SISTEMA EXPERTO PARA EL DIAGNÓSTICO Y TRATAMIENTO DE LA SINUSITIS BASADO EN LÓGICA DIFUSA

Abstract

Está demostrado que la aplicación de la inteligencia artificial (IA) en diferentes contextos (informático, industrial, biológico, otros) es una herramienta muy útil. Los sistemas expertos son un área de la informática que se derivan de la (IA), se están implementando en el campo de la medicina para ayudar al doctor en el diálogo clínico. Por otro lado, la sinusitis es una infección respiratoria que consiste en la inflamación de la mucosa de los senos paranasales. La sinusitis constituye una enfermedad de adquisición comunitaria y frecuente que afecta a personas de toda edad sin discriminación, por lo tanto tiene un impacto considerable sobre la salud pública general. El presente trabajo de tesis, ofrece una visión detallada de la construcción de un sistema experto basado en lógica difusa para el diagnóstico y tratamiento de la sinusitis, el mismo que servirá de apoyo a los profesionales del área de la salud y personas que padecen esta enfermedad. El sistema contribuye en la toma de decisiones, al médico especialista, además de defender el saber del otorrinolaringólogo, cuenta con entradas, que son los síntomas y signos, una base de conocimiento que contiene el saber formalizado y estructurado del otorrinolaringólogo, la representación de este conocimiento permite describir los hechos que ocurren y las reglas utilizadas en el proceso de diagnóstico, además las incertidumbres representadas en las variables de clasificación que surgen necesariamente y son representadas a través de la lógica difusa, las salidas son el diagnóstico y tratamiento que resulta; su implementación se realiza en el lenguaje de programación SWI-PROLOG. Finalmente se concluye que la hipótesis planteada y cada uno de los objetivos se cumplen con la investigación y el trabajo realizado. De la misma forma se recomienda que existen muchos problemas que investigar dentro de las enfermedades infecciosas respiratorias. Con los resultados obtenidos de las pruebas se llegó a la conclusión que los diagnósticos obtenidos tienen un grado de confiabilidad de un 90% respecto a los resultados reales.