8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
1/32
Instituto Politécnico Nacional
Escuela Superior de Computo
Modelos Asociativos para el
reconocimiento de Enfermedades
Hepáticas
Trabajo Terminal !"#!#$$!!
Alumnos
• %una Pére& Eric 'mar • Pita Soto (es)s *air
• +oc,a +am-re& Arturo Pablo
.irectores
•
Mario Aldape Pére&• Ed/ar Armando Catalán Santia/o
1
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
2/32
Índice
¿Que es la Inteligencia Artificial? ........................................................................................ 3
Reconocimiento de patrones ............................................................................................. 4
MARCO TERICO .......................................................................................... !
Clasificaci"n del aprendi#a$e ............................................................................................ !Algoritmos de aprendizaje de acuerdo al conocimiento existente ................................................... 6
Clasificación de acuerdo a generalización del aprendizaje ............................................................ 8
TEOR%A M&'ICA .......................................................................................... ((
)epatitis .................................................................................................................... ((
Tipos de )epatitis *+ricas ................................................................................................ ((Hepatitis Tipo A (Hepatitis Infecciosa ................................................................................... 11
Hepatitis Tipo ! (Hepatitis Aguda ....................................................................................... 1"
,ron"stico .................................................................................................................. (-
A/0I1I1 2 'I1EO 'E0 1I1TEMA ..................................................................... 3
An5lisis de Riesgo ......................................................................................................... 4
An5lisis de Re6uerimientos ............................................................................................. -
Casos de 7so ............................................................................................................... !
'iagrama de Estados 8eneral ........................................................................................... 39
:I:0IO8RA;%A 2 RE;ERECIA1 ........................................................................ 3(
"
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
3/32
Introducci0n
¿Que es la Inteligencia Artificial?
%os ,ombres se ,an denominado a si mismos como 1 Homo Sapiens” 2,ombre sabio3 por4ue nuestras
capacidades mentales son mu5 importantes para nosotros6 .urante miles de a7os8 ,emos tratado deentender c0mo pensamos8 es decir8 entender como un simple pu7ado de materia puede percibir8
entender8 predecir 5 manipular un mundo muc,o mas /rande 5 complicado 4ue ella misma6
%a Inteli/encia artificial es una de las ciencias mas recientes6 El trabajo comen&0 poco después de la
se/unda /uerra mundial8 5 el nombre se acu7o en !9:;6 %a Inteli/encia artificial se cita8 junto a la
biolo/-a molecular8 como un campo en el 4ue a la ma5or-a de los cient-ficos de otras disciplinas 1les
/ustar-a trabajarton8 Einstein 5 otros6 Por el contrario la inteli/encia
artificial a)n tiene flecos sin cerrar en los 4ue podr-an trabajar varios Einsteins a tiempo completo6?!@
%a inteli/encia artificial abarca en la actualidad una /ran variedad de subcampos de aplicaci0n8 4ue van
desde áreas de prop0sito /eneral8 como el aprendi&aje 5 la percepci0n8 a otras mas especificas como el
ajedre&8 la demostraci0n de teoremas matemáticos8 la escritura de poes-a 5 el dia/nostico deenfermedades6 %a inteli/encia artificial sinteti&a 5 automati&a tareas intelectuales 5 es8 por lo tanto8
potencialmente relevante para cual4uier ámbito de actividad intelectual ,umana6 En este sentido8 es un
campo /enuinamente universal6 ?!@
Para la definici0n de inteli/encia artificial se revisan dos fuentes
• %a inteli/encia artificial 2la cual referiremos como IA3 es un campo de la investi/aci0n encomputo orientado a desarrollar pro/ramas 4ue permitan a las computadoras mostrar un
comportamiento 4ue pueda ser catalo/ado como inteli/ente6?@
• %a inteli/encia artificial es la ciencia e in/eniera de ,acer inteli/entes a las má4uinas8
especialmente ,acer pro/ramas de c0mputo inteli/entes6 Esta relacionado también con la tarea
de usar computadoras para entender la inteli/encia ,umana6?"@
Se puede decir básicamente 4ue la IA es un campo de las ciencias de c0mputo 4ue trata de ,acer por
medio de pro/ramas de computadora8 inteli/entes a las má4uinas6 Para los fines de este trabajo8 semanejará como
• %a ,abilidad computacional para lo/rar metas en el mundo6 Bar-an sus tipos 5 /rados en las
personas8 animales 5 má4uinas?"@
#
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
4/32
=na de las áreas de la inteli/encia artificial es el reconocimiento de patrones8 misma cu5a descripci0n/eneral 4ue se trata a continuaci0n6
Reconocimiento de patrones
%os ,umanos perciben informaci0n a su alrededor por medio de los sentidos6 =sando una serie de
conceptos /enerales o de patrones 4ue aprenden sobre las cosas 5 objetos as- como con informaci0n
multisensorial 5 ,abilidad co/noscitiva podemos reconocer letras8 numero8 seo8 etc6 ?D@
.e los ejemplos mencionados en /eneral todos involucran un proceso de clasificaci0n o identificaci0nde objetos8 situaciones8 etc6 ?D@
%os ,umanos pueden a/rupar a los objetos por clases 5 cate/or-as para identificar los objetos de
manera casi automáticas8 el reconocimiento de patrones es el área de la IA 4ue trata de i/ual estacapacidad del ser ,umano8 como se aprecia en la i/ura !8 4ue muestra los campos de investi/aci0n de
