PROCESAMIENTO DIGITAL DE IMÁGENES E INTELIGENCIA ARITIFICIAL

La IA y los retos de la minería de datos

Cuenca FlorMedina GiomairaOrtiz Corina

 La IA y los retos de la minería de datos

Como sabemos los datos que diariamente se almacenan en diferentes repositorios son de gran utilidad al momento de tomar decisiones es por ello que debemos recurrir a la Minería de datos que conjuntamente con las técnicas apropiadas podemos analizar la información para la toma de decisiones, además tanto la Inteligencia Artificial como la Minería de datos se han convertido en un componente básico en los procesos de negocio.

Por lo que las aplicaciones tecnológicas en las que los métodos de IA han demostrado con éxito que pueden resolver problemas y se han desarrollado sistemas como:

Permitir al usuario preguntar a una base de datos en cualquier lenguaje.

Reconocer objetos de una escena por medio de aparatos de visión. Generar palabras reconocibles como humanas desde textos

computarizados. Reconocer e interpretar un pequeño vocabulario de palabras

humanas.

INTRODUCCIÓNEl presente nos permite conocer los diversos conceptos y aplicaciones de IA y la minería de datos enfocados en este caso al área de Medicina, y podemos darnos cuenta que ambas disciplinas se han convertido en algo muy importante, tanto para la toma de decisiones como para el desarrollo de aplicaciones, que facilitan el trabajo al ser humano.

Para poder brindar estos tratamientos se ha basado en la recopilación de datos históricos almacenados en bases de datos, llevando a cabo un proceso adecuado y realizando un análisis cuidadoso de cada uno de ellos para así obtener resultados precisos y concisos.

Dentro de la minería de datos se requiere la utilización de herramientas las cuales nos permiten recopilar y obtener datos estadísticos que facilitara la interpretación de los mismos.

Con la Inteligencia Artificial se ha logrado automatizar procesos en los cuales el ser humano es su principal cabeza ya que gracias a toda la información que ha almacenado se puede programar máquinas para obtener resultados que se asemejan a las decisiones que tomaría un ser humano, con esto estaríamos dando un gran avance ya que se puede usar diferentes técnicas para la elaboración de los mismos.

DESARROLLOLa IA es un campo amplio de investigación que trata de crear sistemas y máquinas que se comporten de manera inteligente, los especialistas en este campo parten de la dificultad de que no existe una definición precisa del concepto de inteligencia humana y de que tampoco se conoce con exactitud el funcionamiento del cerebro humano.

En un principio la IA se centró en la solución de teoremas, fórmulas y problemas geométricos, pero luego pasó a fijarse en los denominados problemas de sentido común.

Los 3 procesos fundamentales de la inteligencia humana, que la inteligencia artificial busca imitar son:

Aprendizaje: Consiste en adquirir conocimientos e información, así como las reglas para su aplicación.

Razonamiento: Se trata de emplear esas reglas y conocimientos para alcanzar conclusiones aproximadas o definitivas.

Autocorrección: Un ser dotado de IA debe por último, ser capaz de identificar sus propios errores y desechar los conocimientos, conclusiones y formas de actuación que los conducen a ellos.

La Medicina ha ido asimilando la introducción de las computadoras para agilizar y mejorar los procesos de apoyo médico, teniendo una gran influencia, la que sigue aumentando más cada día con la introducción de la Inteligencia Artificial en la vigilancia del paciente con complejos equipos biomédicos, la realización de procesamiento voluminoso de información para la toma de decisiones y muchas otras aplicaciones.

Podemos decir entonces del surgimiento de la Informática Médica, que comprende una amplia gama de cuestiones de la organización y del uso de la información biomédica.

Otros usos de las computadoras en este campo son las pruebas para detectar e identificar alteraciones, la Tomografía Axial Computarizada (TAC), la Resonancia Magnética, el ultrasonido, análisis de electrocardiogramas por computadoras, análisis de imágenes y muchos más.

La integración ha permitido extender la aplicación de las computadoras a los servicios administrativos y de apoyo, la dirección, la investigación, el diagnóstico y el tratamiento, sin dejar de mencionar la educación.

Se conoce que el diagnóstico médico es el arte de identificar una enfermedad por sus signos y síntomas, la inserción de Sistemas Expertos para el diagnóstico ha planteado la interrogante: ¿Nos sustituirá la computadora algún día?

Uno de las desventajas de estos Sistemas Expertos en el diagnóstico es que no toman en cuenta que una persona puede tener más de una enfermedad, que los síntomas pueden ser independientes, o que el paciente puede estar fingiendo.

Si bien es cierto que la computadora tiene gran capacidad de cálculo, velocidad y exactitud, está claro que una computadora no puede sustituir al médico, solo éste es capaz de razonar lógicamente y mezclar la razón con la intensión, la ética, lo afectivo y la experiencia, algo que una máquina no puede hacer.

No puede mantener el aspecto más importante: la relación médico-paciente.

La Inteligencia Artificial en el campo de la medicina ha tenido gran apego ya que ha permitido dar solución a problemas y de paso obtener aplicaciones, a continuación se nombran las siguientes:

Asistente basado en casos para la clínica psiquiátrica. Bichindaritz.

