Академический Документы
Профессиональный Документы
Культура Документы
Alumnos:
Directores:
ndice
MARCO TERICO..........................................................................................6
Clasificacin del aprendizaje............................................................................................ 6
Algoritmos de aprendizaje de acuerdo al conocimiento existente ................................................... 6
Clasificacin de acuerdo a generalizacin del aprendizaje............................................................ 8
TEORA MDICA..........................................................................................11
Hepatitis.................................................................................................................... 11
Tipos de Hepatitis vricas................................................................................................ 11
Hepatitis Tipo A (Hepatitis Infecciosa)................................................................................... 11
Hepatitis Tipo B (Hepatitis Aguda)....................................................................................... 12
Pronstico.................................................................................................................. 15
BIBLIOGRAFA Y REFERENCIAS........................................................................31
Introduccin
Que es la Inteligencia Artificial?
Los hombres se han denominado a si mismos como Homo Sapiens (hombre sabio) porque nuestras
capacidades mentales son muy importantes para nosotros. Durante miles de aos, hemos tratado de
entender cmo pensamos, es decir, entender como un simple puado de materia puede percibir,
entender, predecir y manipular un mundo mucho mas grande y complicado que ella misma.
La Inteligencia artificial es una de las ciencias mas recientes. El trabajo comenz poco despus de la
segunda guerra mundial, y el nombre se acuo en 1956. La Inteligencia artificial se cita, junto a la
biologa molecular, como un campo en el que a la mayora de los cientficos de otras disciplinas les
gustara trabajar. Un estudiante de ciencias fsicas puede pensar razonablemente que todas las buenas
ideas han sido ya propuestas por galileo, Newton, Einstein y otros. Por el contrario la inteligencia
artificial an tiene flecos sin cerrar en los que podran trabajar varios Einsteins a tiempo completo.[1]
La inteligencia artificial abarca en la actualidad una gran variedad de subcampos de aplicacin, que van
desde reas de propsito general, como el aprendizaje y la percepcin, a otras mas especificas como el
ajedrez, la demostracin de teoremas matemticos, la escritura de poesa y el diagnostico de
enfermedades. La inteligencia artificial sintetiza y automatiza tareas intelectuales y es, por lo tanto,
potencialmente relevante para cualquier mbito de actividad intelectual humana. En este sentido, es un
campo genuinamente universal. [1]
Para la definicin de inteligencia artificial se revisan dos fuentes:
Se puede decir bsicamente que la IA es un campo de las ciencias de cmputo que trata de hacer por
medio de programas de computadora, inteligentes a las mquinas. Para los fines de este trabajo, se
manejar como:
La habilidad computacional para lograr metas en el mundo. Varan sus tipos y grados en las
personas, animales y mquinas[3]
Una de las reas de la inteligencia artificial es el reconocimiento de patrones, misma cuya descripcin
general que se trata a continuacin.
Reconocimiento de patrones
Los humanos perciben informacin a su alrededor por medio de los sentidos. Usando una serie de
conceptos generales o de patrones que aprenden sobre las cosas y objetos as como con informacin
multisensorial y habilidad cognoscitiva podemos reconocer letras, numero, sexo, etc. [4]
De los ejemplos mencionados en general todos involucran un proceso de clasificacin o identificacin
de objetos, situaciones, etc. [4]
Los humanos pueden agrupar a los objetos por clases y categoras para identificar los objetos de
manera casi automticas, el reconocimiento de patrones es el rea de la IA que trata de igual esta
capacidad del ser humano, como se aprecia en la Figura 1, que muestra los campos de investigacin de
la inteligencia artificial.
Clasificadores: Sistemas que agrupan objetos basndose en el hecho de que algunos pertenecen
a un conjunto denominado clase, y su pertenencia depende de compartir determinadas
caractersticas.
Redes Neuronales: Sistemas que tratan de replicar el funcionamiento biolgico en el que una(s)
neurona(s) (o arreglo de ellas) responde(n) de distinta forma de acuerdo a los estmulos
recibidos en sus entradas.
Lgica difusa: Basndose en relaciones lgicas sobre conjunto, el valor, o significado de un
predicado vara segn el contexto.
