Bovino PDF

REDVET.
Revista Electrónica de
Veterinaria
E-ISSN: 1695-7504
redvet@veterinaria.org
Veterinaria Organización
España
González- Benítez, Neilys

Sistema Experto basado en casos para el diagnóstico de la Fasciola hepática en el
ganado bovino
REDVET. Revista Electrónica de Veterinaria, vol. 17, núm. 12, diciembre, 2016, pp. 1-11
Veterinaria Organización
Málaga, España
Disponible en: http://www.redalyc.org/articulo.oa?id=63649052018
Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
REDVET Rev. Electrón. vet. http://www.veterinaria.org/revistas/redvet
2016 Volumen 17 Nº 12 - http://www.veterinaria.org/revistas/redvet/n121216.html
REDVET - Revista electrónica de Veterinaria - ISSN 1695-7504
Sistema Experto basado en casos para el diagnóstico de la

Fasciola hepática en el ganado bovino - Expert System based
on case for the diagnosis of Fasciola hepatica in cattle
Neilys González- Benítez1

1
Centro Meteorológico,
c/Colón 106 e/ Maceo y Ceferino Fernández, Pinar del Río, Cuba.
CP:20100
Contacto: neilysgonzalezbenitez@gmail.com
RESUMEN
El artículo describe un Sistema Experto basado en casos para el diagnóstico de

la Fasciola hepática (FH) en el ganado bovino en la provincia de Pinar del Río,
Cuba, realizado en el marco de un estudio para conocer la incidencia de la
enfermedad en la ganadería.
La muestra de la población estudiada estaba formada por 500 bovinos de ellos

adultos 300, 150 terneros y 50 añojos y añojas. Los animales fueron
clasificados en cebados (animales sin síntomas clínicos para padecer de FH),
enflaquecidos (animales con riesgo de padecer de FH).
Se realizó un procesamiento estadístico en el que se emplearon técnicas

multivariadas como el Análisis Discriminante y la Regresión Logística cuyos
resultados, junto a los del Método del Triángulo de Füller, fueron utilizados en
el sistema para jerarquizar los factores de riesgo de la FH y obtener el grado
de importancia (peso) de estos.
Por medio de la técnica de segmentación CHAID se pudo reducir las

comparaciones entre los casos haciendo más eficiente este proceso. La
obtención de las funciones de comparación por rasgos para las variables
continuas se obtuvo de la aplicación conjunta de un análisis de varianza
(ANOVA) y el método TwoStep Cluster Analysis.
Los análisis realizados a través de las técnicas antes mencionadas admitieron

construir una función de semejanza para la comparación de un nuevo caso a
diagnosticar y los casos de base ya existente.
La adaptación de la solución de los casos más semejantes se realizó con la

aplicación del algoritmo de los k-vecinos más cercanos.
Sistema Experto basado en casos para el diagnóstico de la Fasciola hepática en el ganado bovino 1
http://www.veterinaria.org/revistas/redvet/n121216/121612.pdf
El sistema experto fue validado finalmente y se comprobó una efectividad en el

diagnóstico de enfermedades en la ganadería del 93 %, particularmente de la
FH en el ganado bovino.
Palabras claves: Sistema Experto basado en casos, Fasciola hepática,

técnicas estadísticas.
SUMMARY
The article describes a case-based expert system for the diagnosis of hepatic
Fasciola in cattle (FH) in the province of Pinar del Río, Cuba, carried out as part
of a study to determine the incidence of the disease in livestock.
The sample of the study population consisted of 500 adults including 300
cattle, 150 calves and 50 yearlings and yearlings. The animals were classified
into primed (animals without clinical symptoms to suffer FH), emaciated
(animals with risk of FH).
A statistical processing in which multivariate techniques such as discriminant

analysis and logistic regression whose results were used, along with Method
Triangle Fuller made, were used in the system to rank the risk factors for the
FH and get the degree of importance (weight) of these. Through the
segmentation technique could reduce CHAID comparisons among cases making
this process more efficient. Obtaining comparison functions features for
continuous variables was obtained from joint implementation of an analysis of
variance (ANOVA) and the TwoStep Cluster Analysis method.
All this enabled building the similarity function for comparison between the
new cases and diagnose cases of base. The adaptation of the solution of the
most similar cases was performed with the application of the algorithm of the
k-nearest neighbors.
The expert system was finally validated and effectiveness in the diagnosis of
diseases in livestock 93% was found, particularly the FH in cattle.
Key words: Case-Based Expert System, Fasciola hepatic, statistical

techniques
INTRODUCCIÓN
Los Sistemas Expertos según refieren ( Bruce, Johnson, Penny, Herbert,