Sistema basado en casos para el procesamiento de imágenes de tomografía axial computarizada y resonancia magnética, de tumores cerebrales. Macura.

Sistema asistente para el manejo de pacientes en unidades de cuidados intensivos Prize.

Asistente basado en casos para el diagnóstico y análisis del síndrome dismórfico. Evans.

Sistema de razonamiento automatizado para el diagnóstico y pronóstico del cáncer de próstata Bartels.

Sistema para la evaluación inicial de pacientes con SIDA. Xu.

Sistema basado en casos que utiliza una red neuronal artificial para el diagnóstico del infarto agudo de miocardio. Baxt y Skora.

Sistema de RBC para el pronóstico de cardiopatías congénitas en recién nacidos. García Lorenzo y Bello Pérez.

Sistema basado en casos para el cálculo de la dosis de

antibióticos en cuidados intensivos. Heindi.

Sistema de RBC para la detección de la enfermedad coronaria por escintigramas coronarios. Haddad.

Los resultados de la inteligencia artificial han sido utilizados también para la elaboración de aplicaciones de Enseñanza Asistida por Computadoras en medicina, un ejemplo representativo de este tipo de sistemas es el GUIDON, un tutorial inteligente basado en el sistema experto MYCIN, cuyo objetivo es de diagnosticar infecciones bacterianas en la sangre y sugerir el tratamiento adecuado.

El sistema MYCIN, al ser consultado por el médico, solicita primero datos generales sobre el paciente: nombre, edad, síntomas, etc., donde conocida esta información por parte del sistema, el Sistema Experto plantea conjeturas, donde para verificarlas comprueba primero la exactitud de las premisas de la regla, mediante una búsqueda de enunciados correspondientes en la base de conocimientos, los mismos pueden a su vez estar de nuevo en la parte de consulta de otra regla, también se lo realiza mediante determinadas preguntas al usuario, haciendo preguntas del tipo:

¿Se ha practicado en el paciente algún tipo de intervención quirúrgica?

Con las respuestas que recibe, el MYCIN verifica o rechaza las hipótesis planteadas. Una serie de test ha demostrado que MYCIN trabaja igual de bien que un médico. A raíz de este proyecto se han implementado muchos más sistemas como:

PUFF: diagnostica enfermedades pulmonares.

CADUCEUS: de la Universidad de Pittsburgh, para diagnosticar medicina interna.

EMYCIN: (Essential Mycin) Shell construido en la Universidad de Stanford sobre la base del MYCIN, sistema de expertos que realiza diagnóstico de enfermedades infecciosas a la sangre

MED1: Este shell fue desarrollado en 1983 por F. Puppe en el marco de una tesis doctoral en la Universidad de Kaiserlautern y llevado a la práctica posteriormente en varios computadores. El lenguaje de programación sobre el que se basa, aunque no es accesible desde el MED1, es Interlisp, es especialmente apropiado para sistema de diagnóstico médico, debido al contexto de desarrollo, la interfaz del usuario no es en absoluta tan cómoda como en otros Shell como el KEE y el S1, cuyo desarrollo fue orientado hacia la explotación comercial, su principal ventaja del MED1, es su gran flexibilidad en la manipulación de conocimientos difusos.

Minería de Datos En la actual sociedad de la información, donde cada día a día se

multiplica la cantidad de datos almacenados casi de forma exponencial, la minería de datos es una herramienta fundamental para analizarlos y explotarlos de forma eficaz para los objetivos de cualquier organización.

La minería de datos se define como el análisis y descubrimiento de conocimiento a partir de datos; es el conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.

Permite comprender el contenido de un repositorio de datos; con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes neuronales.

Ventajas de la minería de datos: Ahorra grandes cantidades de dinero a una empresa y abre

nuevas oportunidades de negocios.

Contribuye a la toma de decisiones tácticas y estratégicas.

Proporciona poder de decisión a los usuarios del negocio, y es capaz de medir las acciones y resultados de la mejor forma.

Genera modelos descriptivos: permite a empresas, explorar y comprender los datos e identificar patrones, relaciones y dependencias que impactan en los resultados finales.

Genera modelos predictivos: permite que relaciones no descubiertas a través del proceso de la data mining sean expresadas como reglas de negocio.

Almacenes de datos Almacenes de datos: Es una técnica para consolidar y administrar

datos desde varias fuentes con el propósito de responder preguntas de negocios y tomar decisiones.

El proceso de Data Warehousing debe proveer: la información correcta, a la persona indicada, en el formato adecuado, y en el tiempo preciso.

Un almacén guarda datos históricos que se extrajeron de sistemas operacionales y de fuentes de datos externas; por lo general se inician como bases de datos muy grandes que contienen gran cantidad de registros de datos. La información antigua que ya no se necesita se elimina del almacén de datos.

Objetivos del almacén de datos:

Proveer una visión única de los clientes en toda la empresa. Mejorar el tiempo de espera que insumen los informes habituales. Predecir compras de productos y aumentar la productividad. Mejorar la capacidad de respuesta a problemas comerciales.

