Análisis multicriterio para seleccionar técnicas de Inteligencia Artificial para el diagnóstico de enfermedades ganaderas

Abstract

El proceso de diagnóstico a través del uso de criterios semiológicos y métodos complementarios es un arte complejo como la terapéutica aplicado a la identificación de la enfermedad responsable del padecimiento o la estimación del riesgo de que ocurran complicaciones. El diagnóstico médico, tanto humano como animal, es una tarea que requiere de precisión, dada la trascendentalidad que puede llevar consigo una decisión mal tomada. Con el desarrollo de las Tecnologías de la Información y las Comunicaciones y el avances continuo de la informática, el diagnóstico médico, en la actualidad se apoya en aplicaciones de Inteligencia Artificial, el que se ve referenciado desde varias de sus principales técnicas, tales como los sistemas expertos (diagnóstico basado en reglas, probabilidades), lógica difusa (diagnóstico basado en clasificación), redes neuronales (diagnóstico basado en entrenamiento y reconocimiento), minería de datos aplicada (diagnóstico mediante el reconocimiento de patrones). Por tal motivo en el presente trabajo se realiza un estudio comprado de las técnicas de Inteligencia Artificial, que con frecuencia se utilizan para el diagnóstico de enfermedades, en aras de seleccionar la técnica que mejor se ajusta para realizar diagnósticos de enfermedades ganaderas desde los datos almacenados en Bases de Datos.

Keywords

• diagnóstico de enfermedades; inteligencia artificial; toma de decisiones; estudio comparado; enfoque ontológico y operativo.