la inteli/encia artificial6
$
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
5/32
Herramientas del +econocimiento de Patrones
.entro del campo de investi/aci0n eisten diversas ,erramientas8 al/oritmos 5 métodos para el
reconocimiento de patrones8 al/unos son
• Clasificadores Sistemas 4ue a/rupan objetos basándose en el ,ec,o de 4ue al/unos pertenecen
a un conjunto denominado 1clase
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
6/32
Marco Teórico
Clasificación del aprendizaje
Eisten diversas clasificaciones sobre los métodos de aprendi&aje8 una de ellas es la 4ue corresponde al
método de aprendi&aje 5 supervisi0n de los datos de entrenamiento8 entrando en ellas el aprendi&aje
supervisado8 no supervisado8 semisupervisado8 por transducci0n8 por ensamblaje o por el tipo aprende aaprender este /rupo es llamado conocido como aprendi&aje de acuerdo al conocimiento eistente8 otra
forma de clasificaci0n es por /enerali&aci0n 5 en ella están el aprendi&aje flojo 5 entusiasta8 al final
dic,as clasificaciones son complementarias8 pues todos los al/oritmos caen en una cate/or-a de ambasclasificaciones6
Algoritmos de aprendizaje de acuerdo al conocimiento existente
Aprendi&aje Supervisado
En este tipo de aprendi&aje se establece una relaci0n entre las entradas 5 las salidas deseadas delsistema6 %a salida del al/oritmo puede ser continua8 en cu5o caso será una re/resi0n8 o puede predecir
la clase a la 4ue pertenece el objeto de entrada8 lo cual es conocido como clasificaci0n6 El prop0sito es
4ue a partir de un pe4ue7o /rupo de entrenamiento el al/oritmo sea capa& de predecir el valor de la
funci0n para cual4uier entrada6
Este tipo de aprendi&aje se puede reali&ar de formas la primera 5 más utili&ada es /enerar un modelo/lobal 4ue mapee las se7ales de entrada con las se7ales deseadas de salida6 %a se/unda es implementar
un conjunto de modelos locales8 como ejemplo de estos tenemos el ra&onamiento basado en casos 5 losal/oritmos del vecino más cercano6 ?:@
Aprendi&aje no supervisado 2Clusterin/3
Este tipo de modelos se distin/uen por 4ue no eiste un conocimiento previo de la salida esperada 5
solo tenemos un conjunto de datos de entrada6 %a funci0n de este tipo de al/oritmos es el de /enerar
/rupos entre los datos de entrada a partir de las similitudes entre ellos8 es decir con ausencia de
entrenadores tiene 4ue adaptar sus parámetros aut0nomamente6 ?:@
=n ejemplo en la vida real es cuando nos piden 4ue clasifi4uemos distintos objetos pero no nos danejemplos ni ,a5 nadie a 4uien pre/untarle8 entonces lo )nico 4ue nos 4ueda es a/ruparlos de acuerdo alas caracter-sticas 4ue tienen en com)n6
• Aprendizaje Semisupervisado
• Estos modelos hacen uso tanto de datos etiquetados como de no etiquetados para el
entrenamiento.
6
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
7/32
• El aprendizaje semisupervisado se puede ver como un nivel intermedio entre el aprendizaje
supervisado y el no supervisado. Algunos investigadores han demostrado que los datos no
etiquetados cuando se usan con pequeñas cantidades de datos etiquetados puede mejorar
considerablemente la eficiencia del algoritmo. [5
=n ejemplo de este modelo es el de coentrenamiento8 en el cual dos o más aprendices son entrenados
con conjuntos distintos de entrenamiento6 ?:@
Aprendiendo A Aprender
Este tipo de modelos usan eperiencias previas o al/oritmos para mejorar la forma en 4ue aprender6 ?:@
Aprendi&aje de refuer&o
Se encuentra también a medio camino entre supervisado 5 no supervisado6 Al sistema no se le muestraepl-citamente la relaci0n entrada#salida como en el aprendi&aje supervisado8 pero s- recibe una
retroalimentaci0n de su entorno6 %a retroalimentaci0n es una se7al de refuer&o proporcionada por un
instructor o por el entorno como indicador de si se ,a resuelto el problema6 ?;@
Aprendizaje Transductio
Transducción o inferencia transductia es un razonamiento de lo o!serado" de casos espec#ficosde entrenamiento a casos espec#ficos de prue!a$ %n contraste" inducción es un razonamiento delos casos de entrenamiento a reglas generales$ &a distinción es m's interesante en los casos en los(ue las predicciones del modelo transductio ser#an imposi!les para cual(uier modelo inductio"
esto es de!ido a la inferencia transductia en diferentes conjuntos de prue!a lo cual producepredicciones mutuamente inconsistentes$ )n ejemplo de un algoritmo transductio son lasma(uinas de soporte ectorial transductio *T+,M- . la ma(uina comit/ !a.esiana$ 012
Aprendizaje Inductio
Este tipo de al/oritmo aprovec,a el conocimiento previo sobre otros problemas similares para aprender6Se ,an desarrollado al/oritmos para aprovec,ar la transferencia de la informaci0n en las redes l0/icas
de MarJov 5 las redes ba5esianas6
=n caso particularmente interesante de aprendi&aje por transferencia es a4uel denominadomultitasklearning 8 en el cual al atacar un problema8 se ataca al mismo tiempo varios problemas
relacionados usando una representaci0n compartida6 ?:@
Clasificaci0n .e Acuerdo Al Momento .e %a Kenerali&aci0n
Cuando estamos trabajando con modelos de aprendi&aje automático8 tenemos 4ue la /enerali&aci0n de
los datos de entrada se puede ,acer 5a sea en la fase de aprendi&aje o en la fase de recuperaci0n8 en el
primer caso ,ablaremos de aprendi&aje entusiasta 5 en el se/undo de aprendi&aje flojo6 Cada uno de loscuales tiene ventajas 5 desventajas 4ue se muestran a continuaci0n6
&
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
8/32
Clasificación de acuerdo a generalización del aprendizaje
Aprendizaje !lojo
En este m"todo la generalizaci#n de los datos de entrada es relegada a la fase de recuperaci#n y la
fase de aprendizaje se reduce a solo almacenar los datos de entrada.
$a ventaja de este m"todo es que la funci#n se apro%ima localmente y debido a esto se pueden
realizar diferentes b&squedas al mismo tiempo.
