Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por
1
SISTEMA INTELIGENTE PARA EL DIAGNÓSTICO Y TRATAMIENTO DE
ENFERMEDADES SINTOMÁTICAS RESPIRATORIAS UTILIZANDO RNA COMO
APOYO AL ÁREA DE LA SALUD DEL DEPARTAMENTO DEL CÉSAR
Presentado por
Docente
TONNY JIMENEZ MARQUEZ
Ingeniero de Sistemas
Esp. en Informatica Educativa
Msc. en Inteligencia Artificial y Computación Emergente
2
TABLA DE CONTENIDO
3
INTRODUCCIÓN
Es por esto, que, una de las enfermedades que agobian a gran parte de la población
mundial, son las infecciones respiratorias, por ende, mediante el desarrollo de esta RNA
se pretende dar un soporte bajo la aplicación de herramientas tecnológicas de apoyo al
personal que interactúa en este campo, utilizando técnicas de inteligencia artificial como
redes neuronales las cuales reproducen esquemáticamente la estructura neuronal del
cerebro para tratar de representar sus capacidades y ser empleados en sistemas de
computación.
Por otro lado, para situar y argumentar los temas que componen este trabajo de
investigación se ha estructurado su contenido en dos partes: la primera, la integran la
formulación del problema objeto de estudio, dejando como evidencia la problemática
encontrada en el area de la salud del Departamento del Cesar, asimismo, también se
puede evidenciar en la parte teórica, los objetivos de la investigación, la justificación del
proyecto, entre otros entes; los cuales hacen parte fundamental de todo el trabajo.
Asi mismo, en el desarrollo de los antecedentes o estado del arte, se realizó un análisis
de las teorías que plantearon diversos autores en sus trabajos de investigación, vistas
desde un enfoque documental, formando una estructura sólida tanto en conceptos como
en referencias; desarrollando así, el objeto de estudio y el problema que presentaba el
area de la salud en el departamento del cesar en cuanto al uso y aplicación de las RNA
en enfermedades respiratorias, determinando en el análisis realizado, la base sobre la
que se sostiene la investigación y la viabilidad de la misma. Por consiguiente, en el
desarrollo de la metodología utilizada en la investigación, se estableció la metodología
básica para redes neuronales, argumentando el paradigma desde el cual se inicia la
investigación y por el cual se cumplirán los objetivos planteados dando respuesta a la
problemática planteada.
4
2. ESTADO DEL ARTE
Hoy día, la creación de sistemas que contribuyan a la toma de decisiones tiene como
propósito mejorar la calidad de vida de los procesos médicos, utilizando la predicción y
clasificación de enfermedades buscando enriquecer el cuidado de los pacientes. En este
sentido, dichos sistemas de ayuda presentan tres componentes sistemáticos
fundamentales que son: las bases de datos (información del paciente), algoritmos de
inteligencia artificial y los usuarios finales (médicos, personal asistencial, etc.); por ende,
la integración de los componentes mencionados trae mejoras en la atención de los
mismos, reduciendo errores médicos, diagnósticos y gestionando protocolos clínicos
con mayor fiabilidad, agilidad en los procesos, etc. [1]
Es por esto, que dada la gran variedad de aplicaciones que ha presentado la inteligencia
artificial en el mundo, en el entorno clínico se han incorporado las redes neuronales
artificiales como un apoyo a las decisiones médicas, focalizando su uso en sistemas
inteligentes para el diagnóstico y tratamiento de enfermedades sintomáticas
respiratorias. En este orden de ideas, para dar argumentos que soporten el desarrollo
de este trabajo, se ha implementado a nivel internacional los siguientes trabajos de
investigación:
Título: Automatic detection of lung cancer from biomedical data set using discrete
AdaBoost optimized ensemble learning generalized neural networks. [2]
Año: 2020
En esta investigación se analizarón las caracteristicas biomédicas
relacionadas con el cancer de pulmón, utilizando técnicas de
computación suave y neuronal. Inicialmente, las características del
cáncer de pulmón se obtuvieron del repositorio de conjuntos de
Metodología: datos biomédicos de ELVIRA. El ruido presente en los datos fue
eliminado dividiéndolo en diferentes contenedores, y los valores
faltantes fueron reemplazados con la ayuda de la estimación del
XP
NEURAL valor medio, normalizando los datos en términos de 0-1,
NETWORK asimismo, la repetición mínima y las características heurísticas de
Wolf se seleccionaron posteriormente para minimizar la
dimensionalidad y complejidad de las mismas, examinando la
5
redundancia de estas y eliminando del conjunto de datos las que
no determinaban ningun valor.