Arboles de decisin: Sistemas que utilizan estructuras de datos arbreas definidas por nodos,
mismas que permiten llegar a un nodo destino (Qu contiene o representa lo que se esta
buscando?) a travs de la discriminacin de ciertos rasgos sucesivamente.
Entre otros ms.
Marco Terico
Clasificacin del aprendizaje
Existen diversas clasificaciones sobre los mtodos de aprendizaje, una de ellas es la que corresponde al
mtodo de aprendizaje y supervisin de los datos de entrenamiento, entrando en ellas el aprendizaje
supervisado, no supervisado, semisupervisado, por transduccin, por ensamblaje o por el tipo aprende a
aprender este grupo es llamado conocido como aprendizaje de acuerdo al conocimiento existente, otra
forma de clasificacin es por generalizacin y en ella estn el aprendizaje flojo y entusiasta, al final
dichas clasificaciones son complementarias, pues todos los algoritmos caen en una categora de ambas
clasificaciones.
Algoritmos de aprendizaje de acuerdo al conocimiento existente
Aprendizaje Supervisado
En este tipo de aprendizaje se establece una relacin entre las entradas y las salidas deseadas del
sistema. La salida del algoritmo puede ser continua, en cuyo caso ser una regresin, o puede predecir
la clase a la que pertenece el objeto de entrada, lo cual es conocido como clasificacin. El propsito es
que a partir de un pequeo grupo de entrenamiento el algoritmo sea capaz de predecir el valor de la
funcin para cualquier entrada.
Este tipo de aprendizaje se puede realizar de 2 formas: la primera y ms utilizada es generar un modelo
global que mapee las seales de entrada con las seales deseadas de salida. La segunda es implementar
un conjunto de modelos locales, como ejemplo de estos tenemos el razonamiento basado en casos y los
algoritmos del vecino ms cercano. [5]
Aprendizaje no supervisado (Clustering)
Este tipo de modelos se distinguen por que no existe un conocimiento previo de la salida esperada y
solo tenemos un conjunto de datos de entrada. La funcin de este tipo de algoritmos es el de generar
grupos entre los datos de entrada a partir de las similitudes entre ellos, es decir con ausencia de
entrenadores tiene que adaptar sus parmetros autnomamente. [5]
Un ejemplo en la vida real es cuando nos piden que clasifiquemos distintos objetos pero no nos dan
ejemplos ni hay nadie a quien preguntarle, entonces lo nico que nos queda es agruparlos de acuerdo a
las caractersticas que tienen en comn.
Aprendizaje Semisupervisado
Estos modelos hacen uso tanto de datos etiquetados como de no etiquetados para el
entrenamiento.
Las memorias asociativas tienen bsicamente dos fases fcilmente distinguibles la fase de aprendizaje
(fase de generacin de la memoria asociativa) y la fase de recuperacin (operacin de la memoria
asociativa).
Una memoria asociativa puede formularse como un sistema de entrada y salida.
El patrn de entrada se representa por un vector columna denotado por x y el patrn de salida, por el
vector columna denotado por y. [7] Cada uno de los patrones de entrada forma una asociacin con el
correspondiente patrn de salida. La notacin de una asociacin es similar a la de una pareja ordenada.
Existen adems dos tipos de memoria la heteroasociativa y la autoasociativa, en las primeras existe una
funcin de correspondencia entre la entrada y la salida aunque de distintos tamaos, en las segundas los
tamaos de los patrones son los mismos aunque sigue existiendo una funcin de correspondencia entre
los patrones de entrada y salida. [6]
Una vez obtenida nuestra memoria asociativa hay un factor que se pretende determinar, el de
sobreaprendizaje. Para ello es necesario hacer una validacin de resultados y usaremos la tcnica de
validacin cruzada.
Validacin Cruzada
Existen dos tipos una es la validacin cruzada dejando uno fuera (LOOCV) donde como su nombre lo
indica establece que hay que hacer un conjunto de muestras del conjunto original para la validacin de
datos, y los datos restantes para el entrenamiento, lo que se repite una vez con cada muestra del
conjunto y usado una vez como dato de validacin.