%as desventajas de este tipo de al/oritmo es 4ue se re4uiere de una /ran cantidad de espacio para el
almacenamiento de todo el conjunto de entrenamiento6 Además8 aun4ue en la fase de aprendi&aje sonrápidos8 son mu5 lentos en la fase de recuperaci0n6
Aprendi&aje Entusiasta
En este método de aprendi&aje el sistema trata de construir una funci0n de entrada independiente
durante el entrenamiento del sistema6 %a /ran ventaja es 4ue al ser aproimada /lobalmente durante la
fase de entrenamiento se re4uiere de muc,o menos espacio 4ue un método flojo6 Además debido a estaaproimaci0n /lobal8 estos sistemas /eneralmente trabajan bien aun4ue eistan alteraciones en los
datos de entrenamiento6 Sin embar/o8 también debido a esta /eneralidad8 estos métodos por lo /eneral
no son capaces de proveer una buena aproimaci0n local6
%as Memorias Asociativas
El objetivo o prop0sito fundamental de las memorias asociativas es recuperar correctamente patrones
completos a partir de patrones de entrada8 los cuales pueden estar alterados con ruido aditivo8sustractivo o combinado esta es la caracter-stica más atractiva de las memorias asociativas6
En mi opini0n las memorias asociativas podr-an ser catalo/adas como clasificadores8 debido a la
semejan&a en s funcionamiento6
El modelo ori/inal de Larl Steinbuc, llamado “Learnmatrix”8 ideada en !9;!8 basado en un modelo deredes neuronales8 sin embar/o LosJo 2!9;3 demuestra 4ue la red tiende a un m-nimo /lobal8 5 asemejan&a de otros modelos como Hopfield8 de al/una manera se simplifica a una serie de operaciones
básicas con matrices6
8
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
9/32
%as memorias asociativas tienen básicamente dos fases fácilmente distin/uibles la fase de aprendi&aje2fase de /eneraci0n de la memoria asociativa3 5 la fase de recuperaci0n 2operaci0n de la memoria
asociativa36
=na memoria asociativa puede formularse como un sistema de entrada 5 salida6
El patr0n de entrada se representa por un vector columna denotado por % 5 el patr0n de salida8 por elvector columna denotado por y. ?@ Cada uno de los patrones de entrada forma una asociaci0n con el
correspondiente patr0n de salida6 %a notaci0n de una asociaci0n es similar a la de una pareja ordenada6
Eisten además dos tipos de memoria la ,eteroasociativa 5 la autoasociativa8 en las primeras eiste unafunci0n de correspondencia entre la entrada 5 la salida aun4ue de distintos tama7os8 en las se/undas los
tama7os de los patrones son los mismos aun4ue si/ue eistiendo una funci0n de correspondencia entre
los patrones de entrada 5 salida6 ?;@
=na ve& obtenida nuestra memoria asociativa ,a5 un factor 4ue se pretende determinar8 el desobreaprendi&aje6 Para ello es necesario ,acer una validaci0n de resultados 5 usaremos la técnica de
validaci0n cru&ada6
Balidaci0n Cru&ada
Eisten dos tipos una es la validaci0n cru&ada dejando uno fuera 2%''CB3 donde como su nombre lo
indica establece 4ue ,a5 4ue ,acer un conjunto de muestras del conjunto ori/inal para la validaci0n de
datos8 5 los datos restantes para el entrenamiento8 lo 4ue se repite una ve& con cada muestra del
conjunto 5 usado una ve& como dato de validaci0n6
El se/undo tipo es el validaci0n cru&ada J8 donde primero dividimos el conjunto de datos de maneraaleatoria en J /rupos del mismo n)mero de elementos o tan ,omo/éneos en el tama7o como sea posible6 .e todos L subconjuntos uno es retenido como validaci0n para probar el modelo 5 los
restantes son usados para el entrenamiento6 Esto se repite con cada uno de los subconjuntos de datos
una ve& para la validaci0n6 %o )nico 4ue las distin/ue es el tama7o de muestra del conjunto ori/inal4ue se usa para el entrenamiento o comprobaci0n6?@
Sobreaprendi&aje
Práctica de una capacidad 4ue contin)a más allá del punto en 4ue el rendimiento alcan&a un estándar
especificado6 As- es definido por el .iccionario de Medicina Mosb5 # Medicina8 Enfermer-a 5
Ciencias de la Salud8 Ediciones Hancourt8 S6A6 !9996
El sobreaprendi&aje es un concepto peda/0/ico de acuerdo al cual cada nueva ,abilidad ad4uirida debe
de practicarse más allá de la maestr-a inicial8 buscando alcan&ar la automati&aci0n6
'
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
10/32
Aterri&ando dic,o concepto a nuestro trabajo8 lle/ar a este punto seria donde nuestra memoriaasociativa alcan&a el máimo de efectividad en reconocimiento8 rebasando el promedio por el mismo
método o contra otros métodos6
.esarrollo de un sistema basado en un modelo de aprendi&aje
%os sistemas de reconocimiento de patrones son parte de a4uellos 4ue se basan en un modelo de
aprendi&aje8 poseen caracter-sticas propias8 4ue los distin/uen de otros 4ue se basan en la b)s4ueda8ra&onamiento 5 funciones l0/icas por ejemplo6 Enfrentan ciertos problemas 5 deben tomar en cuenta un
modelo de desarrollo para su correcta aplicaci0n6
=n sistema basado en un modelo de aprendi&aje8 cual4uiera8 se propone 4ue se desarrolle en : etapas
1. 'btenci0n 5Oo recopilaci0n de datos 1en bruto< es decir en su forma ori/inal acerca de la clase
en cuesti0n6". .eterminar las caracter-sticas más relevantes del objeto en cuesti0n8 GCuáles son más
importantes al momento de reconocerlo#. Ele/ir una representaci0n en forma de datos le/ibles para el sistema acerca del objeto8