Proceso:El proceso se compone de cuatro etapas principales:

Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en data mining (minería de datos).

Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining.

Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.

Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los compara con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

Características: La información obtenida a través de la minería de datos ayuda a los

usuarios a elegir cursos de acción y a definir estrategias competitivas.

Se puede examinar gran cantidad de datos y encontrar patrones difíciles de identificar a simple vista.

El proceso de búsqueda puede ser realizado por herramientas que automáticamente buscan patrones porque así están programadas y despliegan los tópicos más importantes.

Debido a que los hospitales, clínicas manejan una gran cantidad de información de sus pacientes, la minería de datos le aporta una gran ayuda para la toma de decisiones respecto a diversos métodos que se pueden aplicar y que beneficien a los pacientes; a su vez les permite incrementar el número de pacientes debido al éxito que tuvo algún tratamiento en un paciente.

De esta manera la minería de datos aplicado a la medicina permite realizar:

Identificación de terapias médicas satisfactorias para diferentes enfermedades.

Asociación de síntomas y clasificación diferencial de patologías.

Estudio de factores (genéticos, precedentes, hábitos, alimenticios, etc.) de riesgo/salud en distintas patologías.

Segmentación de pacientes para una atención más inteligente según su grupo.

Predicciones temporales de los centros asistenciales para el mejor uso de recursos, consultas, salas y habitaciones.

Estudios epidemiológicos, análisis de rendimientos de campañas de información, prevención, sustitución de fármacos, etc.

Recomendaciones Se debe tener en cuenta que el uso de la tecnología es para

buscar el bien común y no solo para buscar lucro a través de ella, ya que allí perdería el valor de investigación que se le ha dado.

El ser humano debe tener en cuenta que es la pieza clave para construir cada día a la innovación sea cual sea el área donde se quiera aplicar IA o la minería de Datos.

La minería de datos nos debe servir para la toma de decisiones pero también se debe tener en cuenta otros factores que también influyen.

El procesamiento digital de imágenes es de gran ayuda para investigación acerca de fenómenos que acechan a nuestro planeta, además para descubrir nuevas constelaciones, estrellas, etc.

Conclusiones La minería de datos ayuda a tener una visión más completa y

detallada de una determinada área, permitiendo la búsqueda de datos relevantes de las operaciones que se realizan a diario.

Dentro del área de la medicina se puede identificar posibles tratamientos que han resultado efectivos los cuales han sido resultado de un previo análisis, y en base a esto se lograra resultados óptimos.

La IA ha tenido un gran impacto en la medicina ya que gracias a ella se han podido realizar sistemas que han ayudado a obtener excelentes resultados dentro de este campo.

Tanto la IA como la Minería de Datos son muy útiles en la toma de decisiones de acuerdo a la información que se ha recolectado.

La IA han ayudado a la creación de sistemas que emulan el comportamiento de un ser humano en una x situación y con el cual podemos emitir un diagnostico confiable.

Las soluciones virtuales encontradas podrán aplicarse a la solución de problemas de salud reales, y cerrar así el ciclo de conocimiento desde lo real a lo virtual para predecir realidad futura.

Bibliografía. García RF. La informática médica en Cuba. Disponible en:

http://www.cpicmha.sld.cu/hab/vol6_2_00/hab070200.htm [Consultado: 31 de enero del 2011].

La investigación en informática médica en nuestros centros de educación médica superior. Disponible en: http://www.cecam.sld.cu/pages/rcim/revista_5/editorial_5.htm [Consultado: 31 de enero del 2011].

UNIVERSIDAD ALAS PERUANAS" FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA CURSO: INFORMES TÉCNICOS TEMA: "INTELIGENCIA ARTIFICIAL" PROFESOR: ING. OSCAR MUJICA RUÍZ.2005.

Langton CG, Shimohara K (eds.). Artificial life. Cambridge: The MIT Press; 1997.

Sinnexus Business Intelligence + Informatica Estrategica (2010). Datamining (Minería de datos). Disponible en http://www.sinnexus.com/business_intelligence/datamining.aspx

José Hernández Orallo. Departamento de Sistemas Informáticos y Computación. Minería de Datos. Disponible en: http://users.dsic.upv.es/~jorallo/cursoDWDM/dwdm-III-1.pdf

http://www.youtube.com/watch?v=nKT5VmDvFuw (video de IA y medicina) FACENA FACENA - UNNE. Data Mining. Disponibel en:

http://www.google.com/url?sa=t&source=web&cd=5&ved=0CDYQFjAE&url=http%3A%2F%2Fexa.unne.edu.ar%2Fdepar%2Fareas%2Finformatica%2FSistemasOperativos%2FSDataMining.pdf&rct=j&q=mineria%20de%20datos%20teleprocesos&ei=Bi9MTaObNoXagAf05sHmDw&usg=AFQjCNG2u4JDiFEfVq3QEtVvO8x3r0tDjQ&sig2=5FUgPo88GcLX7PP8UDrkyQ&cad=rja

GRACIAS