El segundo tipo es el validacin cruzada k, donde primero dividimos el conjunto de datos de manera
aleatoria en k grupos del mismo nmero de elementos o tan homogneos en el tamao como sea
posible. De todos K subconjuntos uno es retenido como validacin para probar el modelo y los
restantes son usados para el entrenamiento. Esto se repite con cada uno de los subconjuntos de datos
una vez para la validacin. Lo nico que las distingue es el tamao de muestra del conjunto original
que se usa para el entrenamiento o comprobacin.[8]
Sobreaprendizaje
Prctica de una capacidad que contina ms all del punto en que el rendimiento alcanza un estndar
especificado. As es definido por el Diccionario de Medicina Mosby - Medicina, Enfermera y
Ciencias de la Salud, Ediciones Hancourt, S.A. 1999.
El sobreaprendizaje es un concepto pedaggico de acuerdo al cual cada nueva habilidad adquirida debe
de practicarse ms all de la maestra inicial, buscando alcanzar la automatizacin.
Aterrizando dicho concepto a nuestro trabajo, llegar a este punto seria donde nuestra memoria
asociativa alcanza el mximo de efectividad en reconocimiento, rebasando el promedio por el mismo
mtodo o contra otros mtodos.
en cuestin.
Determinar las caractersticas ms relevantes del objeto en cuestin, Cules son ms
importantes al momento de reconocerlo?
Elegir una representacin en forma de datos legibles para el sistema acerca del objeto,
observando con cuidado las restricciones sobre los tipos de datos.
Elegir el modelo de aprendizaje ms adecuado (el algoritmo).
Prueba del sistema, determinar si es necesario algn procesamiento posterior. La prueba del
sistema no ser solo de efectividad con el conjunto de entrenamiento sino con un conjunto de
datos diferentes.[5]
10
Teora Mdica
Hepatitis
La hepatitis es una inflamacin del hgado que no apunta directamente a una causa especfica [9], ya
que cada una de las causas conocidas que la provocan son de naturaleza distinta entre si pero convergen
en el dao heptico.
Las causales son:
Trastornos autoinmunes.
La causal ms comn de esta enfermedad es la infeccin vrica, por lo que es el punto central de la
investigacin, ya que su diagnostico por dicha causal es ms complicado porque es necesario revisar
cual es el tipo de virus que ataca al hgado (VHA, VHB, VHC, etc.) a travs de los indicadores que se
usan solo en estudios de laboratorio, los cuales son denominados Marcadores de Hepatitis.
11
Puesto que la hepatitis A puede ser una infeccin leve, particularmente en la infancia, es posible que
algunas personas no se den cuenta de que han contrado la enfermedad y sta pase desapercibida y
quede sin diagnosticar [9].
Contagio
El virus de la hepatitis A se contagia cuando se ingiere algo contaminado con heces infectadas por el
VHA (esto facilita su transmisin en condiciones de hacinamiento e insalubridad).
El virus se transmite con facilidad de un miembro de la familia a otro. Es ms probable que las
personas transmitan el virus de la hepatitis A durante las 2 semanas antes de sentirse enfermas.
Sntomas
Los nios menores de 6 aos normalmente no presentan ningn sntoma, pero los nios mayores y los
adultos se sienten muy enfermos y dbiles. Los sntomas pueden incluir los siguientes:
Fiebre
Prdida del
apetito
Cansancio
Dolor
de estmago
Vmitos
Coloracin oscura de la orina
Ictericia
Los infectados comienzan a mostrar estos sntomas de 2 a 6 semanas despus de contraer el virus de la
hepatitis A y la mayora de ellos se sienten muy enfermos de 2 a 6 meses[12].
La importancia del diagnostico de cualquier tipo de hepatitis es mucha, sin embargo, el tipo A es el
menos agresivo para el hgado, y el cuerpo se puede recuperar rpidamente de este padecimiento. Sin
embargo, es una enfermedad que afecta a una cantidad muy alta de personas que pueden no estar
consientes de tener la enfermedad.
