado con otros
dos padecimientos respiratorios: rinitis y sinusitis, que con frecuencia actúan como detonadores de
crisis asmáticas.
Los indicadores son un conjunto de pruebas de gabinete y laboratorio que aportan datos cuantitativos
que permiten al médico confirmar o descartar la hipótesis planteada con base en síntomas.
34
A diferencia de los síntomas, todos los indicadores de asma bronquial son característicos del
padecimiento. Los estudios de gabinete y laboratorio que aportan los indicadores de asma bronquial
son:




Placa torácica de rayos X: para determinar la inflamación de los bronquios.
Prueba de función pulmonar: para conocer la cantidad de aire que llega a los pulmones del
paciente, también llamado grado de ventilación del paciente.
Pruebas de alergia: para establecer algunas de las causas y/o detonadores de las crisis
asmática, así como el grado de sensibilidad del paciente a esos estímulos en el tiempo presente,
por que cambian a lo largo de la vida del paciente.
Biometría hemática: para establecer la presencia de inmuno globulina E que es una
característica de los pacientes de asma bronquial.
En la mayoría de los casos los resultados de la placa toráxica y los de la prueba de función pulmonar
son suficientes para confirmar o descartar el diagnóstico de asma bronquial, a menos que el paciente
sea un bebé o un anciano y se requiera de más datos cuantitativos para confirmar o refutar la hipótesis
del diagnóstico basado en síntomas.
2.3.4 Los síndromes
Los datos obtenidos a partir de los componentes básicos para describir resultados, síntomas e
indicadores, se agrupan de cuatro formas características para configurar cuatro síndromes de la
enfermedad, y que presentan intensidad y frecuencia específicas: persistente severo, persistente medio,
persistente ligero e intermitente, como se describieron en las tablas 2.1 y 2.2.
Un paciente que padezca un síndrome de asma bronquial determinado puede mejorar o empeorar con
el paso del tiempo como consecuencia de los tratamientos de prevención, así por ejemplo la
Asociación Internacional de Asma Bronquial [69] reporta que el padecimiento se presenta con más
frecuencia niños menores de 10 años que entre niñas de la misma edad, pero la tendencia se invierte en
la edad adulta y se equilibra hacia la tercera edad.
2.3.5 Restricciones para el tratamiento
Existen limitaciones a considerar cuando se recomienda tratamiento a un paciente de asma bronquial,
como son: edad, peso, embarazo y otras enfermedades como diabetes y cardiopatías.
Es importante tener en cuenta la edad del paciente por que los medicamentos utilizados para el
tratamiento producen taquicardias que se deben vigilar estrechamente sobre todo en niños y ancianos.
El peso del paciente junto con su edad sirven para determinar la dosis y tipo de medicamento a utilizar
en el tratamiento.
Mientras que el embarazo de la paciente restringe o impide el uso de algunos medicamentos que
podrían perjudicar la salud de la mujer y/o del producto.
De igual manera, cuando el paciente padece otras enfermedades se restringe o impide el uso de
algunos medicamentos que podrían agravar su estado general de salud.
35
2.3.6 Tratamiento
El tratamiento para un paciente de asma bronquial está determinado por su estado de salud presente, es
decir, si se encuentra en crisis asmática o no. El tratamiento a recomendar también está influido por el
conjunto de restricciones descritas en el apartado anterior.
Si el paciente está en crisis todas las acciones se centran en hacer desaparecer la crisis en el menor
tiempo posible y con el menor daño colateral posible, pues ese estado la crisis puede ser tan agudo que
esté en peligro la vida del paciente. Dependiendo de la gravedad de la crisis asmática, el paciente
puede ser atendido en su casa, en el consultorio del médico o en la sala de urgencias de un hospital.
Si el paciente no se encuentra en crisis asmática, se realizan pruebas de laboratorio y/o gabinete, para
determinar las causas del asma bronquial, y recomendar un tratamiento, que es una combinación de
medicamentos y hábitos de vida cotidiana, tendientes a evitar las crisis asmáticas. Un elemento básico
en esta terapia preventiva es la educación del paciente y sus familiares.
En ambos casos se debe realizar una evaluación periódica del estado de salud del paciente, para
continuar con el tratamiento o replantearlo.
2.4 El planteamiento de una solución
Se propone un sistema experto basado en reglas como auxiliar en el diagnóstico y recomendación de
tratamiento para asma bronquial.
Las razones por las que se eligió un sistema experto basado en reglas, como una buena alternativa de
solución para el problema de diagnosticar asma bronquial y recomendar tratamiento, fueron:

El problema es complejo, por que las causas del padecimiento son variadas y las relaciones
entre ellas, poco claras; por ello es fácil confundir el padecimiento de asma bronquial con otra
enfermedad respiratoria, sobre todo cuando no se cuenta con experiencia o un entrenamiento
suficiente.

Los médicos especialistas en enfermedades alérgicas aún son escasos, si se tiene en cuenta el
número creciente de pacientes de estas enfermedades.

Es necesario analizar muchos datos para dar una conclusión, por que las causas del
padecimiento son muy variadas y se combinan con estados emocionales difíciles de
caracterizar.

El proceso de solución consiste en aplicar un conjunto de reglas dado.
A partir del análisis del problema, se propuso el desarrollo una IC específica para implementar
Sistemas Expertos, basados en reglas, para el diagnóstico, de acuerdo a tres ideas fundamentales que
sirvieron como guía primaria, y que se pueden expresar como sigue:
1.
La necesidad de encontrar/construir un proceso para transformar el conocimiento declarativo
en conocimiento procedural, que permita abordar la solución de un problema.
36
2.
Tratar de modelar/imitar, lo más cercanamente posible, el proceso que debe desarrollar un
experto (o un grupo) para resolver un problema real de diagnóstico médico, contando con la
información referida por el paciente y/o sus familiares acerca de los síntomas y datos para
integrar la historia clínica y confirmada por los indicadores resultantes de las pruebas de
laboratorio y de gabinete. Esta idea corresponde al enfoque del “.... hombre como un agente de
racionalidad limitada”, enunciado por Newell y Simon [94].
3.
La solución de un problema del mundo real, como el planteado, puede requerir de la
colaboración de varios expertos del dominio del conocimiento, como personas, libros de texto
y/o páginas WEB, que de manera cooperativa contribuyen con su experticia.
Para conjuntar estas tres ideas fundamentales en la implementación de un SE era necesario usar
distintas técnicas de representación del conocimiento, ya que cada una parece ser “buena” para
representar ciertos subprocesos, como lo señala Sloman [117,120,121 y 122] en su Teoría General de
las Representaciones.
La importancia de la representación del conocimiento para los SE’s radica en que una computadora no
puede “entender” y manejar directamente el conocimiento como lo explicitan los humanos, por tanto,
se debe codificar/mapear el conocimiento a un lenguaje tal que una computadora lo pueda “entender”
y manejar, en el caso de los SE’s para resolver un problema.
2.5 Análisis del dominio
En el dominio de la especialidad de alergología es complejo por que la teoría es incompleta por que no
es posible identificar claramente la etiología de los padecimientos, no existen algoritmos elaborados
para el diagnóstico y recomendación de tratamiento para los padecimientos alérgicos y los factores
que se deben analizar para diagnosticar cualquier padecimiento alérgico es muy variado y difícil por
que presentan síntomas similares a padecimientos infecciosos, aunque Los médicos alergólogos
disponen de conocimientos complejos en un área claramente definida.
Para resolver el problema es importante el conocimiento que el experto ha adquirido a lo largo de una
práctica profesional larga y fructífera, o la excelencia de un profesional recién graduado o los consejos
de un consultor avezado en el tema, para llegar a una solución en tiempo aceptable.
Aunque es posible la existencia de una o más soluciones, la vía para llegar a las soluciones no se ha
fijado previamente. En tales condiciones, el experto encuentra una solución al problema gracias a la
información que posee del problema y a su experiencia. Mientras esta solución sea susceptible de
repetición y el planteamiento del problema sea claro, existe un razonamiento que puede ser
reproducido por un sistema experto.
37
Capítulo 3
Metodología y Complejidad
Cuando se intenta diseñar una ingeniería de conocimiento, como metodología para implementar un
sistema experto, la perspectiva clásica del ingeniero de conocimiento es extraer el conocimiento del
experto.
En contraste, en este trabajo se propone que la reunión de varias personas, expertos del dominio del
problema que se desea resolver y expertos en computación, juntos aportan sus conocimientos a la
solución del problema de manera colaborativa, construyendo el conocimiento que se plasma en el
sistema experto.
Los expertos del dominio e ingenieros de conocimiento se reúnen y pueden trabajar en colaboración
para resolver un problema por que comparten un conjunto de implícitos.
3.1 Implícitos entre expertos e ingenieros del conocimiento
En la literatura especializada en ingeniería de conocimiento no hay reportes acerca de qué ocurre y
cómo se desarrollan las primeras entrevistas entre los expertos y los ingenieros del conocimiento.
Pero empíricamente se sabe que cuando un experto y un ingeniero del conocimiento se encuentran
existen acuerdos implícitos que pueden posibilitar o no la implementación de un sistema experto.
Por principio existe, a priori, un contrato de veridicción entre expertos e ingenieros del conocimiento
pues se dispensan mutuamente confianza y respeto - consideración profesional y, en el mejor de los
casos, amistad.
Algunos otros de los implícitos entre el experto del dominio y el ingeniero del conocimiento
identificados durante el desarrollo de este trabajo son:

Por parte del experto: aportar generosamente su conocimiento en el dominio y su tiempo,
además de estructurar y explicitar su conocimiento/experticia para que un novato/aprendiz o
ingeniero del conocimiento lo entienda, además de dedicar tiempo y esfuerzo extraordinarios
para colaborar en la construcción de algo que no entiende claramente y que en la mayoría de
los casos no le interesa comprender.

Por parte del ingeniero del conocimiento: tener confianza plena en la experticia y capacidad
de estructuración de la misma de su interlocutor, recibir y re-estructurar el
conocimiento/experticia, proponer las técnicas de representación adecuada, crear las
condiciones necesarias para la extracción del conocimiento, además de tratar de discriminar
para aprender del experto y su dominio sólo la parte estructurante, sin perder de vista el
objetivo.
Durante el subproceso cooperativo de adquisición de conocimiento, el papel del ingeniero del
conocimiento es el de aprendiz del experto, pero al mismo tiempo el ingeniero de conocimiento debe
38
desempeñar el papel de experto en computación que desde su dominio aporta su conocimiento para
colaborar a la solución del problema.
Así el ingeniero de conocimiento en su papel de aprendiz debe evolucionar de acuerdo a su estado
cognitivo, como primer subproceso hacia la autonomía en la experticia. Anderson [6] explica el
proceso constructivo para que un aprendiz se convierta en experto, mediante los tres estados sucesivos
que se enuncian a continuación:

Cognitivo: es un estado interpretativo en el que los aprendices siguen reglas de producción
declarativas y tratan de interpretarlas en sus acciones; los aprendices discuten entre ellos.

Asociativo: los aprendices comienzan a familiarizarse con el proceso y pueden representar
las tareas sin consultar entre ellos. El autor usa el término “construcción de conocimiento”
para describir el cambio del estado cognitivo al estado asociativo.

Autónomo: Los aprendices mejoran su habilidad, el autor refiere la transición del estado
asociativo al estado autónomo usando palabras como afinación, generalización,
discriminación y reforzamiento. Se pone en marcha como aplicación interpretativa de
conocimiento declarativo, que se compila en una forma procedural, que a su vez sufre un
proceso de refinamiento continuo, en el que el aprendiz incrementa la velocidad y calidad de
sus respuestas.
Para diseñar una IC el ingeniero de conocimiento, en su papel de aprendiz logra los niveles cognitivo
y asociativo, pero nunca alcanza el nivel autónomo, por que no sirve a sus objetivos.
El ingeniero del conocimiento, en su papel de aprendiz del experto, debe construir cierto conocimiento
básico del dominio en colaboración con el experto. Tratando de construir sentido acerca del dominio,
para compartir parámetros de interpretación de la realidad, es decir marcos de referencia que ayudan a
construir significados compartidos de realidades que son comunes para los participantes.
Al mismo tiempo, el experto y el ingeniero de conocimiento en colaboración tratan de construir
sentido común de un tema. El sentido se produce como resultado de la interacción social, de al menos
dos sujetos, para compartir parámetros de interpretación de la realidad, es decir, marcos de referencia
que ayudan a construir significados compartidos de realidades que son comunes para los interactuantes
[13].
Graesser et al. [41] afirma que una manera de construir el conocimiento referido es desarrollar
sucesivamente las tres etapas que se describen a continuación:
1. Adquisición de datos: son las cosas que llegan a la puerta, casi por casualidad, no se sabe si los
datos tienen valor de significado para la solución del problema.
2. Información: cuando se confiere valor a los datos para al solución de un problema, estos se
convierten en información.
3. Conocimiento: cuando a partir de la información se pueden obtener ventajas y desventajas,
costos y beneficios, posibilidad e imposibilidad, se puede decir que se tiene visibilidad sobre la
materia o contenido, es decir, conocimiento.
39
Además de los implícitos mencionados, existe el “empowerment” o la habilidad para utilizar y
maximizar el potencial de alguien, como lo define Lillehaug [71], que funciona como motor de
superación continuada. En el caso del experto médico, su “empowerment” está integrado por:





Es un profesional satisfecho con su trabajo.
Es un médico que se actualiza permanentemente.
Saberse reconocido como experto en su especialidad, por profesionales de otra disciplina, que
eventualmente pueden ser sus pacientes.
La oportunidad de compartir su experticia con novatos.
La ocasión para participar en un proyecto novedoso y ajeno a su ejercicio profesional.
Las motivaciones que tengan los expertos al participar en la implementación de un SE pueden ser
distintas a las motivaciones de los ingenieros del conocimiento, sin embargo, su interacción los influye
y contagia mutuamente no sólo de vocabulario y conocimiento, sino también de intereses y
emociones.
3.2 Planteamiento general.
La noción de ingeniería de conocimiento utilizada en este trabajo, es una metodología para
transformar el conocimiento declarativo en conocimiento procedural, basada en la teoría de ACT [6].
El conocimiento procedural corresponde a los procesos mentales que lleva a cabo una persona y la
naturaleza de los mismos, que implica la solución del problema al nivel algorítmico [6]. Pero como no
es posible acceder a los procesos mentales de una persona, la única alternativa es intentar la solución
del problema al nivel de implementación, que significa realizar implementaciones diversas de esos
procesos mentales, para descubrir regularidades y patrones que permitan hacer generalizaciones.
Si fuera posible conocer el proceso mental que ejecuta un experto al resolver un problema, bastaría
con reproducirlo en procesadores y personas para adquirir la experticia para resolver el problema.
Para abordar la implementación de un problema es necesario contar antes con una metodología: la
ingeniería de conocimiento propuesta.
3.3 Metodología.
Se puede decir que la ingeniería de conocimiento es una metodología de la IA, que además está
estrechamente relacionada con otras disciplinas tan diversas como la Filosofía, la Psicología, la
Comunicación y, por supuesto, las Ciencias Cognitivas.
La IC es una metodología, por que está integrada por un conjunto de modos ordenados, que tiene
como objetivo central traducir/representar el conocimiento de uno o varios expertos de un dominio
específico a un programa de cómputo para resolver un problema específico.
A continuación se describe la ingeniería de conocimiento propuesta en este trabajo utilizando el
modelo denominado “pirámide de la metodología”, desarrollado por Wielinga [54] (ver figura 3.1).
40
VISION
DEL
MUNDO
TEORIAS
METODOS Y TECNICAS
HERRAMIENTAS
USO
Figura 3.1 “Pirámide de la metodología” de Wielinga
Cada uno de los niveles presentados en la pirámide previa y su correspondencia con la ingeniería de
conocimiento propuesta en este trabajo se describen a continuación (ver la tabla 3.1).
Tabla 3.1: Descriptores de la pirámide de la metodología
Nivel metodológico
Analogía con la ingeniería de conocimiento propuesta
 Modelar/imitar el proceso que debe desarrollar un experto
Visión del mundo:
(o un grupo) para resolver un problema del mundo real.
Refiere
los
principios
y  La solución de un problema casi nunca se aborda desde
supuestos que fundamentan la
una sola perspectiva, así resulta necesario contar con un
metodología.
conjunto de expertos (personas, libros de texto y/o páginas
WEB) que de manera cooperativa contribuyen a la solución.
 De ACT (Advanced Computer Tutor).
Teorías:
 General de las Representaciones.
Elaboran los principios y  Agente semiracional.
supuestos y forma el núcleo del  Estructuralismo genético.
conocimiento en el dominio de  Aprendizaje significativo.
la metodología.
 Naturalización del conocimiento.
 Caracterización del Discurso experto.
 Entrevista a profundidad.
Métodos y Técnicas: Maneja el  Entrevista semidirigida.
contenido de las teorías.
 Metáfora de pizarrón.
 Mapas conceptuales.
 Reglas de producción.
Herramientas:
 Armazón Clips.
Son instancias computarizadas
de los métodos y técnicas,
requieren usar conocimiento
anexo.
Uso:
Diseño e implementación de SE’s basados en reglas de
Representa el toque de piedra producción, para diagnosticar y recomendar tratamiento
de una metodología.
médico.
41
A continuación se aborda una descripción más detallada de cada uno de los niveles metodológicos de
la ingeniería de conocimiento propuesta.
3.3.1 Visión del mundo
La visión del mundo o perspectiva que da origen a esta IC está basada en las siguientes ideas
fundamentales:
El problema a resolver mediante la IC es la transformación de conocimiento declarativo en
conocimiento procedural.
Se tienen dos niveles de análisis, de algoritmo y de implementación, con los siguientes principios
generales:




Los algoritmos o procedimientos mentales son inaccesibles, sólo se puede acceder a las
implementaciones para tratar de reconstruir una aproximación a los procesos mentales.
Una
vez
que
se
tienen
varias
implementaciones
propuestas
se
encuentran/identifican/descubren/buscan patrones, entre las
implementaciones, que
conducen a los procedimientos mentales, los cuáles son las leyes entre las
implementaciones.
Sin el estudio de la generación de los procesos de implementación no se pueden encontrar
patrones que muestren como se piensa y aprende.
Para que se lleve a cabo la investigación básica es necesario realizar implementaciones.
El objetivo para desarrollar la ingeniería de conocimiento es diseñar e implementar un sistema
experto que tenga como sustento modelar/imitar el proceso que debe desarrollar un experto
humano (o un grupo) para resolver un problema real.
Los problemas del mundo real son muy complejos y por ello la solución de un problema casi nunca
se aborda desde una sola perspectiva, así resulta necesario contar con un conjunto de expertos
(personas, libros de texto y/o páginas WEB) que de manera cooperativa contribuyen a la solución.
En muchas ocasiones los expertos no pertenecen al mismo dominio del conocimiento.
El mundo no está configurado, sino que se construye mediante la comprensión e interpretación de
quien observa, como lo afirman Maturana y Varela [79], dando lugar a una diversidad
metodológica para la representación del conocimiento, como lo afirma Sloman [114-122].
Se adopta la propuesta de Sloman [117, 119, 120, 121, 122], donde cada subestado del proceso de
representación del conocimiento corresponde a un formalismo específico y “adecuado”.
También se adopta la idea de experto definida por Newell y Simon [94] que afirma que los
“humanos son agentes que actúan con racionalidad limitada”.
El ingeniero del conocimiento y el experto construyen el conocimiento, en colaboración, para
resolver el problema planteado, estructurando la porción necesaria del cuerpo teórico del dominio.
42
3.3.2 Teorías
El cuerpo teórico que sirvió de marco y soporte conceptual a la ingeniería de conocimiento propuesta
está integrado por las Teorías siguientes:
3.3.2.1 Teoría de ACT (Advanced Computer Tutor)
Desarrollada por Anderson [6] tiene como objetivo “comprender cómo la gente organiza el
conocimiento que adquieren a través de sus diversas experiencias para producir una conducta
inteligente”. Para ello plantea dos niveles de análisis, un nivel algorítmico y un nivel de
implementación, ambos dan origen a tres afirmaciones:
a. Hay una importante diferencia entre procesos mentales y su implementación. Los procesos
mentales son inaccesibles y la única manera de acercarse a ellos es a través de sus
implementaciones para resolver problemas específicos.
b. Es importante la investigación básica para obtener resultados al nivel de algoritmo. Para
intentar descubrir los procesos mentales del experto para resolver un problema es necesario
realizar investigación básica que consiste en identificar patrones entre un conjunto de
implementaciones.
c. La mejor manera de estudiar el nivel algorítmico es a través de experimentos pedagógicos,
como los usados para este trabajo:
 La IC propuesta se validó mediante una implementación, un sistema experto basado en
reglas que diagnostica asma bronquial y recomienda tratamiento denominado
“ASMA”.
 Se probó la efectividad del SE “ASMA” con los datos contenidos en 97 historias
clínicas de pacientes adultos y niños, proporcionadas por el experto médico.
 El sistema experto “ASMA” se puso a consideración de 6 médicos generales que
respondieron a una encuesta para explorar el grado de efectividad del sistema experto y
su utilidad en la práctica médica.
En la teoría de ACT [6] el concepto central es una “producción”, que es una unidad procedural de
conocimiento, es decir, una regla de producción.
En arquitectura1 de la teoría de ACT [6] (ver figura 3.2), y de acuerdo a su autor, las flechas indican el
flujo de información en el sistema. La información codificada desde el medio ambiente se deposita en
la memoria de trabajo, una vez ahí la información se puede guardar en la misma memoria de trabajo y
recuperada desde la memoria declarativa de largo término. La unión de las condiciones de producción
para la memoria de trabajo sirve para seleccionar producción: cuando estas producciones se ejecutan
se deposita nueva información en la memoria de trabajo. Las nuevas producciones se pueden crear por
medio de procesos de aprendizaje que operan sobren un historial de cuáles producciones se han
ejecutado y cuáles fueron sus consecuencias.
1
Arquitectura: De acuerdo a Winston [135] es un conjunto integrado de representaciones y métodos
que manejan una clase específica de problemas o modelan de manera cuidadosa una forma de
inteligencia natural.
43
APRENDIZAJE
MEMORIA
DECLARATIVA
MEMORIA DE
PRODUCCION
ALMACENAMIENTO
SEMEJANZA
RECUPERACION
EJECUCION
MEMORIA DE
TRABAJO
CODIFICACIONES
REPRESENTACIONES
MUNDO EXTERIOR
Figura 3.2: Arquitectura total de la teoría de ACT de Anderson
3.3.2.2 Teoría general de las representaciones.
Enunciada por Sloman [114, 117, 119, 121, 122], plantea que la decisión para elegir la representación
del conocimiento a utilizar está influenciada por la comprensión de quién va a representar los objetos
y del dominio del conocimiento donde se inscriben los objetos observables.
3.3.2.3 Agente semiracional
De Newell y Simon [94], plantea que el hombre, y por tanto el experto de un dominio determinado,
actúa como agente de racionalidad limitada. Dado que no es posible lograr la racionalidad perfecta en
entornos complejos, como son aquellos donde se desenvuelven los expertos, es necesario actuar con
racionalidad limitada que significa actuar adecuadamente cuando no se cuenta con el tiempo suficiente
para efectuar todos los cálculos que serían necesarios para poder actuar siempre de la manera correcta.
3.3.2.4 Estructuralismo genético
Desarrollada por Jean Piaget [106] plantea que “El organismo coordina los datos del medio
conservando sus propios esquemas de organización, es un proceso constructivista porque se van
agregando capas nuevas a los esquemas, además modifica sus esquemas sin destruirlos”.
Parece que la forma en que los sujetos se transforman de aprendices a expertos de un dominio
específico tiene que ver con esta idea de Piaget.
44
3.3.2.5 Aprendizaje significativo
Propuesta por David Ausubel [83] dice que “... el aprendizaje significativo ocurre cuando nueva
información es unida a información previa en la propia estructura cognitiva del sujeto”. Este tipo de
aprendizaje es el que predomina en los expertos.
3.3.2.6 Teoría de naturalización del conocimiento
Enunciada por Carreón [11] y Negrete y Carreón [83] como “... la naturalización del conocimiento
puede ocurrir cuando se pueden asociar secuencialmente dos marcos visuales: mapas conceptuales
de cierto conocimiento y una animación de experimentos físicos relativos al mismo conocimiento”. La
naturalización del conocimiento es una vía segura para que los sujetos adquieran aprendizaje que
puedan hacer significativo.
3.3.2.7 Caracterización del discurso experto.
Propuesta por Aldana [4], donde afirma que caracterizar el conocimiento del experto puede ser un
procedimiento para definir el discurso del experto por que caracteriza el tipo de relaciones entre las
premisas que utiliza para resolver un problema.
La caracterización del discurso permite descubrir parte del algoritmo de solución de un experto para
solucionar un problema, dado que, de acuerdo a Anderson [6], no se tiene acceso a los algoritmos
mentales (como procedimiento para construir conocimiento) y sólo se pueden llevar a cabo
implementaciones de los algoritmos mentales para tratar de entenderlos.
Cuando un experto humano intenta resolver un problema realiza operaciones intelectuales en un orden
especial para alcanzar una meta, como las tareas operativas descritas en el capítulo 1 de este trabajo.
En esta investigación se descubrió que el experto médico, al tratar de diagnosticar y recomendar
tratamiento a su paciente, utiliza dos tipos de razonamiento, que se define por Aldana [4], como sigue:

Racionalidad sustantiva: es el método de razonamiento utilizado en el enfoque clásico de la
medicina que centra su atención en identificar las causas del padecimiento y recomendar
terapia para hacerlas desaparecer.

Racionalidad limitada: es el método de razonamiento utilizado en un enfoque emergente de la
medicina que centra su atención en la eliminación de los efectos de las causas, ante la
imposibilidad de actuar sobre las causas del padecimiento.
Usando ambos tipos de razonamiento, predominando a veces un tipo y a aveces el otro, el experto
lleva a cabo el siguiente subproceso mental para recomendar tratamiento:
1. Trata de identificar las causas y evalúa la posibilidad de actuar sobre ellas, para definir
acciones que hagan desaparecer o minimizar las causas, de acuerdo a una postura
terapeútica clásica de racionalidad sustantiva.
45
2. Pero si no puede identificar las causas o no puede actuar sobre ellas, entonces el experto
adopta una posición de racionalidad limitada, al actuar sobre los resultados para eliminarlos
o minimizarlos.
Este proceso cognitivo realizado por el experto se puede expresar como pseudocódigo (ver la figura
3.3).
SI (Experto identifica las Causas del problema Y Puede actuar sobre ellas)
ENTONCES
{
SI (Experto actúa sobre las causas del problema) ENTONCES
Experto elimina o minimiza las causas del problema
}
DE OTRO MODO
{
SI (Experto identifica los resultados de las causas del problema) ENTONCES
{
SI (Experto actúa sobre los resultados de las causas del problema)
ENTONCES
Experto elimina o minimiza los resultados de las causas del problema
}
}
Figura 3.3: Algoritmo de la caracterización del discurso experto
El nivel de operación de la caracterización del discurso aún es declarativo y para intentar pasar al nivel
procedural es necesario desarrollar implementaciones en varios dominios para descubrir analogías
entre los discursos diversos.
3.3.3 Métodos y técnicas
Mediante los métodos y técnicas se maneja el contenido de las teorías de la IC propuesta. A
continuación se describen los métodos utilizados en esta ingeniería de conocimiento propuesta para
adquirir y representar el conocimiento del experto.

Adquisición de conocimiento: consiste en capturar experiencia [57], con una estrategia de
colaboración entre experto e ingeniero de conocimiento y usando técnicas manuales, para
construir la base de conocimiento. El subproceso de adquisición de conocimiento, mediante las
técnicas de entrevista a profundidad y semiestructurada, es realizado por el ingeniero de
conocimiento y contempla los siguientes pasos (ver figura 3.4):
 Las primeras reuniones con el experto humano
 La evaluación de viabilidad del SE.
 Extracción de conocimientos de la documentación.
46
 Estructuración del conocimiento del experto (interrogatorio inicial e investigación
profunda).
PERSPECTIVAS
FASES DEL
PROCESO
Cómo del
entorno
Estructuración
Qué del
entorno
Extracción
Entorno
Usuarios
Primeras reuniones
PROFUNDIDAD DE LOS CONOCIMIENTOS
Figura 3.4. Subproceso de adquisición de conocimiento

Representación de conocimiento: de acuerdo a Marr [89] determina la facilidad con la que se
pueden resolver ciertos problemas y utilizar el conocimiento. En este trabajo se plantea una
estrategia de representación del conocimiento dividida en externa e interna:
 Representación del conocimiento externa: corresponde al subproceso conceptual para
transformar conocimiento declarativo en conocimiento procedural, se usa una
estrategia de híbridación por que articula cada uno de los subestados con la técnica
apropiada para representar el conocimiento en una tarea operativa (identificar,
clasificar, etc.), como lo especifica Sloman en su Teoría general de las representaciones
[120 y 121].
 Representación del conocimiento interna: corresponde al formalismo computacional
para la implementación para el que se usa una estrategia de unificación por que sólo
contempla la técnica de reglas de producción, por que de acuerdo a Newell y Simon
[94] gran parte de la solución humana de problemas o cognición puede expresarse con
reglas de producción del tipo SI ... ENTONCES.

Verificación del conocimiento: se lleva a cabo al poner a consideración de otros expertos y
grupos de control de usuarios potenciales, los mapas conceptuales construidos.
Para alcanzar los objetivos con cada uno de los métodos descritos previamente, se usan técnicas
asociadas que permiten realizar tareas, cada uno de los métodos tiene técnicas asociadas (ver tabla
1.1).
47
Tabla 1.1: Métodos y técnicas
Técnicas
Función
Entrevista a profundidad
Colectar información general
Adquisición
de Entrevista semidirigida
Colectar información específica
conocimiento
Metáfora de pizarrón
Unificar vocabulario entre experto e ingeniero
de conocimiento.
Mapas conceptuales
Estructura el conocimiento declarativo como
procedimientos.
Reglas de producción
Formalizar el conocimiento procedural.
Metáfora de pizarrón
Estructurar el conocimiento en estratos para
solucionar el problema.
Representación de
Descubrir las relaciones entre los estratos
conocimiento
conceptuales.
Mapas conceptuales
Hacer explícito el conocimiento procedural
usado por el experto para solucionar el
problema, como un esquema de conceptos y
sus relaciones.
Reglas de producción
Representa los esquemas de razonamiento
humano para resolver un problema.
Método
A continuación se aborda la descripción de cada una de las técnicas utilizadas en esta ingeniería de
conocimiento.
3.3.3.1 Entrevista a profundidad
También llamada entrevista abierta, es la primera técnica más usada para adquirir conocimiento del
experto por que es muy versátil y permite realizar una exploración amplia acerca de la disposición y
características del experto (o expertos) y de las posibilidades de interacción.
Al mismo tiempo con ésta técnica se inicia la identificación de las características del problema y los
recursos de experticia disponibles.
La principal dificultad para el ingeniero del conocimiento es ¿Cómo realizar preguntas conducentes a
reglas?, como respuesta se propone estructurar categorías de conceptos del dominio del problema
planteado, basadas en las respuestas del experto humano que se obtienen durante las entrevistas a
profundidad, como estrategia de conceptualización.
La interacción entre el experto y el ingeniero del conocimiento a través de la entrevista a profundidad
permite delinear el problema, usando las siguientes ideas como guía general para la identificación del
problema a resolver [57]:



Definir el problema a resolver.
En qué dominio del conocimiento se ubica el problema a resolver.
Si se puede acceder a otras fuentes de información del dominio, como libros y artículos, que
pudiera servir de consulta.
Su uso y funcionamiento es bien descrito por Márquez y Muñoz [78] e Ibáñez [55]. Se propone un
cuestionario con pocas preguntas para plantear el dominio a abordar.
48
Los expertos humanos explicitan sus conocimientos a los ingenieros del conocimiento en forma de
lenguaje natural, es decir que entre experto e ingeniero del conocimiento sólo existen declaraciones.
Los ingenieros de conocimiento diseñan, a partir de las declaraciones del experto, una IC adecuada
para resolver un problema planteado y mediante ella se construye una base de conocimiento.
Esta parte del proceso no es sencillo pues es deseable que el experto(s) posea ciertas características
como informante, entre ellas las más relevantes son:





Tener una motivación personal/profesional para participar en la construcción de un sistema
experto.
Poseer facilidad para expresar abierta y claramente sus ideas y conocimientos.
Habilidad para desarrollar un razonamiento lógico y emergente.
Contar con el reconocimiento de su grupo profesional como experto del dominio.
Dominar un cuerpo de conocimientos en el dominio de su experticia bien estructurado, aunque
no sea consciente de ello.
Es evidente que el ingeniero de conocimiento debe ser un hábil entrevistador, aunque ya existen
sistemas automáticos y semiautomáticos para construir la base de conocimiento, la entrevista a
profundidad o abierta es el primer recurso para recopilar la información.
Para entrevistar con éxito se requiere de técnica y existen muchos estilos de entrevistar que van desde
la aproximación amistosa e informal hasta el cuestionamiento formal y controlado, los buenos
entrevistadores ponen en práctica el método que les pueda proporcionar el mejor resultado y se adapte
mejor a su personalidad [78 y 55]. De acuerdo a Márquez y Muñoz [78], las cualidades esenciales de
un buen entrevistador son:




Interés y respeto por las personas en cuanto individuos.
Flexibilidad para con las personas.
Capacidad para mostrar comprensión y simpatía hacia los puntos de vista de los entrevistados.
Predisposición para escuchar con atención a su interlocutor.
Pero si el ingeniero de conocimiento no es un hábil entrevistador, le llevará más tiempo realizar la
tarea de recopilación de información, pues tendrá que desarrollar su propia técnica, mediante la
estrategia de ensayo y error. Otra alternativa para entrenarse como entrevistador es buscar la asesoría
de un psicólogo o un periodista, pues el desarrollo de una buena técnica para entrevistar forma parte
del trabajo cotidiano de ambos profesionales.
La mayoría de las personas pueden aprender a entrevistar bien, pero deben recordar y practicar los
siguientes principios enunciados por Ibáñez [55]: saber callar, no contradecir al entrevistado, no
influir con sus propias ideas a su informante, formular preguntas para disipar las dudas y realizar un
registro de la entrevista.
Es evidente que la falta de comunicación entre el experto y el ingeniero de conocimiento puede hacer
fracasar la empresa, por ello se debe intentar el uso de otros recursos metodológicos, como la
entrevista semidirigida que permite restringir y ordenar la colección de conocimiento.
49
3.3.3.2 Entrevista Semidirigida
Esta técnica es un refinamiento de la entrevista a profundidad, o abierta, que permite abundar en los
temas que interesan al entrevistador para acotar y dirigir el acopio de información. El ingeniero de
conocimiento prepara un cuestionario previo que puede ajustar/modificar a lo largo de la entrevista,
como lo indica Ibáñez [55].
En una etapa posterior del uso de entrevista a profundidad y teniendo como base la información
obtenida durante los encuentros previos, se realizan las siguientes actividades para llevar a cabo la
conceptualización y la formalización del conocimiento [57]:

Construir categorías conceptuales generales del dominio, con una idea “Top-down” y un
enfoque de racionalidad sustantiva, realizando las siguientes preguntas:
 ¿Cuáles son las causas del problema a resolver?.
 ¿Cuáles son las consecuencias de las causas?.
 ¿Existen subproblemas?, ¿Cuáles son?, ¿Qué los caracteriza?
 ¿Qué favorece la aparición o desarrollo del problema?
 ¿Cuál es la solución del problema en general?
 Si existen subproblemas, ¿Cuál es la solución para cada subproblema?
 ¿Qué impide la solución del problema?