Howard, Shrobe, Robert., Engelmore, et al., 1993), son programas de
computación que se derivan de una rama de la investigación informática
llamada Inteligencia Artificial (IA). El objetivo científico de la IA es entender la
inteligencia. Esta área del conocimiento está referida a los conceptos y a los
métodos de inferencia simbólica, o de razonamiento por computadora.
Los referidos autores plantean además, que la construcción de un Sistema

Experto está estrechamente vinculada con la ingeniería del conocimiento donde
sus médicos son los ingenieros del conocimiento, los cuales deben siempre
cerciorarse de que las computadoras tengan todo el conocimiento necesario
para solucionar un problema, así como elegir una o más formas en las cuales
representar el conocimiento requerido en la memoria operativa de las
computadoras, es decir, debe ser capaz de elegir una representación adecuada
del conocimiento y también asegurarse de que las computadoras puedan
utilizar eficientemente el conocimiento, seleccionado desde un conjunto de
métodos de razonamiento.
El presente articulo centra su objetivo en la construcción de un Sistema

Experto capaz de diagnosticar enfermedades en la ganadería, desde los
síntomas, signos y factores de riesgo que presentan los animales en los
rebaños, cuyos aspectos pueden ser tratados a través de herramientas
informáticas diseñadas para este fin y con capacidad de diagnosticar
rápidamente la presencia de una determinada enfermedad sin la necesidad de
acudir a técnicas de laboratorios, ni incidir con pérdidas para el diagnóstico a
priori de enfermedades.
El Sistema Experto ha sido diseñado y probado con los datos reportados al

Sistema de Información y Vigilancia Epizootiológica de la provincia de Pinar del
Río, Cuba, en particular con la enfermedad de Fasciola hepática en el ganado
bovino, constituyendo esta enfermedad una de las que mayor afectación
ocasionan en la ganadería bovina en la provincia de Pinar del Río.
La Fasciola hepática (FH), es una enfermedad complicada debido a la

multiplicidad de factores que incluyen, no solo las pérdidas de hígado y leche,
sino la mortalidad y morbilidad causados por el enflaquecimiento, retrasos en
el crecimiento y enfermedades recurrentes, el ciclo biológico de Fasciola
hepática (duela hepática) requiere de 2 hospederos: los animales herbívoros
(bovinos, ovinos, caprinos, equinos, conejos, otros) y el humano que
intervienen como hospederos definitivos, los caracoles pulmonados de agua
dulce del género Lymnaea son hospederos intermediarios, (Zumaquero,
Sarracent, Rojas, Rojas, Martínez, et al., 2013)
MATERIALES Y MÉTODOS
Basado en el análisis realizado sobre el comportamiento de algunas

enfermedades registradas por el Sistema en Estadístico Veterinario en el
período de 2005 - 2015, correspondiente al Centro de Medicina Veterinaria en
Pinar del Río, se aprecia que la Fasciola hepática en el ganado bovino es la
enfermedad que mayor afectación ocasiona, constatándose un total 1758
focos en situación, con una masa susceptible de 1110030 bovinos, un total de
433657 bovinos enfermos, 4317 bovinos muertos y 9463 bovino sacrificados,
además los animales enfermos, muertos y sacrificados ocasionaron pérdidas en
cuanto a hígados decomisados, provocando elevadas afectaciones económicas

la presencia de Fasciola hepática en el ganado bovino.
Tomando como base el análisis estadístico realizado sobre el comportamiento

de la cantidad de focos, animales susceptibles, enfermos, muertos y
sacrificados y la alta prevalencia de la Fasciola hepática (FH) en el ganado
bovino, considerando además la diversidad de factores de riesgo a tener en
cuenta para esta enfermedad, se comenzó a construir el Sistema Experto como
apoyo a la toma de decisiones de los especialistas de salud animal, con el
objetivo de ayudarlos en el diagnóstico a priori de las enfermedades en la
ganadería.
Las herramientas de apoyo a la toma de decisiones de los especialistas de

