Sistemas de Expertos Desarrollados en El Mundo para La Detección, El Diagnóstico y El Tratamiento Del Cáncer

Revista Cubana de Información en Ciencias de la Salud 2020;31(4):e1488
Revisión
Sistemas de expertos desarrollados en el mundo para la detección, el

diagnóstico y el tratamiento del cáncer
Expert systems developed worldwide to detect, diagnose and treat cancer
Leisi Sainz Padrón1* https://orcid.org/0000-0002-9407-2923

Laisi Sainz Padrón1 https://orcid.org/0000-0002-4538-1201
Deysi Licourt Otero1 https://orcid.org/0000-0002-3809-3607
Niurka Cabrera Rodríguez1 https://orcid.org/0000-0002-9170-5318
Yasmanis González López2 https://orcid.org/0000-0001-6441-8164
1
Centro Provincial de Genética Médica. Pinar del Río, Cuba.
2
Policlínico Docente “Bartolomé Masó Márquez”. Granma, Cuba.
*
Autor para la correspondencia: suchiquitica@infomed.sld.cu
RESUMEN
Dentro de las ramas de la Inteligencia Artificial se encuentran los sistemas de expertos,
definidos como sistemas informáticos que simulan el proceso de aprendizaje, de
memorización, de razonamiento, de comunicación y de acción en consecuencia de un
experto humano en cualquier rama de la ciencia para resolver problemas. El presente
trabajo tuvo como objetivo caracterizar algunos sistemas de expertos desarrollados
internacionalmente para la detección, el diagnóstico y el tratamiento del cáncer. Para
lograrlo se realizó una exhaustiva revisión bibliográfica en Internet a través de las bases
de datos EBSCO, PubMed y SciELO, priorizando los artículos originales y las revisiones
bibliográficas. Los 12 artículos seleccionados corresponden en su mayoría a tesis de
Terminación de Grado y a artículos publicados en la Base de Datos SciELO. Los sistemas
expuestos en nuestra investigación fueron concebidos a partir de la simulación de casos
Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES
1
prácticos, de los análisis de documentos y de la información obtenida en varias entrevistas

presenciales, diseñados en un entorno web para garantizar el acceso en línea de
especialistas, estudiantes y de los propios pacientes, en algunos casos con un nivel de
acierto que osciló entre el 87 y el 100 %. Además, tienen en común la funcionalidad de
establecer la probabilidad de que un paciente padezca o no de cáncer, independientemente
de su localización, teniendo en cuenta la presencia de signos o síntomas asociados a la
enfermedad, así como la de favorecer la detección de un diagnóstico temprano para la
determinación de un tratamiento eficaz.
Palabras clave: Inteligencia artificial; sistemas de expertos; programas informáticos;
medicina; cáncer.
ABSTRACT
Expert systems belong in the field of artificial intelligence. They are defined as
information systems that simulate the process of learning, memorizing, reasoning,
communicating and consequent acting of a human expert in any field of science with the
aim of solving problems. The purpose of the study was to characterize the expert systems
developed worldwide to detect, diagnose and treat cancer. To achieve such an end, an
exhaustive bibliographic review was conducted in the Internet databases EBSCO,
PubMed and SciELO, prioritizing original papers and bibliographic reviews. Most of the
12 papers selected are diploma theses and publications from the database SciELO. The
systems included in our research were conceived of based on simulation of practical
cases, document analysis and information obtained from a number of live interviews
designed in an Internet environment to ensure online access by specialists, students and
the patients themselves, in some cases with an accuracy level ranging from 87% to 100%.
They also exhibit the common functionality of establishing the probability that a patient
may or may not suffer from cancer, regardless of their location, bearing in mind the
presence of signs or symptoms associated to the disease and fostering detection of an
early diagnosis to determine an efficient treatment.
Key words: Artificial intelligence; expert systems; information programs; medicine;
cancer.
2
Recibido: 26/11/2019
Aceptado: 20/04/2020
Introducción
La Inteligencia Artificial (IA) es una disciplina científico-técnica que está orientada al
estudio del razonamiento humano y sus diversas formas de comportamiento para intentar
reproducir, mediante un modelo lógico, la forma en que los seres humanos identifican
estructuras, infieren resultados y responden ante situaciones difíciles.(1)
Una de las ramas de la IA son los Sistemas Expertos (SE), definidos como sistemas
informáticos, que simulan el proceso de aprendizaje, de memorización, de razonamiento,
de comunicación y de acción en consecuencia de un experto humano en cualquier rama
de la ciencia para resolver problemas.(2)
La medicina es un área en donde se requiere de mucho entrenamiento para ser un
especialista. Además, cuando existe una amplia diversidad de enfermedades, los síntomas
pueden ser confusos si se busca determinar rápidamente un diagnóstico, que puede
significar la sobrevivencia o la muerte del paciente.
Lo importante son los recursos que se refieren al conocimiento adquirido, ya sea con la
ayuda de un especialista o bien a través del sistema que integra un módulo de aprendizaje,
que favorece la construcción de un saber propio.(3,4,5,6) Estos programas proporcionan la
capacidad de trabajar con grandes cantidades de información, que es uno de los grandes
problemas que enfrenta el analista humano y que puede afectar negativamente la toma de
decisiones. Pueden ser utilizados por personas no especializadas para resolver
determinadas situaciones.(7,8)
Actualmente, en la Genética se están aplicando estos programas a nivel de descubrimiento
y pronóstico de un gran número de enfermedades. Los nuevos avances en esta área,
impulsados por el diagnóstico preciso y la caracterización de muchas enfermedades
genéticas, van a permitir que se afiancen las bases de una medicina personalizada y que
se puedan plantear nuevas estrategias terapéuticas.
3
Hasta este momento se conocen más de 6 000 enfermedades humanas con un marcado
componente genético, de las cuales un elevado porcentaje son hereditarias. Esto quiere
decir que enfermedades multigénicas y multifactoriales, como el retraso mental, el asma
y el cáncer, son las que tienen mayor impacto en la población.(9)
El cáncer es un término genérico que designa un amplio grupo de enfermedades que
pueden afectar a cualquier parte del organismo. Se caracteriza por la multiplicación rápida
de células anormales que se extienden más allá de sus límites habituales y pueden invadir
partes adyacentes del cuerpo o propagarse a otros órganos.(10,11,12,13,14,15)
A nivel mundial, es una enfermedad que va en aumento y es considerada como una de las
principales causas de muerte. Según la Organización Mundial de la Salud (OMS) se
estima que en el año 2018 la carga del cáncer ascendió a 18 millones de casos nuevos y
9,6 millones de muertes.(16)
Puede presentarse como una afección asintomática en sus primeras etapas hasta que se
considera avanzado; por eso, los métodos de diagnóstico deben ser cada vez más certeros
y capaces de arrojar resultados positivos, aún sin la presencia de síntomas.
Considerando que algunos diagnósticos son invasivos y otros están basados solo en
historiales clínicos, se hace inminente contar con herramientas accesibles y de fácil uso
que apoyen al médico en el manejo y en la evolución de esta enfermedad, y que sean
capaces de apoyar la toma de decisiones y la atención personalizada.(17) Un conocimiento
más profundo sobre este tema en los especialistas y en el personal médico vinculado a
esta área podría repercutir favorablemente en la atención integral a pacientes con esta
afección; de ahí que el presente trabajo tuvo como objetivo caracterizar algunos sistemas
expertos desarrollados internacionalmente para la detección, el diagnóstico y el
tratamiento del cáncer.
Métodos
Se realizó una exhaustiva revisión bibliográfica en Internet. Para garantizar que la
búsqueda fuera específica se seleccionaron como palabras clave: inteligencia artificial,
sistemas expertos, programas informáticos, medicina y cáncer, que son descriptores
4
identificados previamente en el tesauro DeCS, haciendo uso además de sus sinónimos en

