Resumen de El diagnóstico de la Fasciolosis bovina basado en redes bayesianas

Neilys González Benítez, Vivian Estrada Sentí, Antonio Romillo Tarke

• español

  El diagnóstico de una enfermedad es un proceso cognitivo complejo que implica capacitación, experiencia, reconocimiento de patrones y cálculo de probabilidad condicional, entre otros componentes menos comprendidos. En las últimas décadas se han realizado esfuerzos por aplicar el análisis predictivo en los sistemas de salud, así como lanzar sistemas de aprendizaje automático para facilitar el diagnóstico. En la actualidad la medicina utiliza innumerables adelantos que involucran el uso intensivo de alta tecnología como el diagnóstico por imágenes, la robótica, entre otros, especialmente la aplicación de métodos que aprovechan los datos disponibles y la experiencia clínica. Entre los métodos que utilizan son las redes bayesianas, en particular haciendo uso de la inferencia probabilista, la cual es especialmente adecuada para el modelado de conocimiento incierto, capaz de describir de manera concisa un problema, modelándolo a través de un conjunto de variables relacionadas entre sí. El empleo de las redes bayesianas en estos casos es útil, y máxime para la enfermedad que se estudia, la Fasciolosis bovina, la cual cursa con síntomas, signos y factores de riesgo similares con otras enfermedades ganaderas, además, a través del cuadro clínico que presentan los bovinos cuando presentan las primeras evidencias de la enfermedad no es posible decidir en presencia de qué enfermedad se encuentran los animales; en ese sentido es el objetivo de la investigación. El diagnóstico de enfermedades a priori resultó favorable con este método para apoyar la toma de decisiones de los especialistas de salud animal, con el fin de cuidar la salud animal y conservar la masa ganadera.

• English

  The diagnosis of a disease is a complex cognitive process involving training, experience, pattern recognition and conditional probability calculus, among other components less understood. In the last decades, efforts have been made to apply predictive analysis in health systems, as well as to launch automatic learning systems to facilitate diagnosis. At present the medicine uses countless advances that involve the intensive use of high technology such as diagnostic imaging, robotics, among others, especially the application of methods that take advantage of available data and clinical experience. Among the methods used are Bayesian networks, in particular making use of probabilistic inference, which is especially suitable for the modeling of uncertain knowledge, able to describe in a concise way a problem, modeling it through a set of related variables between yes. The use of the Bayesian networks in these cases is useful, and especially for the disease being studied, bovine Fasciolosis, which courses with symptoms, signs and similar risk factors with other livestock diseases, in addition, through the clinical picture that They present the bovine when they present the first evidences of the disease it is not possible to decide in the presence of what illness the animals are; In that sense it is the objective of the investigation. The diagnosis of a priori diseases was favorable with this method to support the decision-making of animal health specialists, in order to care for animal health and to conserve livestock.