Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14.
*** Año 2019
Prototipo de un sistema experto para la detección
de enfermedades visuales
Herrera Suiryt, Luna Berenice, Rodríguez Liliana, Rico Ricardo, Gutiérrez Doricela
Centro Universitario UAEM Nezahualcóyolt clrodriguezp@uaemex.mx
___________________________________________________________________________________________________
Resumen
Sistema Experto para la detección de
enfermedades visuales.
Diversos estudios sobre Sistemas Expertos han
demostrado ser útiles como herramienta de
diagnóstico y podrían beneficiar a diversos sectores.
En la actualidad, los sistemas expertos se reservan
para los programas cuya base contiene el
conocimiento de expertos humanos, para
diferenciarlos de los que adquieren el conocimiento
de los libros de texto o de los no expertos. El
objetivo de este trabajo es desarrollar un prototipo
de un sistema experto que coadyuve en la detección
de distintas enfermedades visuales que presenta el
paciente, de acuerdo a los síntomas reportados. Para
el diseño de la base de conocimiento se utilizó el
encadenamiento hacia atrás, empleando un entorno
NetBeans con el lenguaje de programación Java
versión 8.2, posteriormente se diseñan los casos de
prueba para observar errores latentes del sistema. El
prototipo muestra la enfermedad visual que padece
de acuerdo con la base de conocimiento. Además,
contiene un apartado de recomendaciones para
prevenir ciertas enfermedades que son regularmente
ocasionadas por mala higiene personal o por malos
hábitos. Dada la importancia de este tipo de
enfermedades en la actualidad y de los resultados
preliminares obtenidos dan pie a seguir
desarrollando y realizando pruebas con más
síntomas y causas que los puedan ocasionar.
Palabras Claves: sistema experto, enfermedad
visual, encadenamiento hacia atrás, base de hechos.
Abstract
Expert System for the detection of
visual diseases.
Several studies on Expert Systems have proved
useful as a diagnostic tool and could benefit various
sectors. Currently, expert systems are reserved for
programs whose base contains the knowledge of
human experts, to differentiate them from those who
acquire knowledge from textbooks or from non-
experts. The objective of this work is to develop a
prototype of an expert system that helps in the
detection of different visual diseases that the patient
presents, according to the symptoms reported. For
the design of the knowledge base, backward
chaining was used, using a NetBeans environment
with the Java programming language version 8.2,
later the test cases are designed to observe latent
system errors. The prototype shows the visual
disease that suffers according to the knowledge
base. It also contains a section of recommendations
to prevent certain diseases that are regularly caused
by poor personal hygiene or bad habits. Given the
importance of this type of diseases at present and
the preliminary results obtained, they lead to further
development and testing with more symptoms and
causes that may cause them.
Keywords: expert system, visual illness, backward
chaining, fact base
223
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14.
Introducción
Durante los últimos años la Inteligencia
Artificial (IA) es considera por diversos autores
(Honavar, 2008, Medina y Febles, 2008,
Clavijo et at. 2006, Hardy, 2001) como uno de
los campos interdisciplinarios y fronterizos
donde convergen muchas ciencias. En este
sentido Clavijo et al. (2006) la definen como
una ciencia de lo artificial y como un conjunto
de tecnologías computacionales que se
interesan en cómo se manifiesta la adaptación al
ambiente, el procesamiento del lenguaje
natural, el razonamiento y la toma de
decisiones, el autoaprendizaje, la percepción
por sentidos fisiológicos, la autorreflexión, así
como la representación del conocimiento, etc.
Los Sistemas Basados en Conocimientos (SBC)
suministran una variedad de métodos para
codificar y procesar el conocimiento en
computadoras y tienen la capacidad de
representar, adquirir y mantener el
conocimiento de un dominio de aplicación con
el objetivo de proporcionar herramientas para
resolver problemas complejos también
conocidos como sistemas expertos, los cuales,
son programas para interrogar o extender una
base de conocimiento (BC) (Rolston, 1992).
Los Sistemas Expertos (SE) pueden ser
considerados como un subconjunto de la
Inteligencia Artificial (IA) (Rossini, 2000). El
nombre Sistema Experto deriva del término
“sistema experto basado en conocimiento”
como se mencionó, utiliza conocimiento
humano capturado por una computadora para
resolver problemas que normalmente requieran
de un experto humano. Capaz de resolver un
problema en un determinado tiempo (horas o
minutos). Por otra parte, Stevens (1984) lo
definió en sus inicios como máquinas que
piensan y razonan como un experto lo haría en
*** Año 2019
una cierta especialidad o campo. Los cuales han
sido utilizadas por diversos autores en
diferentes áreas como negocios, ingeniería,
medicina y otras (Beltrán et al. 2017; Gallardo
et al. 2008; Oaycha y Paycha, 1986). Por
ejemplo, un sistema experto en diagnóstico
médico requeriría como datos los síntomas del
paciente, los resultados de análisis clínicos y
otros hechos relevantes, utilizando éstos,
buscaría en una base de datos la información
necesaria para poder identificar la
correspondiente enfermedad (Sánchez y
Beltrán, 1997).
Restrepo et al. (2013) desarrolló la detección de
problemas visuales mediante un entorno virtual
inteligente. Aránzazu & Hurtado (2002)
realizaron un sistema experto simbólico
conexionista de ayuda al diagnóstico del
glaucoma. Así mismo, Susín y García (2012)
demostraron el modelo de recuperación de la
superficie del ventrículo izquierdo del corazón,
utilizando imágenes médicas. Partiendo de las
imágenes de un paciente determinado, se
reconstruye el aspecto que el órgano presenta
en 3D.
Por otra parte, se consideraron diferentes
trabajos de la IA en la parte de diagnóstico
visual como son los reportados por Libralao et
al. (2004) en donde realizan la determinación
de los errores de refracción de las imágenes del
globo del ojo, utilizando un proceso llamado
Hartmann-Shack (HS) y una técnica basada en
funciones de base radial. García et al. (2002)
alcanzan la construcción de un sistema
automático de clasificación del campo visual,
basado en reglas fuzzy, como herramienta de
ayuda al diagnóstico del glaucoma. Así mismo,
Aránzazu y Hurtado (2002) proponen un
sistema de ayuda al diagnóstico precoz del
Glaucoma Crónico Simple, basado en un
sistema híbrido entre sistemas difusos y RNA;
los sistemas difusos ayudan al diagnóstico del
224
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14. *** Año 2019