idioma inglés.
Las bases de datos consultadas fueron EBSCO, PubMed y SciELO. Se priorizaron los
artículos originales y las revisiones bibliográficas, todos a texto completo, lo que
posibilitó la ejecución de un estudio más profundo de la temática a investigar.
Se escogieron los trabajos que respondían específicamente a la descripción de sistemas
expertos ya creados para la identificación, el manejo y el tratamiento del cáncer,
independientemente de su localización, el grupo etario o poblacional, y fueron
seleccionados 12 documentos correspondientes a tesis de Terminación de Grado y a
artículos publicados en la Base de Datos SciELO. También fueron consultadas varias
páginas informativas en Internet relacionadas con la enfermedad, entre ellas la de la
Organización Mundial de la Salud. La información obtenida responde principalmente a
los últimos 5 años de publicación, en los que no se encontraron en nuestro país artículos
relacionados con el tema de investigación.
Los sistemas expertos

Surgidos a finales de la década del 60 del siglo XX, los sistemas expertos basados en el
conocimiento constituyen una herramienta de uso común en las más diversas disciplinas,
entre las que se destaca la Medicina, en la cual se reportan ya cientos de sistemas de este
tipo. Esto es normal, tratándose de un área en la que predomina el conocimiento no formal
y la experiencia derivada de años de práctica profesional por parte de especialistas
calificados.
Un sistema experto es un programa de ordenador que simula las cadenas de razonamiento
que recorre un experto para resolver un problema de su dominio, como lo es el caso de
un médico en la determinación de un diagnóstico. Para conseguirlo, se dota al sistema de
un conjunto de principios o reglas que infieren nuevas evidencias a partir de la
información ya conocida. Esta acumulación de conocimientos sobre el caso que se intenta
resolver conduce a la solución del problema, o a decidir la forma de completar la
5
información necesaria para continuar la exploración. De forma similar ocurre cuando se

