Resumen

En muchos sistemas de apoyo a la toma de decisiones clínicas, se utiliza un modelo de base de conocimiento de dos capas (enfermedad-síntoma) de razonamiento de reglas. Este modelo no suele expresar muy bien el conocimiento, ya que simplemente infiere la enfermedad a partir de la presencia de determinados síntomas. En este estudio, proponemos un modelo de base de conocimiento de tres capas (enfermedad-síntoma-propiedad) para utilizar información más útil en la inferencia. El sistema calcula iterativamente la probabilidad de los pacientes que pueden padecer enfermedades basándose en un algoritmo Bayes ingenuo multisíntoma, en el que la especificidad de estos síntomas de enfermedad se pondera mediante la estimación del grado de contribución para diagnosticar la enfermedad. Esto reduce significativamente las dependencias entre atributos para aplicar el algoritmo de Bayes ingenuo de forma más adecuada. A continuación, se completó el proceso de aprendizaje en línea para la optimización de los parámetros del motor de inferencia. Por último, nuestro sistema de apoyo a la toma de decisiones que utiliza el modelo de tres capas fue evaluado formalmente por dos médicos experimentados. Mediante comparaciones entre los resultados de las predicciones y los resultados clínicos, nuestro sistema puede proporcionar recomendaciones clínicas eficaces a los médicos. Además, comprobamos que el modelo de tres capas puede mejorar la precisión de las predicciones en comparación con el modelo de dos capas. A la luz de algunas de las limitaciones de este estudio, también identificamos y discutimos varias áreas que necesitan mejoras continuas.

• Materias:Algoritmos de aprendizaje Transductores de ultrasonido Ingeniería de atención Estudio biomecánico Ortesis progresivas estáticas
• Subjects:Learning algorithms Ultrasound transducers Care engineering Biomechanical study Static progressive orthoses
• Palabras claves:modelo de base de conocimientos por capas, modelo por capas, enfermedad, muchos sistemas de ayuda a la decisión clínica, algoritmo Bayes ingenuo multisíntoma, sistema de ayuda a la decisión, recomendaciones clínicas eficaces, algoritmo Bayes ingenuo, proceso de aprendizaje en línea, estudio
• Keywords:layer knowledge base model, layer model, disease, many clinical decision support systems, multisymptom naive Bayes algorithm, decision support system, effective clinical recommendations, naive Bayes algorithm, online learning process, study