salud animal, en la actualidad se encuentran sustentadas en el uso de técnicas
y métodos de Inteligencia Artificial (IA), las cuales han sido ampliamente
utilizadas para la toma de decisiones en el campo de la salud. Esto se debe a
que en este tipo de dominio del conocimiento la información que se maneja
resulta difícil de formalizar por el alto grado de subjetividad asociado. Dentro
de las herramientas de IA más utilizadas están las tecnologías basadas en el
conocimiento y entre estas pueden mencionarse los Sistemas Basados en
Reglas, las Redes Neuronales Artificiales, los Sistemas de Inferencia Borrosos y
los Sistemas Basados en Casos, (Kolodner, 1992), (Dubitzky, 1997).
Debido a las características del problema que se presenta y por el hecho de

disponer de una base de casos seleccionada por expertos médicos, la autora
decide aplicar la técnica del Razonamiento Basado en Casos, técnica que
facilita el diagnóstico apoyándose en los casos donde cada nuevo animal a
diagnosticar se compara con la base de casos de referencia, de igual forma se
apoya en el uso de técnicas estadísticas para obtener los datos previos que
conforman la base de casos.
El estudio realizado se centró en los animales que presentaron síntomas

relacionados con la FH, donde se incluyeron las variables que se describen en
la tabla 1.
Tabla 1. Descripción de las variables relacionada con los síntomas de la Fasciola

hepática en el ganado bovino.
Nodos Descripción
X1 Aletargamiento, padecer de somnolencia o adormecimiento.
X2 Abatimiento, sin fuerzas.
X3 Fiebre ligera, elevación de la temperatura normal del cuerpo.
X4 Falta de peso, que pierde peso, se pone flaco.
X5 Icteros, coloración amarilla de piel y membranas de las mucosas.
X6 Debilidad, extrema pérdida o falta de fuerza, trastorno en l
capacidad del movimiento.
X7 Hepatomegalia, hígado aumentado de tamaño.
X8 Baja producción de leche.

X9 Bajo desarrollo corporal.
X10 Temperatura y humedad relativa, factores climáticos que son
evidentes para la presencia de la enfermedad
El análisis estadístico se ejecutó a través del uso del paquete estadístico

SPSS 13, en particular utilizando los métodos de análisis de Estadística
Multivariada, el Análisis Discriminante, la Regresión Logística y la Técnica de
Segmentación CHAID. Las dos primeras técnicas permitieron validar el criterio
de los expertos con respecto al grado de importancia o peso de cada variable
para el diagnóstico, lo cual fue de gran utilidad para la construcción del
Sistema Experto; mientras que la técnica CHAID agrupó los sujetos de la base
de casos, atendiendo a valores comunes en ciertas variables. En algunos casos
esta agrupación clasificó directamente a los animales, aportándole eficiencia y
rapidez al programa. El criterio de comparación entre las variables continuas
se obtuvo de la aplicación conjunta de un análisis de varianza (ANOVA) y el
método de Análisis de Conglomerados en dos fases (TwoStep Cluster Analysis).
Basado en los resultados obtenidos luego de aplicar las técnicas estadísticas

antes descritas se procede al uso del Razonamiento Basado en Casos (RBC),
técnica perteneciente al área de la Inteligencia Artificial, y de mucho uso en el
área de la salud, en particular para apoyar la toma de decisiones, y por la
generalización que ella presenta actualmente debido al tipo de dominio del
conocimiento y la información que se maneja que resultan difíciles de
formalizar, además por el alto grado de subjetividad que tienen asociadas.
El Sistema Basado en Casos para el diagnóstico de la Fasciolosis bovina se

define como un sistema de decisión S el cual se expresa matemáticamente a
través de la expresión 1, y se define en términos de un par (U, X Y) donde U
es un conjunto finito no vacío de objetos, eventos llamados casos, mientras X
y Y son dos conjuntos finitos, no vacíos, de atributos ó propiedades llamados
rasgos predictores y objetivos respectivamente.
S U, X Y 
(1)
Cada rasgo predictor xi ∈ X se considera como una función, cuya función es
representada a través de la expresión (2a), la cual mapea elementos de U en

el conjunto M  xi1 , xi2 ,..., xini , denominándose como el conjunto de valores
del rasgo predictor Xi.
xi :U Mi
(2ª)
De manera análoga cada rasgo objetivo yj ∈ Y puede ser considerado una función que
mapea elementos de U en el conjunto:
El que se denomina conjunto de valores del rasgo predictor yj. Dicha función puede
verse en (2b)
(2b)
Las componentes de un Sistema Basado en Casos son: la base de

