Explicación en redes bayesianas causalesaplicaciones médicas

  1. Lacave Rodero, Carmen
Dirigida por:
  1. Francisco Javier Díez Vegas Director

Universidad de defensa: UNED. Universidad Nacional de Educación a Distancia

Año de defensa: 2002

Tribunal:
  1. José Mira Mira Presidente/a
  2. María Jesús Taboada Iglesias Secretario/a
  3. Concha Bielza Lozoya Vocal
  4. Serafín Moral Callejón Vocal
  5. Enrique Castillo Ron Vocal

Tipo: Tesis

Teseo: 98626 DIALNET

Resumen

Las redes bayesianas 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 años. Su principal cualidad es que realizan el tratamiento de la incertidumbre a partir de un modelo causal probabilístico. Sin embargo, para que una red bayesiana pueda considerarse como verdadero sistema experto, hace falta que pueda explicar su proceso de razonamiento. Proporcionar la explicación de las conclusiones de los sistemas basados en la toma de decisiones permite que el usuario del sistema comprenda por qué y cómo se han obtenido dichos resultados, cómo funciona el sistema, etc. En particular, la capacidad de explicación es especialmente necesario en el campo de la medicina. Hasta ahora, sin embargo, no existe una teoría que permita encontrar una solución completa para el problema de la explicación, sino soluciones puntuales para casos concretos. Si queremos que las redes bayesianas tengan una amplia aceptación en la vida cotidiana, hay que dotarles de una capacidad de explicación potente y amigable. En los sistemas basados en búsqueda de heurística (MYCIN, XPLAIN, BLAH) se explica la forma en la que el sistema ha obtenidos sus conclusiones; sin embargo en los sistemas probabilísticos (NESTOR, INSITE) se hace más hincapié en el contenido de la base de conocimiento. Por ello, el primer objetivo de esta tesis será el desarrollo de una capacidad de explicación para redes bayesianas en la que se sinteticen y mejoren los trabajos sobre explicación tanto en sistemas heurísticos como en redes bayesianas, especialmente redes bayesianas causales. El segundo de los objetivos es la aplicación de las ideas desarrolladas a la construcción de un sistema experto para el diagnóstico de cáncer de próstata.