COMPARACIÓN DEL SISTEMA ADAPTATIVO DE INFERENCIA

NEURO-DIFUSA Y EL MODELO DE REDES NEUTRALES

ARTIFICIALES PARA CLASIFICAR A LOS PACIENTES EN EL
DEPARTAMENTO DE EMERGENCIAS
Los brotes inesperados de enfermedades y los desastres se están convirtiendo en los
principales problemas que enfrenta nuestro mundo. Los primeros puntos de contacto, ya sea
en las escenas de desastre o en el departamento de emergencias, expusieron a los
trabajadores de primera línea y a los médicos al riesgo de infecciones. Por lo tanto, existe una
demanda persuasiva para la integración y explotación de información biomédica heterogénea
para mejorar la práctica clínica, la investigación médica y el punto de atención. En este
artículo, se diseñó un modelo de triaje primario utilizando dos métodos diferentes: un sistema
de inferencia adaptativo neuro-difuso (ANFIS) y una red neuronal artificial (ANN). Cuando el
paciente se presenta en el mostrador de triaje, el sistema capturará sus signos vitales y el jefe
se queja además de la estadística de fisiología y la apariencia general del paciente. Estos datos
se gestionarán y analizarán en el servidor de datos y el estado de emergencia del paciente se
informará de inmediato. El método propuesto ayudará a reducir el tiempo de espera en el
mostrador de triaje y la carga del médico de emergencias, especialmente durante un brote de
enfermedad y un desastre grave. Los modelos se han construido con 2223 conjuntos de datos
extraídos del Departamento de Emergencias del Centro Médico Universiti Kebangsaan Malasia
para predecir la categoría de clasificación primaria. La alimentación de múltiples capas hacia
adelante con una capa oculta que tiene 12 neuronas se ha utilizado para la arquitectura ANN.
La agrupación sustractiva difusa se ha utilizado para encontrar las reglas difusas para el
modelo ANFIS. Los resultados mostraron que el RMSE, el% RME y la precisión que se evaluó
midiendo la especificidad y la sensibilidad para la clasificación binaria de los datos de
entrenamiento fueron 0.14, 5.7 y 99 respectivamente para el modelo ANN y 0.85, 32.00 y
96.00 respectivamente para el modelo ANFIS. En cuanto a los datos no vistos, el error
cuadrático medio, el porcentaje del error cuadrático medio y la precisión para ANN es 0.18,
7.16 y 96.7 respectivamente, 1.30, 49.84 y 94 respectivamente para el modelo ANFIS. El
modelo ANN se realizó mejor para el entrenamiento y los datos no vistos que el modelo ANFIS
en términos de generalización. Por lo tanto, se eligió como la técnica para desarrollar el
modelo de predicción de triaje primario. Este modelo de triaje primario se combinará con el
modelo de predicción de triaje secundario para producir la categoría de triaje final como una
herramienta para ayudar al oficial médico en el departamento de emergencias.

Palabras clave: Servicios médicos de emergencia; Triaje Red neuronal; Sistema adaptativo de
inferencia neuro-difusa