realiza una exploración médica.(17)
Entre los tipos más importantes del sistema experto, los basados en reglas y en
probabilidad han sido los más estudiados y difundidos. Los sistemas expertos basados en
reglas se definen a partir de un conjunto de objetos que representan las variables del
modelo considerado, ligadas mediante un conjunto de reglas que representan las
relaciones entre las variables.
En cambio, la estructura de los sistemas expertos probabilísticos es más abstracta para la
lógica humana. La base del conocimiento de estos sistemas la compone un espacio
probabilístico y su motor de inferencia. A través de diversos métodos de cálculo de
probabilidades condicionadas se calcula la probabilidad de los sucesos aplicando diversas
hipótesis de independencia.(18)
Los sistemas expertos están conformados por:(19)
- Base de conocimientos: Contiene conocimiento modelado extraído del diálogo

con un experto.
- Base de hechos: Contiene los hechos sobre un problema que se ha descubierto
durante el análisis.
- Motor de inferencia: Modela el proceso de razonamiento humano.
- Módulos de justificación: Explica el razonamiento utilizado por el sistema para
llegar a una determinada conclusión.
- Interfaz de usuario: Interacción entre el sistema experto y el usuario. Se realiza
mediante el lenguaje natural.
Las personas que participan en el desarrollo de un sistema experto desempeñan tres

papeles distintos:(18)
- El experto: Pone sus conocimientos especializados a disposición del sistema

experto.
- El ingeniero de conocimientos: Plantea las preguntas al experto, estructura sus
conocimientos y los implementa en la base de conocimientos.
6
- El usuario: Aporta sus deseos y sus ideas para determinar especialmente el

escenario en el que debe aplicarse el sistema experto.
Las formas de razonamiento diagnóstico tienen gran similitud con las formas de
razonamiento de los sistemas expertos. Estas pueden ser:(3)
- Probabilísticas: Se basan en la frecuencia en que aparecen las enfermedades y

consideran como variables el sexo, la edad, el peso, la frecuencia y la probabilidad
asociada entre los síntomas y la enfermedad.
- Causales: Encuentran relaciones fisiopatológicas y las relacionan con los efectos
que causan, que pueden ser datos clínicos o antecedentes, así como el humor del
paciente, entre otros.
- Determinísticos. Son mucho más directos, ya que la identificación de cada
síntoma se asocia con una regla que lleva directamente hacia el diagnóstico. Se
puede analizar, por ejemplo, que la presencia de cefaleas, la fiebre, las alteraciones
de la conciencia y la rigidez de la nuca pueden significar meningoencefalitis.
Las ventajas que supone el uso de un sistema experto han motivado el enorme crecimiento
de este campo. Algunas de estas razones son:(20)
- Permanencia: A diferencia de un experto humano un sistema experto no envejece

y, por tanto, no sufre pérdida de facultades con el paso del tiempo.
- Replicación: Una vez programado se puede replicar infinidad de veces.
- Rapidez: Puede obtener información de una base de datos y realizar cálculos
numéricos mucho más rápido que cualquier ser humano.
- Bajo costo: A pesar de que el costo inicial puede ser elevado, finalmente es bajo
gracias a la capacidad de duplicación.
- Entornos peligrosos: Puede trabajar en entornos peligrosos o dañinos para el ser
humano.
- Fiabilidad: No se ven afectados por condiciones externas (cansancio, presión,
estrés, etcétera).
7
- Consolidación de varios conocimientos.

- Apoyo académico.
Entre los inconvenientes y las desventajas de los sistemas expertos cabe mencionar los
altos costos de diseño, ya que su realización requiere personal muy especializado, tiempo
prolongado y tecnología compleja; los largos períodos de prueba para demostrar su
confiabilidad, sobre todo cuando el sistema maneja grandes volúmenes de información;
y el impacto negativo que puede tener el uso inadecuado en la relación médico-paciente,
que incluso puede dar lugar a la no aceptación por parte del usuario médico.(21)
Diversas han sido las aplicaciones informáticas desarrolladas en el mundo para contribuir
a la detección de diferentes tipos de cánceres. Se trata de sistemas expertos que fusionan
la inteligencia artificial con el procesamiento de la información obtenida mediante datos
de entrada, para obtener como resultado datos confiables que se asemejan a las opiniones
de los expertos. Algunos de estos sistemas son:
1. SIECAT.
Sistema experto diseñado para el diagnóstico médico del cáncer de la glándula tiroides,
capaz de establecer la probabilidad de un paciente de obtener un diagnóstico positivo a
partir de la valoración de su sintomatología, con la incorporación del conocimiento de un
experto oncólogo en el modelo. Fue concebido a partir de la simulación de cinco casos
prácticos y de la información obtenida en varias entrevistas presenciales. Está basado en
la técnica de redes bayesianas y en el modelo de NaiveBayes (NB). Los procesos de
entrada y salida identificados son:
- Diagnóstico de la Entrevista: En este proceso se ha considerado el ingreso de

los síntomas que declara un paciente cuando es entrevistado por el médico, donde
las alternativas a elegir son Sí o No.
- Diagnóstico clínico: En este proceso el médico ingresa el resultado de los
exámenes clínicos realizados por el paciente. Las alternativas a elegir según el
síntoma son: presente, ausente, normal y sospechoso.
8
- Diagnóstico general: En este proceso la interface sugiere al médico enviar o no

al paciente a cirugía. Para esto utiliza la información ingresada en los procesos
anteriores.
El sistema fue implementado utilizando MySQL, Netbean y Wamp5 como gestor

de servicio. Puede ser utilizado como una herramienta de consulta y permite que
los doctores en medicina, especialistas o no, puedan acceder –en línea– a la
información contenida en la aplicación.(22)
2. Sistema experto probabilístico para el diagnóstico de adenocarcinoma gástrico:

Sistema que mediante la aplicación del teorema de Bayes permite calcular la probabilidad
de que un paciente padezca o no de adenocarcinoma gástrico teniendo en cuenta la
presencia de algunos, todos o ningún síntoma relacionado con esta enfermedad.
Para la construcción del software se aplicó la metodología de Weiss y Kulikowski,
considerando análisis, diseño, implementación y pruebas. Se usó MySQL como gestor de
base de datos para procesar y almacenar la información de las historias clínicas de
pacientes que han presentado signos asociados a esta enfermedad. Para el cálculo
determinístico se utilizó Prolog como lenguaje de programación. Los resultados
comprenden la recolección de la información pertinente al diagnóstico mediante el
análisis de los documentos. El sistema puede servir a médicos jóvenes para contrastar sus
propios diagnósticos con los presentados por la aplicación.(23)
3. Sistema experto probabilístico basado en las redes bayesianas para la predicción del
cáncer de cuello uterino:
El modelo probabilístico basado en las redes bayesianas es capaz de clasificar, con una
tasa de éxito del 96 %, a personas diagnosticadas con cáncer de cuello uterino. Para la
construcción del modelo se utilizó el software Netica 6.0.5, desarrollado por la empresa
Norsys, herramienta poderosa y fácil de utilizar para el trabajo con redes bayesianas, que
ofrece una interfaz bastante intuitiva, la cual permite al usuario interactuar con la red
bayesiana gráficamente, así como también utilizar algoritmos de aprendizaje ya
implementados como el Counting-Learning.(24)
9
4. SEDICCU.
Sistema experto en la web que brinda a los pacientes la posibilidad de realizarse un
diagnóstico temprano de cáncer de cuello uterino y así acudir a su médico. La interfaz
diseñada podrá ser llenada por el usuario en un tiempo promedio de 4 minutos o por la
persona que gestiona la cita.
Se trata de orientar a los usuarios durante el proceso del motivo de consulta, identificación
de síntomas presentados y antecedentes (personales, familiares, ginecobstétricos), para
dar un diagnóstico temprano de cáncer de cuello uterino, tal como si se tratara de un
experto del área. Para el desarrollo del sistema se utilizó EDITplus text editor v2.12,
WAMPSERVER V2.0, NavicatforMysql V8.0, PHP y MYSQL.(25)
5. Sistema experto para el diagnóstico y el tratamiento de cáncer de cuello uterino.

Sistema que utiliza el Modelo Buchanan y la lógica difusa para determinar el diagnóstico
del cáncer de cuello uterino y, a su vez, establecer un tratamiento específico.
Para su desarrollo se utilizaron variables lingüísticas, con las cuales se diseñaron
conjuntos difusos con sus respectivas funciones de pertenencia y se implementaron reglas
difusas.
Se confeccionó un prototipo del sistema utilizando el lenguaje PHP, JAVASCRIPT y
HTML, el cual cuenta con descripciones de todos los términos médicos que podrían
generar dudas en la compresión del diagnóstico.(1)
6. SEDCP.
Sistema experto desarrollado como apoyo al diagnóstico y tratamiento del cáncer de
próstata en la especialidad de Urología, haciendo uso de la lógica difusa. Cuenta con
variables de entrada (síntomas del paciente), una base de hechos que almacena síntomas
particulares; una base de conocimientos representada por reglas formalizadas por
predicados que contienen el conocimiento del experto humano; un motor de inferencia
que obtiene conclusiones y un conjunto de variables de salida (diagnóstico y tratamiento).
La simulación del sistema fue realizada a través de un prototipo desarrollado en Visual
Basic 6.0 con el cual se hicieron las pruebas y la validación del modelo del sistema.(26)
10
7. DIAGNOSPROST.
Sistema experto de diagnóstico y tratamiento del cáncer de próstata que utiliza la lógica
difusa como su principal herramienta de inferencia. Cuenta con los módulos fuzzificador
y defuzzificador para transformar los valores reales en conjuntos difusos mediante
funciones de pertenencia; tiene una base de conocimientos en donde se encuentra la base
de datos y la base de reglas, que es donde está codificado el conocimiento del especialista.
El prototipo del sistema está implementado y evaluado en FuzzyTollbox de Matlab
versión 7.0, aplicando el modelo Mamdani. La base de reglas se encuentra implementada
en Rule Editor y la base de datos en MembershipFunction Editor FIS.
La herramienta creada brinda un diagnóstico adecuado para el paciente y ayuda a la
determinación de un tratamiento eficaz.(27)
8. Sistema experto para el diagnóstico del cáncer de próstata.