12
Contagio
El contagio del virus B puede darse por exposicin directa a fluidos corporales como la sangre, la
saliva, el semen, las secreciones vaginales, las lgrimas, y la orina, pertenecientes a un individuo
infectado por el VHB. Con esto quedan contemplados los contactos sexuales, el uso compartido de
objetos personales, la infeccin madre-hijo en el parto, transfusiones de sangre, etc. [12]
Sntomas
Los sntomas pueden no aparecer hasta 6 meses despus del momento de la infeccin. Los sntomas
inciales pueden abarcar:
Inapetencia
Fatiga
Febrcula
Dolores musculares y articulares
Nuseas y vmitos
Piel amarilla y orina turbia debido a la ictericia
Las personas con hepatitis crnica pueden ser asintomticas, aunque se puede estar presentando
dao gradual al hgado. Con el tiempo, algunas personas pueden desarrollar sntomas de dao
heptico crnico y cirrosis del hgado.
La deteccin de este tipo de hepatitis es de mayor relevancia mdica, ya que es un tipo de virus
silencioso ms agresivo que el tipo A e inhabilita al infectado para donacin de sangre y rganos,
adems de que ste convierte en un vehculo transmisor de este virus, lo que es un riesgo de salud
publica. Adems se considera como una enfermedad de cronicidad alta, por lo que su deteccin se
vuelve de mayor relevancia.
Contagio
El virus de la hepatitis C se transmite generalmente por exposicin a sangre de una persona infectada.
Esto puede suceder:
Por inyecciones aplicadas con jeringas contaminadas (ya sea por el uso de medicamentos o
drogas).
La hepatitis C se puede transmitir al tener relaciones sexuales con una persona infectada o compartir
artculos contaminados con sangre infecciosa, pero estos mecanismos son menos comunes.
La infeccin no se transmite por la leche materna, los alimentos ni el agua; tampoco por el contacto
social que implican los besos y abrazos o el compartir alimentos o bebidas con una persona infectada
[15]
.
Sntomas
La mayora de las personas que estuvieron recientemente infectadas con hepatitis C no tienen
sntomas y alrededor de 1 de cada 10 tiene ictericia.
De las personas que resultan infectadas con hepatitis C, la mayora presenta infeccin prolongada
(crnica) por este virus y por lo general no hay ningn sntoma. Si la infeccin ha estado presente
durante muchos aos, el hgado puede tener cicatrizacin permanente, lo cual se denomina cirrosis.
En muchos casos, es posible que no haya sntomas de la enfermedad hasta que se presente la
cirrosis.
Los siguientes sntomas se podran presentar con la infeccin debida a hepatitis C:
Pronstico
La mayora de las personas con infeccin de hepatitis C tienen la forma crnica.
Los pacientes con los genotipos 2 o 3 tienen mayor probabilidad de responder al tratamiento que los
pacientes con el genotipo 1. Los nuevos medicamentos pueden mejorar la respuesta de los que
tienen el genotipo 1.
Muchos mdicos usan el trmino "respuesta virolgica sostenida" en lugar de "cura" cuando el virus
se elimina de la sangre, debido a que no se sabe si esto perdurar durante toda la vida de una
persona. Aunque el tratamiento no elimine el virus, puede reducir la probabilidad de una
enfermedad heptica grave.
La hepatitis C es una de las causas ms comunes de enfermedad heptica crnica en la actualidad.
Las personas que la padecen pueden tener:
La hepatitis C por lo general reaparece despus de un trasplante de hgado, lo cual puede llevar a
que se presente cirrosis en el nuevo rgano, por lo que es mejor un diagnostico temprano para
evitar el deterioro del rgano propio y por consiguiente la necesidad de un trasplante.
Otros Tipos de Hepatitis
Existen otros tipos de virus de la hepatitis, los cuales son definidos como VHD, VHE, VHG y tambin
se coloca uno definido como VHF pero que aun no se determina su situacin.
Dichos tipos no son tomados en consideracin muy a menudo porque su presencia no es muy comn,
es decir, su aparicin como infeccin en los seres humanos es muy rara, sin embargo son virus que
afectan de una manera particular que aun se encuentra en etapa de descubrimiento e investigacin,
siendo el VHG uno de los ms desconocidos para la medicina.