observando con cuidado las restricciones sobre los tipos de datos6
$. Ele/ir el modelo de aprendi&aje más adecuado 2el al/oritmo36%. Prueba del sistema8 determinar si es necesario al/)n procesamiento posterior6 %a prueba del
sistema no será solo de efectividad con el conjunto de entrenamiento sino con un conjunto dedatos diferentes6?:@
1
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
11/32
Teor#a M/dica
3epatitis
%a ,epatitis es una inflamaci0n del ,-/ado 4ue no apunta directamente a una causa espec-fica ?9@8 5a
4ue cada una de las causas conocidas 4ue la provocan son de naturale&a distinta entre si pero conver/en
en el da7o ,epático6
%as causales son
Infecci0n v-rica o bacteriana del ,-/ado6
Intoicaci0n por alco,ol8 sobredosis de medicamentos o eposici0n a al/)n otro t0ico6
Interrupci0n de la irri/aci0n correcta de san/re al ,-/ado6
Trastornos autoinmunes6
Traumatismo abdominal en la &ona del ,-/ado6
%a causal más com)n de esta enfermedad es la infecci0n v-rica8 por lo 4ue es el punto central de la
investi/aci0n8 5a 4ue su dia/nostico por dic,a causal es más complicado por4ue es necesario revisar
cual es el tipo de virus 4ue ataca al ,-/ado 2BHA8 BHF8 BHC8 etc63 a través de los indicadores 4ue seusan solo en estudios de laboratorio8 los cuales son denominados Marcadores de Hepatitis6
Tipos de 3epatitis #ricas
3epatitis Tipo A *3epatitis Infecciosa-
Este tipo de ,epatitis está causado por el virus de la ,epatitis A 2BHA38 4ue se encuentra en las ,eces
de las personas infectadas6 A nivel /lobal8 el BHA es causante de $ a D$ de los casos sintomáticos
de ,epatitis ?!$@6
11
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
12/32
Puesto 4ue la ,epatitis A puede ser una infecci0n leve8 particularmente en la infancia8 es posible 4ue
al/unas personas no se den cuenta de 4ue ,an contra-do la enfermedad 5 ésta pase desapercibida 5
4uede sin dia/nosticar
?9@
6
Contagio
El virus de la ,epatitis A se conta/ia cuando se in/iere al/o contaminado con ,eces infectadas por el
BHA 2esto facilita su transmisi0n en condiciones de ,acinamiento e insalubridad36
El virus se transmite con facilidad de un miembro de la familia a otro6 Es más probable 4ue las
personas transmitan el virus de la ,epatitis A durante las semanas antes de sentirse enfermas6
+#ntomas
%os ni7os menores de ; a7os normalmente no presentan nin/)n s-ntoma8 pero los ni7os ma5ores 5 los
adultos se sienten mu5 enfermos 5 débiles6 %os s-ntomas pueden incluir los si/uientes
•iebre
•Pérdida del apetito
•Cansancio
•.olor de est0ma/o
•B0mitos
•Coloraci0n oscura de la orina
• Ictericia
%os infectados comien&an a mostrar estos s-ntomas de a ; semanas después de contraer el virus de la
,epatitis A 5 la ma5or-a de ellos se sienten mu5 enfermos de a ; meses?!@6
%a importancia del dia/nostico de cual4uier tipo de ,epatitis es muc,a8 sin embar/o8 el tipo A es el
menos a/resivo para el ,-/ado8 5 el cuerpo se puede recuperar rápidamente de este padecimiento6 Sin
embar/o8 es una enfermedad 4ue afecta a una cantidad mu5 alta de personas 4ue pueden no estar
consientes de tener la enfermedad6
3epatitis Tipo 4 *3epatitis Aguda-)a *epatitis ! est+ causada por el ,irus de la *epatitis ! (-H!. l -H! puede pro,ocar un amplio
a/anico de s0ntomas desde malestar general *asta enfermedad *ep+tica crónica 2ue a la larga
puede desem/ocar en un c+ncer de *0gado 3'4.
1"
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
13/32
Contagio
El conta/io del virus F puede darse por eposici0n directa a fluidos corporales como la san/re8 la
saliva8 el semen8 las secreciones va/inales8 las lá/rimas8 5 la orina8 pertenecientes a un individuoinfectado por el BHF6 Con esto 4uedan contemplados los contactos seuales8 el uso compartido de
objetos personales8 la infecci0n madre#,ijo en el parto8 transfusiones de san/re8 etc6 ?!@
+#ntomas
)os s0ntomas pueden no aparecer *asta 6 meses despu5s del momento de la infección. )os s0ntomas
in0ciales pueden a/arcar
• Inapetencia
• ati/a
• ebr-cula
• .olores musculares 5 articulares
• Náuseas 5 v0mitos
• Piel amarilla 5 orina turbia debido a la ictericia
)as personas con *epatitis crónica pueden ser asintom+ticas aun2ue se puede estar presentando
da7o gradual al *0gado. Con el tiempo algunas personas pueden desarrollar s0ntomas de da7o
*ep+tico crónico cirrosis del *0gado.
)a detección de este tipo de *epatitis es de maor rele,ancia m5dica a 2ue es un tipo de ,irus
silencioso m+s agresi,o 2ue el tipo A e in*a/ilita al infectado para donación de sangre órganos
adem+s de 2ue 5ste con,ierte en un ,e*0culo transmisor de este ,irus lo 2ue es un riesgo de salud
pu/lica. Adem+s se considera como una enfermedad de cronicidad alta por lo 2ue su detección se
,uel,e de maor rele,ancia.
)epatitis Tipo C
ste tipo de ,irus representa la causa m+s com9n de *epatitis crónica cirrosis *ep+tica en el
mundo 31$4 se calcula 2ue cada a7o se infectan con este ,irus entre # $ millones de personas. Ha
unos 1% millones de personas 2ue sufren la infección crónica est+n en riesgo de sufrir cirrosis
*ep+tica o c+ncer del *0gado. Cada a7o mueren m+s de #% personas por causa de
enfermedades *ep+ticas ,inculadas con la *epatitis C3164.