glaucoma y las Redes Neuronales Artificiales

son utilizadas para la clasificación del campo
visual.
Basado en el contexto anterior y tomando en Materiales y métodos
cuenta la importancia que tiene en la actualidad
las enfermedades visuales ya sea en la forma, El desarrollo del prototipo del sistema experto
tamaño, como en el globo ocular, la miopía e para la detección de enfermedades visuales se
hipermetropía, astigmatismo, entre otros, realizó en el laboratorio de diseños de sistemas
pueden afectar la salud visual (National Eye del Centro Universitario UAEM
Institute, 2012). El Consejo de Optometría Nezahulacóyotl en el 2017.
México, ha demostrado que los padecimientos
visuales se presentan también en la población En primera instancia se reunió una lista de
infantil, para ello es importante realizar estudios problemas (Tabla 2) que pueden ser
a las pocas semanas de nacimiento del infante, considerados para las enfermedades visuales de
para que de esta manera sea posible detectar acuerdo a Acosta (2006).
alguna anormalidad ocular y en caso de que no
Tabla 2 Factores de riesgo que influyen en la formación
se presente una supuesta malformación, se de anormalidades visuales (Acosta, 2006)
recomienda iniciar un chequeo anual a partir de
los 3 años de edad del menor (Sola, 2016). Factores Factores de hábitos
ambientales personales
Este trabajo propone el desarrollo de un Rayos UV Falta de higiene
prototipo de sistema experto para la detección Polen Uso de medicamentos
de enfermedades visuales bajo la hipótesis de
que con el uso de este prototipo manipulado por Oscilaciones Falta o exceso de luz
el experto humano en el área de oftalmología, térmicas
pudiese disminuir el tiempo de detección de las La contaminación Humo de cigarro
enfermedades visuales y sus cuidados
preventivos.
Acotando las diferentes enfermedades de
Diversos autores reportaron que los sistemas acuerdo a los criterios de cumplimiento de
expertos han adquirido una especial Agarwal (1965). Para el análisis de
importancia en la rama de informática y de la aplicabilidad del dominio se tomaron en
inteligencia artificial, es por eso que existen
consideración los síntomas más relevantes
algunos sistemas expertos que se basan en el
sector salud y también tienen relación con este obtenidos por el experto oftalmólogo Dr.
SE para la detección de enfermedades visuales Rodríguez, lo cual tras varios años de
(Tabla 1). experiencia se puede llegar a sintetizar los
siguientes: vista borrosa, fatiga visual,
Tabla 1 Estado del arte relacionados a enfermedades y
padecimientos oculares (Campoverde 2011; Miguel,
dificultad para ver objetos tanto lejanos como
2014) cercanos, dolores de cabeza al igual que en los
ojos, enrojecimiento, picazón e hinchazón,
asimismo de presentar manchas, destellos y la
presencia de cuerpos flotantes en un ojo o en
ambos.