15
Con estos datos podemos ver que los VH tienen caractersticas muy marcadas y representan un
problema de salud que hay que tratar, y si se puede con el apoyo de un sistema computacional en el
campo mdico, se podr contar con mayor certeza de un buen diagnostico.
Siendo entonces as, los recursos mdico-computacionales que se usarn para este sistema son la
Base de Conocimiento sobre Hepatitis que se encuentra en el UCI Machine LearningRepository
(Repositorio de Aprendizaje Automtico), de la Universidad de California en Irving, los
Marcadores de Hepatitis de la Unidad de Patologa Clnica de Guadalajara y el apoyo de un medico
calificado y en servicio del Instituto Mexicano del Seguro Social para validar y obtener la
informacin necesaria de la enfermedad, del diagnostico, umbrales de valores para definir una
posible infeccin, etc.
UCI Machine LearningRepository
Es un repositorio de bases de datos perteneciente a la Universidad de California en Irving, que se
utiliza para el anlisis emprico de algoritmos de aprendizaje automtico. Actualmente mantienen
228 conjuntos de datos como un servicio a la comunidad que desea hacer o usar algoritmos de
aprendizaje automtico. Entre las Bases de Datos que contempla el repositorio se encuentran datos
reales de temas y fenmenos tan diversos como: hepatitis, ionsfera, dgitos escritos a mano con
pluma, arritmia cardiaca, variedades de hongos, vinos, tratamientos de aguas negras, biologa
molecular, robots mviles, cncer de pulmn, diabetes en la tribu de los indios pimas, lgica
terica, segmentacin de imgenes, banderas, ecocardiogramas, automviles, pacientes de tiroides,
ajedrez, problemas financieros, crditos, lentes de contacto y muchos temas ms [H]. (Para una
descripcin ms amplia, ver el archivo README de dicho repositorio).
El repositorio fue creado como un archivo compartido vaFTP en 1987 por David Aha y compaeros
estudiantes de postgrado en la Universidad de California en Irvine, y desde entonces ha sido
ampliamente utilizado por los estudiantes, educadores e investigadores de todo el mundo como una
fuente primaria de datos de aprendizaje automtico.
Como un indicador del impacto del archivo, este ha sido citado ms de 1000 veces,lo que lo
convierte e uno de los 100 ms citados "papers" en todas las ciencias de la computacin.
La versin actual del sitio web fue diseada en 2007 por Arthur Asuncin y David Newman, y este
proyecto se realiza en colaboracin con Rexa.info en la Universidad de Massachusetts en Amherst
con el apoyo financiero de la Fundacin Nacional de la Ciencia de los Estados Unidos [I].
Base de Conocimiento sobre Hepatitis
Es una base de datos perteneciente al UCI Machine LearningRepository, que engloba y contiene
rasgos muy importantes que determinan la presencia de algn virus de la hepatitis.
Su ficha tcnica es la siguiente:
Creador: Desconocido
Donante: G.Gong (Carnegie-MellonUniversity) a travs de Bojan Cestnik
Institucin: Instituto Jozef Stefan
Ubicacin de la Institucin: Jamova 39 61000 Ljubljana Yugoslavia (tel.: (38) (+61) 214-399
ext.287)
17
Conjunto de datos de informacin: Por favor, pregunte Gong Gail para ms informacin sobre esta
base de datos.
Esta base de datos contempla 20 rasgos mdicos considerados en el diagnostico de la hepatitis, los
cuales sern explicados junto con sus valores posibles y se determinarsu relevancia en el
diagnostico medico del VHC.
Rasgo 1: CLASS (Clase)
Valores Posibles: Vivo o Muerto
Este rasgo determina si el paciente vive o si ya ha fallecido. Su importancia se encuentra en la
diferencia en el comportamiento de la enfermedad en un sujeto aun con vida y uno que ya no tiene
funciones vitales, pero para la primera etapa de diagnostico solo contemplaremos a los pacientes
vivos, por lo que este raso se vuelve irrelevante y podemos omitirlo.
Rasgo 2: AGE (Edad)
Valores Posibles: 10, 20, 30, 40, 50, 60, 70, 80 aos promedio
El rasgo de la edad es muy importante, ya que la presencia de algn tipo de virus de la hepatitis
especfico en un sujeto depende de la probabilidad que tenga en aparecer en determinada edad.