A la fec*a no existe una ,acuna 2ue otorgue protección contra este ,irus al ser la ,ariante del
,irus de la *epatitis con maor pro/a/ilidad de generar un pro/lema *ep+tico crónico su
diagnostico oportuno es in,alua/le para el dise7o de estrategias de pre,ención tratamiento de la
enfermedad para as0 e,itar 2ue se llegue a la inacti,idad de las funciones del *0gado.
1#
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
14/32
Contagio
El virus de la ,epatitis C se transmite /eneralmente por eposici0n a san/re de una persona infectada6
Esto puede suceder
Al recibir transfusiones de san/re o derivados san/u-neos e injertos de 0r/anos contaminados6
Por in5ecciones aplicadas con jerin/as contaminadas 25a sea por el uso de medicamentos o
dro/as36
Cuando la embara&ada padece la infecci0n 5 conta/ia al producto6
%a ,epatitis C se puede transmitir al tener relaciones seuales con una persona infectada o compartir
art-culos contaminados con san/re infecciosa8 pero estos mecanismos son menos comunes6
%a infecci0n no se transmite por la lec,e materna8 los alimentos ni el a/uaQ tampoco por el contactosocial 4ue implican los besos 5 abra&os o el compartir alimentos o bebidas con una persona infectada?!:@6
+#ntomas
)a maor0a de las personas 2ue estu,ieron recientemente infectadas con *epatitis C no tienen
s0ntomas alrededor de 1 de cada 1 tiene ictericia.
:e las personas 2ue resultan infectadas con *epatitis C la maor0a presenta infección prolongada
(crónica por este ,irus por lo general no *a ning9n s0ntoma. ;i la infección *a estado presente
durante muc*os a7os el *0gado puede tener cicatrización permanente lo cual se denomina cirrosis.
n muc*os casos es posi/le 2ue no *aa s0ntomas de la enfermedad *asta 2ue se presente la
cirrosis.
)os siguientes s0ntomas se podr0an presentar con la infección de/ida a *epatitis C
• .olor abdominal 2en el cuadrante superior derec,o del abdomen3
• Hinc,a&0n abdominal 2debido a la ascitis3
• Heces de color arcilla o pálidas
• 'rina turbia
• ati/a
• iebre
• Pica&0n
• Ictericia
• Inapetencia
• Náuseas
• B0mitos
1$
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
15/32
5ronóstico
)a maor0a de las personas con infección de *epatitis C tienen la forma crónica.
)os pacientes con los genotipos " o # tienen maor pro/a/ilidad de responder al tratamiento 2ue lospacientes con el genotipo 1. )os nue,os medicamentos pueden mejorar la respuesta de los 2ue
tienen el genotipo 1.
tam/i5n
se coloca uno definido como -H? pero 2ue aun no se determina su situación.
:ic*os tipos no son tomados en consideración mu a menudo por2ue su presencia no es mu com9n
es decir su aparición como infección en los seres *umanos es mu rara sin em/argo son ,irus 2ue
afectan de una manera particular 2ue aun se encuentra en etapa de descu/rimiento e in,estigaciónsiendo el -H> uno de los m+s desconocidos para la medicina.
Conclusi"n sore )epatitis @+rica)a causal ,0rica de *epatitis es mu compleja se puede ,islum/rar un panorama mu grande
acerca de los estudios so/re ella sin em/argo los ,irus 2ue a *an sido analizados durante muc*os
a7os por ser los m+s comunes est+n mu /ien identificados lo 2ue nos permite tener los datos
siguientes
1%
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
16/32
Con estos datos podemos ,er 2ue los -H tienen caracter0sticas mu marcadas representan un
pro/lema de salud 2ue *a 2ue tratar si se puede con el apoo de un sistema computacional en el
campo m5dico se podr+ contar con maor certeza de un /uen diagnostico.
Recursos M=dicoComputacionales para el 'esarrollo del 1istema:espu5s de analizar a la enfermedad es necesario recurrir a los medios necesarios para 2ue se
pueda realizar el sistema de apoo al diagnostico de pacientes con -irus de la Hepatitis C.
n primera instancia de/emos de decir 2ue el sistema no ser+ parte en ning9n momento de los
estudios m5dicos 2ue el paciente se realiza para la detección del ,irus sino 2ue ser+ un receptor deinformación (introducida al sistema por el m5dico referente a los resultados de dic*os estudios
los cuales ser+n tratados por el sistema para dar como resultado un diagnostico mu correcto de la
presencia de una posi/le infección del -HC apoar al medico en el desarrollo de su estrategia
para el tratamiento del infectado de pre,ención para las personas 2ue le rodean esto a tra,5s de
los resultados arrojados por el sistema 2ue podr+ ,isualizar el m5dico para e,aluar la se,eridad de
la infección.
16
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
17/32
;iendo entonces as0 los recursos m5dico@computacionales 2ue se usar+n para este sistema son la
!ase de Conocimiento so/re Hepatitis 2ue se encuentra en el UCI Machine LearningRepository
(Repositorio de Aprendizaje Automático) de la ni,ersidad de California en Ir,ing los
uadalajara el apoo de un medico
calificado en ser,icio del Instituto .>ong (Carnegie@
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
18/32
Con$unto de datos de informaci"n Bor fa,or pregunte >ong >ail para m+s información so/re esta
/ase de datos.
sta /ase de datos contempla " rasgos m5dicos considerados en el diagnostico de la *epatitis loscuales ser+n explicados junto con sus ,alores posi/les se determinar+su rele,ancia en el
diagnostico medico del -HC.
Rasgo (D C0A11
@alores ,osilesD @i*o o Muerto
ste rasgo determina si el paciente ,i,e o si a *a fallecido. ;u importancia se encuentra en la
diferencia en el comportamiento de la enfermedad en un sujeto aun con ,ida uno 2ue a no tiene
funciones ,itales pero para la primera etapa de diagnostico solo contemplaremos a los pacientes
,i,os por lo 2ue este raso se ,uel,e irrele,ante podemos omitirlo.
