Análisis de Documentos (Paper 04)

Autor(es): Seixas, F., Zadrozny, B., Laks, J., Conci, A., Muchaluat S.
Título del paper: A Bayesian network decision model for supporting the diagnosis
of dementia, Alzheimer's disease and mild cognitive impairment

Pregunta 1. ¿Qué modelos o que algoritmos de proceso de prescripción medica existen_?

médica  Existen.?
Pregunta 3.Como se valida un modelo del proceso de prescripción medica?
Título del paper(Es): Un modelo de decisión de red bayesiana para respaldar el
diagnóstico de demencia, enfermedad de Alzheimer y deterioro cognitivo leve
Journal: Fundación Pharmaceutical Care España
Volumen (issue): Volumen 51
Páginas (year): Pages 725-731, 2015

Problema que el autor desea resolver

El problema que los autores desean resolver es respaldar el diagnóstico de la demencia,

enfermedad de Alzheimer y deterioro cognitivo leve mediante un modelo de decisión de red
bayesiana, ya que el diagnóstico precoz de las enfermedades neurodegenerativas permitirá
a los pacientes tener una mejor calidad de vida.

Importancia del problema

La importancia de la problemática radica en que el envejecimiento de la población se ha

venido produciendo como un fenómeno mundial con consecuencias heterogéneas tanto en
los países desarrollados como en los países en desarrollo. Las enfermedades
neurodegenerativas, como la enfermedad de Alzheimer (EA), tienen una alta prevalencia en
la población anciana. El diagnóstico precoz de este tipo de enfermedades permite un
tratamiento precoz y mejora la calidad de vida del paciente. Es por ello, que los autores
proponen un modelo de decisión de red bayesiana para respaldar el diagnóstico de la
demencia, la enfermedad de Alzheimer y el deterioro cognitivo leve (DCL).
Motivación del autor

La motivación de los autores en realizar este estudio radica en desarrollar un modelo de

decisión para el diagnóstico clínico mediante redes bayesianas. El objetivo de los autores es
implementar este modelo de decisión en el sistema de apoyo a la toma de decisiones
clínicas y evaluar la aceptación y los comentarios informados por los médicos.

Los sistema de apoyo a la toma de decisiones clínicas son sistemas computacionales

diseñados para respaldar funciones cognitivas de alto nivel que implican el diagnóstico
clínico, como el razonamiento, la toma de decisiones y el aprendizaje. Agrupados según a
su propósito con respecto a las actividades clínicas, incluida la prevención y el cribado, la
dosificación de fármacos, el control, el diagnóstico y el tratamiento de enfermedades
crónicas, considerando a los pacientes de entornos ambulatorios y hospitalarios. El sistema
de apoyo a la toma de decisiones clínicas se puede diseñar para una serie de perfiles de
usuario, incluidos médicos, médicos generales, enfermeras o incluso pacientes que buscan
prevención u otros comportamientos relacionados con la salud. (H. Lindgren, 2007)

Descripción del aporte del autor

El principal aporte de los autores fue el desarrollo de un modelo de decisión para el

diagnóstico clínico mediante redes bayesianas. Al comparar los resultados de rendimiento
obtenidos por redes bayesianas con otros clasificadores conocidos, las redes bayesianas
han mostrado mejores resultados para el diagnóstico del deterioro cognitivo leve y
resultados competitivos para la demencia y la enfermedad de Alzheimer. Otra contribución
de los autores, fue una descripción de un proceso de modelado de redes bayesianas. Este
proceso se puede extender a otros dominios de enfermedades. Como trabajo futuro,
tenemos la intención de revisar la redes bayesianas utilizando un conjunto de datos de
pacientes más completo, incluidas pruebas neuropsicológicas que son relevantes para el
diagnóstico de las enfermedades de interés y que no estaban disponibles en los conjuntos
de datos utilizados.

Proceso para resolver el problema (solo si hay validación)

Para resolver el problema los autores emplearon las redes bayesianas, las cuales son
adecuadas para representar la incertidumbre y la causalidad, que están presentes en los
dominios clínicos. La red bayesiana propuesta por los autores se modeló utilizando una
combinación de conocimiento experto y modelos orientados a datos.

La estructura de la red se construyó sobre la base de los criterios de diagnóstico actuales y

las aportaciones de médicos expertos en este campo. Los parámetros de la red se
estimaron utilizando un algoritmo de aprendizaje supervisado a partir de un conjunto de
datos de casos clínicos reales. El conjunto de datos contiene datos de pacientes y controles
normales del Centro Médico de la Universidad de Duke, Washington, EE. UU. y del Centro
de Enfermedad de Alzheimer y Trastornos Relacionados en el Instituto de Psiquiatría de la
Universidad Federal de Río de Janeiro, Brasil. Los atributos del conjunto de datos consisten
en factores de predisposición, resultados de pruebas neuropsicológicas, datos demográficos
del paciente, síntomas y signos. El modelo de decisión se evaluó mediante métodos
cuantitativos y un análisis de sensibilidad.

Principal resultado (solo si hay validación)

Mediante el estudio se demostró que la la red bayesiana propuesta mostró mejores

resultados para el diagnóstico de la demencia, la enfermedad de Alzheimer y el deterioro
cognitivo leve en comparación con la mayoría de los otros clasificadores conocidos.
Además, aporta información adicional útil a los médicos, como la contribución de
determinados factores al diagnóstico.
Referencias bibliográficas referenciadas en este informe
Semchuk WM. Medication Dosing Guidelines in Obese Adults. [Internet] [citado el 14 de
enero de 2015]. Disponible en: http://www.cshp-sk.org/documents/Obese%20Patients%20-
%20Medication%20Dosing%20RQHR.pdf
H. Lindgren, Decision support in dementia care: developing systems for interactive
reasoning (Ph.D. thesis), 2007

Página de la publicación con impacto (index)

Aporte a la Tesis

Nro Paper Título Paper Q1 Q2 Q3 Q4 Q5

03 A Bayesian network decision model for x

supporting the diagnosis
of dementia, Alzheimer's disease and mild
cognitive impairment

4. ¿Qué modelos o qué algoritmos existen en el proceso de prescripción médica?

A partir del artículo, los autores plantearon un modelo de decisión para el diagnóstico clínico
mediante redes bayesianas, donde la propuesta mostró mejores resultados en comparación
con la mayoría de los otros clasificadores conocidos. En nuestro proyecto, se podría tomar
en cuenta la características e implementación modelo de decisión para el diagnóstico clínico
mediante redes bayesianas para mejorar el proceso de prescripción médica.