Sistema experto diseñado para diagnosticar la posible aparición del cáncer de próstata.
Para la construcción de la base de conocimientos del sistema experto y las reglas de
inferencia se empleó la metodología de la revisión sistemática de literatura (RSL). La
pregunta de investigación considerada fue: ¿cuáles son las principales causas que generan
el cáncer de próstata? Se revisaron artículos, artículos de conferencias, libros,
publicaciones web especializadas. Las bases de datos empleadas para la búsqueda de
información fueron: Scopus, IEEE, Web of Science. En la construcción de las reglas de
inferencia se consideraron las siguientes temáticas: edad, antecedentes familiares, raza,
hábitos alimenticios e infección con VPH/VEB.(28)
9. SEIM.
El sistema experto para interpretación mamográfica es un sistema cuyo conocimiento es
el cáncer de mama, de manera que brinda apoyo a los expertos, semiexpertos y radiólogos
generales cuando se trata de interpretar una mamografía y generar un informe final basado
en el estándar internacional Breast Imaging Reporting and Data System (BIRADS).
Se basa en una serie de formularios en los cuales el usuario debe proporcionar datos
específicos sobre hallazgos encontrados en una mamografía, datos que servirán al sistema
11
para determinar la clasificación BIRADS y, como consecuencia, una serie de

recomendaciones hechas para cada clasificación.
El entorno de desarrollo JESS -Java Expert System Shell- permitió aprovechar todas las
ventajas de desarrollo de Java Enterprise Edition (J2EE) para la creación de este proyecto,
con el que logró la integración de herramientas de programación especializadas para
ofrecer al usuario final una interfaz óptima. Además, se utilizó MySQL Server 5 para
generar un banco ordenado de datos conformado por los hallazgos mamográficos de los
diferentes rubros identificados.
Teniendo en cuenta que el sistema podría ser usado por varias personas ubicadas en
diferentes lugares, se concibió como una aplicación Web, constituida por cinco módulos:
Identificación de la paciente, Clasificación de los hallazgos, Conclusiones y emisión de
recomendaciones, Evaluación axilar y Localización de la lesión.(29)
10. Sistema de apoyo para la toma de decisiones en termografía de las glándulas

mamarias:
Sistema experto basado en árboles de decisión binarios con factores de peso heurísticos,
orientados al diagnóstico mediante termografía mamaria. Fue implementado en
LabVIEW® con 6 menús diferentes para la interfaz humano-máquina (HMI).
La importancia de este sistema radica en el aprovechamiento de los patrones
termográficos y su correlación con los factores externos e individuales de cada paciente
que acude a la prueba de termografía. Con él se genera una sugerencia de patologías que
pudiera padecer el paciente en cuestión, conforme al apego estadístico de la ponderación
obtenida al final del examen térmico en su conjunto.(30)
11. Sistema predictivo bayesiano para la detección del cáncer de mama.

Herramienta de gran utilidad para ayudar al diagnóstico temprano del cáncer de mama.
La metodología propuesta define y entrena un sistema de clasificación bayesiano, con una
base de datos de pacientes con cáncer y sin cáncer; utilizando además un algoritmo de
selección y clasificación.
El nivel de acierto del sistema es del 100 % y logra esta efectividad con un mínimo de
cinco características.(31)
12
12. SEAPSCEL.
Se trata de un sistema experto que permite estimar la supervivencia de un paciente con
carcinoma epidermoide de laringe. Integra de forma rápida y eficaz los factores
pronósticos y estima la probabilidad de supervivencia a los cinco años.
Ha sido validado correctamente y ha obtenido una coincidencia de la supervivencia
estimada con la real del 87 % sobre el conjunto de datos empleado en la construcción del
sistema experto.
Para favorecer su uso por múltiples usuarios y su mantenimiento fue diseñado como
aplicación web. Su funcionamiento se basa en la selección de imágenes en relación con los
rasgos presentes en el paciente y con la valoración realizada por el especialista; su
ejecución en modo experto permite ejecutar la inferencia del SE. Se consideraron dos
técnicas para su desarrollo: una red neuronal artificial y una máquina de vectores
soporte.(32)
En resumen, en un SE el proceso diagnóstico puede dividirse en cuatro áreas
generales:(21,22,33)
1. Comunicar al sistema la información acerca del paciente.

2. Comparar dicha información con la de la base de conocimientos.
3. Tomar una decisión diagnóstica.
4. Recomendar un tratamiento según el diagnóstico final.
Los sistemas expertos de apoyo al profesional clínico han demostrado su utilidad como:
- Modelo predictor sobre la supervivencia y la capacidad de recidiva del tumor a

distintos tiempos.
- Integrador de la historia oncológica del paciente.
- Desarrollo de algoritmos para el tratamiento de datos.
- Creación de base de datos multimodal de alto valor.
13
La información que proporcionan ha permitido:
- Personalizar las terapias de acuerdo con las características de cada paciente.