Rasgo D A8E @alores ,osilesD (9 9 39 49 -9 !9 F9 G9 aHos promedio
l rasgo de la edad es mu importante a 2ue la presencia de alg9n tipo de ,irus de la *epatitis
espec0fico en un sujeto depende de la pro/a/ilidad 2ue tenga en aparecer en determinada edad.
)a tasa de incidencia de los diferentes tipos de ,irus de la *epatitis se muestra a tra,5s de las
siguientes gr+ficas
Rasgo 3D 1E
@alores ,osilesD masculino femenino
l g5nero del sujeto no tiene una rele,ancia mu alta a 2ue la infección por un -H no tiene
relación directa con este rasgo sin em/rago para el caso del -HC es rele,ante por2ue existen m+s
*om/res 2ue mujeres con el -HC. Casi todos los expertos opinan 2ue esto se de/e a 2ue los
18
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
19/32
*om/res tienen m+s pro/a/ilidades de *a/er estado expuestos al ,irus no a 2ue sean m+s
suscepti/les 2ue las mujeres a contraer la infección por lo 2ue la rele,ancia es m+s estad0stica 2ue
m5dica.
Rasgo 4D 1TEROI'
@alores ,osilesD no si
l uso de esteroides es un rasgo 2ue influe muc*o en otros rasgos adem+s de 2ue su uso es causa
de tra/ajo del *0gado el cual los asimilaJ su uso indiscriminado puede causar inacti,idad *ep+tica
lo 2ue puede confundirse con un grado crónico de *epatitis tipo C por lo 2ue el uso de este rasgo
ser+ *asta la segunda etapa del diagnostico por medio del sistema.
Rasgo -D ATI@IRA01
@alores ,osilesD no sil uso de anti,irales no es un rasgo mu importante por el momento pero se *an desarrollado
/uenas in,estigaciones con respecto a medicamentos anti,irales 2ue se usar+n para el tratamiento
del -H! -HC.
Rasgo !D ;ATI87E
@alores ,osilesD no si
)a presencia de fatiga es un s0ntoma 2ue si /ien es com9n para muc*as enfermedades o solo es
s0ntoma de agotamiento por exceso de acti,idad se de/e de tomar en cuenta pero solo si se
presenta junto a los otros s0ntomas 2ue muestra el infectado de -HC.
Rasgo FD MA0AI1E
@alores ,osilesD no si
)a presencia de malestar general tam/i5n se de/e de tomar en cuenta solo si se presenta junto con
los dem+s s0ntomas del -HC.
Rasgo GD AOREIA
@alores ,osilesD no si
)a presencia de anorexia es un s0ntoma 2ue puede ser el pro/lema en s0 del paciente sin necesidadde ser solo una parte del conjunto de s0ntomas del -HC pero al no ser mu com9n se ,uel,e un
poco m+s rele,ante 2ue los " anteriores por lo 2ue si se presenta con los dem+s s0ntomas este ser+
de maor importancia.
Rasgo KD 0I@ER :I8
@alores ,osilesD no si
1'
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
20/32
l *0gado inflamado o crecido es como tal la presencia de un mal *ep+tico 2ue puede ser con muc*a
certeza *epatitis aun2ue tam/i5n puede ser s0ntoma de un *0gado graso 2ue puede e,olucionar en
una esteato*epatitis (*0gado graso inflamado aumentado de tama7o) la cual no nos lle,a a la
detección del -HC 2ue es el punto central por el momento.
)a presencia de un *0gado inflamado por la pura definición de la enfermedad sugiere 2ue es un
paciente infectado de alg9n tipo de -H por lo 2ue es un rasgo mu rele,ante pero 2ue de/e de ir
de la mano de otros para estar seguro de 2ue su infección es por -HC.
Rasgo (9D 0I@ER ;IRM
@alores ,osilesD no si
l *0gado endurecido indica la cicatrización de las lesiones del *0gado pero puede indicar la
presencia de la enfermedad en una etapa crónica por lo 2ue es un rasgo tam/i5n mu importante
por2ue como sa/emos la pro/a/ilidad de cronicidad de la enfermedad por -HC es mu alta.
Rasgo ((D 1,0EE ,A0,A:0E
@alores ,osilesD no si
)a inflamación del *0gado puede empujar el /azo permitir al medico palparlo en un examen f0sico.
Rasgo (D 1,I'ER1
@alores ,osilesD no si
)as Kara7as angiomasL son una acumulación anormal de ,asos sangu0neos cerca de la superficie de
la piel.
Rasgo (3D A1CITE1
@alores ,osilesD no si
ste rasgo se refiere a la presencia de l02uido entre la ca,idad tor+cica
Rasgo (4D @ARICE1
@alores ,osilesD no si
)as ,+rices pueden ser un signo de falla *ep+tica.
Rasgo (-D :I0IR7:I
@alores ,osilesD 9.3K 9.G9 (.9 .99 3.99 4.99
)a /ilirru/ina es una enzima
Rasgo (!D A0 ,)O1,)ATE "
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
21/32
@alores ,osilesD 33 G9 (9 (!9 99 -9
s una enzima 2ue se encuentra en todos los tejidos. )os tejidos con concentraciones particularmente altas
son entre otros el *0gado los conductos /iliares la placenta el *ueso.
Rasgo (FD 18OT
@alores ,osilesD (3 (99 99 399 499 -99
nzima 2ue se encuentra en el *0gado el corazón otros tejidos. na concentración alta de ;>MT
li/erada en la sangre puede ser un signo de da7o en el *0gado o el corazón c+ncer u otras
enfermedades. Tam/i5n es llamada aspartato aminotransferasa.
Rasgo (GD A0:7MI
@alores ,osilesD .( 3.9 3.G 4.- -.9 !.9
s una prote0na 2ue se encuentra en gran proporción en el plasma sangu0neo siendo la principal
prote0na de la sangre una de las m+s a/undantes en el ser *umano. s sintetizada en el *0gado
Rasgo (KD ,ROTIME
@alores ,osilesD (9 9 39 49 -9 !9 F9 G9 K9 milisegundos
;on prue/as de la/oratorio 2ue e,al9an espec0ficamente la ,0a extr0nseca de
la coagulación sangu0nea.
