Diagnóstico inteligente de flebotrombosis
Resumen
Este artículo presenta la aplicación de una técnica de Inteligencia Artificial al campo de la Medicina. Se trata de una red bayesiana especialmente creada para efectuar el diagnóstico de trombosis venosa profunda o flebotrombosis profunda. La red desarrollada toma en consideración síntomas, antecedentes clínicos, y resultados de determinadas prácticas médicas y de laboratorio para efectuar la detección de la afección en un paciente. Para realizar el testeo de la red se contó con los datos pertenecientes a sesenta casos reales suministrados por una institución de salud y sus correspondientes diagnósticos efectuados por dos médicos especializados. Sobre los resultados se aplicaron las métricas Precision y Recall obteniéndose valores satisfactorios.
Descargas
Citas
Férez Rubio, J.A. (2017). Redes Bayesianas aplicadas a la Medicina. Trabajo Final para Master Universitario en Bioinformática y Biomedicina. España: Universidad Abierta de Catalunya. Disponible en: http://openaccess.uoc.edu/webapps/o2/bitstream/10609/63906/6/jferezrTFM0617Mmemoria.pdf
Gena, C. (2005). Methods and techniques for the evaluation of user-adaptive systems. The Knowledge Engineering Review, 20 (1), 1-37. UK: Cambridge University Press.
González Cedillo, C. (2019). Diagnóstico de enfermedades cardíacas con los algoritmos supervisados. Revista Ciencia y Tecnología, 19, 117-128. Argentina: Universidad de Palermo.
Jensen, F. (1998). An introduction to Bayesian Networks. UK: UCL Press.
Ordoñez Ordoñez, P. Guamán, Jima, D., Patiño Rivera, S. & Torres Carrión, H. (2016). Diagnóstico de enfermedades infecciosas virales en especies canina y felina utilizando redes bayesianas. Proc. Del Cong. Int. de Sistemas Inteligentes y Nuevas Tecnologías. Disponible en: https://www.researchgate.net/publication/313477263_Diagnostico_de_enfermedades_infecciosas_virales_en_especies_canina_y_felina_utilizando_redes_bayesianas
Pearl, J. (1988). Probabilistic reasoning in intelligent systems: networks of plausible inference. USA: Morgan Kaufmann Publishers Inc.
Salarte Martínez, G. & Castro Bermúdez, Y. (2012). Modelo híbrido para el diagnóstico de enfermedades cardiovasculares basado en inteligencia artificial. Tecnura, 16 (33), 35-52. Colombia: Universidad Distrital Francisco José de Caldas.
Sandoyal, E. (2014). La incertidumbre en Medicina. Tendencias en Medicina, 44, 131-138. Uruguay: Farmanuario.
Sprockel, J. & Diaztagle, J. (2015). Precisión diagnóstica de un modelo de redes bayesianas en los síndrome coronarios agudos. Revista Salud, 47(2), 179-185. Colombia: Universidad Industrial de Santander.
Los artículos publicados en la Revista Ciencia y Tecnología son de exclusiva propiedad de sus autores. Las opiniones y el contenido de los mismos pertenecen a sus autores, declinando la Universidad de Palermo toda responsabilidad por los derechos que pudiera derivarse de la lectura y/o interpretación del contenido de los artículos publicados.
No se autoriza la reproducción, utilización ni explotación por parte de ningún tercero de los artículos publicados. Sólo se autoriza su uso para fines exclusivamente académicos y/o de investigación.
