UNIVERSIDAD NACIONAL “PEDRO RUIZ GALLO”

Facultad de Ingeniería Civil, Sistemas y Arquitectura

ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS
Departamento Académico de Ingenierías

Diagnóstico de enfermedades

ALUMNO:

Miguel Llauce Chapoñan

CURSO:

Inteligencia Artificial

DOCENTE:

Ing. Juan Villegas Cubas

CICLO:

IX

Lambayeque, noviembre del 2022.

 I. A. en el Diagnóstico de Enfermedades

La capacidad de los ordenadores en relación a su rapidez y su complejidad proporcionan una

herramienta realmente interesante en sus enormes implicaciones en el ámbito sanitario. Es
así como hoy en día se está haciendo uso de la Inteligencia Artificial (I.A.) para el diagnóstico
de enfermedades a nivel internacional.
Entre las principales aplicaciones de inteligencia artificial encontramos a las Máquinas de
Vector de Soporte (SVM) las cuales han sido empleadas para diagnosticar enfermedades del
corazón. Este mismo tipo de aplicación es mencionada en otras investigaciones, la cual es
adicionalmente comparada con otras aplicaciones tales como: Análisis discriminante lineal
(LDA), Vecino más cercano K (KNN) y Red neuronal (NN). El algoritmo de KNN también
fue empleado para la detección de enfermedades foliares mediante técnicas de procesamiento
de imágenes, en esta investigación se alcanzó una precisión del 96%. Otra aplicación de IA
son las técnicas de agrupación basadas en modelos, en donde era necesario aplicar estas
técnicas ya que lo que buscaban los autores era una simulación 3D del funcionamiento del
cerebro humano para tomar decisiones. (REAÑO COVEÑAS, 2020)
Por otro lado, un grupo de investigadores autores de un artículo científico con respecto al
tema que se está tratando, nos mencionan que la técnica de Inteligencia Artificial que mejor
se ajusta para el diagnóstico de enfermedades con mayor certeza ha sido identificada
utilizando la Teoría de la Decisión Multicriterio Discreta, la cual posibilita evaluar síntomas,
signos y factores de riesgo presentados en los enfermos. (González Benítez, Estrada Sentí, &
Febles Estrada, 2018).
Otro autor nos hace mención que la Inteligencia artificial también lo podemos encontrar en
el diagnóstico fitosanitario en la agricultura, (Valdivieso Duarte, 2021): Gracias al desarrollo
de las tecnologías de la información y la comunicación y a los inagotables avances de la
informática, el diagnóstico fitosanitario en la agricultura, en la actualidad, se basa en las
aplicaciones de la inteligencia artificial, que ve como referencia en varias de sus principales
técnicas, así como en los sistemas expertos, la lógica difusa, las redes neuronales, la minería
de datos.
Finalmente, varios estudios científicos recientemente, nos mencionan que la IA con ayuda de
big data y la ciencia de datos pueden ayudar a la detección temprana del COVID-19 a través
de la búsqueda de características relevantes que permitan a la comunidad científica identificar
factores bioquímicos, moleculares y celulares que faciliten la detección temprana del virus
en sus diferentes estados de infección, incubación, propagación y tratamientos a emplear.
(Márquez Díaz, 2020).
 Referencias

González Benítez, N., Estrada Sentí, V., & Febles Estrada, A. (2018). Estudio y selección
de las técnicas de Inteligencia Artificial para el diagnóstico de enfermedades.
Revista de Ciencias Médicas de Pinar del Río, 10. Obtenido de
http://scielo.sld.cu/pdf/rpr/v22n3/rpr14318.pdf
Márquez Díaz, J. (2020). Inteligencia artificial y Big Data como soluciones frente a la
COVID-19. Revista de Bioética y Derecho: Perspectivas Bioéticas, 17. Obtenido
de https://scielo.isciii.es/pdf/bioetica/n50/1886-5887-bioetica-50-00315.pdf
REAÑO COVEÑAS, J. (2020). APLICACIÓN DE INTELIGENCIA ARTIFICIAL EN
DIAGNÓSTICOS DE ENFERMEDADES. Chiclayo: USAT. Obtenido de
https://tesis.usat.edu.pe/bitstream/20.500.12423/3378/1/TIB_Rea%c3%b1oCobe
%c3%b1asJheiner.pdf
Valdivieso Duarte, J. (2021). Estudio comparativo de las técnicas de inteligencia
artificial para el diagnóstico de enfermedades en la agricultura. Guayaquil,
Ecuador: Universidad Politécnica Salesiana. Obtenido de
https://dspace.ups.edu.ec/bitstream/123456789/20941/1/UPS-GT003388.pdf