225
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14. *** Año 2019

Para crear la base del conocimiento se generó
una estrategia de razonamiento conocida como
encadenamiento hacia atrás (Figura 1) a partir
del conocimiento brindado por el experto
oftalmólogo Dr. Rodríguez, en donde se parte
de los estados meta y trata de cumplir las
condiciones necesarias para llegar a ellos
Harmon (1988).
por ende les proporciona una mejor calidad de
vida a los pacientes (García, 2014).
Para la fase del diseño y desarrollo del SE, se
realizó de acuerdo a las características
reportadas por Rusell y Norving (2004) (Tabla
3).

Tabla 3 Diseño y desarrollo del SE (Rusell y Norving)

(2004)
Variables de entrada Síntomas del
paciente
Base de hechos Síntomas particulares
Base de conocimiento Contiene el
conocimiento del
experto oftalmólogo
Motor de inferencia
Obtiene conclusiones
por medio del
a partir de los hechos
encadenamiento hacia
y reglas de producción
atrás
Variables de salida Resultados del SE
Figura 1 Ejemplo de construcción de la BC para la
detección de enfermedades visuales (Elaboración propia,
El desarrollo del sistema experto se realiza a
2018)
través de un prototipo programado en un
entorno NetBeans utilizando un lenguaje de
Cabe resaltar que algunas de las enfermedades programación Java 8.2, ya que el uso del mismo
visuales que detecta este sistema experto son: lenguaje permite ejecutarlo en cualquier
astigmatismo, cataratas, miopía, estrabismo, computador debido a que cuenta con una
glaucoma, hipermetropía, uveítis, diplopía, plataforma conocida como Máquina Virtual
agujero macular, ambliopía u ojo vago, Java, la cual se encarga de convertir las
desprendimiento de retina, presbicia, instrucciones para Java (que son universales) en
neuropatía, degeneración macular asociada a la instrucciones que entienda el computador
edad (DMAE), ojo seco, orbitopatía tiroidea, específico, llámese PC Windows, Mac o
traumatismos oculares, entre otras. cualquier otro (Arias, 2014).
Se tomo en cuenta que la solución a cada Para la realización de la programación del SE
padecimiento visual depende de la condición se utilizó un diagrama de flujo, el cual se define
del problema, es decir, no requiere
como una secuencia de procesos representados
precisamente un manejo físico extenso como en
otras enfermedades. Se estima que un 89% de de manera gráfica y que contiene las
los casos que toman un tratamiento preventivo actividades que se desarrollarán para cierto
para mejorar su salud visual, resulta efectivo y proyecto. (Manene, 2011). Este diagrama de
flujo (Figura 2) muestra los pasos principales

226
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14. *** Año 2019

que fueron tomados en cuenta para desarrollar La (Figura 4) describe de manera breve los
este prototipo. propósitos que el SE está encargado de cumplir
y se anexan botones con la finalidad de regresar
a la pantalla de bienvenida o inclusive salir del
programa.

Figura 4 Conoce el sistema (Elaboración propia, 2018)

Figura 2 Diagrama de flujo del desarrollo del SE Posteriormente se realizan las preguntas
(Elaboración propia, 2018) necesarias para detectar la enfermedad que se
este presentado, basándose en el
Diseño de los módulos del prototipo encadenamiento hacia atrás, la cual fue el
medio de inferencia usado para la base de
En la (Figura 3) se muestra la pantalla de conocimiento (Figura 5).
bienvenida del sistema donde se tienen las
opciones de conocer el sistema, empezar
examen, recomendaciones y salir.

Figura 5 Empezar examen (Elaboración propia, 2018)

Figura 3 Pantalla de bienvenida (Elaboración propia,
2018) Por último, el sistema muestra al usuario
algunas recomendaciones en general, con la
finalidad de prevenir ciertas enfermedades que

227
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14. *** Año 2019

pudiesen ser ocasionadas por mala higiene lo cual podemos concluir que se obtiene un
personal y malos hábitos (Figura 6). 60% de asertividad y un 40% de error.