- Evitar el sobretratamiento con fármacos en aquellos pacientes cuyo perfil es de
bajo riesgo, e incidir de forma positiva en una mejor calidad de vida: menos
exposición a tratamientos innecesarios y la no presencia de efectos secundarios.
- Contribuir a la racionalización del gasto sanitario.
Conclusiones
Los sistemas expertos han demostrado ser herramientas muy útiles en gran cantidad de
situaciones, ya que tienen capacidad de aprendizaje, de entender y hacerse entender, de
desarrollar hipótesis alternativas, de resolver conflictos y de justificar sus conclusiones.
Estos sistemas fueron concebidos a partir de la simulación de casos prácticos, análisis de
documentos y de la información obtenida en varias entrevistas presenciales, diseñados en
un entorno Web para garantizar el acceso en línea de especialistas, estudiantes y de los
propios pacientes, en algunos casos, con un nivel de acierto que oscila entre el 87 y el 100
%. Además, presentan en común las siguientes funcionalidades:
- Establecer la probabilidad de que un paciente padezca o no de cáncer

independientemente de su localización, teniendo en cuenta la presencia de signos
o síntomas asociados a la enfermedad.
- Favorecer la detección de un diagnóstico temprano para la determinación de un
tratamiento eficaz.
Referencias bibliográficas
1. Sánchez Chura TM. Sistema Experto para el Diagnóstico y Tratamiento de Cáncer de
Cuello Uterino basado en lógica difusa. Bolivia: Universidad Mayor de San Andrés; 2015
[acceso: 24/06/2019]. Disponible en:
https://repositorio.umsa.bo/handle/123456789/7336
14
2. UNAD. Todo Sobre Inteligencia Artificial. Sistemas expertos. Colombia: UNAD; 2013
http://inteligenciaartificialgrupo33.blogspot.com/p/sistemas-expertos-los-sistemas-
expertos.html
3. Bustillos Salgado M. Sistemas Expertos para la Asistencia Médica. Rev Inform Tecnol
Soc. 2008 [acceso: 21/06/2019];(1):[aprox. 4 p.]. Disponible en:
http://www.revistasbolivianas.org.bo/pdf/rits/n1/n1a21.pdf
4. Expósito Gallardo MC, Ávila Ávila R. Aplicaciones de la inteligencia artificial en la
Medicina: perspectivas y problemas. ACIMED. 2008 [acceso: 24/06/2019];17(5):[aprox.
12 p.]. Disponible en: http://scielo.sld.cu/pdf/aci/v17n5/aci05508.pdf
5. Quisbert Espejo MI. Sistema experto para el diagnóstico de la enfermedad coronaria
(isquemia). Bolivia: Universidad Mayor de San Andrés; 2013 [acceso: 24/06/2019].
Disponible en:
https://repositorio.umsa.bo/bitstream/handle/123456789/7770/T.2710.pdf?sequence=1&
isAllowed=y
6. Becerra RA. Sistemas Expertos para la realización de diagnóstico de trastornos
neuromusculares con electromiografía. Mendoza: Universidad del Aconcagua; 2011
http://bibliotecadigital.uda.edu.ar/objetos_digitales/265/tesis-3970-sistemas.pdf
7. Boada Piñeros J, Riaños A, Ruiz Nossa A. Sistemas expertos-sistemas de información
gerencial. Bogotá: Universidad Escuela Colombiana de Carreras Industriales; 2016
[acceso: 24/06/2019]. Disponible en: https://sites.google.com/site/drrc954098/home/sis-
expertos
8. Villanueva Villacorta MG. Sistema experto basado en reglas para el control interno y
auditoría de los Sistemas Contables Presupuestales y Financieros en el Instituto Superior
de Educación Público Jorge Basadre Grohmann, Mollendo-Arequipa, 2017. Perú:
Universidad Nacional Jorge Basadre Grohmann-Tacna; 2018 [acceso: 24/06/2019].
Disponible en:
http://repositorio.unjbg.edu.pe/bitstream/handle/UNJBG/3490/171_2018_villanueva_vil
lacorta_mg_espg_maestria_computacion_e_informatica.pdf?sequence=1
9. Universidad Católica San Antonio de Murcia (UCAM). Experto Universitario en
15
Genética Médica y Genómica. España: UCAM; 2019 [acceso: 21/06/2019]. Disponible