conocimientos o base de casos, el módulo de recuperación de casos y el
módulo de adaptación de las soluciones.
La base de casos contiene los casos con los cuales el sistema realiza sus
inferencias y puede ser representada a través de una tabla, cuyas columnas
son etiquetadas por variables o atributos que representan los rasgos
predictores y objetivos, mientras que sus filas representan los casos. La tabla
2, representa la estructura de la base de casos del objeto de estudio de la
presente investigación, el conjunto U está formado por los casos O1, O2,..., Om,
el conjunto X por los atributos X1,…, Xn, mientas que el conjunto Y lo integra
el atributo Y1.
Tabla 2. Representación de la estructura de la base de casos
En el objeto de estudio de la presente investigación, el conjunto U está

integrado por los 449 bovinos de la muestra estudiada, el conjunto X lo
integrarían los factores de riesgo (rasgos predictores) y el conjunto Y está
formado por el diagnóstico asignado a los casos, el cual, como se ha visto en la
tabla 1, son los síntomas que padecen los bovinos cuando están enfermos por
alguna parasitosis.
RESULTADOS Y DISCUSIÓN
El Análisis Discriminante jerarquizó los factores de riesgo en el siguiente

orden: X9, X8, X7, X6, X5, X4, X3, X2, X1 y X10. Para diferenciar los animales
más probables a padecer de Parasitismo Intestinal, la Regresión Logística
consideró el siguiente orden: X2, X3 X4 y X9, sin embargo, para distinguir los
que padecen de parasitismo de los infestados por Fasciola hepática el orden
fue: X10, X5, X7, X4, X2, X1. La técnica de segmentación CHAID consideró la
X10 y X5, como las variables más importantes para predecir la presencia de
Fasciolosis. La tabla 3 muestra los factores de efectividad (cifras porcentuales)
de estas técnicas.
Tabla 3. Factores de efectividad de las técnicas multivariadas
Animales Animales enflaquecidos

cebados
A Discriminante 85.7 87.1
R. Logística 92.4 98.7
CHAID 95.5 98.4
Con la aplicación del Método del Triángulo de Füller, un método de

comparaciones por parejas para tomar decisiones multicriterio a partir de
expertos, se pudo obtener la importancia o peso de los rasgos predictores en
la determinación del rasgo objetivo [25]. La tabla 4 muestra este resultado en
el que las variables han sido ordenadas de forma descendente según el valor
de su peso. Estas variables fueron las que finalmente se tomaron en cuenta en
la construcción del sistema basado en casos.
Tabla 4. Variables obtenidas con el Método del Triángulo de Füller y sus pesos
Variables Peso
X2 0.63
X3 0.63
X4 0.63
X6 0.63
X1 0.69
X5 0.69
X8 0.69
X9 0.69
X7 0.70
X10 0.70
La técnica de CHAID agrupó a los casos de forma que cada nodo, en la

estructura jerárquica de árbol, contiene los casos que comparten el mismo
rango de valores para una misma variable o grupo de variables. Este resultado
se utilizó en la implementación del sistema, ya que garantiza que cada nuevo
caso a diagnosticar una vez ubicado en el nodo correspondiente del árbol, solo
fuera comparado con los casos de ese nodo. Esto permitió reducir
notablemente el número de comparaciones a realizar y aportó gran eficiencia
al programa al optimizar el número de comparaciones. En la tabla 5 obtenida
del fichero de salida del SPSS, se muestran los resultados de clasificación de la
técnica CHAID.
Tabla 5. Resultados de clasificación de la técnica de CHAID
Predicted
Observed Animales Animales Percent Correct
enflaquecidos cebados
Animales enflaquecidos 219 1 95.5 %
Animales cebados 213 6 92.7 %
Overall Percentage 96.21 % 1.55 % 96.8 %
Las funciones de comparación por rasgos δi para las variables continuas, se construyeron
con ayuda del paquete estadístico. Por ejemplo, en el caso de la variable X5 (Icteros,
coloración amarilla de piel y membranas de las mucosas), el análisis de varianza
(ANOVA) sugirió la formación de 4 grupos homogéneos. Esto aparece reflejado en la
tabla 6 (salida del SPSS). Con este resultado se aplicó el método TwoStep Cluster
Analysis, cuyo resultado se puede observar en la tabla 7 (salida del SPSS) en el que se
comprueba efectivamente la formación de 4 clusters.
Tabla 6. Análisis de varianza en el caso de la variable X5
N % of Combined % of Total
Cluster 1 137 30.1 % 30.1 %
2 87 19.1 % 19.1 %
3 144 31.6 % 31.6 %
4 87 19.1 % 19.1 %
Combined 455 100.0 % 100.0 %
Total 455 100.0 %
Tabla 7. Aplicación del método TwoStep Cluster Analysis
X5 Icteros
Mean Std. Deviation
Cluster 1 89.10 1.971
2 67.80 4.080
3 79.81 1.044
4 101.11 5.585
Combined 84.39 11.412
De esta manera los dos valores a comparar se ubicaron en el clúster