La tasa de incidencia de los diferentes tipos de virus de la hepatitis se muestra a travs de las
siguientes grficas:
El hgado inflamado o crecido es como tal la presencia de un mal heptico que puede ser con mucha
certeza hepatitis, aunque tambin puede ser sntoma de un hgado graso que puede evolucionar en
una esteatohepatitis (hgado graso inflamado, aumentado de tamao ), la cual no nos lleva a la
deteccin del VHC que es el punto central por el momento.
La presencia de un hgado inflamado, por la pura definicin de la enfermedad, sugiere que es un
paciente infectado de algn tipo de VH, por lo que es un rasgo muy relevante pero que debe de ir
de la mano de otros para estar seguro de que su infeccin es por VHC.
Rasgo 10: LIVER FIRM (Hgado Endurecido)
Valores Posibles: no, si
El hgado endurecido indica la cicatrizacin de las lesiones del hgado, pero puede indicar la
presencia de la enfermedad en una etapa crnica, por lo que es un rasgo tambin muy importante
porque como sabemos, la probabilidad de cronicidad de la enfermedad por VHC es muy alta.
Rasgo 11: SPLEEN PALPABLE (Bazo Palpable)
Valores Posibles: no, si
La inflamacin del hgado puede empujar el bazo y permitir al medico palparlo en un examen fsico.
Rasgo 12: SPIDERS (Presencia de Angiomas Aracniformes)
Valores Posibles: no, si
Las araas angiomas son una acumulacin anormal de vasos sanguneos cerca de la superficie de
la piel.
Rasgo 13: ASCITES (Presencia de Ascitis)
Valores Posibles: no, si
Este rasgo se refiere a la presencia de lquido entre la cavidad torcica
Rasgo 14: VARICES (Presencia de Varices)
Valores Posibles: no, si
Las vrices pueden ser un signo de falla heptica.
Rasgo 15: BILIRUBIN (Niveles de Bilirrubina)
Valores Posibles: 0.39, 0.80, 1.20, 2.00, 3.00, 4.00
La bilirrubina es una enzima
Rasgo 16: ALK PHOSPHATE (Niveles de Fosfatasa Alcalina)
20
que
evalan
especficamente
la
va
extrnseca
de
Marcadores de Hepatitis
Son constituyentes sanguneos, tiles en el reconocimiento de la enfermedad heptica; su
alteracin refleja fundamentalmente el dao del hepatocito o del rbol viral.
A partir del descubrimiento de los diferentes agentes etiolgicos de las diversas formas de hepatitis viral y el
desarrollo de pruebas serolgicas sensibles y especficas para determinar la presencia de sus diferentes antgenos
y anticuerpos, se han logrado importantes avances en el diagnstico, pronstico y tratamiento de las formas
agudas y crnicas de hepatitis viral. Las primeras generaciones de pruebas eran menos sensibles y especficas
que las disponibles actualmente; la incorporacin de antgenos obtenidos por recombinacin y sntesis de
pptidos, as como la automatizacin, han permitido incrementar sensiblemente su especificidad y sensibilidad;
sin embargo, como los diferentes marcadores serolgicos de hepatitis viral son muy numerosos, algunos se
presentan en la fase aguda, pero no en la crnica y viceversa; otros son transitorios, desaparecen o persisten por
21
aos; la interpretacin de los mismos resulta en ocasiones difcil para el clnico. Asimismo, la prevalencia de los
mismos vara notablemente de pas a pas, de ao en ao, de unidad mdica a unidad mdica.
Es por todo esto que si bien el diagnostico mdico es muy difcil, el que se pudiera hacer computacionalmente es
aun ms complejo, sin embargo, la deteccin de un cuadro de hepatitis puede ser posible sin determinar
especficamente su tipo
22
23
BR4.- El Mdico Administrador podr seleccionar los registros, en la base de datos, con los cuales el
sistema deber hacer su entrenamiento. En cualquier caso, el sistema har su propio entrenamiento.
BR5.- La aplicacin requerir autentificacin para acceder.
