Caso de Estudio

Predecir si una mujer está embarazada

Napan Murga Jose Grabiel

Escuela de Ingeniería Informática/ Universidad Nacional Federico Villareal-U.N.F.V/

Lima/Perú

RESUMEN

El propósito de este artículo es explicar de forma breve y clara las secciones

principales del contenido y alcance del estudio, de forma rápida y directa, para que los
lectores identifiquen la pertinencia a su interés.
En este caso de estudio se busca predecir si una mujer se encuentra embarazada
con los síntomas más comunes del segundo mes o si son síntomas de otro tipo de
falencia para dicha prueba se usa redes neuronales
Después de una primera parte teórica nos centramos en el estudio de la serie a
tratar. Para ello se hace un análisis previo a la implementación en Python de los
modelos de redes elegidos. También se estudiará el efecto de algunas variables
explicativas en nuestra predicción.
Por último, se presentarán los algoritmos realizados con las redes neuronales con
el objetivo de ver si estas redes mejoran o no los modelos que actualmente manejamos.
Esta comparación.

I. INTRODUCCIÓN
Evidentemente, el deseo de saber lo más pronto posible, si una mujer lleva en su
vientre una nueva vida, ha sido tema de investigación desde los tiempos más remotos.
Según consta en un papiro egipcio del año 1350 A. C, una mujer puede saber si está en
espera de un nuevo ser, poniendo en su propia orina semillas de avena, las cuales
germinarán en caso positivo. Esta previsión de los antiguos valiéndose de la orina, fue
verdaderamente extraordinaria, pues el experimento se confirmó algunos años después,
demostrándose efectivamente que las semillas de trigo, regadas con la orina de mujer
embarazada, crecían de modo más rápido y más hermosas que las otras que no habían
sido tratadas de esta, manera.

Sin embargo, el diagnóstico precoz del embarazo, frecuentemente plantea un arduo

problema, no sólo al médico general, sino al ginecólogo especializado, cuando necesita
saber si una paciente sufre un proceso fisiológico como es el embarazo o adolece de
alguna afección ginecológica que pueda simular la gravidez misma.
Aparte del legitimo deseo de los futuros padres de saber cuánto antes si el heredero
se aproxima, hay casos en que el ginecólogo necesita saber a ciencia cierta si su
paciente está o no embarazada, como cuando le toca decidir sobre la indicación de una
intervención quirúrgica, la provocación de un aborto terapéutico en mujeres gravemente
enfermas; para operar rápidamente un embarazo extrauterino; para hacer la diagnosis
diferencial con afecciones que tengan otros signos coincidentes con la ciencias; en
relación con cuestiones médico-legales, etc.
Todo ello demuestra que las razones tanto de orden clínico como médico-legal, son
numerosas e importantes y, que son lanza das como una interrogación, formulada
exclusivamente al ginecólogo, quien es el que tiene que hacer acopio de juicio y
raciocinio, para contestarla.

II. MATERIALES Y METODOLOGÍA

En este proyecto de investigación se pretende predecir si una mujer está

embarazada analizar la aplicación de procesos como el desarrollo de redes neuronales
para que el cual se empleará un diseño, que representa entradas y salidas
interconectadas en las que cada conexión tiene un peso asociado. Durante la fase de
aprendizaje, la red aprende a justando estos pesos para predecir la clase correcta para los
datos de entrada. Asignamos pesos a diferentes valores y predecimos la salida a partir
de ellos. Si no, conocemos el peso asociado con cada entrada, creamos un algoritmo que
calculará los pesos asociados con ellos procesando muchos datos de entrada.

Población: Para nuestro estudio he utilizado los datos proporcionados por la

revista TUASAUDE, tomando como población las los síntomas de la segunda semana
de embarazo que presentaban algunas mujeres

Los síntomas pueden ser observadas en el siguiente enlace:

https://www.tuasaude.com/

Muestra: En el estudio participaron un total de 8 mujeres con síntomas de la

población previamente señalada y obtuvimos un total de 8 respuestas entre todos los
encuestados.

Criterio de selección: Se escogió entre todas estas mujeres a las que se encuentren
entre los primeros lugares según se encuentren en la segunda semana de a ver tenido
relaciones sexuales debido a que estas serían las más resaltantes y por tanto más
influyentes.

Cansancio fácil y exceso de sueño

El cansancio es uno de los síntomas más comunes del embarazo que puede estar
presente durante toda la gestación, empezando a surgir alrededor de la segunda semana.
Es normal que este cansancio vaya aumentando durante las primeras 12 semanas de
embarazo, mientras que el cuerpo adapta todo su metabolismo para proporcionar la
energía necesaria para el desarrollo del bebé.
Aversión a olores fuertes
Es muy común que al comienzo del embarazo la mujer tenga aversión a olores
fuertes, aunque sean aparentemente agradables como perfume. La mayoría de las
embarazadas pueden incluso vomitar después de sentir un olor fuerte como el de la
gasolina, el cigarrillo o los productos de limpieza, por ejemplo.
Además de esto, como el olfato está alterado, algunas mujeres también pueden
informar de que hay un cambio en el sabor de la comida, el cual se vuelve más intenso,
produciendo náuseas.
Retraso de la menstruación
La falta de menstruación suele ser el síntoma más obvio del embarazo, ya que
durante la gestación la mujer deja de tener su período menstrual para permitir que el
feto se desarrolle adecuadamente en el útero.
Este signo se produce debido al aumento de la producción de la hormona beta hCG,
que impide que los ovarios continúen liberando óvulos maduros. El retraso de la
menstruación puede ocurrir hasta 4 semanas después de la concepción, identificándose
más fácilmente en mujeres con un período regular.
Sin embargo, es importante mencionar que existen otras situaciones que pueden
originar un atraso en la menstruación, como, por ejemplo: estrés o alteraciones
hormonales.
Náuseas y vómitos
Las náuseas y los vómitos son frecuentes, principalmente por las mañanas, siendo uno
de los síntomas más conocidos del embarazo y que suelen surgir a partir de la 6ª semana
de gestación, pudiendo persistir durante todo el embarazo.
Sin embargo, las náuseas no siempre causan vómitos, siendo mucho más común que
las náuseas aparezcan y desaparezcan sin que la mujer vomite, especialmente en la
mañana.
III. PROPUESTA DE DESARROLLO
El objetivo es predecir si una mujer está o no embarazada. Considerar las
características de entrada. El 1 representa "Sí" y 0 representa "No". Usando redes
neuronales
Se tiene el siguiente perceptrón

