Tesis doctoral

F. J. Díez Vegas.
Sistema Experto Bayesiano para Ecocardiografía. Dpto. Informática y Automática, UNED, Madrid, , 1994.
Director: José Mira Mira.

306 páginas, PDF (3'2 MB), cita tipo BibTeX

Nota sobre el uso del idioma


Galardonada con el Premio Fundesco de Tesis Doctorales de 1994, entregado por el Excmo. Sr. Ministro de Educación y Ciencia en acto público el 27 de junio de 1995.

Resumen

Las redes bayesianas (RR.BB.) constituyen una metodología para la construcción de sistemas expertos, que surgió en la década de los 80 y se ha expandido notablemente en los últimos seis años. Su principal cualidad es que realizan el tratamiento de la incertidumbre a partir de un modelo causal probabilístico.

Esta tesis tiene dos objetivos principales. El primero, de naturaleza teórica, consiste en un estudio de las redes bayesianas. El segundo es la aplicación de las ideas desarrolladas a la construcción de un sistema experto para diagnóstico mediante ecocardiografía, denominado DIAVAL.

La introducción de esta memoria presenta brevemente la inteligencia artificial desde un punto de vista personal, insistiendo en la representación del conocimiento y en el tratamiento de la incertidumbre. También mencionamos los errores que suele cometer el ser humano en la estimación subjetiva de la incertidumbre. Con ello, intentamos justificar por qué hemos utilizado una red bayesiana en vez de construir un sistema experto estándar, es decir, basado en reglas.

La parte II realiza un estudio completo de las RR.BB., de forma sistemática, analizando para cada uno de sus aspectos la teoría, los algoritmos y la implementación, con especial interés por las implementaciones distribuidas.

En cuanto a la propagación de la evidencia, la presente memoria introduce la puerta OR graduada, una extensión de la puerta OR binaria que simplifica la adquisición del conocimiento y ahorra tiempo de computación en la inferencia, y el condicionamiento local, un nuevo algoritmo para el cálculo de la probabilidad en redes con bucles, que supera ampliamente a los métodos de condicionamiento anteriores y es capaz de competir con los algoritmos más utilizados hoy en día.

Proponemos también un modelo de aprendizaje secuencial (ajuste de parámetros) basado en distribuciones gaussianas para las probabilidades, y un método de explicación del razonamiento, que distingue dos tipos de interacción (caso general y puerta OR) y seis clases de enlaces. Concluimos la parte II con una valoración de las RR.BB.: historia, contexto, cualidades y limitaciones.

La parte III describe la construcción del sistema experto DIAVAL, según las cinco etapas clásicas: identificación, conceptualización, formalización, implementación y evaluación. Hemos intentado estudiar con detalle la obtención del conocimiento en sistemas bayesianos, desde el campo de la medicina. En cuanto a la implementación de DIAVAL, hemos puesto el mayor esmero en dotar al sistema experto de un interfaz flexible y fácil de manejar, conociendo la importancia de este factor en su aceptación por parte de los médicos. La evaluación del sistema ha sido satisfactoria, aunque todavía es necesario mejorar el programa antes de su implantación definitiva.

La memoria concluye resumiendo las lecciones aprendidas y las principales aportaciones, valorando los logros y limitaciones de DIAVAL, y señalando las líneas de investigación que quedan abiertas.