para diagnostico de enfermedades Frank Zelada Joseph Alfaro Luis Carrin Pablo Cceres Agenda INTELIGENCIA ARTIFICIAL 2 15/07/2014 Introduccin
Antecedentes
Objetivos
Redes Bayesianas
Aplicaciones
Caso Practico Software NETICA
Ventajas y Desventajas
Conclusiones Introduccin INTELIGENCIA ARTIFICIAL 3 15/07/2014 Existe una herramienta capaz de aprender de forma automtica, a partir de los datos y tambin de la opinin del experto, especialmente en su primera etapa de funcionamiento, donde todava el volumen de datos no es muy elevado y la opinin del experto es ms valiosa. Esta herramienta es lo que se llama un sistema experto
Los sistemas expertos probabilsticos utilizan como base de conocimiento la estructura del espacio probabilstico, y como motor de inferencia, probabilidades condicionales. Esto permite el manejo de la incertidumbre. Dentro del espacio probabilstico, el modelo o base de conocimiento ms utilizado es la llamada red Bayesiana, la cual pretende que la propagacin de probabilidades sea exacta, rpida y no cause problemas de excesivo nmero de parmetros.
Historia INTELIGENCIA ARTIFICIAL 4 15/07/2014 El trmino redes bayesianas fue acuado por Judea Pearl en 1985 para hacer hincapi en tres aspectos:
El carcter subjetivo de la informacin de entrada.
La dependencia de acondicionamiento de bayes como base para la actualizacin de la informacin.
La distincin entre los modos causales y probatorio de razonamiento, lo que subraya Thomas Bayes en un documento publicado pstumamente en 1763.
El jurista John Hernry Wigmore lo uso para analizar evidencia en un juicio en 1913.
Otra variante, llamada diagrama de rutas, fue desarrollada por el genetista Sewall Wright usado en ciencias de la conducta.
Objetivos INTELIGENCIA ARTIFICIAL 5 15/07/2014 Conocer conceptos bsicos de una red bayesiana
Demostrar caso prctico a travs del software NETICA
Mencionar las ventajas y desventajas encontradas en el uso de la aplicacin con redes bayesianas
Redes Bayesianas INTELIGENCIA ARTIFICIAL 6 15/07/2014 Definicin: Una red bayesiana es un grafo acclico dirigido y anotado que describe la distribucin de probabilidad conjunta que gobierna un conjunto de variables aleatorias.
Estas redes utilizan como motor de actualizacin de probabilidad el teorema de Bayes, cuya frmula es la siguiente:
donde: P(Ai) son las probabilidades a priori P(B/Ai) es la probabilidad de B en la hiptesis P (Ai/B) son las probabilidades a posteriori
Obtener una red Bayesiana a partir de datos es un proceso de aprendizaje que se divide en dos etapas: el aprendizaje estructural y el aprendizaje paramtrico. Aprendizaje estructural: Obtener la estructura o topologa de la red. Aprendizaje paramtrico: Dada la estructura, obtener las probabilidades asociadas.
Aplicaciones INTELIGENCIA ARTIFICIAL 8 15/07/2014
Las redes bayesianas son un tipo de modelos de minera de datos que pueden ser utilizados en cualquiera de las siguientes actividades de negocio:
Prevencin del fraude Prevencin del abandono de clientes Blanqueo de dinero Marketing personalizado Mantenimiento preventivo Scoring de clientes Clasificacin de datos estelares Software NETICA Netica es un programa poderoso, fcil de usar, completo para trabajar con redes de creencia y diagramas de influencia. Netica puede utilizar las redes para llevar a cabo diversos tipos de inferencia utilizando los algoritmos ms rpidos y modernos. Netica puede ser utilizado para transformar una red en un nmero de maneras.
INTELIGENCIA ARTIFICIAL 9 15/07/2014 Software NETICA Estimacin Estructural: Existen numerosos procedimientos automticos destinados a generar grafos dirigidos a cclicos destinados a convertirse en redes bayesianas. Estimacin Paramtrica: De igual manera a como ocurre con la estimacin estructural, la estimacin de los parmetros de una red bayesiana puede hacerse automticamente o a partir del juicio de expertos. Compilacin: Antes de poder usar nuestra red para solucionar las preguntas que nos planteaba el ejemplo expuesto con anterioridad necesitamos compilar el modelo para que se ponga a funcionar en modo de inferencia. INTELIGENCIA ARTIFICIAL 10 15/07/2014 Caso Practico
Asumamos que trabajamos en una clnica especializada en el diagnstico y tratamiento de procesos gripales y que solemos trabajar, de manera genrica, con dos tipos de enfermedades. La gripe A (o virus H1N1) es una enfermedad poco corriente (un 22,727% de la poblacin la contrae cada ao) mientras que la gripe comn es ms frecuente (supongamos que el resto de los casos que no son gripe A son gripe comn). El dolor de cabeza y los problemas respiratorios estn asociados con ambas enfermedades. El dolor de cabeza est presente en el 88,889% de los casos de la gripe comn mientras que este sntoma est nicamente presente en el 66,667% de los casos que son diagnosticados como gripe A. Adicionalmente, los problemas respiratorios no estn presentes en la mayora de los casos de la gripe comn (94,444%) mientras que estn presentes en la mayora de los casos en que se ha contrado el virus de la gripe A (en el 83,333% de los casos). Cul es la probabilidad de que una persona que tenga dolor de cabeza haya contrado la gripe comn? Cul es la probabilidad de que una persona haya contrado la gripe comn si tiene dolor de cabeza y sufre problemas respiratorios?
Se puede representar de manera simultnea la dimensin cualitativa y cuantitativa de un problema o caso. Se puede realizar inferencias bidireccionales Con el software Netica se puede estimar en porcentajes la enfermedad con los sntomas indicados. Se necesita de juicios de expertos para las probabilidades
INTELIGENCIA ARTIFICIAL 13 15/07/2014 Conclusiones El software Netica sirve mayormente para instituciones mdicas para detectar con un porcentaje alto la enfermedad relacionado con sus sntomas. Las redes bayesianas modelan un fenmeno mediante un conjunto de variables y las relaciones de dependencia entre ellas. Una red bayesiana es un grafo a cclico dirigido que describe la distribucin de probabilidades conjunta que gobierna un conjunto de variables aleatorias. Concluimos que las redes Bayesianas son utilizadas para proveer una forma compacta de representar el conocimiento y mtodos flexibles de razonamiento.
INTELIGENCIA ARTIFICIAL 14 15/07/2014 The End INTELIGENCIA ARTIFICIAL 15 15/07/2014