Gráfico 1 Índice de aciertos y errores generados por el

sistema experto (Elaboración propia, 2018)
Figura 6 Recomendaciones (Elaboración propia, 2018)
Mediante el (Gráfico 2), se resaltan algunas de
Resultados las enfermedades visuales que el sistema
experto diagnosticó al término de la encuesta
Para ver el funcionamiento del prototipo del SE generada por parte de cada uno de los
se diseñaron los casos de prueba que permiten pacientes. Se puede percatar que entre las
verificar los resultados obtenidos edades de 18 a 34 años padecen de
comparándolos con resultados ver ídicos o enfermedades como la miopía y astigmatismo,
reales proporcionados por el experto posteriormente las edades de 35 a 49 años
oftalmólogo Dr. Carlos Armando Rodríguez padecen de enfermedades como cataratas y
Mateos. glaucoma, mientras que las edades de 50 o más
sufren de cataratas, glaucoma, degeneración
Para las pruebas preliminares se consideraron macular asociada a la edad (DMAE), entre
una muestra de 100 pacientes con un rango de otras, tales como; ojo seco, agujero macular,
edad de 18 años hasta mayores de 50 que presbicia, neuropatía, etc.
asistieron a consulta médica en la especialidad
de oftalmología en el Hospital Mexiquense de
la Salud Visual “Dr. Manuel Uribe y
Troncoso”, en donde se requirió de la ayuda del
experto oftalmólogo Dr. Rodríguez.
En el (Gráfico 1), se muestran los índices de
aciertos y errores a través de un cierto
porcentaje que cometió el sistema experto, tras
haber obtenido el diagnóstico de cada uno de
los pacientes con la supervisión brindada por el
oftalmólogo Dr. Rodríguez.
Se puede resaltar que el color azul indica el
porcentaje de error y el color rosa indica el Gráfico 2 Enfermedades sobresalientes que el sistema
porcentaje de acierto por parte del prototipo a la experto detectó tras el diagnóstico generado por cada
paciente. (Elaboración propia, 2018)
hora de determinar la enfermedad del paciente,

