LA LOGICA DIFUSA COMO APOYO A LA ENSEANZA

Lisbeth Urueta Vivanco Heydy Valds Barrios lisbethu@hotmail.com hvbarrios@hotmail.com Ing. Juan Contreras Montes epcontrerasj@control-automatico.net Facultad de Ingeniera de Sistemas Corporacin Universitaria Rafael Nez CURN Cartagena D. T. y C., Colombia

Resumen: en este proyecto se pretende mostrar las bondades de la lgica difusa como una herramienta de apoyo en la enseanza y, a la vez, estimular a la comunidad acadmica a continuar investigando sobre el desarrollo de esta prometedora rea de la Inteligencia Artificial. Se presentan aspectos del desarrollo de un software basado en lgica difusa para el diagnstico mdico que est an en etapa de diseo y que puede ser utilizado para evaluacin a los estudiantes de medicina. Palabras Claves: lgica difusa, base de datos difusas, mapas cognitivos, grafos, variables lingsticas, valores lingsticos, mecanismo de inferencia.

Introduccin La lgica clsica, o lgica bivaluada, no resulta adecuada cuando de describir el razonamiento humano se trata, ya que solo conoce dos valores, verdad (1) y falsedad (0), mientras que en la vida real existen hechos que no se pueden definir como totalmente verdaderos o totalmente falsos sino que tienen un grado de verdad, o falsedad, que puede variar de 0 a 1. Un ejemplo sencillo se puede apreciar cuando queremos saber si un vaso est lleno de agua, pero al observarlo notamos que ste no est totalmente lleno. Nuestro sentido comn no asigna

inmediatamente el valor de 0 (falsedad) a nuestra inquietud sino que razona aceptando que est algo lleno, es decir tiene una alta posibilidad de ser catalogado como lleno, lo cual se puede representar con un valor ms cercano a 1 que a 0. La figura 1a muestra una posible representacin de la variable lingstica estatura mediante la lgica clsica bivaluada y la figura 1b muestra una posible representacin de esa misma variable lingstica mediante la lgica difusa. Por cada variable lingstica se han establecido tres valores lingsticos, estatura baja, estatura media y estatura alta.

Figura 1. Variable lingstica estatura representada mediante: (a) lgica clsica y (b) lgica difusa. Se puede apreciar que en la lgica clsica, una persona de 1.65 es considerada de estatura baja, mientras que otra con un (1) milmetro ms de estatura, es decir, 1.651 es considerada de estatura media. En la lgica difusa, esa misma persona tiene una posibilidad de ser de estatura baja de 0.33 y de ser de estatura media de 0.66, aproximadamente, es decir tiene ms posibilidad de ser de estatura media

que de estatura baja, pero tiene pertenencia a dos conjuntos diferentes. De esta manera, la lgica difusa permite resolver problemas de la vida real con alto nivel de incertidumbre, que difcilmente pueden ser resueltos por la lgica clsica. La lgica difusa se desarroll a partir de 1965 con la aparicin de un artculo sobre la teora de los conjuntos difusos, establecida por el catedrtico de la Universidad de Berkeley, California, Lofti A. Zadeh, quien hoy es considerado el padre de la lgica difusa. Sin embargo, la lgica difusa tiene sus races en la lgica multivaluada, cuyos principios fueron desarrollados en los aos 20s del siglo pasado por el polaco Jan Lukasiewicks.

Software Para Diagnstico Mdico La lgica difusa ha demostrado ser una herramienta que permite hacer uso de la experiencia de especialistas en el desarrollo de sistemas de cmputo que emulen la habilidad de estos en la toma de decisiones, como se puede apreciar en el desarrollo de software de diagnstico mdico, el cual tambin puede convertirse en una herramienta para el aprendizaje y evaluacin a los estudiantes de medicina. La figura 2 muestra la interfase con el usuario del software EDIMED, el cual se encuentra an en etapa de desarrollo. Se puede apreciar una de sus aplicaciones ,el diagnstico de enfermedades pulmonares, en la que se consideraron catorce sntomas que son comunes en cinco enfermedades diferentes, dependiendo el diagnstico del grado de incidencia con que cada sntoma se presente. Para cada sntoma (variable lingstica) se establecieron tres valores lingsticos bajo, medio y alto) y de acuerdo a la informacin de un experto (mdico

especialista) se generaron las tablas que conforman la base de datos que sern consultadas para obtener, mediante el empleo del lgebra difusa, varios diagnsticos con grados de pertenencia entre 0 y 1, siendo el diagnstico con grado de pertenencia ms cercano a 1 el ms acertado. En la arquitectura de base de datos relacionales empleada, los sntomas constituyen los atributos o elementos asociados a cada registro, o diagnstico, que agrupados conforman el archivo de determinado tipo de enfermedades.