Rasgo 9D )I1TO0O82
@alores ,osilesD no sis el estudio de una muestra de tejido *ep+tico 2ue es o/tenido mediante una /iopsia.:ic*a
muestra es examinada con un microscopio para /uscar signos de da7o o enfermedad.
Marcadores de )epatitis
;on constituentes sangu0neos 9tiles en el reconocimiento de la enfermedad *ep+ticaJ su
alteración refleja fundamentalmente el da7o del *epatocito o del +r/ol ,iral.
A partir del descubrimiento de los diferentes a/entes etiol0/icos de las diversas formas de ,epatitis viral 5 el
desarrollo de pruebas serol0/icas sensibles 5 espec-ficas para determinar la presencia de sus diferentes ant-/enos
5 anticuerpos8 se ,an lo/rado importantes avances en el dia/n0stico8 pron0stico 5 tratamiento de las formas
a/udas 5 cr0nicas de ,epatitis viral6 %as primeras /eneraciones de pruebas eran menos sensibles 5 espec-ficas
4ue las disponibles actualmenteQ la incorporaci0n de ant-/enos obtenidos por recombinaci0n 5 s-ntesis de
péptidos8 as- como la automati&aci0n8 ,an permitido incrementar sensiblemente su especificidad 5 sensibilidadQ
sin embar/o8 como los diferentes marcadores serol0/icos de ,epatitis viral son mu5 numerosos8 al/unos se
presentan en la fase a/uda8 pero no en la cr0nica 5 viceversaQ otros son transitorios8 desaparecen o persisten por
"1
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
22/32
a7osQ la interpretaci0n de los mismos resulta en ocasiones dif-cil para el cl-nico6 Asimismo8 la prevalencia de los
mismos var-a notablemente de pa-s a pa-s8 de a7o en a7o8 de unidad médica a unidad médica6
Es por todo esto 4ue si bien el dia/nostico médico es mu5 dif-cil8 el 4ue se pudiera ,acer computacionalmente esaun más complejo8 sin embar/o8 la detecci0n de un cuadro de ,epatitis puede ser posible sin determinar
espec-ficamente su tipo
""
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
23/32
An'lisis . 6ise7o del sistema
Planteamiento del problema6
Como se ,a mencionado8 la dificultad de tratar las enfermedades ,epáticas radica en el momento de la
detecci0n de la enfermedad6 Si se detecta demasiado tarde8 puede traer severas complicaciones8inclusive ser mortal6
Soluci0n propuesta6
Se propone elaborar una aplicaci0n8 basada en al/oritmos de memorias asociativas8 capa& de
determinar si un paciente es portador de al/una enfermedad ,epática6 Esta aplicaci0n tiene comoobjetivo el 4ue sirva de apo5o al médico usuario 5 4ue también lo/re superar los nivelesOporcentajes de
Rrecuperaci0n dados por los al/oritmos estipulados por =ECA6
'bjetivo /eneral
.esarrollar una aplicaci0n 4ue sirva como ,erramienta de apo5o para el pre dia/nostico de ,epatitis en base a 4ue si el paciente tiene ries/o de fallecer o no6
'bjetivos particulares
#Implementar un m0dulo dentro del sistema para clasificar con las caracter-sticas se7aladas se/)n
análisis ,epáticos6
#Implementar un al/oritmo para clasificar a partir de la sintomatolo/-a#Implementar un m0dulo 4ue sirva para eperimentaci0n con nuevos datos6
#Implementar un modelo de Memoria Asociativa eficiente en la fase de recuperaci0n6
#Ase/urar8 mediante Balidaci0n Cru&ada8 la certidumbre de los resultados6#.ise7ar una interfa& /ráfica ami/able para médicos6
+e/las de Ne/ocio6
F+!6# %a aplicaci0n debe de poderse ejecutar en sistemas operativos indo>s UP8 Bista 5 indo>s 6
F+6# %a aplicaci0n deberá contar con una base de datos 4ue contendrá la informaci0n de los pacientes
F+"6# El sistema será utili&ado por un Médico Administrador 5 un Personal TécnicoQ si/uiendo una
estructura jerár4uica6
"#
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
24/32
F+D6# El Médico Administrador podrá seleccionar los re/istros8 en la base de datos8 con los cuales elsistema deberá ,acer su entrenamiento6 En cual4uier caso8 el sistema ,ará su propio entrenamiento6
F+:6# %a aplicaci0n re4uerirá autentificaci0n para acceder6
An'lisis de Riesgo
Riesgo Tipo de riesgo 'escripci"n Acciones:a$a de personal Broecto n integrante del
e2uipo de tra/ajose separe
Acotación de loso/jeti,os eintensificación delritmo de tra/ajo
:a$a eficiencia en
la clasificaci"n
Broecto producto Eo se cumpla la
eficiencia esperadadel modelo deaprendizaje
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
25/32
An'lisis de Re(uerimientos
e2uerimientos funcionales
?@1 l sistema de/e permitir el registro de nue,os pacientes
?@" l sistema de/e permitir el registro de nue,os expedientes cl0nicos
?@# l sistema de/e permitir el registro de nue,os usuarios
?@$ l sistema de/e permitir la consulta del expediente cl0nico
?@% l sistema de/e permitir modificar el expediente cl0nico
?@6 l sistema de/e permitir el registro de sintomatolog0a (resultados de an+lisis
?@& l sistema de/e permitir el diagnostico (clasificación a partir de sintomatolog0a (rasgos
?@8 l sistema de/e permitir experimentar con nue,os datos
?@' l sistema de/e permitir mostrar consultas
?@1 l sistema de/e permitir lle,ar un registro por cada paciente
?@11 l sistema de/e permitir modificar el perfil del usuario
?@1" l sistema de/e permitir modificar la contrase7a del usuario
?@1# l sistema de/e permitir modificar la
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
26/32
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
27/32