correspondiente siguiendo el criterio de la menor distancia de estos a la media
de cada clúster.
De forma análoga se construyeron las restantes funciones de comparación por

rasgos para finalmente aplicar la función de semejanza β.
El primer paso para realizar el diagnóstico consistió en analizar el nuevo caso

lo que permitió clasificar al caso directamente, los casos nuevos fueron
diagnosticados directamente como animales cebados lo que significó que estos
animales no se encuentran enfermos por Fasciola hepática, mientras que los
casos ya analizados y contenidos en la base de casos fueron clasificados como
animales enflaquecidos y dando lugar a diagnosticarlos como animales
enfermos por Fasciola hepática. Sin embargo la aparición de nuevos casos fue
analizada utilizando el algoritmo de recuperación y se comparan estos casos
nuevos con los ya contenidos en la base de casos.
Determinados los casos más semejantes se aplica el Algoritmo de los k-vecinos

más cercanos para determinar el diagnóstico de los nuevos casos donde estos
nuevos casos obtienen valores positivos a la presencia de Fasciola hepática.
El Sistema Experto, que se construyó bajo el nombre de DiagPron v1.0, fue

validado finalmente y alcanzó una efectividad del 93% lo cual puede mejorar
en la medida que la base de casos crezca y se enriquezca.
CONCLUSIONES
En este artículo se muestran los resultados de aplicar técnicas de IA, como el

razonamiento basado en casos, para el diagnóstico de la FH en el ganado
bovino. Se comprobó la utilidad del empleo de técnicas estadísticas en la
construcción del Sistema Experto las cuales contribuyeron a determinar las
variables a considerar, así como las funciones de comparación entre los rasgos.
La construcción de una herramienta para el diagnóstico de la FH en el ganado

bovino contribuye a hacer más eficaz este proceso y asiste de manera
significativa a los especialistas de salud animal.
Aunque todos estos resultados han sido aplicados al diagnóstico de la

Fasciolosis bovina, la metodología seguida aquí puede extenderse a cualquier
dominio y emplearse donde sea factible el uso de un sistema experto.
El Razonamiento Basado en Casos desde el punto de vista de análisis de

datos, se convirtió en una potente herramienta ya que no necesitan modelos
subyacente, son fáciles de interpretar, y fáciles de adaptar e incorporarle
conocimientos a priori de forma cualitativa.
BIBLIOGRAFÍA
1. Bruce B. Johnson, H. Penny Nii, Herbert Schorr, Howard Shrobe, Robert S.