Figura 2. Software Para Diagnstico de Enfermedades, EDIMED El usuario (estudiante) selecciona el tipo de enfermedad en que desea presentar una evaluacin. Inmediatamente se abre una ventana en la cual se le ofrece dos alternativas. En la primera de ellas el software presenta una serie de sntomas con la incidencia con que se presentan cada uno de ellos; en la otra alternativa el

estudiante puede introducir los sntomas y sus incidencias mediante una consulta a un paciente, el cual puede ser el mismo docente. La figura 3 muestra la variable lingstica Disnea de Pequeos Esfuerzos, DPE. El universo determinado para este sntoma va de 0 a 100 (medida en porcentaje). A cada sntoma se le ha asignado, previamente, un valor porcentual que indica su grado de incidencia en un diagnstico determinado, de acuerdo a informacin suministradas por expertos consultados.

La tabla 1 muestra un ejemplo del modelo relacional de base de datos empleada, en la cual se presenta, para cada diagnstico, cul debe ser el porcentaje de incidencia de los sntomas involucrados. En esta tabla solo aparecen cinco posibles diagnsticos con los sntomas presentes en cada uno de ellos. Por ejemplo, se puede apreciar que si una persona padece de Cncer de Pulmn, uno de los sntomas visibles con alta incidencia es la Disnea de Pequeos esfuerzos (DPE), mientras que otro sntoma, como Estertores Crepitantes (EC), tienen una baja incidencia. Suponga que el estudiante, en la consulta que est realizando, introduce en el software EDIMED el valor lingstico medio para el sntoma, o atributo, DPE. Al evaluar el grado de pertenencia que la incidencia de este sntoma tiene en el diagnstico denominado Edema de Pulmn (69), se observa (ver figura 2) que alcanza un grado de pertenencia de 0.525, mientras que la incidencia de ese

mismo sntoma en el diagnstico denominado EPOC (80) tiene un grado de pertenencia relativamente bajo, ya que apenas alcanza el valor de 0.25. Lo anterior quiere decir que si el sntoma DPE se presenta en determinado paciente con una intensidad catalogada como media, existe una mayor posibilidad de que padezca de Edema Pulmonar que cualquiera de los otros diagnsticos que aparecen en la tabla. Sin embargo, el resultado definitivo depender de la incidencia de los otros sntomas y de las operaciones del lgebra difusa que se realicen en la consulta de la base de datos. TABLA1. MODELO RELACIONAL DE BASE DE DATOS DIAGNOSTICO-SINTOMAS
Esc Fiebre TEH DT DPE TP TC LAS ANX PP EC SN PF SIB

Sntomas Sntomas Sntoma

Diagnstico Cancer de 1% Pulmn Edema de 1% Pulmn EPOC 5% Neumona

45% 3% 10%

60% 70% 95% 50% 20% 15% 35% 25% 5% 60% 10% 69% 50% 30% 2% 4% 1%

3%

6%

55%

20% 2%

55% 6% 3% 7% 90% 15%

80% 70% 80% 60% 30% 50% 15% 10% 30% 5% 45% 70% 10% 60% 55% 20% 5% 2% 75% 0%

80% 50%

Tuberculosis 10% 90%

95% 15% 75% 25% 30% 70% 65% 80% 10% 55% 60% 85%

Si fuese posible representar diferentes sntomas con los mismos conjuntos difusos el resultado se reflejara en una disminucin de la complejidad computacional del software, tanto en lneas de programacin como en requerimientos de memoria. Por la semejanza con el proceso cognitivo del ser humano, los sistemas expertos basados en reglas (del tipo SI...ENTONCES...) son unos de los tipos ms populares actualmente. Es posible realizar el software EDIMED mediante una base de reglas en vez de una base de datos, dedicando especial esfuerzo en el desarrollo de un mecanismo de inferencia gil y acertado. Como es sabido, la

forma en que se intente representar el conocimiento repercute tanto en el tiempo necesario para el desarrollo del programa como en la eficiencia del mismo. Conclusiones 1. La lgica difusa representa una importante alternativa en el desarrollo de sistemas expertos que constituyan una verdadera herramienta como apoyo a los especialistas, en cualquier rama de la ciencia, y a los estudiantes en el proceso de enseanza aprendizaje. 2. Se deben considerar otras alternativas de la Inteligencia Artificial, como las Redes Neuronales y los Algoritmos Genticos, en la bsqueda de paradigmas que permitan el diseo e implementacin de herramientas computacionales. 3. Es de vital importancia la bsqueda de tcnicas que permitan el desarrollo de estas herramientas computacionales con amplias bases de conocimientos pero una complejidad computacional reducida, que los haga cada vez ms eficientes. Bibliografa 1. Matemticas Discreta, Segunda Edicin, Ross and Wright (1990). Prentice Hall 2. Matemticas Discreta, Cuarta Edicin, Jonsonbaugh Richard (1997). Prentice Hall 3. Sistemas Expertos, Tercera Edicin, Giaerratano-Riley (1998), Thomson 4. Fuzzy Control, Primera Edicin, Passino and Yurkovich (1998), Addison Wesley 5. Redes Neuronales Artificiales, Primera Edicin, Hilera y Martnez (2000), Alfaomega 6. Inteligencia Artificial, Segunda Edicin, Rich and Knight (1994), Mc Graw Hill