Caso de =so Identificarse en el Sistema
Actores Médico Administrador8 Asistente
.escripci0n El usuario 4ue desea in/resar al sistema8 debe primero identificarse como un
usuario re/istrado6Precondiciones El usuario deberá estar re/istrado6
Poscondiciones Se dará in/reso al sistema al usuario6
lujo normal !6# El usuario entra a la aplicaci0n del Sistema6
6# El usuario introduce su usuario 5 contrase7a6
"6# Acepta
"a6# Si los datos son correctos8 el usuario tiene acceso al sistema6
"b6# Si los datos son incorrectos8 vuelve a !6
D6# in del caso6
Caso de =so " Crear Memoria
Actores Médico Administrador .escripci0n El usuario puede crear una nueva Memoria con los re/istros 4ue él desee6
Precondiciones Eistencia previa de re/istros de pacientes6
Poscondiciones Se dará in/reso al sistema al usuario6
lujo normal !6# El usuario selecciona la opci0n 1Crear nueva memoria
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
28/32
"6# El sistema reali&a el entrenamiento 5 almacena los resultados en la F.6
D6# in del caso6
Caso de =so ; Comprobar la efectividad de la Memoria Asociativa
Actores Médico Administrador6
.escripci0n El usuario puede reali&ar un proceso de evaluaci0n de efectividad de la memoria6
Precondiciones Eistencia de la memoria6
Poscondiciones
lujo normal !6# El usuario selecciona la opci0n 1Berificar efectividad<
6# El usuario selecciona la memoria a validar6
"6# El usuario selecciona el método de validaci0n6
D6# El sistema reali&a la validaci0n 5 muestra los resultados6
:6# in del caso6
Caso de =so Eliminar una Memoria6
Actores Médico Administrador6
.escripci0n El usuario elimina una memoria6
Precondiciones Eistencia de la memoria6
Poscondiciones %a memoria no volverá a eistir en el sistema6
lujo normal !6# El usuario selecciona la opci0n 1Eliminar memoria<6# El usuario selecciona la memoria 4ue 4uiere eliminar6
"6# El sistema borra la memoria seleccinoada6
D6# in del caso6
Caso de =so +e/istrar un pacienteActores Médico Administrador8 Asistente6
.escripci0n Se re/istra un nuevo paciente en el sistema6
Precondiciones #
Poscondiciones Se creará el nuevo re/istro con el nuevo paciente
lujo normal !6# El usuario selecciona la opci0n 1+e/istrar paciente
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
29/32
Caso de =so !$ .ia/nosticar un paciente
Actores Médico Administrador8 Asistente6.escripci0n El usuario puede reali&ar el dia/nostico de un paciente
Precondiciones Eistencia previa de re/istros de pacientes6
Eistencia previa de una memoria para clasificaci0n6
Poscondiciones
lujo normal !6# El usuario selecciona la opci0n de 1.ia/nostico<
6# El usuario introduce o selecciona los datos del paciente para la clasificaci0n6
"6# El usuario selecciona la memoria a utili&ar6D6# El sistema reali&a la clasificaci0n 5 muestra los resultados6
:6# in del caso6
Caso de =so !! Consultar datos de un paciente6Actores Médico Administrador8 Asistente6
.escripci0n El usuario reali&a una consulta sobre todos los datos relacionados a un paciente6
Precondiciones Eistencia previa de re/istros de pacientes6
Poscondiciones
lujo normal !6# El usuario selecciona la consulta de los datos del paciente6
6# El sistema busca los datos seleccionados6"6# El sistema muestra resultados
D6# in del caso6
"'
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
30/32
'iagrama de Estados 8eneral
:iagrama de stados en general de la aplicación
El estado de iniciali&aci0n consiste inicialmente en verificar la eistencia de la base de datos de
conocimiento8 re/istros de pacientes 5 de la memoria asociativa8 una ve& comprobado se procede a laautentificaci0n donde se pedirá contrase7a 5 usuario8 cada tipo de usuario tendrá tareas concretas8 tras
ello8 la aplicaci0n 4ueda en espera 5 esencialmente ,a5 " bifurcaciones de tareas8 una la declasificaci0n 2dia/nostico3 en la cual a base de las lecturas de análisis necesarios se dará el dia/nostico8
5 lue/o se /uardara automáticamente en la base de datos el resultado con los datos del paciente6 'tro
modulo será la /esti0n de datos8 4ue tendrá capacidad de modificar datos de pacientes8 5 de /estionar
las memorias asociativas8 finalmente un tercer modulo será el de consulta de datos8 donde solo será posible la lectura de ellos6
#
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
31/32
:iliograf+a Referencias
?!@ +ussel (6 Stuart 5 Norvi/ Peter8 1Inteli/encia Artificial8 un enfo4ue moderno>>#
formal6stanford6eduOjmcO>,atisaiOnode!6,tml
?D@ 'ro&co#Al&ate Mauricio8 1Patern +eco/nition>>6docentes6unal6edu6coOmoro&coaOdocsOpr6p,p
?:@ 1Classifiers
8/16/2019 Modelos Asociativos para el Reconocimiento de Enfermedades Hepáticas
32/32
?!"@ 1An/ioma aracniforme>>6nlm6ni,6/ovOmedlineplusOspanis,Oenc5OarticleO$$!$9:6,tm
?!D@ Panduro A8 +oman S8 L,an A8 TanaJa *8 Lurbanov 8 Martine%ope& E8 et al6 Molecular
epidemiolo/5 of ,epatitis C virus /enot5pes in est Meico6Birus +esearc, $!$Q!:!!9#:
?!:@ 1Epidemiolo/-a de las ,epatitis virales en Méico>>6>,o6intOmediacentreOfacts,eetsOfs"OesOinde6,tml
#"
http://www.nlm.nih.gov/medlineplus/spanish/ency/article/001095.htmhttp://bvs.insp.mx/rsp/articulos/articulo_e4.php?id=002603http://www.nlm.nih.gov/medlineplus/spanish/ency/article/001095.htmhttp://bvs.insp.mx/rsp/articulos/articulo_e4.php?id=002603