Anlisis de Riesgo
Riesgo
Baja de personal
Tipo de riesgo
Proyecto
Descripcin
Un integrante del
equipo de trabajo
se separe
Baja eficiencia en
la clasificacin
Proyecto y producto
Retraso en la
entrega del
producto
Proyecto y producto
Cambios en los
requerimientos
Proyecto
Integridad de
elementos del
proyecto
Falta
capacitacin
experiencia.
Proyecto
No se cumpla la
eficiencia esperada
del modelo de
aprendizaje
Tiempo de
implementacin y
pruebas exceda el
esperado
Los requerimientos
cambien segn las
observaciones
recibidas
Prdidas de archivos
de Proyecto
y
Experiencia
y
capacitacin de los
desarrolladores en
sistemas similares
insuficiente.
Costo
Producto y proyecto
Inconsistencias en
el conjunto de
datos
Producto
La base de datos
usada como base de
entrenamiento para
el proyecto tiene
muchas
inconsistencias o
valores no tiles
Acciones
Acotacin de los
objetivos e
intensificacin del
ritmo de trabajo
Modificaciones
sobre el algoritmo
de aprendizaje
Intensificacin del
ritmo de trabajo
Adaptacin del
proyecto a los
nuevos
requerimientos
Respaldo y control
de versiones en la
nube
Revisin
de
proyectos similares
y cursos sobre esas
reas.
Optar por opciones
de software de
licencia libre y
material
econmico.
Modificaciones
sobre el algoritmos
de aprendizaje
24
Anlisis de Requerimientos
Requerimientos funcionales
RF-1 El sistema debe permitir el registro de nuevos pacientes
RF-2 El sistema debe permitir el registro de nuevos expedientes clnicos
RF-3 El sistema debe permitir el registro de nuevos usuarios
RF-4 El sistema debe permitir la consulta del expediente clnico
RF-5 El sistema debe permitir modificar el expediente clnico
RF-6 El sistema debe permitir el registro de sintomatologa (resultados de anlisis)
RF-7 El sistema debe permitir el diagnostico (clasificacin) a partir de sintomatologa (rasgos)
RF-8 El sistema debe permitir experimentar con nuevos datos
RF-9 El sistema debe permitir mostrar consultas
RF-10 El sistema debe permitir llevar un registro por cada paciente
RF-11 El sistema debe permitir modificar el perfil del usuario
RF-12 El sistema debe permitir modificar la contrasea del usuario
RF-13 El sistema debe permitir modificar la Memoria Asociativa
RF-14 El sistema debe permitir agregar nuevas memorias asociativas.
Requerimientos no funcionales
RNF-1 El sistema deber ser una aplicacin de escritorio con interfaz grafica de usuario
RNF-2 El sistema debe permitir la seguridad e integridad de la informacin
RNF-3 El sistema debe gestionar el acceso a los diferentes mdulos
RNF-4 El sistema es flexible a extenderse
RNF-5 El sistema debe reducir tiempo en la entrega de resultados comparando frente a otros algoritmos
25
Casos de Uso
Caso de Uso 1
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Gestin de MA
Mdico Administrador
El Mdico Administrador puede realizar acciones diversas sobre las Memorias
Asociativas que utiliza el sistema.
Debe identificarse como Mdico Administrador
1.- El Mdico Administrador selecciona la opcin Gestin de MA
PE1.- El Mdico Administrador puede seleccionar la opcin Crear Memoria
PE2.- El Mdico Administrador puede seleccionar la opcin Entrenar Memoria
PE3.- El Mdico Administrador puede seleccionar la opcin Modificar
entrenamiento de una Memora
PE4.- El Mdico Administrador puede seleccionar la opcin Comprobar
efectividad de una Memoria
PE5.- El Mdico Administrador puede seleccionar la opcin Eliminar Memoria
26
Caso de Uso 2
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Identificarse en el Sistema
Mdico Administrador, Asistente
El usuario que desea ingresar al sistema, debe primero identificarse como un
usuario registrado.
El usuario deber estar registrado.
Se dar ingreso al sistema al usuario.
1.- El usuario entra a la aplicacin del Sistema.
2.- El usuario introduce su usuario y contrasea.
3.- Acepta
3a.- Si los datos son correctos, el usuario tiene acceso al sistema.
