Los sistemas de diagnosis y prognosis médicos inteligentes, basados en evidencias, han sido utilizados con éxito desde hace varias décadas (MYCIN, CASNET, etc), los nuevos enfoques de inteligencia artificial híbrida permiten a este tipo de sistemas, desarrollar con eficiencia las siguientes funcionalidades:
- Razonamiento automático lógico multimodal (Inductivo, Deductivo, Abductivo y Retroductivo), con capacidad para el tratamiento de las evidencias médicas (físicas, documentales, estadísticas y analíticas), necesarias para una diagnosis y una prognosis precisa y confiable, es decir, capaz de ponderar el peso y la fuerza de cada evidencia en el conjunto de las evidencias, que fundamentan las decisiones médicas.
- Eficiencia en la construcción y mantenimiento de la base de conocimiento médica, que permita la explotación eficiente del conjunto de expedientes y casos médicos históricos relacionados con cada enfermedad, y con capacidad de extracción automática de las evidencias y conocimientos contenidos en ellos.
Estas bases de conocimientos médicos están estructuradas en dos partes, una independiente del tipo de enfermedad a tratar, que contendrá los metaconocimientos en forma de regla de comportamiento complejo (conocimiento lógico, difuso y probabilístico), que permitirá conducir los diagnósticos y pronósticos a realizar, y otra parte dependiente de cada tipo de enfermedad, que va a permitir introducir los aspectos específicos del tratamiento y seguimiento de cada enfermedad. Dicha base de conocimiento debe tener un sistema de gestión que ofrezca la posibilidad de discernir que conocimiento están impactando en las diagnosis y prognosis realizadas y cuales no aportan mucho en la actividad del sistema de razonamiento lógico antes mencionado.
- Trazabilidad completa de los procesos de diagnosis y prognosis, y por tanto de capacidades de justificación y explicación de dichos procesos.
- Optimización y evolución automática de la base de conocimiento mediante técnicas de aprendizaje multiestrategia (profundo, reforzado y basado en casos), que ayuden a los médicos a mantener la KBS de forma sencilla.
- Capacidad para poder incorporar nuevos conocimientos médicos o tratamientos experimentales de forma directa por los expertos clínicos, mediante la proposición y testeo de hipótesis de investigación.
- Tratamiento personalizado de los casos de los distintos pacientes que esté integrado con el sistema de diagnosis y prognosis automático.
- Interacción multicanal, centrados en el paciente que permita obtener datos para proponer nuevos elementos de cálculo proposicional al sistema de diagnosis y prognosis inteligente.
En resumen, la evolución de las técnicas de IA en los últimos años permite ya en el presente ofrecer a los usuarios capacidades de diagnosis y prognosis precisas, individualizadas y continua, basada en las evidencias disponibles en cada momento. Estas capacidades permitirán ofrecer servicios de telemedicina garantistas y de calidad.