228
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14.
Cabe señalar que las recomendaciones que nos
brinda el sistema experto son prácticamente
relacionadas con la mala higiene personal y
malos hábitos en los pacientes. En este caso, las
recomendaciones fueron elaboradas en base al
conocimiento del experto oftalmólogo Dr.
Rodríguez.
Conclusiones
Los resultados obtenidos con el desarrollo del
sistema experto evidencian que los problemas
de visión más recurrentes son los errores de
refracción conocidos comúnmente como vista
corta (miopía), astigmatismo, cataratas,
glaucoma, DMAE, presbicia.
Este sistema permite al especialista una
detección rápida de las enfermedades visuales,
para que el paciente empiece el tratamiento de
manera inmediata.
El prototipo del sistema experto que se ha
propuesto en este proyecto de investigación fue
evaluado satisfactoriamente por parte del
experto y colegas. En consecuencia, pudiera ser
una alternativa real para apoyar la problemática.
El sistema experto posee información de
enfermedades visuales y, además, es capaz de
hacer recomendaciones sobre el cuidado de la
salud e higiene del ojo; esto con el objetivo de
que los usuarios mejoren los hábitos de higiene
personal de sus ojos.
Agradecimientos
Los autores agradecen al Dr. Carlos Armando
Rodríguez Mateos por su valiosa colaboración
en el área de oftalmología y al Centro
Universitario UAEM Nezahualcóyolt.
Referencias
Arias, A. (2014). Aprende a programar con
Java. España: IT Campus Academy.
*** Año 2019
Acosta R. y Ruthy E. (2006). Asociación de
medidas de salud percibida y variables
clínicas en pacientes con catarata. Barcelona:
Universidad Pompeu Fabra.
Campoverde, A. (2011). Sistema Experto para
detectar Enfermedades de los Ojos. [En línea].
Loja. 04 de abril de 2011. Disponible en:
https://csanyx.wordpress.com/2011/04/04/sist
ema-experto-para-detectar-enfermedades-de-
los-ojos/[Consultado: 14 de enero de 2018].
Castalleda, E. (2006). Introducción a la
programación lógica con Prolog. España:
Edición Universidad de Sevilla.
Clavijo, D., Bernal, M., Silva, J. (2006).
Sistema inteligente de reconocimiento de
enfermedad coronaria (isquemia). Archivos de
Medicina (Col), (12), 56-64.
Consultores documentales. (2008). Análisis de
situación actual: presupuestos de recursos
materiales. México.
Cruces, F. (2006). La sonrisa de la institución:
Confianza y riesgo en sistemas expertos.
España: Universitaria Ramón Areces.
Frost, R. (1989). Bases de datos y sistemas
expertos: Ingeniería del conocimiento.
España: Díaz de Santos.
García, J. (2014). Alteraciones visuales y su
tratamiento. Madrid (España).
Hardy, T. (2001). Programación con Java:
introducción a la programación en Java. (IA:
Inteligencia Artificial). Polis, Revista
Latinoamericana, 1 (2), 0.
Harmon, P. (1988). Sistemas
expertos: aplicaciones de la inteligencia
229
Número Especial de la Revista Aristas: Investigación Básica y Aplicada. *** ISSN 2007-9478. *** Vol.7, Núm. 14.
artificial en la actividad empresarial. España:
Díaz de Santos.
Honavar, V. (2006). Inteligencia artificial: una
visión general. [En línea]. Ames, Iowa 50011,
USA. Disponible
en: http://www.cs.iastate.edu/~cs572/handout
1.pdf[Consultado: 12 de agosto de 2018].
Manene, L. (2011). Los diagramas de flujo: Su
definición, objetivo, ventajas, elaboración,
fases, reglas y ejemplos de aplicaciones. [En
línea]. Bilbao. 28 de julio de 2011. Disponible
en:
https://mimateriaenlinea.unid.edu.mx/dts_curso
s_mdl/lic/AE/EA/AM/07/Los_diagramas_de_
flujo_su_definicion_objetivo_ventajas_elabor
acion_fase.pdf[Consutado: 14 de marzo de
2018].
Medina, P., Febles, J. (2008). Utilización del
aprendizaje basado en problemas bajo la
óptica de la inteligencia artificial. [En línea]
Disponible
en: http://www.cecam.sld.cu/pages/rcim/revist
a-_2/articulos_html/febles.htm[Consultado:
26 de octubre de 2018].
Miguel, R. (2014). Sistema experto para el
análisis de enfermedades oculares. [En línea].
09 de Diciembre del 2014. Disponible en:
https://prezi.com/u8avng9iuikf/sistema-
experto-para-el-analisis-de-enfermedades-
oculares/[Consultado: 15 de enero de 2018].
Pajares, M. (2006). Inteligencia Artificial e
Ingeniería del conocimiento. México:
Alfaomega Ra-Ma.
Rolston, D. (1992). Inteligencia Artificial y
Sistemas Expertos. Mc Graw Hill
Interamerica de México, Estado de México,
México 1992.
*** Año 2019
Rossini, P. (2000). Uso de sistemas expertos e
inteligencia artificial para el pronóstico de
bienes raíces. Sexta Conferencia Anual de la
Sociedad de Bienes Raíces del Pacífico.
Rusell, S. Norving, P. (2004). Inteligencia
Artificial, Un Enfoque Moderno, Segunda
Edición. Editorial Pearson, 2da edición.
Madrid (España).
Sánchez, A. (1992). Inteligencia artificial y
sistemas expertos. México: Publicaciones
UNAM.
Sánchez., y Beltrán, J. (1997). Sistemas
expertos: Una metodología de programación.
Macrobit. Primera edición, México.
Sinnaps. (2017). ¿Qué es un análisis de costo
beneficio? México. [En Línea] 01 de enero de
2016 Disponible en:
https://www.sinnaps.com/blog-gestion-
proyectos/analisis-costo-beneficio[Consultado
el: 22 de octubre de 2018].
Sola, B. (2016). Existen pocas estadísticas
nacionales sobre la salud visual de los
mexicanos. [En línea]. México. Disponible en:
http://www.cronica.com.mx/notas/2016/98879
8.html[Consultado: el 10 de septiembre de
2018].
Tecnología. (2015). Lenguajes de
programación. [En Línea]. México. 13 de
noviembre de 2015. Disponible en:
http://www.areatecnologia.com/informatica/le
nguajes-de-programacion.html[Consultado el:
05 de octubre de 2018].
230