Título: Lung Pattern Classification for Interstitial Lung Diseases Using a Deep
Convolutional Neural Network. [3]
Año: 2016
En esta investigación se propuso un sistema de diagnóstico asistido
por computadora (CAD) para enfermedades pulmonares
intersticiales (EPI). Por tanto, los autores propusieron y evaluaron
Metodología: una red neuronal convolucional (CNN), diseñada para la
clasificación de Patrones ILD. La red propuesta consta de 5 redes
Clasificación de
patrones y convolucionales, con capas de 2 núcleos y activaciones
redes LeakyReLU, aplicando técnicas tanto de agrupación como de
neuronales
covolucionales clasificación utilizando un conjunto de datos de 14696 parches de
6
imagen, derivados por 120 tomografías computarizadas de
diferentes escáneres y hospitales.
Autor: Orhan Er & Cengiz Sertkaya & Feyzullah Temurtas & A. Cetin
Tanrikulu
Año: 2015
Esta investigación presento un estudio comparativo para la
realización del diagnóstico de EPOC (enfermedad pulmonar
obstructiva crónica) y neumonía mediante redes neuronales y
Metodología:
sistema inmunológico. Los resultados también fueron en
comparación con los resultados de los estudios anteriores
Algoritmo de informados por otros autores. Como conclusión, se obtuvieron
entrenamiento resultados favorables, visualizando que la red neuronal y las
LM
estructuras AIS podría utilizarse con éxito para ayudar al
diagnóstico de la EPOC y neumonía.
7
para la precisión de la clasificación fueron obtenidos de la
estructura AIS para la EPOC y diagnóstico de la enfermedad de la
neumonía.
Año:
En esta investigación, el autor propuso un modelo matemático
2018
predictivo de mortalidad de la neumonía adquirida en la comunidad
de la Habana (Cuba). Para esto, se realizo un estudio analítico
Metodología: longitudinal en un universo de 73 pacientes, muestra no
probabilística de 48. Con esto, se utilizo el test de Mann Withney
para obtener variables con significación en la mortalidad. Así
METODOLOGIA mismo se calculó correlación de Pearson a las variables con
AGIL XP
significación y luego se elaboró el modelo matemático, el cual se
probó en una red neuronal creada y entrenada al efecto.
Posteriormente se llevó a la curva ROC para encontrar el área bajo
la curva, así como las coordenadas del punto de corte.
8
frecuencia respiratoria de (x2=0,01). La presión de oxigeno de
(x2=0,036) al igual que las cifras de hemoglobina, el nivel de sodio
(Na) (x2=0,004) con marcada diferencia entre los grupos y la edad
(x2=0,003) IC=0,32. Así mismo, el autor demostró que este
modelo matemático es una herramienta útil a pie de cama del
paciente teniendo en cuenta que ayuda al juicio clínico en hacer
un pronóstico más acertado.
Año:
El objetivo principal de este trabajo fue crear un sistema experto
2018
para el diagnóstico de enfermedades respiratorias, el cual será
utilizado inicialmente en el Área de Neumología del Hospital Central
Metodología: PNP Luis N. Sáenz; permitiendo con ello atender de manera
inmediata las inquietudes de los pacientes. Con el desarrollo de
XP
este sistema experto, se busco aminorar los tiempos de respuesta
Grover del diagnóstico de las enfermedades respiratorias, debido a que la
y
Commonkads afluencia de pacientes en el centro medico, no se dan abasto en la
atención, demorando en analizar los síntomas, por lo tanto, el
tiempo de consulta es mayor, como consecuencia la atención es
más prolongada de lo esperado, generando la reducción de
pacientes a atender.
9
La portabilidad del sistema experto para el diagnóstico de
enfermedades respiratorias influye satisfactoriamente en los
procesos de eficiencia y eficacia, en cuanto a la satisfacción de sus
usuarios al disponer del sistema en distintos navegadores web y
diversos dispositivos de hardware, características que describen a
este indicador de calidad.
Año:
En este trabajo, los autores realizaron un marco de aprendizaje
2018
novedoso para los datos de sonido de auscultación respiratoria.
Con este enfoque se combinaron técnicas de extracción de
Metodología: características de vanguardia y arquitecturas avanzadas de redes
neuronales profundas.
Desarrollo Esta investigación es novedosa, dado que, fue la primera en
iterativo y Deep modelar un marco de aprendizaje basado en redes neuronales
learning
recurrentes para ayudar al médico a detectar enfermedades
respiratorias. a cualquier nivel de sonidos anormales o clases de
patología. Los resultados obtenidos en el conjunto de datos de
referencia del ICBHI mostrando que el enfoque de la investigación,
supera a los métodos de la competencia en tareas de predicción
impulsadas por anomalías y patologías, lo que avanza el estado del
arte en el análisis de enfermedades respiratorias.
