Desarrollo de un prototipo de sistema experto para el diagnóstico de una enfermedad ginecológica

Abstract

Este trabajo de investigación presenta el desarrollo de un prototipo de Sistema Experto para el diagnóstico de patologías que corresponden al síndrome de flujo vaginal. El software utiliza en su base de conocimiento tanto las probabilidades a priori de las patologías de estudio como las verosimilitudes de los síntomas asociados a cada enfermedad, las mismas que han sido determinadas por el especialista de acuerdo con su experiencia profesional. Durante la ejecución, el prototipo permite realizar una serie de iteraciones en las cuales se va alimentando la base de hechos mediante el ingreso de los hallazgos obtenidos en la consulta médica como son los síntomas, signos y pruebas de laboratorio; luego de suministrados estos datos el motor de inferencia utiliza la técnica de propagación de probabilidades para emitir un diagnóstico diferencial en el que se presentan las posibles enfermedades clasificadas según la probabilidad obtenida. En cada iteración, mientras se sigan detectando más hallazgos en el paciente las probabilidades se irán mejorando hasta llegar a un punto en el que el diagnóstico se hace evidente. PALABRAS CLAVE: Inteligencia Artificial. Sistemas Expertos Probabilísticos. Representación del Conocimiento. Razonamiento Probabilístico. Teorema de Bayes. Informática Médica. Diagnóstico Médico. Síndrome de Flujo Vaginal.

This research presents the development of a prototype expert system for diagnosis of diseases that correspond to the vaginal discharge syndrome. The software uses its knowledge base in both the prior probabilities of the pathologies of the study and the likelihood of symptoms associated with each disease, the same that have been determined by the specialist according to his professional experience. At runtime, the prototype allows a number of iterations in which feeding is the basis of facts through the entry of the findings in medical practice such as symptoms, signs and laboratory tests, after the data supplied inference engine uses the technique of spreading likely to make a differential diagnosis where possible diseases are classified according to the likelihood obtained. In each iteration, while still detecting more findings in the patient the odds will improve to a point at which the diagnosis is evident. KE^YWORDS: Artificial lntelligence. Probabilistic Expert Systems. Knowledge Representation. Probabilistic reasoning. Bayes theorem. Medical lnformatics. Medical Diagnosis. Vaginal Discharge Syndrome.