Proceso de entrenamiento
 El entrenamiento consiste en la presentación repetida de un conjunto
suficientemente amplio de datos de entrenamiento (training set), formado por las
entradas y los valores correspondientes de las variables a predecir, hasta conseguir que
los pesos internos (interacciones entre nodos) conduzcan a resultados óptimos en la capa
de salida, acercándose lo más posible a los resultados esperados. En un contexto
médico, el entrenamiento consistiría en presentar a la red, de forma iterativa, los valores
de distintas variables clínicas (en forma de valores de la capa de entrada) de cada
paciente y conseguir que la red sea capaz de predecir el estado final observado en cada
paciente (indicados por el estado de las capas de salida de la red) de la manera más
precisa posible.
En la práctica, el ajuste de los pesos durante el entrenamiento se consigue
mediante un proceso iterativo cuya finalidad es minimizar una función de error que
cuantifica la discrepancia entre las predicciones de la red y los valores observados en la
muestra. La medida más utilizada para evaluar el error en la predicción (función de
coste) es la raíz cuadrada del error cuadrático medio (RME, rootmean-square-error)
entre los valores de salida de la red y sus valores esperados según los datos disponibles.
Esta última estrategia puede conseguir un mejor aprendizaje en algunas
aplicaciones. Observamos que, en este tipo de red, el flujo de información es
unidireccional (de entrada, a salida) pero el flujo de actualización del error es retrógrado
(backpropagation). En algunos casos, el proceso de entrenamiento de una red puede
llevar a situaciones no deseadas. El riesgo principal consiste en que la red aprenda los
ejemplos, pero sea incapaz de dar respuestas convenientes en nuevos casos. Para evitar
este problema, el proceso de entrenamiento debe considerar otras estrategias
adicionales.

IV. RESULTADOS

Importar NumPy

·Ingresar los datos de entrada

· Establecer la salida objetivo

· Definir pesos:

· Asignar el sesgo y la tasa de aprendizaje:

· Función sigmoidea:

· Aplicación de una función sigmoidea

· Derivado de la función sigmoidea:

· Como antes, derivamos la función sigmoidea

· La lógica principal del modelo de entrenamiento:

· La lógica principal del modelo de entrenamiento de nuestro estudio de caso

· Hacer predicciones:

· I a. Una mujer probada si está embarazada.

· Persona examinada es negativa.

· Predicción aproximada a cuando una persona probada es negativa

· Persona probada es positiva embarazo.

· Predicción aproximada a cuando una persona probada es positiva para el

embarazo

· Valores finales de ponderación y sesgo:

· Comprobación de nuestros pesos finales y valores de sesgo

V. DISCUSIÓN

De los síntomas de embarazo que se trabajó para la investigación la de náuseas y

vomito fue el síntoma que mas influye para predecir si una mujer se encuentra
embarazada en la mayoría de casos que se obtuvo
El cansancio facial y sueño es el síntoma que menos influyo para predecir si una
mujer se encuentra embarazada en cada variación que se hacia en los pesos no había un
aumento significativo de los resultados

VI. CONCLUSIONES
Las RN proporcionan un método general para desarrollar modelos de predicción
en medicina. La ventaja principal de esta técnica, si se aplica convenientemente, radica
en su capacidad para incorporar interacciones entre las variables sin necesidad de
incluirlas a priori. Además, su aplicación no queda restringida a un tipo determinado de
distribución de los datos. Como principal desventaja, sin embargo, debemos indicar que
proporciona un modelo. La RN es capaz de predecir resultados, pero no disponemos de
una interpretación evidente de los parámetros en los mismos términos en que podemos
interpretar los resultados de una RL.
En esta revisión hemos considerado fundamentalmente el modelo de red más
sencillo. En la actualidad se trabaja con nuevos tipos de redes más potentes y que
incorporan técnicas adicionales como son los algoritmos genéticos y los modelos
híbridos52-54. Con ello, se empieza a disponer de herramientas que se fundamentan en
el cálculo intensivo y que desafían a los planteamientos estadísticos convencionales. A
nuestro entender, lejos de representar una amenaza, estas técnicas proporcionan nuevos
puntos de vista que pueden ayudar a obtener herramientas más eficaces en muchas
aplicaciones prácticas. Así, el futuro no debería plantearse en términos de competencia
entre estos nuevos métodos y la estadística, sino que debería contemplar su
acercamiento y complementación para construir modelos de predicción que sean más
válidos.