Engelmore (Ed.). 1993. Libro: KNOWLEDGE-BASED SYSTEMS IN JAPAN, Del
Japanese Technology Evaluation Center (JTEC).
2. http://es.wikipedia.org/wiki/Hipertensi%C3%B3n_arterial. Consultado el 23 de
septiembre de 2010.
3. M. D. P. Caballero, A. D. Herrera, J. A. Guerra, A. V. Vigoa. Hipertensión Arterial.
Guía para la prevención, diagnóstico y tratamiento. J. Quesada (editor). 1a ed.
Ed. Ciencias Médicas. La Habana, Cuba. 2008. pp. 9-22.
4. http://www.drscope.com/cardiologia/pac/arterial.htm. Consultado el 13 de
Septiembre de 2010.
5. R. D. Feldman, G. Y. Zou, M. K. Vandervoort. "A simplified approach to the
treatment of uncomplicated hypertension. A cluster randomized controlled trial".
Hypertension. Vol. 53. 2009. pp. 646-653.
6. D. L. Clement, M. L. De Buyzere, D. A. De Bacquer. "Prognostic value of
ambulatory blood-pressure recordings in patients with treated hypertension". J
Med. Vol. 348. 2003. pp. 2407-2415.
7. K. Bjorklund, L. Lind, B. Zethelius. "Prognostic significance of 24-h ambulatory
blood pressure characteristics for cardiovascular morbidity in a population of
elderly men". Hypertension. Vol. 22. 2004. pp. 1691-1697.
8. http://scielo.sld.cu/scielo.php?pid=S0864-
21251996000200007&script=sci_arttext. Consultado el 13 de septiembre de
2010.
9. J. L. Kolodner. "An Introduction to Case-Based Reasoning". Artificial Intelligence
Review. Vol. 6. 1992. pp. 3-34.
10. J. L. Zumaquero, J. Sarracent, R. Rojas, L. Rojas, Y. Martínez, et al, Fascioliasis
and Intestinal Parasitoses Affecting Schoolchildren in Atlixco, Puebla State,
Mexico: Epidemiology and Treatment with Nitazoxanide. PLoS Negl Trop Dis,
2013; 7(11): e2553. doi:10.1371/journal.pntd.0002553
11. F. Mariiel. "CBR: A categorized bibliography". The Knowledge Engineering
Review. Vol. 9. 1994. pp. 1-36.
12. A. Aamodt, E. Plaza. "CBR: foundational issues, methodological variations and
systems approach". AI Communications. Vol. 7. 1996. pp. 1-22.
13. W. Dubitzky. Knowledge Integration in Case-Based Reasoning: A Concept-
Centred Approach. Thesis submitted in application for the degree of Doctor of
Philosophy. Faculty of Informatics, University of Ulster, The United Kingdom.
1997. pp. 226-231.
14. W. Wilke, R. Bergmann. Considering Decision Cost During Learning of Features
Weights. Ed. SpringerLink. University of Kaiserslautern, Germany. 1996. pp. 460-
472.
15. I. Watson, F. Marir. "Case-Based Reasoning:A review". The Knowledge
Engineering Review. Vol. 9. 1994. pp. 355-381.
16. J. S. Breese, D. Heckerman. Decision-theoretic case- based reasoning. Fifth
International Workshop on Artificial Intelligence and Statistics. Fort Lauderdale,
Florida. January. 1995. pp. 56-63.
17. I. Gutiérrez, R. Bello. "A Decision Case-Based System, that reasons in
Uncertainty Conditions". Lecture Notes in Artificial Intelligence (LNAI 2504).
Berlín. Ed. Springer Link. 2002. pp. 54-63.
18. L. Ceccaroni. "Introducción a los sistemas basados en el conocimiento".
Inteligencia Artificial. Vol. 12. 2008. pp. 25-45.
19. I. Watson, F. Marir. Case-Based Reasoning: A Review. University of Auckland.
New Zealand. Vol. 3. 2000. pp. 355-381.
20. M.Tabucanon. Multiple criteria decision making in industry. Ed. Elsevier.
Amsterdam. 1988. pp. 233-299.
21. S. Milton. "Statistical Methods in the Biological and Health Sciences". Statistics.
3rd ed. Ed. McGraw-Hill. New York. Vol. 1. 1999. pp. 586.
22. J. Jacqueline, Meulman, W. J. Heiser. Manual de SPSS. Ed. Oxford: Oxford
University Press. 2004. pp. 49-90.
23. S. Glantz. Primer of biostatistics. 5th ed. Ed. McGraw- Hill. Vol. 1. 2002. pp. 468.
24. A. Field. Discovering Statistics Using SPSS for Windows. Advanced Techniques
for the Beginner. Ed. U.o.S. Daniel B. Wright. Vol. 1. 2003. pp. 496
25. A. Aron, E. Aron. Statistics for the Behavioral and Social Sciences. A Brief
Course. 2nd ed. Ed Prentice Hall. Vol. 1. 2002. pp. 330.
REDVET: 2016, Vol. 17 Nº 12
Este artículo Ref. 091611 está disponible en http://www.veterinaria.org/revistas/redvet/n121216.html

concretamente en http://www.veterinaria.org/revistas/redvet/n121216/121612.pdf
REDVET® Revista Electrónica de Veterinaria está editada por Veterinaria Organización®.
Se autoriza la difusión y reenvío siempre que enlace con Veterinaria.org® http://www.veterinaria.org y con
REDVET®- http://www.veterinaria.org/revistas/redvet

Bovino PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bovino PDF

Cargado por

Copyright:

Formatos disponibles

REDVET.