en: https://genotipia.com/experto-universitario-en-genetica-medica-y-genomica/
10. Organización Mundial de la Salud. Cáncer. Ginebra: OMS; 2018 [acceso:
21/06/2019]. Disponible en: https://www.who.int/es/news-room/factsheets/detail/cancer
11. García Rodríguez ME, Benavides Márquez A, Ramírez Reyes E, Gallego Escobar Y,
Toledo Cabarco Y, Chávez Chacón MA. El cáncer del pulmón: algunas consideraciones
epidemiológicas, del diagnóstico y el tratamiento. Rev Arch Med Camagüey. 2018
[acceso: 24/06/2019];22(5):[aprox. 22 p.]. Disponible en:
https://www.medigraphic.com/pdfs/medicocamaguey/amc-2018/amc185l.pdf
12. Quispe Vivanco RP. La musicoterapia y el nivel de ansiedad de los pacientes
oncológicos durante las quimioterapias ambulatorias en el Hospital Sergio E. Bernales,
de noviembre 2016 a enero 2017. Perú: Universidad Nacional Mayor de San Marcos;
2017 [acceso: 24/06/2019]. Disponible en:
http://cybertesis.unmsm.edu.pe/bitstream/handle/cybertesis/6531/Quispe_vr.pdf?sequen
ce=1&isAllowed=y
13. Martínez Rodríguez S. Cáncer, una mirada desde la depresión [Internet]. Uruguay:
Universidad de la República de Uruguay; 2018 [acceso: 24/06/2019]. Disponible en:
https://sifp.psico.edu.uy/sites/default/files/Trabajos%20finales/%20Archivos/tfg_final_-
_septiembre_3_1.pdf
14. Salazar Abanto CT. Conocimientos para el autocuidado de personas con cáncer con
tratamiento de quimioterapia del Hospital II Essalud. Cajamarca, Perú: Universidad
Nacional de Cajamarca; 2015 [acceso: 24/06/2019]. Disponible en:
http://repositorio.unc.edu.pe/bitstream/handle/UNC/983/tesis%20quimioterpia%20finall
%204.pdf?sequence=4&isAllowed=y
15. Díaz Pozo P. Análisis de expresión de factores pro-inflamatorios e inmunológicos
en carcinoma de células de Merkel. Valencia: Universidad Politécnica de Valencia;
2018 [acceso: 24/06/2019]. Disponible en:
https://riunet.upv.es/bitstream/handle/10251/107674/
16. INFOCáncer. El cáncer en el mundo y México [Internet]. México: INFOCáncer;
2019 [acceso: 24/06/2019]. Disponible en: https://www.infocancer.org.mx/?c=conocer-
el-cancer&a=estadisticas-mundiales-y-locales
16
17. Cabrera Hernández M, Paderni López MC, Hota Torres R, Delgado Ramos A, Tardío
López MA, Derivet Thaureaux D. Aplicaciones médicas como ayuda al diagnóstico en la
medicina. Experiencia SOFTEL-MINSAP. RCIM. 2012 [acceso:
24/06/2019];4(2):[aprox. 14 p.]. Disponible en:
http://scielo.sld.cu/pdf/rcim/v4n2/rcim10212.pdf
18. Carlos Soto M. Sistema Experto de diagnóstico médico del Síndrome de Guillian
Barre. Perú: UNMSM; 2008 [acceso: 24/06/2019]. Disponible en:
http://sisbib.unmsm.edu.pe/bibvirtualdata/Tesis/Basic/carlos_sm/cap4.pdf
19. Badaró S, Ibáñez LJ, Jorge Agüero M. Sistemas Expertos: Fundamentos,
Metodologías y Aplicaciones. Argentina: Universidad de Palermo; 2013 [acceso:
24/06/2019]. Disponible en:
https://www.palermo.edu/ingenieria/pdf2014/13/CyT_13_24.pdf
20. Grados Leyva DE, Grados Leyva DL. Sistema Experto para el Diagnóstico Médico
de Enfermedades (SEDME) [Internet]. Perú: Universidad Nacional de Trujillo; 2014
[acceso: 02/07/2019]. Disponible en: https://es.scribd.com/doc/234824760/Sistema-
Experto-Para-El-Diagnostico-Medico-de-Enfermedades
21. Fox JE. Sistemas expertos y su aplicación en medicina. IATREIA [Internet]. 1991
[acceso: 24/06/2019];4(3):[aprox. 7 p.] Disponible en:
https://aprendeenlinea.udea.edu.co/revistas/index.php/iatreia/article/download/3457/321
9
22. Ramírez S, Ponce C, Nolivos I. Sistema Experto para la detección de Cáncer a la
Glándula Tiroides-SIECAT [Internet]. Ecuador: ESPOL; 2012 [acceso: 02/07/2019].
Disponible en:
http://www.dspace.espol.edu.ec/xmlui/bitstream/handle/123456789/24539/
23. Gutiérrez J, Castillo Diestra C, Acosta Aparicio D. Sistema Experto Probabilístico
basado en Redes Bayesianas para la predicción del cáncer de cuello uterino.
Conocimiento para el Desarrollo. 2016 [acceso: 24/06/2019];7(1):[aprox. 10 p.].
Disponible en: https://revista.usanpedro.edu.pe/index.php/CPD/article/view/54
24. Paulino Flores LA, Huayna Dueñas AM. Sistema Experto Probabilístico basado en
Redes Bayesianas para la predicción del cáncer de cuello uterino. Rev Per Comp Sist.
2019 [acceso: 24/06/2019];2(1):[aprox. 12 p.]. Disponible en:
17
https://revistasinvestigacion.unmsm.edu.pe/index.php/rpcsis/article/view/16360/14138
25. Barturen Sánchez LY. Desarrollo de un Sistema Experto sobre Web para un
diagnóstico temprano de Cáncer de Cuello Uterino en la Clínica Maternidad “Belén”-
Chiclayo [Internet]. Chiclayo: Universidad Católica Santo Toribio de Mogrovejo; 2012
[acceso: 24/06/2019]. Disponible en: http://tesis.usat.edu.pe/handle/20.500.12423/519
26. Yujra Challco MA. Sistema Experto para el Diagnóstico de Cáncer de Próstata con
lógica difusa [Internet]. Bolivia: Universidad Mayor de San Andrés; 2017 [acceso:
24/06/2019]. Disponible en: https://repositorio.umsa.bo/handle/123456789/12544
27. Chambi Cahuapaza JE. Sistema Experto de Diagnóstico y Tratamiento del Cáncer de
Próstata. Bolivia: Universidad Mayor de San Andrés; 2007 [acceso: 24/06/2019].
Disponible en:
https://repositorio.umsa.bo/bitstream/handle/123456789/466/T-
1467.pdf?sequence=3&isAllowed=y
28. Gil Vera VD, Montoya Suárez LM. Sistema experto para el diagnóstico del Cáncer
de Próstata. Medellín: Universidad Católica Luis Amigó; 2017 [acceso: 24/06/2019].
Disponible en:
https://www.researchgate.net/publication/328314455_Sistema_experto_para_el_diagno
stico_del_Cancer_de_Prostata
29. Vázquez Padilla Díaz A. Sistema Experto para la Interpretación Mamográfica.
México: Universidad Nacional Autónoma de México; 2010 [acceso: 24/06/2019].
Disponible en:
http://www.ptolomeo.unam.mx:8080/xmlui/handle/132.248.52.100/920
30. Bastida MB, Cabello ME, Rodríguez AL, García J. Sistema de apoyo para la toma
de decisiones en termografía de glándulas mamarias. Rev Mex Ing Bioméd. 2017 [acceso:
24/06/2019];38(1):[aprox. 22 p.]. Disponible en:
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0188-
95322017000100166
31. Castrillón OD, Castaño E, Castillo LF. Sistema predictivo bayesiano para la detección
del cáncer de mama. Inftecnol. 2017 [acceso: 24/06/2019];29(3):[aprox. 14 p.] Disponible
en: https://scielo.conicyt.cl/pdf/infotec/v29n3/0718-0764-infotec-29-03-00257.pdf
18
32. Mata Ferrón M. Sistema experto de ayuda a la predicción de la supervivencia de los