3b.- Si los datos son incorrectos, vuelve a 1.
4.- Fin del caso.
Caso de Uso 3
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Crear Memoria
Mdico Administrador
El usuario puede crear una nueva Memoria con los registros que l desee.
Existencia previa de registros de pacientes.
Se dar ingreso al sistema al usuario.
1.- El usuario selecciona la opcin Crear nueva memoria.
2.- El usuario selecciona los registros para la construccin de la memoria.
3.- El usuario selecciona los rasgos que se utilizarn en la memoria.
4.- El sistema crea una nueva Memoria asociativa y la almacena en la BD
5.- Fin del caso.
Caso de Uso 4
Actores
Descripcin
Entrenar Memoria
Mdico Administrador.
El usuario puede realizar un nuevo entrenamiento de la memoria y guardar el
resultado.
Existencia previa de registros de pacientes.
Se deber guardar el nuevo entrenamiento de memoria.
1.- El usuario selecciona la opcin Entrenar
2.- El usuario selecciona los registros que participarn en el nuevo entrenamiento.
3.- El sistema realiza el entrenamiento y almacena los resultados en la BD.
4.- Fin del caso.
Precondiciones
Poscondiciones
Flujo normal
Caso de Uso 5
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
27
Caso de Uso 6
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Caso de Uso 7
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Caso de Uso 8
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Registrar un paciente
Mdico Administrador, Asistente.
Se registra un nuevo paciente en el sistema.
Se crear el nuevo registro con el nuevo paciente
1.- El usuario selecciona la opcin Registrar paciente.
2.- El usuario ingresa todos los datos pertinentes.
3.- El sistema guarda la informacin del nuevo paciente.
Caso de Uso 9
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
28
Caso de Uso 10
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Caso de Uso 11
Actores
Descripcin
Precondiciones
Poscondiciones
Flujo normal
Diagnosticar un paciente
Mdico Administrador, Asistente.
El usuario puede realizar el diagnostico de un paciente
Existencia previa de registros de pacientes.
Existencia previa de una memoria para clasificacin.
1.- El usuario selecciona la opcin de Diagnostico
2.- El usuario introduce o selecciona los datos del paciente para la clasificacin.
3.- El usuario selecciona la memoria a utilizar.
4.- El sistema realiza la clasificacin y muestra los resultados.
5.- Fin del caso.
29
30
Bibliografa y Referencias
[1] Russel J. Stuart y Norvig Peter, Inteligencia Artificial, un enfoque moderno, Editorial Pearson Prentice
Hall, Segunda edicion, 2004.
[2] Thomason Richmond, 2008, "Logic and Artificial Intelligence" , The Stanford Encyclopedia of Philosophy,
disponible en: http://plato.stanford.edu/entries/logic-ai/#intro
[3] McCarthy John, noviembre 2007, What is Artificial Intelligence?
Departamento de ciencias de computo Universidad de Stanford,
formal.stanford.edu/jmc/whatisai/node1.html
Disponible
en:
http://www-
la Salud
31
[13] Angioma aracniforme, Medline Plus, Servicio de la Biblioteca Nacional de Medicina de E.U.A,
Institutos Nacionales de la Salud, 2012, disponible en:
http://www.nlm.nih.gov/medlineplus/spanish/ency/article/001095.htm
[14] Panduro A, Roman S, Khan A, Tanaka Y, Kurbanov F, Martinez-Lopez E, et al. Molecular
epidemiology of hepatitis C virus genotypes in West Mexico.Virus Research 2010;151:19-25
[15] Epidemiologa de las hepatitis virales en Mxico, Arturo Panduro, Griselda Escobedo
Melndez, Salud Pblica Mxico 2011; Vol. 53(1):37-45 ISSN 1606-7916 Electrnica, disponible en:
http://bvs.insp.mx/rsp/articulos/articulo_e4.php?id=002603
[16] Organizacin Mundial de la Salud:
Nota descriptiva N164, Julio de 2012
http://www.who.int/mediacentre/factsheets/fs164/es/index.html
Nota descriptiva N328, Julio de 2012
http://www.who.int/mediacentre/factsheets/fs328/es/index.html
32