10
Autor: JOSE MIGUEL FLORES FERNANDEZ
Año:
En este trabajo se evaluó en conjunto un grupo de biomarcadores
2015 con el propósito de incrementar la eficiencia en la detección de
cáncer de pulmón. Por esta razón, se desarrolló una Red Neuronal
Artificial (RNA) para determinar que biomarcadores son relevantes
Metodología:
en el diagnóstico de cáncer de pulmón en suero.
11
Autor: Mayra Alejandra Jiménez Manjarres
Año:
Este proyecto propuso una solución al problema del pronóstico de
2019 Infección Respiratoria Aguda (IRA) en Colombia a través del diseño
de múltiples modelos por departamento, superando el alcance
establecido inicialmente de un solo modelo. Estos modelos
Metodología:
permitieron evaluar y reconocer bajo cuáles condiciones técnicas
es posible hacer pronósticos más acertados.
CRISP DM
12
Es por esto, que, con la incorporación de las tecnologías de información y las RNA en
el proceso de diagnóstico y tratamiento de enfermedades respiratorias está mejorando
el proceso de toma de decisiones en muchos lugares del mundo, utilizando técnicas o
métodos que pueden dar a conocer el grado de influencia e incidencia obtenido bajo
este tipo de técnicas generando una toma de decisiones y una extrapolación del
comportamiento de dichas patologías objeto de estudio. [9]
En este sentido, estas decisiones deben estar garantizadas por criterios de evidencia,
guías de práctica clínica y la experiencia de entrenamiento de la red y del personal
médico, para ello, es necesario recopilar y procesar de forma adecuada la información
referente al estado de salud de los pacientes, que en este caso la patología va ligada a
las enfermedades sintomáticas respiratorias en el departamento del cesar, dejando en
claro que, esta información se concreta en distintos tipos de variables, con estas
variables se procede a la aplicación de criterios que permitan llegar a un diagnóstico
acertado, dado que, la posible evolucion de la enfermedad y las posibles complicaciones
se pueden derivar, de los resultados obtenidos en la funcionalidad de la RNA. [6]
Por otro lado, en la idea latinoamericana, países como México, Brasil o Argentina, se
han visto involucrados dentro del uso de las RNA focalizadas en el sector salud,
llegándola a utilizar en grandes entidades del sector salud como un proceso de soporte
en la toma de decisiones para el médico y a su vez cumple una labor importante
sirviendo como apoyo clínico al personal médico de la entidad en la gestión de procesos,
generando un desarrollo potencial por la rapidez y la precisión de los diagnósticos en
patologías cardiovasculares, enfermedades respiratorias, medicina nuclear,
radiografías, entre otras, llegando a predecir situaciones del presente o el futuro para el
paciente. [5]
13
en este tipo de Tecnologias que vincula la inteligencia artificial, generando un impacto
social, económico y tecnológico en el departamento del cesar. [9]
14
4.2 Objetivos Específicos
Las redes neuronales artificiales son sistemas de cálculo que se asemejan a las redes
neuronales biológicas al utilizar nodos interconectados. En este sentido, el
procedimiento consiste en entrenar las RNA para que aprendan patrones complejos de
relaciones entre las variables predictoras y de un resultado esperado. Bajo esta
apreciación, el interés en la aplicación de las RNA en campos como la medicina durante
los últimos años ha aumentado de manera progresiva, reflejando publicaciones en áreas
fundamentales como el reconocimiento de imágenes, análisis de ondas, procedimientos
de farmacología, epidemiología, predicción de resultados y procesos diagnósticos en
toma de decisiones. [10]
De igual forma se justifica en lo práctico porque presenta aportes digitales que según
los estudios en la sociedad del conocimiento los sistemas inteligentes RNA son una
herramienta efectiva para llevar los procesos de toma de decisiones en diversos
entornos, tal como se ha demostrado en el ámbito clínico, logrando mejorar la
competitividad del entorno bajo el uso de la inteligencia artificial, mejorando el
15
rendimiento de los procesos médicos de manera atractiva e interactiva utilizando las
herramientas TIC.
16
En este sentido, una aplicación de redes neuronales artificiales, comprende varias fases
o etapas, para el desarrollo y validación de la estructura se tienen las siguientes fases:
8. ANALISIS
En este sentido, estas decisiones deben estar garantizadas por criterios de evidencia,
guías de práctica clínica y la experiencia de entrenamiento de la red y del personal
médico, para ello, es necesario recopilar y procesar de forma adecuada la información
referente al estado de salud de los pacientes, que en este caso la patología va ligada a
las enfermedades sintomáticas respiratorias en el departamento del cesar, dejando en
17
claro que, esta información se concreta en distintos tipos de variables, con estas
variables se procede a la aplicación de criterios que permitan llegar a un diagnóstico
acertado, dado que, la posible evolución de la enfermedad y las posibles complicaciones
se pueden derivar, de los resultados obtenidos de la funcionalidad de la RNA. De esta
manera, Se pretende identificar las enfermedades derivadas de síntomas respiratorios
a través un aplicativo basado en redes neuronales artificiales que ayude a soportar la
toma de decisiones del personal médico, en cuanto a diagnóstico de enfermedad y
tratamiento.
