1. Inteligencia Artificial en la Medicina Juan Pablo Sigcho Pablo Jaramillo

2. Introducción Hoy en día las técnicas de inteligencia artificial como son los árboles de decisión o selección, las redes neuronales, las redes bayesianas, ya no están presentes tan solo en el campo de la robótica o ciencias de la computación, sino en muchas áreas que van desde arte hasta la medicina, para esto la inteligencia artificial se basa en algoritmos.

3. IA en la Medicina El principal objetivo de la investigación en el diagnostico medico es desarrollar sistemas, procedimientos y métodos más exactos, más rentables y fáciles de usar para el soporte clínico; así se puede decir que la aplicación de la inteligencia humana en el ámbito medico ha sido un objeto de investigación científica por un largo tiempo. [1]

4. Redes Neuronales Las redes neuronales artificiales se pueden definir como algoritmos matemáticos que se enfocan en la funcionalidad de pequeños grupos de neuronas de un modo muy fundamental. En este ensayo nos enfocaremos en el algoritmo de red neuronal Back Propagation, para explicar el funcionamiento de una red neuronal.

5. Estructura de una Red Neuronal

6. Generalmente existen tres tipos de capas [2]: La capa de entrada, que recoge la información presentada por el medio. La capa de salida, que genera una respuesta a una entrada dada. La capa oculta, que es la intermedia entre la capa de entrada y la de salida

7. Redes Neuronales en Medicina Fue en el año de 1950 donde la simulación mediante las redes neuronales biológicas fue introducida por primera vez. De hecho con la evolución informática el modelado de funcionales neuronales complicadas, así como la actividad de los clústeres o grupos de neuronas simples han sido redefinidos.

8. Las redes neuronales pueden ser aplicadas a la medicina en los siguientes campos básicos: Modelado, simulación y modelado de las funciones del cerebro y de los órganos neurosensoriales. Procesamiento de señales, filtrado de señales bioeléctricas y su evaluación Sistemas de control y chequeo, maquinas de inteligencia artificial de control y chequeo basadas en respuestas de sistemas biológicos o técnicos que dan alguna señal.

9. Clasificación, interpretación de resultados físicos e instrumentales para alcanzar un diagnostico preciso. Predicción, la red neuronal proporciona información de pronostico basada en análisis retrospectivo de datos.

10. Redes neuronales frente a los Sistemas computacionales convencionales.

11. Para la resolución de los problemas de la computación convencional los diseñadores de software y los programadores han usado procedimientos basados en algoritmos y funciones lineales y no-lineales. De esta manera un algoritmo define un proceso para resolver un problema y luego dicho procesos es transformado en funciones matemáticas, en cambio las redes neuronales son desarrolladas mediante el entrenamiento.

12. Ventajas Hacer una red apropiada es relativamente simple empleando un software simulador computarizado. Una red bien definida esta activada para auto adaptarse a los ejercicios y preparar sus propios algoritmos de resolución basados en el procesamiento cíclico de las muestras de entrenamiento. Las redes neuronales pueden mejorar a los sistemas convencionales basados en reglas en cuanto a su flexibilidad y habilidad para adaptarse.

13. La habilidad de las redes neuronales para adaptarse flexiblemente a un problema hace que sean las más adecuadas para la resolución de problemas de clasificación basados principalmente en las diferencias cualitativas.

14. Desventajas Aunque es fácil producir una red neuronal, para una tarea específica se requiere de una larga experiencia. Durante el entrenamiento se pueden dar 3 tipos de error: un entrenamiento demasiado preciso de la red puede resultar en una pérdida de la flexibilidad de la misma para la resolución de problemas; un corto proceso de entrenamiento puede no ser apto para una precisión adecuada y finalmente la incorrecta configuración de los parámetros de aprendizaje nos puede llevar a un callejón sin salida, esto quiere decir que el entrenamiento para cualquier longitud de tiempo adicional no llevara a un buen resultado.

15. La exactitud del entrenamiento no solo depende de la configuración de los parámetros de aprendizaje y el número de iteraciones de aprendizaje, sino también de las muestras del conjunto de entrenamiento. En algunas ocasiones los sistemas basados en algoritmos pueden ser usados para alcanzar resultados matemáticamente exactos.

16. Cuadro Comparativo Comparación entre redes neuronales y sistemas basados en algoritmos ( [3], [4])

17. Ejemplo de Aplicaciones de redes neuronales en la medicina tabla 02: Aplicaciones de redes neuronales en la medicina ( [5], [6], [7], [8], [9], [10], [11], [12], [13])

18. Conclusiones Como hemos podido ver las técnicas de IA no solo permiten el desarrollo únicamente en el campo de la tecnología sino que también a nivel de otras áreas como la medicina en la cual no solo se trata de procesos para realizar cálculos estadísticos sobre un conjunto de datos, sino que se trata de llevar la medicina a otro nivel en el cual se pueda acceder a mejores tratamientos con diagnósticos más precisos

19. Este estudio realizado nos permite tener una mayor visión de lo que se puede alcanzar con una buena investigación de redes neuronales. No es necesario crear algo grande, un ejemplo podría ser un programa que permita realizar una predicción epidemiológica de alguna enfermedad en base a síntomas, casos de estudio, incluso por temporadas e historiales, un estudio así podría ayudar a centros de salud a tener planes de contingencia para casos concretos y conforme se desarrollen nuevos estudios, se podrá ampliar el alcance del programa, esto se lo puede hacer con técnicas como Back Propagation.

20. Referencias [1] NorsariniSalim. Generation5. [Online]. http://www.generation5.org/content/2004/MedicalDiagnosis.asp [2] Wikipedia. [Online]. http://es.wikipedia.org/wiki/Red_neuronal_artificial [3] ChristosStergiou and DimitriosSiganos. [Online]. http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html#Applications%20of%20neural%20networks [4] Fbim-fh-regensburg. [Online]. http://fbim.fh-regensburg.de/~saj39122/jfroehl/diplom/e-12-text.html [5]J. Trujillano Cabello. Sciencedirect. [Online]. http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B94SB-4V7MH2R-2&_user=10&_coverDate=02%2F28%2F2005&_rdoc=1&_fmt=high&_orig=search&_origin=search&_sort=d&_docanchor=&view=c&_searchStrId=1628469414&_rerunOrigin=google&_acct=C000050221&_version=1&_u [6]Wikipedia. [Online]. http://es.wikipedia.org/wiki/Algoritmos_gen%C3%A9ticos [7]Wikipedia. [Online]. http://en.wikipedia.org/wiki/Medical_algorithm

21. [8] Medal. [Online]. http://www.medal.org/visitor/www/spanish/index.html [9] María del Carmen Expósito Gallardo and Rafael Ávila Ávila. [Online]. http://bvs.sld.cu/revistas/aci/v17_5_08/aci05508.htm [10] Dr. José Rodolfo Romero Villar Más and Dr. Fernando Sadulé. Revistaciencias. [Online]. http://www.revistaciencias.com/publicaciones/EEuFVyklVuYpTtivZQ.php [11] James Matthews. Vidaartificial. [Online]. http://vidaartificial.com/index.php?title=Usando_Algoritmos_Geneticos_en_Redes_Neuronales_%28Generation5.org%29 [12] Annimab-S. [Online]. http://www.phil.gu.se/ann/annworld.html [13] Artificial-neural-networks. [Online]. http://www.artificial-neural-networks.info/2008/05/neural-networks-helping-medicine.html

22. Gracias