Agrupar las respuestas del experto en categorías mutuamente exclusivas, por ejemplo: causas,
resultados de las causas, subproblemas, condiciones que favorecen el desarrollo del problema,
soluciones del problema y restricciones para solucionar el problema.

Poner a la consideración del experto las categorías conceptuales propuestas, si se cuenta con
alguna propuesta de estructura.
Las características deseables en entrevistado y entrevistador son básicamente iguales a las
mencionadas en la técnica de entrevista a profundidad; pero las preguntas están más restringidas, son
más específicas, por que tienen como objetivo propiciar la extracción del conocimiento forzado a una
estructura conceptual: el pizarrón conceptual propuesto. Esto simplifica la información vertida por el
experto y lo obliga a estructurar su experticia para usarse en una plantilla.
3.3.3.3 Metáfora de Pizarrón
Es una técnica de representación del conocimiento, que como la enuncia Corkill [22], evoca la figura
de un conjunto de expertos en un dominio específico colaborando para resolver un problema del
mundo real, como si escribieran sus opiniones en un pizarrón cada ocasión que tienen la oportunidadconocimiento para realizar una contribución a la solución.
La metáfora de pizarrón conduce a la construcción de un dispositivo de control llamado Pizarrón, que
es parte de la adquisición del conocimiento del sistema experto. Se entiende por dispositivo de control
a algo que corrige los errores o introduce al sistema elementos que tienden a corregir los errores. Así
el pizarrón funciona como un despachador de reglas. La arquitectura de pizarrón está integrada por los
siguientes componentes:
50

Pizarrón; es una estructura de datos multidimensional que funciona como memoria común de
comunicación entre las fuentes de conocimiento, almacena datos iniciales, soluciones parciales
y finales, objetivos y toda la información relevante del problema que se puede almacenar de
diferentes maneras como jerarquías, niveles de abstracción, número de hipótesis, etc., además
puede contener información de control.

Fuentes de conocimiento: son sistemas expertos sin explicación, funcionan como operadores
que transforman progresivamente los estados de solución del problema, su activación se basa
en eventos, contiene una evaluación basada en las características del estado, las condiciones
previas determinan la fuente de conocimiento a considerar, que puede ser genérica o específica,
única o redundante, local o distribuida, homogénea o híbrida.

Mecanismo de control: o programador, lleva el razonamiento como mecanismo de control
basado en fuentes de conocimiento, objetos de pizarrón o combinación, desarrollando el
algoritmo “típico”, siguiente:
 Ve las nuevas entradas que se hicieron al pizarrón.
 Ve cuáles son las fuentes de conocimiento que pueden colaborar.
 Construye una agenda de registros de activación con instancias de las fuentes de
conocimiento.
 Ordena la agenda con un algoritmo.
 Llama a la fuente de conocimiento ganadora
 Continua
Aunque la arquitectura de pizarrón, construida mediante la metáfora de pizarrón, se ha usado como
esquema de control, en la IC propuesta en esta investigación se usa como despachador de reglas capaz
de capturar la organización del conocimiento del dominio abordado.
A partir del análisis del problema se identificó la necesidad de contar con una técnica para la
adquisición de conocimiento, que permitiera compartir a expertos e ingenieros de conocimiento un
lenguaje común mínimo, y que sirviera como base de la interacción entre experto e ingeniero de
conocimiento, así se propuso la construcción de un pizarrón estratificado conceptualmente en niveles
de abstracción, usando una estrategia “top-down”, que no se implementa computacionalmente, pero
que es enriquecido con dimensiones de espacio y tiempo para sustentar la representación del cambio
de estado en mapas conceptuales.
El ingeniero de conocimiento, a partir de la información colectada mediante la entrevista a
profundidad, identifica las principales clases de conceptos del dominio (mutuamente excluyentes) y
las jerarquiza desde la clase más general hasta la más específica, este es el pizarrón inicial. Enseguida
(ver a figura 3.5) se presenta un ejemplo de estratificación conceptual para el pizarrón inicial.
Aunque la estratificación inicial es propuesta por el ingeniero del conocimiento, ésta se modifica a
través de la interacción con los expertos y la comprensión del discurso por parte del ingeniero del
conocimiento, por que la IC no es inocua ni para el experto ni para el ingeniero de conocimiento, deja
un saldo de conocimiento adecuado al sistema inferencial, dado que permite al experto reestructurar su
conocimiento al tratar de explicitarlo a un neófito como el ingeniero del conocimiento.
El pizarrón inicial se modifica y afina sucesivamente a medida que el experto y el ingeniero de
conocimiento aprenden de la experticia del otro e interpretan ese conocimiento, en un proceso
51
constructivista que implica agregar nuevos esquemas de conocimiento a los ya existentes, como lo
explica la teoría de estructuralismo genético [106].
PIZARRON ESTRATIFICADO CONCEPTUALMENTE
Causas del problema
Componentes básicos para describir los efectos de las causas
NIVELES
CONCEPTUALES
Condiciones que favorecen la aparición y/o desarrollo del problema
Consecuencias de las causas, también conocidos como efectos
Restricciones para la solución del problema
Acciones para solucionar el problema
Figura 3.5. Ejemplo de estratificación conceptual de un pizarrón
La metáfora de pizarrón combinada con la entrevista semidirigida, se usa para “llenar” las categorías
conceptuales del pizarrón, forzando las contribuciones de los expertos a encajar en una estructura
conceptual pre-establecida. Al mismo tiempo, se debe averiguar acerca de cuáles son las relaciones
existentes entre los distintos niveles del pizarrón conceptual para descubrir los tipos de relaciones,
usando la entrevista semidirigida.
La metáfora de pizarrón, como se usa en esta IC, permite capturar una organización del conocimiento
que permite agrupar hechos para generar diagnósticos en medicina, tal vez en otros dominios también,
que conducen a mapas conceptuales para representar la estructura de la base de conocimiento.
3.3.3.4 Mapas Conceptuales
Constituyen la técnica para la representación de conocimiento desarrollada por Novak [37, 39, 95-97]
a partir de la teoría de aprendizaje significativo de Ausubel [64], que consiste de esquemas integrados
por cajas de texto y flechas etiquetadas que unen las cajas y que constituyen una base de
representación gráfica.
La metáfora de pizarrón y los mapas conceptuales se integran en el subproceso de caracterización del
discurso experto, se usa la visualización explícita de los conceptos y las relaciones entre ellos que, el
ingeniero de conocimiento cree, se configuran en la mente del experto, por que a través de la
visualización la comprensión es más sencilla, como lo afirma Novak [96], y es más fácil identificar
los tipos de relaciones que dan lugar a las reglas de producción.
52
En la IC propuesta los mapas conceptuales unidos a la metáfora de pizarrón, y por supuesto al
pizarrón conceptual, aportan la caracterización del discurso del experto, que no es otra cosa que el
compromiso de racionalidad (sustantiva o limitada) que asume el experto para solucionar un
problema.
Los mapas conceptuales también sirven para verificar la base de conocimiento, al ser revisados por
otros expertos en el dominio.
3.3.3.5 Reglas de Producción
Las reglas de producción constituyen el conocimiento procedural que codificado, el ordenador puede
manejar. Constituyen el producto de la representación del conocimiento más utilizada desde los
primeros sistemas expertos.
Cuando se utilizan reglas de producción para representar el conocimiento procedural, el paradigma
lógico básico que las sustenta es causal, su forma sintáctica general es:
P1, ..., Pm  Q1, ..., Qn
(1)
La notación de la fórmula (1) significa que:
Si las premisas P1 y ... y Pm son verdaderas
Entonces se realizan las acciones Q1 y ...y Qn
Las reglas se escriben en la forma IF-THEN, dando lugar a los tipos de reglas siguientes:






IF premisa, THEN conclusión
IF entrada, THEN salida
IF condición, THEN acción
IF antecedente, THEN consecuente
IF datos, THEN resultados
IF acción, THEN meta
La parte “IF” generalmente contiene varias cláusulas unidas por los conectivos lógicos “AND”,
“OR”, mientras que la parte “THEN” consiste de una o más frases que especifican la acción a tomar.
Cada una de estas partes además puede estar estructurada como la triada objeto-atributo-valor, por
ejemplo:
(Paciente “Nombre Javier” Edad “10” Asma “No”)
Esta técnica permite, como parte de la IC propuesta y una vez identificados los tipos de relaciones en
el pizarrón y explicitadas en el mapa conceptual, codificar las reglas de producción siguiendo los
mapas conceptuales y usando una herramienta de implementación.
53
3.3.4 Herramientas.
Para poder codificar las reglas de producción se pueden utilizar lenguajes de alto nivel, lenguajes
simbólicos, armazones o entornos de desarrollo, cada una de estas herramientas tiene ventajas y
limitaciones específicas (ver tabla 1.5).
Actualmente el uso de armazones se ha incrementado por que el procedimiento para codificar las
reglas de producciones muy sencillo y por que contienen el motor de inferencia.
Mientras que el uso de entornos de desarrollo se incrementa continuamente por que permiten
implementar SE’s modulares y de uso más general, que favorecen la posibilidad de compartir, reusar y
actualizar el conocimiento contenido, aunque en su contra tengan la dificultad para comprenderlos y
manejarlos.
3.3.5 Uso
El uso de la ingeniería de conocimiento propuesta es implementar sistemas expertos basados en reglas
de producción, para diagnosticar y recomendar tratamiento en el dominio médico.
3.4 Arquitectura de la ingeniería de conocimiento propuesta.
La arquitectura de la ingeniería de conocimiento propuesta se puede mostrar como el mapa conceptual
de la Figura 3.6, donde se aprecian las relaciones entre los diferentes componentes, como proceso
para transformar el conocimiento declarativo en procedural, es decir desde el lenguaje natural a la
formalización en reglas de producción.
En la previa los bloques redondos corresponden a los roles desempeñados por los participantes:
expertos, ingenieros del conocimiento y usuarios que intercambian información, usando las técnicas
de entrevista a profundidad y semidirigida, mientras los bloques cuadrados son estados de la
transformación del conocimiento, enlazados por relaciones explícitas en el propio mapa conceptual
que representan técnicas de representación del conocimiento y operaciones cognitivas.
54
ENTREVISTA
ENTREVISTA
EXPERTO
INGENIERO DEL
CONOCIMIENTO
VERIFICACION
REGISTRO
MODIFICACION
Conocimiento del experto en
lenguaje natural
METAFORA DE
PIZARRON
USUARIOS
Sistema Experto
VERIFICACION
CIFRADO
Reglas de producción
Pizarrón conceptual con
relaciones temporales y
espaciales
MAPEO
MAPAS
CONCEPTUALES
Conceptos y relaciones
Figura 3.2. ingeniería de conocimiento con base en técnicas de representación del conocimiento
55
Capítulo 4
Diseño e Implementación
Para validar la ingeniería de conocimiento propuesta se realizó una implementación de la misma, un
sistema experto basado en reglas que diagnostica asma bronquial y recomienda tratamiento.
La función de la ingeniería de conocimiento en este ejercicio de implementación es modelar el proceso
para transformar el conocimiento del experto (en lenguaje natural) a reglas de producción (en un
formalismo computacional), utilizando una estrategia de solución de un problema en subproblemas,
denominadas tareas operativas.
Para realizar esta implementación se eligió el problema de diagnóstico de asma bronquial y
recomendación de tratamiento por dos razones fundamentales:

Es un problema muy difícil de resolver aún para un médico, ya que el enfoque etiológico de la
medicina clásica occidental no parecía adecuada para resolver todos los casos que se presentan en
el consultorio médico.

La disponibilidad de un experto médico alergólogo y pediatra, ampliamente reconocido en su
ámbito profesional.
4.1 Planteando la implementación.
Para plantear claramente la implementación se recurrió a la simulación de un experimento usando la
teoría de naturalización del conocimiento [11], con apoyo de un diagrama UVE (ver la figura 4.1).



Teoría de ACT
Teoría de
Naturalización del
conocimiento
Teoría de
caracterización del
discurso del
experto
¿La caracterización del
discurso del experto es un
recurso para transformar el
conocimiento declarativo en
conocimiento procedural?

IC propuesta
Construcción de un sistema experto basado
en reglas que diagnostica y recomienda
tratamiento para asma bronquial
Figura 4.1. Diagrama UVE para simular un ejercicio en el dominio médico
56
A continuación se describe de manera general cada una de las partes de la simulación utilizada.
Pregunta central, esta es la hipótesis planteada a probar como una pregunta, que en este caso se
formula como ¿La caracterización del discurso del experto es un recurso para transformar el
conocimiento declarativo en conocimiento procedural?.
Marco Teórico / Conceptual, es el conjunto de teorías, principios y conceptos que sirven de
sustento para plantear una respuesta a la pregunta:





Teoría de ACT: Desarrollada por Anderson [6] plantea dos niveles de análisis del conocimiento
del experto, un nivel declarativo y un nivel procedural.
Teoría de naturalización del conocimiento: Carreón y Negrete-Martínez [11] establecen que la
naturalización del conocimiento ocurre cuando se pueden asociar secuencialmente dos marcos
visuales: mapas de conocimiento y diagrama UVE.
Teoría de Caracterización del discurso médico: Propuesta por Aldana [4] y aún en
construcción, afirma que un experto humano tiene al menos dos tipos de razonamiento, para
tratar de resolver un problema, que implican un compromiso filosófico-metodológico basado
en la racionalidad utilizada (enfocada a las causas del problema o a sus efectos) al tratar de
resolver un problema del mundo real.
El experto como agente de racionalidad limitada [94], por que no puede actuar siempre de la
manera correcta pero es capaz de adaptarse y proporcionar “buenas soluciones”.
Teoría enactuante: Los observables (o realidad) a representar no están predefinidos, sino que
se configuran mediante la percepción / interpretación de quién observa [79 y 130].
Marco Metodológico, es el conjunto de juicios de valor, afirmaciones, registros y transformaciones
que sirven para experimentar sobre la hipótesis propuesta. Ingeniería del conocimiento propuesta
[6], implica hibridación de las técnicas de representación del conocimiento y plasmar la manera en
que un experto humano trata de resolver un problema:





Identifica el problema
Trata de identificar las causas del problema.
Si logra identificar las causas del problema, intenta anularlas o modificarlas.
Si no es posible identificar las causas del problema o no puede intervenirlas para eliminarlas o
modificarlas, identifica los resultados más determinantes de esas causas.
Intenta eliminar o minimizar los resultados en tanto encuentra la manera de intervenir las
causas.
Acontecimientos u objetos, son el resultado de probar la hipótesis, puede ser un éxito o un fracaso.
En el caso de esta investigación es un sistema experto basado en reglas que diagnostica y
recomienda tratamiento para asma bronquial, que confirmó la hipótesis planteada.
4.2 Desarrollo de la Implementación
Para describir la implementación realizada se sigue el proceso de la ingeniería de conocimiento
propuesta, descrita en el capítulo 3 de este trabajo.
57
La implementación del sistema experto “ASMA” está organizada en dos grandes vertientes, la primera
parte sirve para llevar a cabo la transformación de conocimiento declarativo a conocimiento
procedural y la segunda parte sirve para codificar en la armazón “CLIPS” las reglas de producción
obtenidas en la primera parte de la implementación.
La primera parte de la implementación se organizó en dos dimensiones: problemas a resolver y
actividades fundamentales para construir la base de conocimiento (ver figura 4.2).
ACTIVIDADES
FUNDAMENTALES
Representación del
conocimiento
Caracterización del
discurso
Adquisición del
conocimiento
Recomendar
terapia
Diagnóstico
PROBLEMAS A
RESOLVER
Figura 4.2. implementación para transformar conocimiento declarativo en procedural
La segunda parte de la implementación se organizó con tres criterios: problemas a resolver, estado de
salud del paciente y edad del paciente (ver figura 4.3).
EVALUACION DE SINTOMAS
E INDICADORES
SANO U OTRO
PADECIMIENTO
ASMA BRONQUIAL
CRISIS
NIÑO
ESTABLE
ADULTO
NIÑO
DIAGNOSTICO
DIAGNOSTICO
DIAGNOSTICO
TERAPIA DE
EMERGENCIA
TERAPIA DE
EMERGENCIA
TERAPIA
PREVENTIVA
Figura 4.3. Implementación computacional
58
FIN
ADULTO
DIAGNOSTICO
TERAPIA
PREVENTIVA
4.2.1 Definición del Problema
Los ingenieros de conocimiento se acercaron al experto médico con una propuesta inicial de abordar el
diagnóstico de las enfermedades alérgicas, usando un sistema experto basado en reglas que sirviera
para ayudar a aprender alergología a estudiantes de medicina.
Aunque el experto médico no entendía qué se pretendía hacer, aceptó participar por la relación
amistosa y profesional con uno de los ingenieros de conocimiento, que había sido su paciente durante
varios años. Una motivación adicional para el médico era la posibilidad de compartir su experiencia
con otras personas.
Durante las dos primeras entrevistas, en las que se uso la técnica de entrevista a profundidad, se
restringió el problema a abordar al diagnóstico de asma bronquial, por su dificultad.
Al mismo tiempo el experto médico proporcionó textos especializados y actualizados para usarlos en
la implementación.
4.2.2 Adquisición de Conocimiento
Una vez definido el problema a resolver se procedió a recopilar el conocimiento necesario para
resolver el problema.
La entrevista a profundidad es la primera técnica utilizada por los ingenieros de conocimiento para
tratar de acercarse a la experticia del médico, en este momento se tienen pocos datos acerca del
dominio, los datos más relevantes se encuentran en la historia clínica, que es fundamental para la
práctica médica.
Primero se usó la técnica de entrevista a profundidad para que el experto pudiera plantear de manera
muy general su campo de conocimiento y los ingenieros de conocimiento tuvieran una visión general.
Los ingenieros de conocimiento identificaron un problema que parecía insalvable: la comunicación
entre el experto médico y los ingenieros de conocimiento era muy limitada por que no compartían un
vocabulario, y el proyecto estaba a punto de fracasar. Entonces se convino preguntar el significado de
cada concepto que no se entendiera, registrándolo para formar un diccionario que se pudiera consultar
fácilmente, como una ontología.
El diccionario era la base de conocimiento común para los ingenieros de conocimiento y el experto,
que contenía conceptos de los dominios médico y computacional.
Si embargo el diccionario estaba creciendo muy rápido y pronto fue poco práctico, los ingenieros de
conocimiento utilizaron la metáfora de pizarrón, para construir un pizarrón dividido en clases
propuestas por los ingenieros de conocimiento, a partir de las consultas al experto médico y la revisión
del material bibliográfico especializado bajo la guía del propio experto que lo proporcionó.
Al mismo tiempo que se trataba de construir el diccionario se inició el uso de la entrevista
semidirigida para obtener conocimiento acerca de temas específicos, se muestran dos ejemplos de las
guías utilizadas con esta técnica (ver las figuras 4.4 y 4.5).
59






Cuestionario
¿Cuál es la información que necesita de su paciente?
¿Cómo integra la historia clínica de su paciente?
¿Cómo determina que su paciente padece asma?
¿Cuáles son los síntomas del padecimiento?
¿Cuáles son las causas de la enfermedad?
¿Cuáles son las dificultades para el diagnóstico?
Figura 4.4. Ejemplo de guía para una entrevista semidirigida
Esta guía se va ampliando y modificando conforme avanza la entrevista y los ingenieros de
conocimiento y el experto se van “contagiando” mutuamente del conocimiento del otro.
En una entrevista posterior también del tipo semidirigido se usó la guía que se muestra a continuación
(ver figura 4.5), donde se aprecia que los ingenieros del conocimiento ya conocen parcialmente la
terminología del dominio, y ello le permite preguntar asuntos más particulares del dominio.
Cuestionario
¿Las siguientes preguntas son correctas y pertinentes para iniciar el examen general de un
paciente?
1. ¿Al respirar ha notado silbido en su pecho en los últimos 12 meses?
2. ¿Cuándo respira se siente sofocado?
3. ¿Cuándo respira se escucha un ruido?
4. ¿Cuándo tiene silbido siente frío?
5. ¿En los últimos 12 meses ha despertado sintiendo opresión en el pecho?
6. ¿Ha tenido tos en el último año?
7. ¿Toma actualmente un medicamento?
8. ¿Quién lo recetó y para que?
9. ¿Es alérgico a algo, medicamentos, alimentos, ropa?
10. ¿Cuál es su edad?
11. ¿Tiene familiares alérgicos?
¿Qué más se debe preguntar a un paciente?
¿La secuencia es importante?
Figura 4.5. Ejemplo de guía para una entrevista semidirigida
El contenido y estructura de una guía (ver la figura 4.5) cambia de acuerdo a los comentarios del
experto, quien hace observaciones y precisiones que en muchas ocasiones obligan a los ingenieros del
conocimiento a replantear las estructuras y relaciones que construye en el pizarrón y los mapas de
conocimiento.
A medida que la interacción avanzó como resultado de las entrevistas semidirigidas y la metáfora de
pizarrón, las clases del pizarrón se fueron modificando, hasta que se configuraron como un conjunto
de niveles conceptuales con una estructura “Top-down”: causas, componentes básicos para describir
resultados, predisposiciones, resultados, restricciones para la acción y acciones. Entre estos niveles de
abstracción se identificaron cinco tipos de relaciones entre los niveles conceptuales (ver tabla 4.1).
60
Tabla 4.1. Tipos de relaciones en el sistema experto “ASMA”
Tipo de relación
Tipo de
Tipo de reglas
Descripción
conceptual
relación
Causa - Efecto
Causal
A causa B
Representan cómo un estado es resultado
o consecuencia de otro estado.
Situación – Riesgo Taxonómica
A es
Representan
estados
que
aportan
o predisposiciones Dependencia responsable
información que contribuye a confirmar o
de B
descartar la hipótesis planteada, en
función de una historia clínica.
Agrupación
entre Taxonómica
A es B
Representan
estados
que
aportan
eventos
información que contribuye a confirmar o
descartar la hipótesis planteada, en
función de prevalencia del padecimiento.
Agrupación
de Estructural
A es parte de Representan la evaluación de los efectos y
efectos entre sí
B
signos
presentes
para
configurar
(síntomas y signos)
síndromes del padecimiento.
Acción
sobre Condicional
A dispara B
Representan
los
tratamientos
efectos
recomendados para un paciente en crisis,
atendiendo al síndrome y a las relaciones
Agrupación entre eventos y Agrupación de
efectos entre sí.
Acción
sobre Condicional
A dispara B
Representan
los
tratamientos
causas
recomendados para un paciente sin crisis,
atendiendo al síndrome y a las relaciones
Agrupación entre eventos y Agrupación de
efectos entre sí.
Buena parte de la adquisición de conocimiento sirve para “llenar” las categorías conceptuales del
pizarrón, enriquecidas por dimensiones de lugar y tiempo, al tiempo que se aclaran y explicitan las
relaciones entre dichas categorías, que se representan en los mapas conceptuales. A partir de los mapas
conceptuales se construyen las reglas de producción.
4.2.3 Caracterización del Discurso del Experto
Los tipos de relaciones entre objetos tienen que ver no sólo con la secuencia de tareas operacionales
que lleva a cabo el SE para resolver el problema (nivel algorítmico de Anderson), también con los
recursos de implementación disponibles (nivel de implementación de Anderson), por que para un
sistema inteligente es más importante como se hace y no que hace.
La caracterización del discurso del experto consiste en descubrir las relaciones fundamentales, y sus
tipos, que determinan el objetivo de las acciones.
De acuerdo al proceso mental que un experto médico usa para realizar un diagnóstico, primero adopta
una racionalidad sustantiva para tratar de identificar las causas e inicia acciones tendientes a hacer
desaparecer o minimizar las causas, pero cuando no es posible identificar las causas del problema o no
es posible actuar sobre ellas, el experto adopta una racionalidad limitada para identificar los resultados
de las causas y actúa para hacer desaparecer, o al menos minimizar, los resultados de las causas.
61
En el sistema experto “ASMA” se identificaron ambos tipos de razonamiento en el discurso
diagnóstico del experto, como resultado de la posición teórica-pragmática para resolver un problema
en el dominio médico. Estas dos posiciones teórico pragmáticas coexisten, dominando una de ellas
para resolver el problema de la siguiente manera:
1. Casuística - terapeútica de la medicina o racionalidad sustantiva, corresponde al enfoque
clásico de la medicina que centra su acción en la eliminación de las causas como paradigma
central terapeútico.
2. Paliativa - terapeútica de la medicina o racionalidad limitada, corresponde a un enfoque
emergente de la medicina que centra su acción en la eliminación de los efectos para dar una
mejor calidad de vida a los pacientes. Este enfoque coexiste con el de racionalidad limitada y
en muchas ocasiones llega a ser predominante, por ejemplo cuando se trata de un padecimiento
crónico degenerativo como Asma, Diabetes y Cáncer.
hecho de que un experto adopte un compromiso que implique una de las racionalidades, sustantiva o
limitada, fundamenta su proceso mental para resolver un problema.
Así en “ASMA” se pueden usar mapas conceptuales para mostrar ambas posiciones lógicopragmáticas de solución al problema de diagnóstico y recomendación de terapia (ver figuras 4.6 y
4.7), donde las cajas significan niveles conceptuales del pizarrón conceptual, las líneas continuas
representan relaciones que indican información fundamental, mientras las líneas punteadas representan
información complementaria.
El enfoque de racionalidad sustantiva (ver la figura 4.6) está caracterizado por determinados niveles
conceptuales y las relaciones correspondientes, para llevar a cabo el diagnóstico de asma y
recomendar tratamiento. Esta arquitectura se integró a partir de las siguientes afirmaciones,
estructuradas a partir del pizarrón conceptual y la entrevista a profundidad para establecer las
relaciones:







Las causas tienen una relación causa-efecto fundamental sobre los componentes básicos para
describir consecuencias (síntomas e indicadores) y sobre los resultados (síndromes).
Los componentes básicos para describir consecuencias (síntomas e indicadores) tienen una
relación fundamental de agrupación entre eventos con respecto a los resultados (síndromes).
Las predisposiciones tienen una relación complementaria de situación-riesgo sobre los
resultados (síndromes).
Para realizar un diagnóstico bajo el paradigma de la racionalidad sustantiva es necesario
evaluar las causas, los componentes básicos para describir consecuencias (síntomas e
indicadores) y las predisposiciones, el resultado sirve para llevar a cabo la clasificación que da
lugar a la configuración de 4 síndromes de asma bronquial: persistente severo, persistente
medio, persistente ligero e intermitente.
Los resultados o síndrome de asma bronquial diagnosticado tiene una relación fundamental de
consecuencias entre sí (síntomas e indicadores) sobre las acciones o terapia recomendada.
Las restricciones para la acción tienen una relación complementaria de situación-riesgo sobre
las acciones o terapia recomendada.
Para recomendar un tratamiento bajo el paradigma de la racionalidad sustantiva es necesario
hacer efectiva la relación fundamental del tratamiento o acciones sobre las causas.
62
6. CAUSAS
5. COMPONENTES BASICOS PARA
DESCRIBIR CONSECUENCIAS
Causaefecto
Agrupación entre eventos
Causaefecto
AND
AND
Acciones sobre
causas
3. RESULTADOS
AND
Agrupación entre
consecuencias
4. PREDISPOSICIONES
Situaciónriesgo
2. RESTRICCIONES
PARA LA ACCION
Situaciónriesgo
1. ACCIONES
Figura 4.6. Esquema de racionalidad sustantiva en el sistema experto “ASMA”
El uso del enfoque de la racionalidad sustantiva en la solución de un problema de diagnóstico, implica
que el objetivo de las acciones sea la desaparición de las causas de la disfunción del sistema, o en el
peor de los casos su minimización.
En el caso del diagnóstico médico, el enfoque de la racionalidad sustantiva corresponde a la posición
tradicional de la medicina occidental alópata.
El uso de racionalidad sustantiva para el diagnóstico del padecimiento de Asma Bronquial, da lugar a
la terapia para un paciente asmático en estado de salud temporalmente estable, es decir que no se
encuentra en crisis, que tiene un papel preventivo y con la que se pretende favorecer la calidad de vida
del paciente, evitando las crisis.
De igual manera, se muestran los niveles conceptuales y las relaciones entre ellos, que corresponden al
enfoque de la racionalidad limitada (ver la figura 4.7). La arquitectura se integró a partir de las
siguientes afirmaciones, estructuradas a partir del pizarrón conceptual y la entrevista a profundidad
para establecer las relaciones:



Las causas tienen una relación causa-efecto complementaria sobre los componentes básicos
para describir consecuencias (síntomas e indicadores) y sobre los resultados (síndromes).
Los componentes básicos para describir consecuencias (síntomas e indicadores) tienen una
relación fundamental de agrupación entre eventos con respecto a los resultados (síndromes).
Las predisposiciones tienen una relación complementaria de situación-riesgo sobre los
resultados (síndromes).
63




Para realizar un diagnóstico bajo el paradigma de la racionalidad limitada es necesario evaluar
los componentes básicos para describir consecuencias (síntomas e indicadores) y las
predisposiciones, el resultado sirve para llevar a cabo la clasificación que da lugar a la
configuración de 4 síndromes de asma bronquial: persistente severo, persistente medio,
persistente ligero e intermitente.
Los resultados o síndrome de asma bronquial diagnosticado tiene una relación fundamental de
consecuencias entre sí (síntomas e indicadores) sobre las acciones o terapia recomendada.
Las restricciones para la acción tienen una relación complementaria de situación-riesgo sobre
las acciones o terapia recomendada.
Para recomendar un tratamiento bajo el paradigma de la racionalidad limitada es necesario
hacer efectiva la relación fundamental del tratamiento o acciones sobre los componentes
básicos para describir efectos (síntomas).
6. CAUSAS
5. COMPONENTES BASICOS PARA
DESCRIBIR CONSECUENCIAS
Causaefecto
Agrupación entre eventos
Causaefecto
AND
AND
Acciones sobre
causas
3. RESULTADOS
AND
Agrupación entre
consecuencias
4. PREDISPOSICIONES
Situaciónriesgo
2. RESTRICCIONES
PARA LA ACCION
Situaciónriesgo
1. ACCIONES
Figura 4.7. Esquema de racionalidad limitada en el sistema experto “ASMA”
Usando el enfoque de racionalidad limitada en el diagnóstico, las acciones se centran en eliminar o
minimizar las consecuencias de las causas de la disfunción del sistema, para preservarlo en las mejores
condiciones posibles. Este caso es imposible actuar sobre las causas, es decir no se puede curar al
paciente, por que no se pueden identificar las causas o porque la intervención pone en riesgo la vida
del paciente.
En el caso del padecimiento asma bronquial, la racionalidad limitada proporciona la alternativa más
importante y dominante, corresponde a la posición lógico-pragmática de terapia de emergencia, por
que se aplica a pacientes en crisis asmática, y es necesario eliminar la crisis en el menor tiempo
posible, por que la vida del paciente y su estado general de salud están en grave riesgo. Esta misma
64
postura lógico-pragmática de terapia es aplicada a las demás enfermedades crónico-degenerativas, en
el ámbito de la medicina occidental.
Ambos enfoques de racionalidad aplicados al diagnóstico médico, tienen muchos subprocesos en
común, de hecho sólo son diferentes en las relaciones siguientes:

La importancia de conocer las causas al realizar el diagnóstico.