9. DISEÑO
Como primera medida, se construye una red neuronal artificial Backpropagation
dinámica, es decir, el número de entradas y salidas dependerá de las características
estructurales del conjunto de datos con que se entrena la red neuronal. El número de
capas ocultas y el número de neuronas son abiertas para que el usuario final pueda
definir cuál es la mejor configuración de red según su criterio o según los resultados de
pruebas realizadas con antelación. Se definen un numero inicial de 17 entradas las
cuáles serán las siguiente:
Disnea
tos_con_sangre
sibilancia
fatiga
perdida_peso
fiebre
sudores_nocturnos
dolor_corporal
Para la capa de salida se cuenta con dos neuronas, como lo son el diagnostico o
enfermedad identificada y la variable correspondiente al tratamiento indicado para dicha
enfermedad. Lo pesos y los umbrales para cada neurona son asignados aleatoriamente
18
EPOC - Albuterol e Ipratropio
asma - Albuterol y Metaproterenol
bronquictasia - Cloxacilina y Ciprofloxacino
Neumonia - Amoxicilina Moxifloxacino y Azitromicina
Gripa común - Paracetamol e Ibuprofeno
Resfriado común - Paracetamol e Ibuprofeno
para la captura de datos de la capa de entrada de la red, se obtienen los datos por
teclado, en el que se suministran los síntomas respiratorios. Estos datos son
normalizados posteriormente para el procesamiento ágil de la red neuronal. Una vez
calculado el valor numérico para cada síntoma, este valor es ingresado a cada una de
las neuronas de entrada según el síntoma identificado. A partir de este momento, con
los datos de entrada ya suministrados, la red neuronal puede iniciar el procesamiento
de la información para calcular los errores e identificar cual configuración de red es la
adecuada para el proceso de estimación e identificación del diagnóstico.
10. PRUEBAS
En el proceso de pruebas se realizaron tareas relacionadas con procesos matemáticos
para calcular la efectividad de la red. Se calcularon los errores arrojados por la red en
las iteraciones correspondientes a distintas configuraciones de su arquitectura. Los
errores más bajos obtenidos se evidencian en la arquitectura de red con 2 o más capas
ocultas y utilizando función de activación Sigmoide. Se realizaron pruebas con diferente
19
número de neuronas y se determinó que el número óptimo para este procesamiento
esta entre las 10 y las 15 neuronas dentro de cada capa oculta.
Una vez cargados los datos, pueden ser observados en la tabla principal de datos, en
donde podremos verificar visualmente que los datos corresponden a los indicados para
le entrenamiento. Se define la cantidad de capas ocultas de la red y el número de
neuronas correspondientes para cada capa, así como también se selecciona el tipo de
función de activación según sea la necesidad del usuario o según el tipo de datos que
20
se vayan a entrenar. El sistema asigna los pesos y umbrales de manera aleatoria a cada
una de las neuronas que conforman la red.
Posteriormente se procede a entrenar la red, la cual mostrara una gráfica en tiempo real
con el comportamiento del error por cada iteración que realice el sistema. Al finalizar el
proceso se guardará un archivo de texto con toda la información correspondiente a la
configuración optima determinada para el mejor entrenamiento para la de la red
neuronal.
21
12. CONCLUSION
Se logra determinar que los sistemas basados en redes neuronales artificiales son una
opción muy viable para este tipo de problemas a resolver que se presentan diariamente
en el área de la salud y muchas otras áreas. Como podemos apreciar en el este estudio,
las enfermedades respiratorias, pueden ser en parte, identificadas a través de su
sintomatología, cabe resaltar que, aunque los síntomas son muy parecidos en la
mayoría de enfermedades respiratorias, existen algunas diferencias que se pueden
aprovechar al momento de realizar el entrenamiento de la red. La identificación de estas
enfermedades respiratorias son pieza clave en la labor de las clínicas y hospitales, pues
de esto depende la vida de muchos pacientes y las redes neuronales artificiales como
evidenciamos en este estudio, aportan grandes herramientas confiables para estos
procesos.
Referencias Bibliograficas
22
[8] J. M. F. FERNANDEZ, Diseño de una herramienta auxiliar en el diagnóstico de cáncer de
pulmón mediante la cuantificación de proteínas biomarcadoras utilizando redes neuronales
artificiales, CIUDAD DE MEXICO (MEXICO): CIATEJ, 2015.
[11] R. H. Sampieri, Metodologia de investigacion 6ta edicion, mexico : mc graw hill, 2014.
23