González- Benítez, Neilys

Disponible en: http://www.redalyc.org/articulo.oa?id=63649052018

Cómo citar el artículo

REDVET - Revista electrónica de Veterinaria - ISSN 1695-7504

Sistema Experto basado en casos para el diagnóstico de la

Neilys González- Benítez1

El artículo describe un Sistema Experto basado en casos para el diagnóstico de

La muestra de la población estudiada estaba formada por 500 bovinos de ellos

Se realizó un procesamiento estadístico en el que se emplearon técnicas

Por medio de la técnica de segmentación CHAID se pudo reducir las

Los análisis realizados a través de las técnicas antes mencionadas admitieron

La adaptación de la solución de los casos más semejantes se realizó con la

El sistema experto fue validado finalmente y se comprobó una efectividad en el

Palabras claves: Sistema Experto basado en casos, Fasciola hepática,

A statistical processing in which multivariate techniques such as discriminant

Key words: Case-Based Expert System, Fasciola hepatic, statistical

Los Sistemas Expertos según refieren ( Bruce, Johnson, Penny, Herbert,

Los referidos autores plantean además, que la construcción de un Sistema

El presente articulo centra su objetivo en la construcción de un Sistema

El Sistema Experto ha sido diseñado y probado con los datos reportados al

La Fasciola hepática (FH), es una enfermedad complicada debido a la

Basado en el análisis realizado sobre el comportamiento de algunas

cuanto a hígados decomisados, provocando elevadas afectaciones económicas

Tomando como base el análisis estadístico realizado sobre el comportamiento

Las herramientas de apoyo a la toma de decisiones de los especialistas de

Debido a las características del problema que se presenta y por el hecho de

El estudio realizado se centró en los animales que presentaron síntomas

Tabla 1. Descripción de las variables relacionada con los síntomas de la Fasciola

X8 Baja producción de leche.

El análisis estadístico se ejecutó a través del uso del paquete estadístico

Basado en los resultados obtenidos luego de aplicar las técnicas estadísticas

El Sistema Basado en Casos para el diagnóstico de la Fasciolosis bovina se

Cada rasgo predictor xi ∈ X se considera como una función, cuya función es

representada a través de la expresión (2a), la cual mapea elementos de U en

mapea elementos de U en el conjunto:

Las componentes de un Sistema Basado en Casos son: la base de

Tabla 2. Representación de la estructura de la base de casos

En el objeto de estudio de la presente investigación, el conjunto U está

El Análisis Discriminante jerarquizó los factores de riesgo en el siguiente

Tabla 3. Factores de efectividad de las técnicas multivariadas

Animales Animales enflaquecidos

Con la aplicación del Método del Triángulo de Füller, un método de

La técnica de CHAID agrupó a los casos de forma que cada nodo, en la

Tabla 5. Resultados de clasificación de la técnica de CHAID

Tabla 6. Análisis de varianza en el caso de la variable X5

Cluster 1 137 30.1 % 30.1 %

3 144 31.6 % 31.6 %

Combined 455 100.0 % 100.0 %

Total 455 100.0 %

Tabla 7. Aplicación del método TwoStep Cluster Analysis

Cluster 1 89.10 1.971

Combined 84.39 11.412

De esta manera los dos valores a comparar se ubicaron en el clúster

De forma análoga se construyeron las restantes funciones de comparación por

El primer paso para realizar el diagnóstico consistió en analizar el nuevo caso

Determinados los casos más semejantes se aplica el Algoritmo de los k-vecinos

El Sistema Experto, que se construyó bajo el nombre de DiagPron v1.0, fue

En este artículo se muestran los resultados de aplicar técnicas de IA, como el

La construcción de una herramienta para el diagnóstico de la FH en el ganado

Aunque todos estos resultados han sido aplicados al diagnóstico de la

El Razonamiento Basado en Casos desde el punto de vista de análisis de

1. Bruce B. Johnson, H. Penny Nii, Herbert Schorr, Howard Shrobe, Robert S.