El objetivo de las acciones como consecuencia de la postura lógico-pragmática adoptada por el
experto al resolver un problema: curar o aliviar.
Las relaciones entre niveles de abstracción se pueden representar usando la teoría de conjuntos (ver
la tabla 4.2). El conjunto de símbolos se define como:
C = causas
R = resultados
S = síntomas
RE = restricciones
I = indicadores
A = acciones
P = predisposiciones
Tabla 4.2. Relaciones usando teoría de conjuntos
Enunciado
Significa
Diagnóstico
R=CSI P
Terapia
A = R  RE
4.2.4 Representación del Conocimiento
La representación del conocimiento es, en general, un proceso de codificación/mapeo de un subestado
a otro para el que se deben tener presentes los siguientes aspectos:




Decidir qué tipos de objetos y relaciones se deben representar:
Elegir un vocabulario para codificar el conocimiento general del dominio
Codificar casos específicos del problema
Emplear procedimientos de inferencia para resolver los problemas codificados.
Para el sistema experto “ASMA” se desarrollaron dos etapas de representación del conocimiento,
igual que para la implementación, de acuerdo a la IC propuesta. La primera se usa para transformar el
conocimiento declarativo en procedural y la segunda se usa para codificar las reglas de producción
usando la armazón CLIPS.
1. Etapa para transformar el conocimiento declarativo en procedural. Para llevar a cabo esta
fase se articuló un conjunto de métodos de representación del conocimiento, por ello esta fase
se considera híbrida. El conjunto de métodos para representar el conocimiento en este proceso
de transformación (no todos implementados computacionalmente) está integrado por:
Metáfora de Pizarrón [22]: hasta ahora se había usado como método de control [51] y/o almacén de
conocimiento, pero en esta propuesta sirve para realizar un modelamiento y caracterización del
discurso del experto. Se construye un pizarrón (no computacional) que está organizado en niveles
conceptuales verticales desde el más general hasta el más específico (por ejemplo causas,
componentes para describir efectos, predisposiciones, efectos, restricciones para la acción y acciones),
65
complementado por relaciones laterales espaciales y temporales. En el pizarrón [22]se capturan los
conceptos/objetos del discurso del experto y se agrupan en categorías conceptuales interrelacionadas,
dando lugar a una caracterización del discurso del experto, básico para el resto del proceso. Las
categorías iniciales de este pizarrón conceptual son propuestas por el ingeniero del conocimiento, pero
se van ajustando como producto de la interacción/colaboración de experto e ingeniero del
conocimiento para contener los conceptos/objetos del discurso agrupados en categorías conceptuales
que se usan en el resto de desarrollo del sistema experto (ver la tabla 4.3).
Tabla 4.3. Niveles de abstracción de asma bronquial
1. ACCIONES
Tratamientos:
a.

En crisis:
Inhalaciones con broncodilatadores de corta acción.
b.
NIVELES DE ABSTRACCION
2. RESTRICCIONES
PARA LA ACCION
3. RESULTADOS
4.
PREDISPOSICIONES
5. COMPONENTES
BASICOS PARA
DESCRIBIR
RESULTADOS
6. CAUSAS
Estable:
 Inhalaciones con broncodilatadores de larga acción.
 Uso de corticoides.
 Uso de medicamentos antialergenos.
 Vacunas.
 Cambio de estilo de vida.
 Educación del paciente y sus familiares.
Edad, detonadores, grado de sensibilidad, actividad laboral, Iatrogenia.
Síndromes atribuibles al asma:
1. Persistente severo: los síntomas se presentan continuamente y limitan la
actividad física. Los estados de crisis son frecuentes.
2. Persistente moderado: los síntomas se presentan a diario, es necesario el
uso de medicamentos diariamente, y afectan la actividad física. Los
estados de crisis se presentan una vez a la semana.
3. Persistente medio: los síntomas se presentan una vez a la semana. Los
estados de crisis se presentan más de dos veces al mes.
4. Intermitente: los síntomas se presentan una vez a la semana. Los estados
de crisis aparecen dos veces al mes como máximo.
Medio ambiente, herencia, estado emocional, edad, sexo, estilo de vida, raza y
ocupación laboral.
Síntomas:
 Sibilaciones
 Estertores
 Dificultad para respirar
 Ataques de tos
 Eczema
 Fiebre
Indicadores:
 Placa de torax durante el estado de crisis.
 Volumen respiratorio forzado en 1 segundo, usando el medidor “Peak
Expiratory Flow” (PEF):
 Capacidad vital forzada.
 Reversibilidad de la función bronquial
 Pruebas de alergia positivas
 Biometría hemática positiva a inmonoglobulina “E”
Infecciones virales, polvo casero, epitelio de animales, cucarachas, polenes,
mohos, humo de tabaco, contaminación del aire, ejercicio, emociones fuertes,
irritantes químicos, medicamentos, alimentos, fibras textiles, cambios de
temperatura, químicos en aereosol, perfumes y algunas actividades laborales.
66
Las dimensiones temporal y espacial del pizarrón conceptual se muestran usando la misma estructura
y los mismos niveles conceptuales (ver la tabla 4.4). La dimensión temporal permite encadenar las
acciones dependiendo de criterios difusos del estado del paciente: permanece igual, mejora o se agrava
en lapsos de evaluación que no sobrepasan los quince minutos.
Tabla 4.4. Dimensiones temporal y espacial de asma bronquial
1. ACCIONES
Tratamientos:
a.
b.



En crisis:
De corto plazo por que es necesario detener la crisis.
Se lleva a cabo en una sala altamente especializada o en un hospital.
Cuando el paciente y/o su familia ha sido entrenado puede manejar
crisis ligeras en su hogar.
Estable:
De largo plazo, como medida preventiva de crisis y mejoramiento de la
calidad de vida del paciente.
 Se lleva a cabo en el domicilio y lugar de trabajo o estudios del
paciente.
 Acude al consultorio para revisión de su estado de salud.
Edad y medio ambiente.
NIVELES DE ABSTRACCION

2. RESTRICCIONES
PARA LA ACCION
3. RESULTADOS
4. PREDISPOSICIONES
5. COMPONENTES
BASICOS PARA
DESCRIBIR
RESULTADOS
6. CAUSAS
Síndromes atribuibles al asma:
Cada uno de los síndromes tiene como características síntomas que presentan
duración y frecuencia (tiempo), que se presentan preferentemente o con
distinta intensidad por la noche o por el día o en diferentes épocas del año.
También cada uno de los síndromes se configura preferentemente en
determinados lugares que favorecen la aparición de los síntomas.
Edad, Medio ambiente, Estilo de vida y Ocupación laboral.
Síntomas: ceden, permanecen igual o se agravan al paso del tiempo y en
determinados lugares.
Indicadores: se evalúan con más frecuencia en relación directa con la gravedad
de los síntomas, sobre todo si la vida del paciente se encuentra en peligro.
Algunos indicadores pueden evaluarse en el consultorio del especialista y otros
requieren de equipo especializado, que se encuentran en un lugar específico.
Un paciente sensible a algunos alérgenos se agrava en ciertas temporadas del
año, como en el caso del polen, cambio de clima e infecciones virales; que
ocurren en ciertos lugares, muchas veces el paciente puede mejorar
cambiando de residencia.
También ocurre que un paciente asmático que presenta sensibilidad a ciertos
alérgenos durante una etapa de su vida, disminuya su sensibilidad en otra
época e incluso sea nula a esos alérgenos para incorporar a su conjunto de
detonadores otros alérgenos, que se puede favorecer por el cambio de
residencia.

Mapas conceptuales [61, 64, 140 y 141]: tampoco se implementan computacionalmente y
representan los conceptos colectados en el pizarrón en cajas de texto además de las relaciones
entre los conceptos usando arcos con mensajes que explicitan estas relaciones. Los conceptos y sus
relaciones se mapean desde el pizarrón conceptual estratificado conceptualmente, construido
usando la técnica de metáfora de pizarrón (ver la figura 4.8).
67
C
SI LOS
NDICADORES
CONFIRMAN EL
PADECIMIENTO
8: si el diagnóstico de asma bronquial se
confirma por los exámenes se debe determinar el
grado de sensibilidad del síndrome, en base a la
frecuencia con que los síntomas se presentan.
1. Son continuos, limitan la actividad física y se
presentan con frecuencia por la noche: asma
severa persistente.
2. Son diarios, se afecta la actividad diaria y se
presentan la noche más de una vez a la
semana: asma moderada persistente.
3. Presentan al menos 1 vez a la semana pero 1
vez al día y se presentan por la noche más de 2
veces a la semana: asma persistente media.
4. Se presentan menos de 1 vez a la semana, el
paciente es asintomático entre crisis y se
presentan por la noche 2 veces al mes como
máximo: asma intermitente.
TODOS
LOS
CASOS y
EDADES
9: Tratamiento preventivo para cualquier
paciente asmático. Educación para pacientes
y familiares:
1. Tomar los medicamentos correctamente.
2. Entender la diferencia entre medicamentos
para usarse en crisis y medicamentos para
uso a largo plazo.
3. Evitar alergenos y otras condiciones que
disparan las crisis asmáticas.
4. Vigilar su estado usando síntomas y,
cuando es posible, las pruebas PEF.
5. Identificar cuándo se están agravando los
síntomas de asma y tomar la acción:
 Tomar el medicamento indicado por el
médico en caso de crisis.
 Acudir al médico.
RESTRINGE
TODOS LOS CASOS
NIÑOS
D1
10: Tratamiento preventivo con uso de
medicamentos de acuerdo a la edad y el síndrome
asmático:
1. Paciente de hasta 12 años de edad.
2. Paciente mayor a los 12 años de edad
ADULTOS
9A: Terapias no recomendadas en
pacientes asmáticas:
1. Sedantes
2. Medicamentos mucolíticos que pueden
agravar los ataques de tos.
3. Sulfato de magnesio.
4. Hidratación en grandes volúmenes para
dultos.
5. Antibióticos sólo indicados en caso de
neumonía o infección bacteriana
(sinusitis) asociada a asma.
D2
FIN DE PROGRAMA
Figura 4.8. Fragmento del mapa conceptual
El fragmento de mapa conceptual previo, muestra a partir del conector “C”, que si las pruebas de
gabinete confirman el padecimiento de asma bronquial de un paciente, que no se encuentra en crisis en
el momento de la consulta, el hecho “8” lleva a la determinación del síndrome que el paciente padece
y el hecho “9” recomienda tratamientos de largo plazo que implican la re-educación del paciente y/o
sus familiares, adecuados a cada síndrome, el hecho “9A" determina las restricciones en el tratamiento
y el término del programa; otra vertiente del tratamiento preventivo de una persona que padece asma
bronquial, se encuentra en el hecho “10”, es el uso de medicamentos, cuya dosis y frecuencia de
administración está en función del síndrome que padece y la edad del propio paciente.

Reglas de producción [57]: se formulan directamente a partir de los mapas conceptuales.
2. Etapa para codificar las reglas de producción: implementadas computacionalmente,
representan el conocimiento para su manejo en la computadora, se leen/mapean a partir de los
mapas conceptuales que contienen los conceptos y las relaciones entre ellos. Se usó el armazón
CLIPS [22] para plataforma Windows, denominado CLIPSWIN, desarrollado en la NASA, con un
gran poder inferencial, aunque con una interfaz con el usuario sencilla y basada sólo en texto, una
de sus principales ventajas es que permite reglas de producción que implican relaciones de “OR”
exclusivo (ver la figura 4.9).
68
;; Si alguna de las pruebas clínicas es positiva, se puede confirmar el
;; diagnóstico de asma bronquial
;
(defrule paciente-pruebas-asma-si
(or (incrementa-15-20-minutos si)
(varia-20-12-horas si)
(decrece-15-6-minutos-ejercicio si)
(placa-toraxica-inflamacion si)
(paciente-alergico si)
)
=>
(assert (si-asma-determinar-grado-sensibilidad))
; (printout t crlf "SE DEBE DETERMINAR EL GRADO DE SENSIBILIDAD" crlf)
)
;; Si TODOS los resultados de las pruebas clínicas son negativos
;; no se puede confirmar el diagnóstico de asma bronquial
;
(defrule paciente-pruebas-asma-no
(incrementa-15-20-minutos no)
(varia-20-12-horas no)
(decrece-15-6-minutos-ejercicio no)
(placa-toraxica-inflamacion no)
(paciente-alergico no)
=>
(assert (no-tiene-asma))
)
;; Cuando se ha confirmado el diagnóstico de asma bronquial,
;; se debe determinar el grado de sensibilidad de acuerdo a
;; la frecuencia e intensidad de los síntomas
;
(defrule determina-grado-sensibilidad
(si-asma-determinar-grado-sensibilidad)
=>
(printout t
"¿Con qué frecuencia se presentan los síntomas del asma bronquial?" crlf crlf
"1 : Son continuos, limitan la actividad física y con frecuencia" crlf
"
se presentan por la noche" crlf crlf
"2 : Son diarios, se afecta la actividad diaria y se presentan" crlf
"
por la noche mas de una vez a la semana" crlf crlf
"3 : Se presentan al menos una vez a la semana, una vez al día " crlf
"
y por la noche, mas de dos veces a la semana" crlf crlf
"4 : Se presenta al menos una vez a la semana, el paciente es " crlf
"
asintomático ente crisis y se presentan por la noche 2" crlf
"
veces al mes como máximo" crlf crlf
"opcion [1 al 4] : " )
(assert (asma-sensibilidad = (read)))
(printout t crlf crlf crlf crlf crlf crlf crlf crlf crlf crlf crlf)
)
Figura 4.9. Ejemplo de reglas de producción (Parte I)
4.2.5 Mapeo de Reglas de Producción
A continuación se mostrará con un ejemplo el proceso para mapear las reglas de producción de
“ASMA” a partir del pizarrón conceptual construido con la técnica de Metáfora de pizarrón y usando
Mapas conceptuales. El mecanismo para mapear relaciones entre la dimensión conceptual y la
dimensión temporal del pizarrón se muestra a continuación (ver la figura 4.10).
69
4.
PREDISPOSICIONES
5.
COMPONENTE
S BASICOS
PARA
DESCRIBIR
EFECTOS
6. CAUSAS
Edad, peso, detonadores,
grado de sensibilidad,
actividad laboral, Iatrogenia.
NIVELES DE ABSTRACCION CONCEPTUAL
2.
RESTRICCION
ES PARA LA
ACCION
3.
MANIFESTACIONES
NIVELES DE ABSTRACCION
HORIZONTAL PARA ASMA
BRONQUIAL
TRATAMIENTOS:
a) A corto Plazo o de
emergencia.
b) A largo Plazo o
preventivo.
Tiempo transcurrido desde la
última
aplicación
del
medicamento.
SINDROMES ATRIBUIBLES
AL ASMA:
1. Persistente severo
2. Persistente moderado
3. Persistente medio
4. Intermitente
CONTROL
NIVELES DE ABSTRACCION TEMPORAL
1. ACCIONES
NIVELES DE ABSTRACCION
VERTICAL
PARA
ASMA
BRONQUIAL
TRATAMIENTOS:
a) En crisis
b) No crisis
Medio ambiente, herencia,
estado emocional, edad,
estilo de vida, sexo, raza,
ocupación laboral.
SINTOMAS: sibilaciones,
estertores, dificultad para
respirar, ataques de tos,
eczema, fiebre.
INDICADORES: Resultados
positivos de análisis clínicos.
Infecciones virales, polvo
casero, animales con pelo,
cucarachas, polenes, mohos,
humo de tabaco,
contaminación del aire,
ejercicio, emociones fuertes,
irritantes químicos,
medicamentos, alimentos,
fibras textiles, cambios de
temperatura, químicos en
aereosol, algunas
actividades laborales.
SINDROMES ATRIBUIBLES AL
ASMA: cada uno de los
síndromes tiene duración,
frecuencia
y
pueden
presentarse preferentemente
o con distinta intensidad por
la noche o por el día o en
diferentes épocas del año.
Herencia y edad: pueden
favorecer que el síndrome se
agrave o no al transcurrir el
tiempo.
SINTOMAS:
ceden,
permanecen igual o se
agravan durante periodos.
INDICADORES: Se evalúan
con más frecuencia en
relación directa
con
la
gravedad de los síntomas.
Sobre todo si existen indicios
de que la vida del paciente
se encuentra en peligro.
Un paciente sensible a
algunos
alergenos
se
agravará
en
ciertas
temporadas del año. También
puede presentar sensibilidad
a ciertos alergenos durante
una etapa de su vida,
disminución de su sensiblidad
en otra época e incluso
desaparecer, para incorporar
a sus detonantes otros
distintos.
Figura 4.10. Mapeo de relaciones entre las dimensiones conceptual y temporal del pizarrón
70
A partir de la determinación de las relaciones entre las dimensiones conceptual y temporal del pizarrón
se construyen mapas conceptuales, que contienen en los cuadros los conceptos-objetos de estudio y las
flechas que los unen explicitan las relaciones entre ellos.
La etapa para concluir el mapeo de las
reglas de producción (conocimiento procedural) es traducir las porciones de los mapas conceptuales en
reglas de producción (ver la figura 4.11).
1. Determinar si el
paciente está en crisis:
Si el paciente
presenta dificultad
para respirar o tos o
sibiliación o estertor
está en crisis,
independiente de la
gravedad.
1. SI
2. NO
SI
crisis
NO
crisis
2. Si el paciente SI
presenta crisis en el
momento de la consulta
se inicia el proceso para
interrumpir la crisis en el
menor tiempo posible y
con
los
efectos
iatrogénicos mínimos.
3. Si el paciente NO
presenta crisis en el
momento de la consulta
se inicia el proceso para
averiguar si el paciente
padece asma o no, su
síndrome, etc.
4. Atención
al paciente
en crisis.
Obtener
más datos
Obtener
más datos
5. Atención al
paciente que
no presenta
crisis para
realizar
diagnóstico
Figura 4.11. Porción de mapa conceptual que muestra el ejemplo
Estos Mapas conceptuales se traducen directamente en reglas de producción que se formalizan con el
armazón CLIPS [18] (ver figura 4.12), que contiene la fracción de código correspondiente a la porción
de mapa conceptual mostrado arriba (ver figura 4.11).
;; Regla que determina si el paciente está en CRISIS
;
(defrule paciente-esta-en-crisis-si-no
(initial-fact)
=>
(printout t crlf
"Se establece que el paciente está en CRISIS cuando cualquiera de las" crlf
"siguientes aseveraciones es cierta:" crlf crlf
"> Presenta dificultad para respirar <" crlf
"> Presenta accesos de tos
<" crlf
"> Presenta sibilaciones
<" crlf
"> Presenta estertores
<" crlf crlf)
(printout t "De acuerdo a lo anterior, ¿El paciente está en CRISIS?" crlf
"(sí ó no) : ")
(assert (paciente crisis = (read)))
)
Figura 4.12. Fracción de código correspondiente a la figura 4.11 (parte I)
71
;; si el paciente esta en crisis llamar al archivo que hace
;; el diagnostico.
(defrule paciente-crisis-tratamientos
(paciente crisis si)
=>
(load "crisis.clp")
(run)
)
;; Si el paciente no se encuentra en CRISIS, determine
(defrule edad-paciente
?hecho2 <- (paciente crisis no)
=>
(retract ?hecho2)
(printout t "Seleccione el tipo de paciente de acuerdo
(printout t "1 : La edad del paciente es de hasta 12
"2 : La edad del paciente es mayor de 12
"3 : Salir del sistema" crlf
"Opcion :" )
(assert (usuario-resp edad = (read)))
)
su edad.
a la edad" crlf crlf)
años" crlf
años" crlf
Figura 4.12. Fracción de código correspondiente a la figura 4.11
4.2.6 Validación del Sistema Experto “ASMA”
El sistema experto “ASMA” se validó utilizando 97 historias clínicas de pacientes de asma bronquial,
niños y adultos, de sexo femenino y masculino, proporcionadas por el experto médico participante en
esta investigación.
Se realizaron corridas individuales con cada una de las historias clínicas. Los datos de síntomas,
indicadores, edad y peso de las historias clínicas proporcionadas se usaron como entradas para el
sistema experto. Los diagnósticos obtenidos con el sistema experto se compararon con los
diagnósticos reportados en las historias clínicas y la efectividad de los resultados obtenidos con el
sistema experto fue del 100%.
4.3 Arquitectura del Sistema Experto ASMA
ASMA es un sistema experto basado en reglas implementado con la ingeniería de conocimiento
descrito en el capítulo 2 y como se ha descrito en este mismo capítulo. Constituye una solución al
nivel de implementación de dos tipos de problemas del dominio médico: diagnóstico y recomendación
de terapia.
Para solucionar un problema de diagnóstico es necesario utilizar razonamiento analítico, mientras para
resolver un problema de recomendación de terapia es preciso combinar los tipos de razonamientos
analítico y sintético.
El subproceso de diagnóstico está integrado por las etapas: obtención de datos generales del paciente
(edad, talla y peso), identificar componentes básicos para describir los resultados de las causas
72
(síntomas e indicadores), realizar varios diagnósticos intermedios (el paciente está en crisis o estable y
si padece asma o no),identificar las causas, identificar predisposiciones y Agrupar resultados para
determinar síndromes.
El subproceso de recomendación de terapia contiene las siguientes etapas: reutiliza / comparte del
subproceso de diagnóstico los datos generales, los datos de entrada es el diagnóstico, a continuación
identifica las restricciones para la acción, y finalmente recomienda las terapias de largo o corto plazo.
La arquitectura del sistema experto “ASMA” (ver figura 4.13) se puede representar gráficamente
como dos bloques relacionados: diagnóstico y recomendación de terapia.
DIAGNOSTICO
IDENTIFICAR LOS COMPONENTES
BASICOS PARA DESCRIBIR
RESULTADOS:
SINTOMAS E INDICADORES
DATOS GENERALES
DEL PACIENTE:
EDAD, PESO Y TALLA
IDENTIFICAR
PREDISPOSICIONES PARA EL
PADECIMIENTO
REALIZAR DIAGNÓSTICO DE
PRIMER NIVEL:
CRISIS O NO
NO
VERIFICAR LOS
COMPONENTES BASICOS
PARA DESCRIBIR
RESULTADOS:
SINTOMAS E INDICADORES
REALIZAR DIAGNOSTICO DE
SEGUNDO NIVEL: CONFIRMA O
RECHAZA LA HIPOTESIS DEL
PADECIMIENTO
NO
SI
AGRUPAR LOS
RESULTADOS
SI
REALIZAR DIAGNÓSTICO DE
TERCER NIVEL:
EL PACIENTE NO PADECE
ASMA
IDENTIFICAR CAUSAS DEL
PADECIMIENTO
REALIZAR DIAGNOSTICO DE
CUARTO NIVEL:
DETERMINA LOS SINDROMES
DEL PADECIMIENTO
A
Figura 4.13. Arquitectura del sistema experto “ASMA” (parte I)
73
A
IDENTIFICAR LAS
RESTRICCIONES PARA
LA ACCIÓN:
SENSIBILIDAD, ESTILO
DE VIDA, IATROGENIA
EVALUAR EL ESTADO
GENERAL DE SALUD
DEL PACIENTE
TERAPIA DE
EMERGENCIA
TERAPIA
PREVENTIVA
Figura 4.13. Arquitectura del sistema experto “ASMA” (parte II)
74
RECOMENDAR
TERAPIA
Capítulo 5
Conclusiones y Trabajos Futuros
5.1 Resultados
Los resultados de este experimento en el dominio médico fueron variados y algunos de ellos
sorprendentes para quienes participaron en el mismo.
El resultado más inmediato y evidente fue un sistema experto basado en reglas, con el que se puede
diagnosticar asma bronquial y recomendar tratamiento adecuado al padecimiento.
Otro resultado inmediato e inesperado fue la sorpresa y complacencia del experto médico que
participó en el ejercicio, que se tradujo en interés por participar en trabajos futuros relacionados con
este ejercicio.
Se encontró que en el dominio de asma bronquial, al menos, existen dos formas para abordar el
manejo del padecimiento, que depende de si el experto adopta una posición de racionalidad sustantiva
o de racionalidad limitada para proponer la solución:
 Haciendo énfasis en las acciones que hacen desaparecer las causas de la enfermedad.
 Haciendo énfasis en hacer desaparecer o aliviar los resultados de las causas.
Además se determinó que en este dominio ambos tipos de racionalidad coexisten y con frecuencia el
enfoque de la racionalidad limitada es predominante, por ejemplo cuando el paciente se encuentra en
crisis y su vida está en riesgo.
Sin lugar a dudas el hallazgo más importante fue que al usar la metáfora de pizarrón se puede modelar
el discurso de diagnóstico médico, que tal vez se puede generalizar a otros discursos, y este a su vez da
acceso a la generación de mapas conceptuales específicos del dominio de experticia.
Otro resultado relevante fue que a partir de los mapas conceptuales se pueden generar o mapear reglas
de producción para un sistema experto.
Teniendo como base la teoría de ACT de Anderson [6] y a través de esta implementación se
descubrió, durante esta investigación, parte del proceso que un experto médico utiliza para
diagnosticar el padecimiento de asma bronquial, en su aspecto declarativo, al hallar que al menos en el
dominio médico se tienen dos partes del discurso médico en asma bronquial, uno de ellos obedece a
un principio de racionalidad sustantiva y el otro se basa en un principio de racionalidad limitada.
Aunque este planteamiento aún está distante del aspecto procedural; es necesario averiguar la relación
entre el conocimiento declarativo y el procedural, y para ello se deben realizar implementaciones
variadas para intentar averiguar más acerca del proceso de caracterización del discurso del experto.
75
5.1.1 Experimentos
Además de la implementación del sistema experto “ASMA” como complemento y contraste se
diseñaron y realizaron otros experimentos:


Validación del sistema experto “ASMA” con médicos.
Comparación con sistemas inteligentes de razonamiento basado en casos:
 Usando incertidumbre
 Usando redes neuronales
5.1.1.1 Validación del sistema experto “ASMA” con médicos.
El sistema experto se puso a consideración de 6 médicos generales y pediatras, durante dos meses,
que se desempeñan en la práctica médica en instituciones públicas (como IMSS y SSA) y/o en sus
propios consultorios y algunos de ellos además, se desempeñan como catedráticos de la facultad de
Medicina de la Universidad Veracruzana (ver la tabla 5.1).
Tabla 5.1. Características laborales de los médicos participantes
Médico
Hospital
Consultorio
Consutorio
Docencia
institucional
privado
1
2
3
4
5
6
Fue difícil conseguir la participación de estos médicos generales por que conciben a la computadora y
sus herramientas, como el sistema experto “ASMA”, un inconveniente pues no les interesa aprender a
manejar una computadora, además que se sienten amenazados por que piensan que este tipo de
programas tienden a desplazarlos.
Sin embargo, los médicos menos renuentes a considerar el sistema experto fueron aquellos que se
desempeñan como profesores.
Para capturar su opinión e impresiones se aplicó una encuesta muy sencilla (ver tabla 5.2). Donde 1
representa la respuesta afirmativa y 0 la respuesta negativa.
Tabla 5.2. Resultados de la encuesta
Respuestas de los médicos
participantes
1
2
3
4
5
¿Probó el programa?
1
1
1
1
1
¿Le pareció útil?
1
1
0
1
0
¿Cuántas veces lo usó?
20
10
55
35
12
¿Cuántas veces le contestó correctamente?
20
8
54
33
10
¿Le gustaría seguir usándolo?
1
1
0
1
1
¿Lo recomendaría a sus colegas o alumnos?
1
1
1
1
1
Preguntas
76
Subtotal
6
1
1
30
30
1
1
6
4
162
155
5
6
5.1.1.2 Comparación con sistemas inteligentes de razonamiento basado en casos
Quedaba pendiente averiguar si el sistema experto “ASMA” exhibe ventajas, implementado con
razonamiento basado en casos, con respecto a un sistema inteligente que resolviera el mismo problema
pero usando razonamiento basado en casos: Redes de Bayes y redes neuronales.
Redes de Bayes
Las redes bayesianas incorporan la representación y uso de la incertidumbre para la solución de
problemas del mundo real que presentan inevitablemente características de complejidad, dinamismo e
inaccesibilidad [57].
La incertidumbre es resultado de la imposibilidad de listar el conjunto completo de antecedentes y/o
consecuentes necesarios para garantizar una regla sin excepciones, el empleo de las enormes reglas
resultantes en el ámbito de la lógica de primer orden. Así mismo, la ignorancia teórica en el dominio
en cuestión y la ignorancia práctica derivada de las condiciones de verificación de las variables
usadas.
El razonamiento probabilista bayesiano se ha utilizado en la Inteligencia artificial desde la década de
los 60, especialmente para el diagnóstico médico. Ha servido no sólo para establecer diagnósticos
basados en la evidencia disponible, sino también para proponer más preguntas y pruebas en los casos
que la evidencia médica no permitía llegar a conclusión alguna, usando la teoría del valor de la
información.
La Regla de Bayes permite calcular probabilidades desconocidas a partir de probabilidades conocidas
y estables. Es necesario un mínimo tres términos (una probabilidad condicional y dos probabilidades
incondicionales) para calcular una probabilidad condicional.
Para la implementación se usó el armazón “BAYES II” y los 97 casos proporcionados por el Dr.
Lozano Sáenz. Las variables se definieron como se muestra a continuación (ver la tabla 5.3) que son
síntomas, indicadores y diagnóstico.
Tabla 5.3. Variables para la red de Bayes
Variables independientes
Indicadores
EDAD
nino
adulto
SEXO
masc
feme
SINTOMAS
si
no
FRECUENCIA
perm
myfr
frec
espo
PEF
20
10
ALERGIA
40
30
HERENCIA
60
50
CRISIS_PREV
80
70
TRAMIENTO
100
90
Variables dependientes
DIAGNOSTICO
0
1
2
3
77
4
La respuesta fue un diagnóstico de padecimiento de asma bronquial: negativo = 0, positivo con los 4
síndromes posibles.
El resultado obtenido usando “BAYES II” es una gráfica (verla figura 5.1), que muestra la importancia
de las relaciones no monotónicas, entre las variables declaradas como se mostró en la tabla 5.3. A
partir de esta implementación se puede afirmar que:




Las variables HERENCIA, ALERGIA, PEF, SINTOMAS, CRISIS PREVIAS,
TRATAMIENTO, y FRECUENCIA tienen una relación monotónica y consecuente.
La variable más significativa para la solución del problema es SINTOMAS.
Las variables FRECUENCIA y EDAD son menos significativas que SINTOMAS, pero mayor
que las demás variables porque agregan su relación no monotónica con la variable
SINTOMAS.
La variable SEXO no aparece en la gráfica porque no es significativa para la solución del
problema.
HERENCIA
EDAD
ALERGIA
PEF
SINTOMAS
CRISIS PREVIAS
TRATAMIENTO
FRECUENCIA
RESULTADOS
Figura 5.3. Resultado de la red de Bayes
78
Los resultados obtenidos son congruentes con los alcanzados con la implementación del sistema
experto “ASMA”.
Las diferencias fundamentales entre ambas implementaciones es que el sistema experto proporciona
explicaciones acerca de cómo se resuelve el problema y mientras las redes bayesianas no; pero la
implementación con la redes de Bayes, proporcionó una explicación acerca de cuáles son las variables
que tienen mayor influencia en la solución del problema de diagnóstico de asma bronquial.
Sin embargo, sería relevante para este trabajo intentar una implementación con redes bayesianes para
encontrar las causas del padecimiento de asma bronquial, dado que hasta ahora no ha sido posible.
Redes neuronales
Se planteó el problema de diagnóstico de asma bronquial usando una red neuronal con arquitectura
backpropagation, totalmente conectada, de tres capas, con 8 neuronas en la capa de entrada y 5
neuronas en la capa de salida.
Para implementar la red neuronal se usó el armazón “NEUROSHELL 2.0” para “WINDOWS”, con
entradas: edad, sexo, intensidad de síntomas, frecuencia de ocurrencia de síntomas, resultados de la
función pulmonar, resultados de la prueba de alergia, herencia y crisis asmáticas previas, mostradas en
la figura 5.2.
1.
2.
3.
4.
5.
6.
7.
8.
Edad
Sexo
Intensidad de síntomas
Frecuencia de ocurrencia de síntomas
Resultados de PEF
Resultados de prueba de alergia
Herencia
Crisis asmáticas previas.
Figura 5.2. Entradas de la red neuronal
Mientras que la salida fue el diagnóstico de asma bronquial y una gráfica de la dependencia de
variables para el resultado (ver la figura 5.3).
Se usaron 50 casos para entrenar la red, elegidos aleatoriamente de entre las historias clínicas
proporcionadas por el médico experto, y los 47 casos restantes se usaron para probar la red, la
efectividad de las respuestas fue del 100%. Los resultados de este ejercicio confirman algunos de estos
datos, tales como:
1. Determinar que las causas del asma bronquial y el factor hereditario no son determinantes para
el padecimiento, aunque si son detonantes de crisis.
2. La edad y la presencia de los síntomas, así como su frecuencia son más decisivos para
establecer la presencia y gravedad del padecimiento.
79
Figura 5.3. Importancia de cada variable de entrada en el diagnostico de asma bronquial
Cabe destacar la importancia jerárquica, la longitud de la columna es directamente proporcional, de las
entradas para obtener la salida como diagnóstico de asma bronquial (ver la figura 5.3).
Estos resultados coinciden con los resultados obtenidos al usar un sistema experto basado en reglas
“ASMA”, para el mismo propósito y con datos similares.
5.2 Conclusiones
Un problema fundamental de la ingeniería de conocimiento es la representación “adecuada” del
conocimiento para resolver un problema.
La primera técnica de representación del conocimiento es utilizada por el experto de un dominio
cuando habla acerca del contenido de su experticia, por que de acuerdo a Clancey [16] “hablar es
representar”. Cuando el experto habla para resolver un problema, enuncia su conocimiento como una
estructura de conceptos y sus relaciones, configurando el discurso del experto, que contiene el
sustento teórico del dominio.
El discurso del experto, como la toma de decisión sobre un tema o asunto, conduce inevitablemente a
determinar para qué sirve el conocimiento enunciado, como lo concluye Minsky [85] en su teoría de
marcos (frames).
80
Sin embargo ante la dificultad para definir el discurso, en este trabajo se propuso reducir la
ambigüedad de la idea del discurso al describirlo en lugar de tratar de definirlo. Así respondemos a
¿Cómo es el discurso? En lugar de ¿Qué es el discurso?.
Para responder a ¿Cómo es el discurso? en este trabajo se propuso la idea de que un discurso es como
un mapa conceptual, que se construye a partir de la caracterización del discurso, usando la metáfora
de pizarrón. Mediante la caracterización del discurso del experto se pueden descubrir las relaciones
entre los niveles conceptuales del dominio, que lleva a su estructuración en mapas conceptuales.
Usando la caracterización del discurso del experto se puede hacer una tipología distinta de los sistemas
expertos, basada en el compromiso lógico-pragmático del experto para proponer la solución:


Racionalidad sustantiva: si la solución propuesta incide en las causas del problema.
Racionalidad limitada: si la solución propuesta incide en las consecuencias de las causas del
problema.
En contraste con las tipologías de los sistemas expertos con fundamento en el dominio donde se
aplican o en el tipo de problema que se puede resolver con ellos.
A lo largo de la investigación que sustenta este trabajo se descubrió que la metáfora de pizarrón
conduce a mapas conceptuales, y estos, a su vez, llevan a reglas de producción, este proceso
constituye el fragmento medular de la ingeniería de conocimiento que incluye la caracterización del
discurso, descrita en este trabajo.
Aunque de acuerdo a Anderson [6], los descubrimientos más relevantes se llevan a cabo en el nivel
algorítmico, este nivel implica acceder, al menos parcialmente, a los procesos mentales que los
humanos realizan para resolver un problema, los cuales son inaccesibles. Así el propio Anderson
recomienda realizar ejercicios al nivel de implementación para descubrir patrones y generalizaciones
que permita confirmar o desechar las hipótesis formuladas para el nivel algorítmico.
En este trabajo se describe una implementación en el dominio médico para tratar de validar la
ingeniería de conocimiento propuesta, cuyo sustento está en la caracterización del discurso del
experto, y su oportunidad para transformar el conocimiento del experto en un formalismo
computacional: reglas de producción.
A lo largo del desarrollo de la implementación, y a través de la caracterización del discurso de un
experto médico, fue posible realizar un acercamiento claro, aunque parcial, al proceso mental del
propio médico para realizar un diagnóstico en su dominio.
También se descubrió que el discurso experto, en general, no es único por que está relacionado con el
dominio de conocimiento y al tipo de problema al que se refiere.
En este trabajo se exploró fundamentalmente el discurso del diagnóstico médico y, en cambio, el
discurso de terapia médica sólo se examinó ligeramente.
Para validar el sistema expertos basado en reglas desarrollado con la implementación de la ingeniería
de conocimiento propuesta, se propusieron experimentos con sistemas basados en casos para resolver
el mismo problema. Para estos últimos experimentos se usaron redes de Bayes y redes neuronales, que
no requieren del discurso experto.
81
En general se realizaron experimentos que llevaron a identificar dos tipos de discursos del médico,
uno comprometido con la racionalidad sustantiva y otra con la racionalidad limitada, y otros que
carecían de discurso experto, como los sistemas basados en casos.
Se quedó pendiente la investigación del discurso no sólo acerca del discurso terapeútico médico, sino
también de dominios distintos al médico.
La metodología o ingeniería de conocimiento propuesta en este trabajo carece de la madurez de otras
metodologías que se han implementado para resolver diversos tipos de problemas y dominios de
conocimiento, pues la metodología propuesta en este trabajo se encuentra en una etapa inicial y
quedan muchas implementaciones por realizar, para validarla y ampliarla.
La ventaja de esta metodología propuesta es la sencillez para poder ser comprendida, desarrollada y
aplicada, aún para ingenieros de conocimiento novatos. Estas características la hacen un recurso
didáctico para explorar varios conceptos fundamentales de la inteligencia artificial, como la estructura
de un dominio para representarlo, así como del propio dominio donde se lleve a cabo la
implementación.
5.3 Trabajos futuros
Los trabajos propuestos para realizarse en el futuro, derivados de este planteamiento se pueden
agrupar en cuatro tipos:
 Generalización de la caracterización de la naturaleza del discurso
Según Anderson [6], a través de las implementaciones se puede descubrir parte de los procesos
mentales de los expertos al resolver un problema, al mismo tiempo al contar con variedad de
implementaciones se puede intentar descubrir regularidades que lleven a la generalización.
Para generalizar el uso de la caracterización de la naturaleza del discurso, es necesario realizar
implementaciones de la ingeniería de conocimiento propuesta en dominios distintos a la medicina y
con tipos de problemas distintos al diagnóstico y la recomendación de terapia.
 Organizar ambientes pedagógicos para evaluar el potencial de la caracterización del
discurso experto como base de adyuvantes para la adquisición de conocimiento.
Aunque el uso de sistemas expertos en el ámbito de la medicina ha sido muy amplio y exitoso,
aplicados a la educación no han aportado los beneficios deseados, como lo señala Lillhaug [63], pero
el mismo autor señala una alternativa para diseñar tutores para entrenar a los novatos con pacientes
virtuales.
Tal vez sea conveniente introducir nuevos métodos, como la caracterización del discurso del experto,
que propicien la construcción de aprendizaje significativo en los novatos, no sólo de medicina sino de
otros dominios también, que favorezcan el descubrimiento en lugar de la repetición de estructuras de
conocimiento establecidas.
82
Implementar el adyuvante para el conocimiento, basado en la ingeniería de conocimiento propuesta y
en la caracterización del discurso experto.
 Explorar el discurso médico terapeútico.
Tratar de explorar comparativamente distintos discursos terapeúticos, especialmente la medicina
tradicional mexicana y la medicina occidental alópata, para continuar también con los trabajos de
Caballero y Negrete-Martínez [9].
El discurso terapeútico de la medicina tradicional mexicana plantea interesantes desafíos en varios
aspectos, por ejemplo:




¿Cómo representar cosmogonías, metapsiquismo y psicosomatización?
¿Dónde situar a la medicina tradicional mexicana en la filosofía occidental?
¿Es posible caracterizar el discurso de la medicina tradicional mexicana con el método propuesto
en esta tesis?
¿Qué tiene en común el discurso de la medicina tradicional mexicana con la medicina occidental
alópata, con la homeopatía o con la medicina tradicional oriental?.
Son muchas preguntas en el aire y cada una de ellas plantea un reto científico en sí misma.
 Explorar el potencial de la caracterización del discurso médico para su uso en Semantic
WEB.
La caracterización del discurso del experto tiene como uno de sus beneficios parciales e iniciales, la de
ayudar a dos expertos de dominios distintos a establecer un discurso común, que si bien es limitado en
un principio se va construyendo a través de la interacción entre los interlocutores, hasta que ambos
consideran, en un acuerdo tácito, que es suficiente para compartir una parte de su experticia y
colaborar para solucionar un problema, como lo plantea Gadd [32]. Esta característica puede resultar
útil en la Semantic WEB [68].
83
Referencias
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
Aamodt, Aganar and Nygard, Mads: Different roles and mutual dependencies of data,
information and knowledge – An AI perspective on their integration. Data and Knowledge
Engineering. Vol. 16 (3) (1995) pp. 191-222. Elsiever Science B.V.
Abrahams, Robert: A Collaborative Literature Review of Concept Mapping.
http://www2.ucsc.edu/mlrg/clr-conceptmapping.html
Adlassing, Klaus-Peter: The Section on Medical Expert and Knowledge-Based Systems at the
Department of Medical Computer Sciences of the University of Vienna Medical School.
Artificial
Intelligence
in
Medicine.
Vol.
21
(2001)
pp.
139-146.
http://www.elsiever.com/locate/artmed
Aldana, Rosario; Vázquez, Roberto; Lozano, José; Negrete-Martínez, José: Metáfora de
Pizarrón en Ingeniería del conocimiento médico: El caso del asma bronquial. Segundo
Simposium Internacional en Tecnologías Inteligentes, pp. 75-84. México (2000).
Alo, Kenneth; Alo Richard; Korvin, Andre and Kreinovich, Vladik: Spinal Cord Simulation
for Chronic Pain Management: Towards an Expert System. Pain and Health Management
Center, USA. In 4th. World Congress on Expert Systems: Application of Advanced
Information Thecnologies pp. 156 - 164. México (1998).
Anderson, John R.: Methodologies for studying human knowledge. In Behavioral and Brain
Sciences (1987), Vol. 10, pp. 467-505.
Angele, J.; Fensel, D.; Landes, D. And Studer, R.: Developping Knowledge-Based Systems
with MIKE. Automated Software Engineering 5 (4), pp. 389-418. Kluwer Academic
Publishers (1998).
Buis, A.M. and Vingerhoeds, R.A.: Knowledge-based systems in the design of a new
parcelling. http://www.infomed.sld.cu/instituciones/cecam/amcim25.htm
Caballero, Hilda y Negrete-Martínez, J.: Ingeniería de Conocimiento para un ‘Yerberito’.
Maestría en Inteligencia Artificial. Universidad Veracruzana. México (1999).
Cardeñosa, Jesús; Dodero, Juan Manuel; Fernández, Camino; Fernández, Celia Flor; GómezPérez, Asunción; Martínez, Loïc; Sierra, Almuneda y Vicente, Antonio de: SEAMA.
http://delicias.dia.fi.upm.es/area/metodolog_as_de_ingenier_Esp.html
Carrión M., Patricia de la L. : CAN: Un sistema orientado al aprendizaje. Tesis de Maestría en
Inteligencia Artificial. Universidad Veracruzana. México (1998).
Cazorla Q., Miguel A.; Colomina P., Otto; Escolano R., Francisco; Gallardo L., Domingo;
Rizo A., Ramón y Satorre C., Rosana: Técnicas de Inteligencia Artificial. Textos docentes.
Universidad de Alicante. España (1999).
Chalmers, David J. : La mente consciente. En busca de una teoría fundamental. Gedisa.
Barcelona (1999).
Christodoulou, E. And Keravnou, E.T.: Metareasoning and meta-level learning in a hybrid
knowledge-based architecture. Artificial Intelligence in Medicine 14 (1998) pp. 53-81.
http://www.elsiever.com/locate/artmed
Citro, Gil; Banks, Gordon and Cooper, Gregory: INKBLOT: A neurological diagnostic
decision support system integrating causal and anatomical knowledge. Artificial Intelligence
in Medicine 10 (1997) pp. 257-267. http://www.elsiever.com/locate/artmed
Clancey, Williams J.: Situated Cognition : On Human Knowledge and Computer
Representations (Learning in Doing - Social, Cognitive and Computational Perspectives).
ISBN: 0521448719
84
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
Clercq, Paul; Hasman, Arie; Blom, Johannes and Korsten, Hendrikus: The application of
ontologies and problem-solving methods for the development of shareable guidelines.
Artificial Intelligence in Medicine 22 (2001) pp. 1-22.
http://www.elsiever.com/locate/artmed
CLIPS. http://www.simtel.net/simcgi-bin/win95find.cgi?CLIPS
Cluff, Leighton; Novak, Joe; Rathe, Richard; Romrell, Lynn; Rooks, Larry; Small, Parker;
Suter, Emanuel y Watson, Robert: Meaningful Learning. Florida University (1995).
http://www.med.ufl.edu/medinfo/docs/suter/learn.html
Coiera, Enrico: Artificial Intelligence in Medicina. (1997).
http://www.coiera.com/aimd.htm
Coiera, E.; Baud, R.; Console, L.; Cruz, J.; Durinck, J.; Frutiger, P.; Hucklenbroich, P.;
Richards, A. And Spitzer, K.: The Role of Knowledge Based Systems in Clinical Practice.
Appeared in P. Barahona, J.P. Christensen (eds), Knowledge and Decisions in Health
Telematics – The Next Decade, IOS Press, Amsterdam (1994). pp 199 – 203. http://wwwuk.hpl.com/people/ewc/papers/munich/workshop.html
Corkill, Daniel: Blackboard systems. AI Expert (1991).
Cortés, C., José: Asma Bronquial, Concepto Moderno. Instituto Politécnico Nacional. Fondo
de Cultura Económica. México (2000).
Delgado, Miguel; Sánchez, Daniel, Martín-Bautista, María J. And Vila, María-Amparo:
Mining association rules with improved semantics in medical databases. Artificial Intelligence
in Medicine 21 (2001) pp. 241-245. http://www.elsiever.com/locate/artmed
Duan, Yanging; Burell, Phillip and Shaw, Steven: ESCA: An Experts Systems for
Competitive Assessment. University of Luton, UK. In 4th. World Congress on Expert
Systems: Application of Advanced Information Thecnologies pp. 17 - 24. México (1998).
Durkin, John: Expert System Development Tools. In The Handbook of Applied Expert
Systems pp. 4-1 to 4-26. CRC Press (1998).
Eisenstadt, Marc and Brayshaw, Mike: MIKE: Free and portable expert system teaching
system. Human Cognitive Research Lab. The Open University. England (1991).
ftp://hcrl.open.ac.uk/pub/software/src/MIKEv2.03/
ftp://hcrl.open.ac.uk/pub/software/pc/MIKEV25.ZIP
http://www.cs.cmu.edu/afs/cs/project/ai-repository/ai/areas/expert/systems/mike/
Failey, Richard: Ingeniería de software.
http://www.inf.udec.cl/~ingsoft/software/isintroduccion.html
Fox, John; Johns, Nicky and Rahmanzadeh, Ali: Disseminating medical knowledge: the
PROforma approach. Artificial Intelligence in Medicine 14 (1998) pp. 157-181.
http://www.elsiever.com/locate/artmed
Frost, Raymond; Gilleson, Mark and Kilpatrick, Michael: The Object-Oriented Database as a
Sel-Contained Expert System. Jornal of object-oriented programming. (1994).
http://axp16.iie.org.mx/Monitor/v01n01/ar_poo2.html
Gaines, Brian R. Y Shaw, Mildred: Knowledge Acquisition Tools based on Personal
Construct Psychology. Knowledge Science Institute, Department of Computer Science,
University of Calgary, Calgary, Alberta, Canada.
http://www.cpsc.ucalgary.ca/~robertof/courses/679/Knowledge.html
Gadd, Cynthia S.: A theory of the Multiple Roles of Diagnosis in Collaborative Problem
Solving Discourse. http://dmi-www.mc.duke.edu/dukemi/team/gadd/
Galvin, Thomas: Military Expert Systems Applications. In The Handbook of Applied Expert
Systems pp. 34-1 to 34-13. CRC Press (1998).
85
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
58.
59.
60.
61.
62.
63.
Gangemi, Aldo; Pisanelli, Domenico and Steve, Geri: An overview of the ONIONS project:
Applying ontologies to the integration of medical terminologies. Artificial Intelligence in
Medicine 31 (1999) pp. 183-220. http://www.elsiever.com/locate/artmed
Garibaldi, Jonathan M.; Westgate, Jennifer A. And Ifeachor, Emmanuel C.: The evaluation of
an expert system for the analysis of umbilical cord blood. Artificial Intelligence in Medicine
17 (1999) pp. 109-130. http://www.elsiever.com/locate/artmed
Goebel, Randy and Cantu-Ortiz, Francisco: Logic. In The Handbook of Applied Expert
Systems pp. 18-1 to 18-16. CRC Press. USA (1998).
Gómez, A.; Moreno, A.; Pazos, J. And Sierra-Alonso, A.: Knowledge maps: An essential
technique for conceptualisation. Data and Knowledge Engineering 33 (2000) pp. 169-190.
http://www.elsevier.nl/gej-ng
Gómez-Pérez, Asunción: Knowledge Sharing and Reuse. In The Handbook of Applied Expert
Systems pp. 10-1 to 10-36. CRC Press. USA (1998).
González, Fermín y Novak, Joseph: Aprendizaje Significativo Técnicas y Aplicaciones.
Editorial Cincel. Argentina (1993).
González P., Pedro P.: Introducción a las redes neuronales. Notas de curso en la Maestría en
Inteligencia Artificial. Universidad Veracruzana, México (2000).
Graesser, Arthur, Gernsbacher, Morton y Goldman, Susan: Cognición. En El Discurso como
Estructura y Proceso de Van Dijk, Teun, pp 417-452. Editorial GEDISA. España (2000).
Grogono, Peter: Software Engineering for Expert Systems. In The Handbook of Applied
Expert Systems pp. 25-1 a 25-15. CRC Press (1998).
Grundspenkins, J.: Causal domain model driven knowledge acquisicion for expert diagnosis
system development. http://www.wkap.nl/kaphtml.htm/HOMEPAGE
Guarino, Nicola: Conceptual Modeling and Ontological Analysis. LADSEB CNR, Italy.
http://www.ladseb.pd.cnr.it/infor/ontology/research.html
Guarino, Nicola: Ontological Analysis and Ontology Design. LADSEB CNR, Italy.
http://www.ladseb.pd.cnr.it/infor/ontology/research.html
Guarino, Nicola: Some Ontological Principles for Designing Upper Level Lexical Resorces.
National Research Council. LADSEB-CNR, Padova, Italy. First International Conference on
Language Resorces and Evaluation. Spain (1998).
Gyoo Park, Hwa; Jae Oh, Chi; Kim, Hyun, Chan Seok and Jun Bong, Book: A ComputerAided Concurrent Design Support Sistem. Systems Engineering Research Institute, Korea. In
4th. World Congress on Expertn Systems: Application of Advanced Information Thecnologies
pp. 79 - 83. México (1998).
Hahn, Udo; Romacker, Martin and Schulz, Stefan: How knowledge drives understanding –
matching medical ontologies with the needs of medical language processing. Artificial
Intelligence in Medicine 15 (1999) pp. 25-51. http://www.elsiever.com/locate/artmed
Harayama, Michiko; Takeda, Noriyuki; Miyazaki, Seiji and Park, Vladik: Remote Diagnostic
Expert System on Diabetes Mellitus Via the Internet. Gifu University Japan. In 4th. World
Congress on Expert Systems: Application of Advanced Information Thecnologies pp. 143 150. México (1998).
Harrison, Patrick and Kovalchik, Joseph: Expert Systems and Uncertainty. In The Handbook
of Applied Expert Systems pp. 8-1 to 8-11. CRC Press. USA (1998).
Hayes-Roth, Barbara: A Blackboard Architecture for Control. Heuristic Programming Project.
Stanford University. USA. Artificial Intelligence an International Journal.
Herramientas para construir un sistema experto.
http://www.fortunecity.com/skyscraper/romrow/207/se/HERRAMIENTAS.html
Hluck, George: Genetic Algorithms. In The Handbook of Applied Expert Systems pp. 12-1 to
12-11. CRC Press. USA (1998).
86
64.
65.
66.
67.
68.
69.
70.
71.
72.
73.
74.
75.
76.
77.
78.
79.
80.
81.
82.
83.
84.
Hoog, Robert: Methodologies for Building Knowledge Based Systems: Achievements and
Prospects. In The Handbook of Applied Expert Systems. Pp. 1-1 to 1-14. CRC Press. USA
(1998).
Ibáñez, Jesús: Más allá de la Sociología. Editorial siglo XXI. España (1979).
Ingeniería del Conocimiento. Universidad Carlos III. España (2000).
http://grial.uc3m.es/~docweb/ic/enunciado98-99.html
Jackson, Peter: Introduction to Expert Systems. Adisson-Wesley Publishing Company.
Second Edition. England (1990).
Jacquelinet; Burgun and Bodenreider: Modelling Syllepse in Medical Knowledge Bases with
application in the Domain of Organ Failure and Transplantation. Etablissement francais des
Greffes, 5, rue Lacuée, Rennes, France.
JESS. http://herzberg1.ca.sandia.gov/jess/docs/api/index.html
Juristo, Natalia; Gómez-Pérez, Asunción, Tovar, Edmundo y García Martin, Isabel: ICIS:
Modelo para la integración de diversos aspectos en la construcción de software clásico y
basado en conocimientos.
http://delicias.dia.fi.upm.es/../proyectos/terminados/gc/gc_proyecto_Esp.html
Kiryakov, Atanas and Simov, Kiril Iv: A comparison betwenn Upper Cyc Ontology and
EuroWordnet Top Ontology. Onto Text Lab., Sirma AI Ltd., Bulgaria. Linguistic Modelling
Laboratory, CLPP, BAS.
Konar, Amit: Artificial Intelligence and Soft Computing: Behavioral and Cognitive Modeling
of the Human Brain. CRC Press. USA (2000).
Koulinitch, Anatoli and Sheremetov, Leonid: Concurrent Configuration Design Advisor
Based on Minimal Fragmdnted Structures. IPN, México. In 4th. World Congress on Expert
Systems: Application of Advanced Information Thecnologies pp. 129 - 135. México (1998).
Kremer, Rob: A Concept Mapping Tool to Handle Multiple Formalisms. Knowledge Science
Institute. University of Calgary. Canada.
http://ksi.cpsc.ucalgary.ca/AIKM97/kremer/AlimKM97_kremer.html
Kuwata, Yoshitaka and Yatsu, Masashi: Managing Knowledge using a Semantic-Network.
Laboratory for Information Technology. Japon
http://www.ksi.cpsc.ucalgary.ca/AIKM97/kuwata/kuwata97a.html
Lara-Rosano, Felipe; Kemper-Valverde, Nicolás; López-Lechuga Leonel and Bautista-Curti
Alejandro: CRANIUM: An Expert System for Diagnosis and Treatment of patients with
Severe Head Injury Based on the Intracranial Pressure Monitoring. UNAM, México. In 4
World Congress on Expert Systems: Application of Advanced Information Thecnologies pp.
167 - 142. México (1998).
Larson, Jan Eric; Hayes-Roth, B.; Gaba, D.M. and Smith, B.E.: Evaluation of a medical
diagnosis system using simulator test scenarios. Artificial Intelligence in Medicine 11 (1997)
pp. 119-140. http://www.elsiever.com/locate/artmed
Lee, Dong-Ha; Seo, Dong-Yal; Kim, Nam-Ho and Lee, Jeon-Young: Discovery and
Application of User Access Patterns in the World Wide Web. Pohang University of Science
and Technology, Korea. In 4th. World Congress on Expertn Systems: Application of
Advanced Information Thecnologies pp. 321- 327. México (1998).
Lenfant, Claude y Khaltaev, Nikolai: Estrategia para el manejo y Prevención del Asma. Taller
NHLBI/WHO. National Heart, Lung and Blood Institute y Organización Mundial de la Salud.
Nueva York (2000).
Liou, Yihwa I.: Expert System Technology: Knowledge Adquisition. In The Handbook
Applied Expert Systems pp. 2-1 to 2-11. CRC Press. USA (1998).
87
85.
86.
87.
88.
89.
90.
91.
92.
93.
94.
95.
96.
97.
98.
99.
100.
101.
102.
103.
104.
Lillehaug, Svein-Ivar and Lajoie, Susanne P.: AI in medical education – another grand
challenge for medical informatics. Artificial Intelligence in Medicine 12 (1998) pp. 197-225.
http://www.elsiever.com/locate/artmed
Lymer, Andrew; Baldwin, Amelia and Scott, Jan: Explanation Generation in Accounting
Expert Systems. University of Birmingham, UK. In 4th. World Congress on Expert Systems:
Application of Advanced. Information Thecnologies. pp. 25 - 32. México (1998).
Macias:
Sistemas
Expertos.
http://gthwww.die.upm.es/~macias/doc/pubs/aircenter99/www.aircenter.net/19701980.html
Mahfouf, M.; Abbod, M.F. and Linkens, D.A.: A survey of fuzzy logic monitoring and
control utilisation in medicine. Artificial Intelligence in Medicine 21 (2001) pp. 27-42.
http://www.elsiever.com/locate/artmed
Maojo, Víctor : Sistemas Expertos. Adquisición de Conocimientos. Departamento de
Inteligencia Artificial. Universidad Politécnica de Madrid.
http://www.dia.fi.upm.es/licenciatura9900/PDL9900/node27.html
Mariagni, Catherine C.; Spyropoulos, Constantine D.; Papatheodorou, Chrristos and
Kokkotos, Stavros: Continual planning and scheduling for managing patiens tests in hospital
laboratories. Artificial Intelligence in Medicine 20 (2000) pp. 139-154.
http://www.elsiever.com/locate/artmed
Martínez-Freire, Pascual F.: La nueva filosofía de la mente. Editorial Gedisa. España (1995).
Márquez S., María Oliva y Muñoz C., Dolores.: La Entrevista. En Psicología e Inteligencia
Artificial, pp 187-209. Adarraga, Pablo y Zaccagnini, José Luis, Compiladores. Editorial
Trolta. España (1994).
Maturana, H. Y Varela, F.: El árbol del conocimiento. Las bases biológicas del conocimiento
humano. Editorial Debate. España (1999).
McAlister, M.J.: An Intelligent Eye Testing System for Sunderland General Eye infirmary.
University of Sunderland, UK. In 4 World Congress on Expert Systems: Application of
Advanced Information Thecnologies pp. 165 - 169. México (1998).
McIlraith, Sheila; Cao Son, Tao and Zeng, Honglei: Semantic WEB. Stanford University.
http://www.computer.org/intelligent/ex2001/pdf/x2046.pdf
McLean, David; Zhang, Yi and Fatig, Matt: Automating the Compton Gamma Ray
Observatory Ground System and WWW Tecnologies. AlliedSignal Technical Services
Corporation, USA. In 4th. World Congress on Expert Systems: Application of Advanced
Information Thecnologies pp. 328 - 333. México (1998).
Milkov, Nikolay: Logico-Linguistic Moleculism: Towards an Ontology of Collocations.
Abteilung Philosophie, University Bielefeld, Postfach 100131, D-32501, Bielefel, Germany/
Institute of Philosophy, Bualgarian Academy of Sciences.
Minsky, Marvin L.: Matter, Mind and Models. International Federation of Information
Processing Congress (1965), Vol. 1, pp. 45-49.
http://www.ai.mit.edu/people/minsky/papers/MatterMindModels.html
Minsky, Marvin: A Framework for Representing Knowledge. MIT-AI Laboratory Memo 306
(1974). http://www.ai.mit.edu/people/minsky/papers/
Minsky, Marvin L.: Future of AI Technology. In Toshiba Review, Vol. 47, No. 7 (1992).
http://www.ai.mit.edu/people/minsky/papers/Causal/Diversity.html
Moon Chae, Young: Expert Systems in Medicine. in The Handbook of Applied Expert
Systems pp. 32-1 to 32-20. CRC Press. USA (1998).
Moon Chae, Young; Young Bae, Mi; Su Park, Kwang and Park, Quehn: Development of
Medical Decision Support System for Leukemia Management. Yosei University, Korea. In
4th. World Congress on Expertn Systems: Application of Advanced Information Thecnologies
pp. 151 - 155. México (1998).
88
105. Morales, Eduardo: Introducción a la Inteligencia Artificial. ITESM Campus Cuernavaca.
México (1999).
106. http://w3.mor.itesm.mx/~morales/Cursos/RdeC/node19.pdf
107. Morik, Katharina; Imboff, Michael; Brockhausen, Peter; Joachims, Thorsten and Gather,
Ursula: Knowledge discovery and knowledge validation in intensive care. Artificial
Intelligence in Medicine 19 (2000) pp. 225-249. http://www.elsiever.com/locate/artmed
108. Negrete-Martínez, José y Carrión M., Patricia : Learning through “Naturalization” of
Knowledge.
109. Negrete-Martínez, José, González, Pedro.P. y Guerra, A. Pericia Artificial. Universidad
Veracruzana. México (1996).
110. Negrete-Martínez, José y López, Gerardo: Informática médica. Editorial LIMUSA. México
(1991).
111. Newell, Allen.; Simon, Herbert A. : Computer Science as Empirical Inquiry: Symbols and
Search. (1976).
112. Novak, Joseph: LifeMap 3.7.5.
113. http://www2.ucsc.edu/mlrg/lifemapusermanual375/lifemapusermanual375.html
114. Novak, Joseph: The Proceedings of: From Misconceptions to Constructed Understanding –
The Fourth International Misconceptions Seminar.
115.
http://www2.ucsc.edu/mlrg/proc4abstracts.html
116. Novak, Joseph: Misconceptions Seminar: Third Misconceptions Proceedings – Abstracts.
117. http://www2.ucsc.edu/mlrg/proc3abstracts.html
118. Oddi, Angelo and Cesta, Amedeo: Toward interactive scheduling systems for managing
medical resources. Artificial Intelligence in Medicine 20 (2000) pp. 113-138.
119. http://www.elsiever.com/locate/artmed
120. Oliver, Diane E.; Shahar, Yuval, Shortliffe, Edward H. and Musen, Mark A.: Representation
of change in controlled medical terminologies. Artificial Intelligence in Medicine 15 (1999)
pp. 53-76. http://www.elsiever.com/locate/artmed
121. Pal, Sankar y Wang, Paul: Genetic Algorithms for Pattern Recognition. CRC Press. USA
(1996).
122. Papert, Seymour: ¿Una sola IA o muchas?. En El nuevo debate sobre la inteligencia Artificial.
Editorial GEDISA, pp. 9-24. Barcelona 1993.
123. Park, Cheol-Soo and Han, Ingoo: Testing for Chaos in Stock Volalatility Using the Rescaled
Range Analisys. Korea Advanced Institute of Science an Technology-Seoul, Korea. In 4
World Congress on Expert Systems: Application of Advanced Information Thecnologies pp.
33 - 40. México (1998).
124. Pazos, Juan: Diagnosis. In The Handbook of Applied Expert Systems, pp. 31-1 to 31-23. CRC
Press. USA (1998).
125. Pazos Sierra, Juan; Gómez-Pérez, Asunción; González, Liliana; González, Jesús; Moreno
Díaz, Jesús; Rubio, Fernando: HISPANO. Universidad Politécnica de Madrid. España (1992).
http://delicias.dia.fi.upm.es/area/metodolog_as_de_ingenier_Esp.html
126. Pazos Sierra, Juan; González, Liliana; Piqueras, Pedro y Tovar, Edmundo: ULISES.
Universidad Politécnica de Madrid. España (1990).
127. http://delicias.dia.fi.upm.es/area/metodolog_as_de_ingenier_Esp.html
128. Piaget, Jean y García, Rolando: Hacia una lógica de las significaciones. Editorial GEDISA.
España (1997).
129. Qaglini, S.; Stefanelli, M.; Cavallini, A.; Micieli, G.; Fassino, C. And Mossa, C.: Guidelinebased careflow systems. Artificial Intelligence in Medicine 21 (2000) pp. 5-22.
http://www.elsiever.com/locate/artmed
89
130. Rich, Elaine y Knight, Kevin: Inteligencia Artificial. Editorial McGraw Hill. Segunda edición.
España (1994).
131. Riva, A.; Bellazzi, R.; Lanzola, G. And Stefanelli, M.: A development enviroment for
knowledge-based medical applications on the world-wide web. Artificial Intelligence in
Medicine 14 (1998) pp. 279-293. http://www.elsiever.com/locate/artmed
132. Russell, S. Y Norving, P. : Inteligencia Artificial. Un enfoque moderno. Prentice Hall
Hispanoamericana. México (1996).
133. Sadegh-Zadeh, Kazem: Fundamentals of clinical methology: 2. Etiology. Artificial
Intelligence in Medicine 12 (1998) pp. 227-270. http://www.elsiever.com/locate/artmed
134. Sadegh-Zadeh, Kazem: Fundamentals of clinical methology: 4. Diagnosis. Artificial
Intelligence in Medicine 20 (2000) pp. 227-241. http://www.elsiever.com/locate/artmed
135. Sistemas Basados en Conocimiento I.
136. http://www.lafacu.com/apuntes/informatica/sist_cono/default.htm
137. Sloman, Aaron: Afterthoughts on analogical representations. Cognitive Studies Programme.
School of Social Sciences. University of Sussex. Brighton, England (1975).
138. Sloman, Aaron: Diagrams in the mind?. University of Birmingham, England (1998).
http://www.cs.bham.ac.uk/”axs/cog
139. Sloman, Aaron: How to design a functioning mind. University of Birmingham, England
(1992). http://www.cs.bham.ac.uk/research/cogaff
140. Sloman, Aaron: Representations as control sub-states. University of Birmingham, England
(1994). http://www.cs.bham.ac.uk/research/cogaff
141. Sloman, Aaron: The evolution of what?. School of Computer Science and Cognitive Science
Research Centre. England (1998). http://www.cs.bham.ac.uk/research/cogaff
142. Sloman, Aaron: The mind as a control system. University of Birmingham, England (1992).
http://www.cs.bham.ac.uk/”axs/cog
143. Sloman, Aaron: Towards a general theory of representattions. University of Birmingham,
England (1994).
144. Sloman, Aaron: Varieties of Formalisms for Knowledge Representation. University of
Birmingham, England (1993).
145. Sloman, Aaron: Why we need many knowledge representation formalisms. University of
Sussex, England (1985). http://www.cs.bham.ac.uk/research/cogaff
146. Soderland, Stephen: Learning Information Extraction Rules for Semi-Structured and Free
Text. http://www.wkap.nl/kaphtml.htm/HOMEPAGE
147. Spyropoulos, Constantine D.: AI planning and scheduling in the medical hospital enviroment.
Artificial Intelligence in Medicine 20 (2000) pp. 101-111.
148. http://www.elsiever.com/locate/artmed
149. Steimann, Friedrich: Dependency parsing for medical language and concept representation.
Artificial Intelligence in Medicine 12 (1998) pp. 77-86.
150. http://www.elsiever.com/locate/artmed
151. Taboada, M.; Lama, M.; Barro. S.; Marin, R.; Mira, J. And Palacios, F.: A problem-solving
method for “unprotocolised” therapy administration task in medicine. Artificial Intelligence in
Medicine 17 (1999) pp. 157-180. http://www.elsiever.com/locate/artmed
152. Thompson, Paul: La voz del pasado. Gedisa. Barcelona (1989).
153. Türksen, Burhan: Hybrid Systems: Fuzzy Neural Integration. In The Handbook of Applied
Expert Systems pp. 13-1 to 13-25. CRC Press. USA (1998).
154. Vámos, Tibor: Knowledge Representation. In The Handbook of Applied Expert Systems pp.
3-1 a 3-22. CRC Press. USA (1998).
155. Varela, Francisco: Conocer. Gedisa. Barcelona (1998).
90
156. Varela, Francisco., Thompson, Evan y Rosch, Eleanor. : De cuerpo presente. Las ciencias
cognitivas y la experiencia humana. Gedisa. Barcelona (1999).
157. Vollebregt, Arjen; Teije, Annette; Harmelen, Frank; Lei, Johan; Mosseveld, Mees: A study of
PROforma, a development methodology for clinical procedures. Artificial Intelligence in
Medicine. Vol. 17 (1999) pp. 195-221. Elsiever Science B.V.
158. Wallace, Mark: Constraint Programming. in The Handbook of Applied Expert Systems pp.
17-1 to 17-17. CRC Press. USA (1998).
159. Welty, Christopher and Jenkins, Jessica: Formal ontology for subject. Artificial Intelligence in
Medicine 31 (1999) pp. 155-181. http://www.elsiever.com/locate/artmed
160. Winston: “Inteligencia Artificial”. Editorial Adisson Wessley, pp. 177-193. México (1998).
91