Resumen de Uso de redes bayesianas obtenidas mediante optimización de enjambre de partículas para el diagnóstico de la hipertensión arterial
María del Carmen Chávez, Gladys Casas, Jorge Moreira, Emilio González, Rafael Bello Pérez, Ricardo Grau
En el presente trabajo se combinan diferentes técnicas de Inteligencia Artificial para modelar el diagnóstico de la Hipertensión arterial. La base de datos utilizada es el resultado de un estudio realizado con personas supuestamente sanas, en cinco policlínicos de la ciudad de Santa Clara. Una forma de modelar las relaciones entre las variables es usando una red del bayesiana. El costo computacional del aprendizaje de la estructura de una red bayesiana desde datos, crece con el número de variables y el número de casos. Por lo que surge el problema de identificar una buena heurística para explorar el espacio de posibles redes. Los algoritmos evolutivos son métodos muy valiosos para encontrar buenas soluciones en problemas concretos, por lo que se usa el algoritmo de Optimización de Enjambre de Partícula (PSO) para la búsqueda de la estructura de la red bayesiana. Se ha realizado una extensión a la plataforma Weka (Waikato for Environment Knowledge Analysis) y se utilizan métricas de score global para evalúar las soluciones. El nuevo algoritmo forma parte de la clase Bayesnet de Weka. Los resultados obtenidos muestran buenos resultados en la clasificación de la Hipertensión Arterial.