carcinomas epidermoides de laringe [Internet]. Granada: Universidad de Granada; 2012
[acceso: 24/06/2019]. Disponible en: https://digibug.ugr.es/handle/10481/21907
33. López de Mántaras R, Meseguer P. ¿Puede un robot diagnosticar una enfermedad
mejor que un médico? España: CSIC; 2018 [acceso: 24/06/2019]. Disponible en:
https://blogs.20minutos.es/ciencia-para-llevar-csic/tag/sistemas-expertos/
Conflicto de intereses
Los autores declaran que no tienen conflicto de intereses.
Contribución de los autores

Laisi Saínz Padrón: Revisión bibliográfica, procesamiento estadístico, redacción del
documento, revisión y corrección del manuscrito, revisión y aprobación final del
manuscrito.
Deysi Licourt Otero, Niurka Cabrera Rodríguez y Dayana Silverio Ortega:
Procesamiento estadístico, redacción del documento, revisión y corrección del
manuscrito, revisión y aprobación final del manuscrito.
Yasmanis González López: Procesamiento estadístico, redacción del documento, revisión
y corrección del manuscrito, revisión y aprobación final del manuscrito.
Niurka Cabrera Rodríguez: Procesamiento estadístico, redacción del documento,
revisión y corrección del manuscrito, revisión y aprobación final del manuscrito.
19

Sistemas de Expertos Desarrollados en El Mundo para La Detección, El Diagnóstico y El Tratamiento Del Cáncer

Cargado por

Copyright:

Formatos disponibles

Sistemas de Expertos Desarrollados en El Mundo para La Detección, El Diagnóstico y El Tratamiento Del Cáncer

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Sistemas de Expertos Desarrollados en El Mundo para La Detección, El Diagnóstico y El Tratamiento Del Cáncer

Cargado por

Copyright:

Formatos disponibles

Revista Cubana de Información en Ciencias de la Salud 2020;31(4):e1488

Sistemas de expertos desarrollados en el mundo para la detección, el

Expert systems developed worldwide to detect, diagnose and treat cancer

Leisi Sainz Padrón1* https://orcid.org/0000-0002-9407-2923

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

prácticos, de los análisis de documentos y de la información obtenida en varias entrevistas

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

identificados previamente en el tesauro DeCS, haciendo uso además de sus sinónimos en

Los sistemas expertos

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

información necesaria para continuar la exploración. De forma similar ocurre cuando se

- Base de conocimientos: Contiene conocimiento modelado extraído del diálogo

Las personas que participan en el desarrollo de un sistema experto desempeñan tres

- El experto: Pone sus conocimientos especializados a disposición del sistema

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

- El usuario: Aporta sus deseos y sus ideas para determinar especialmente el

- Probabilísticas: Se basan en la frecuencia en que aparecen las enfermedades y

- Permanencia: A diferencia de un experto humano un sistema experto no envejece

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

- Consolidación de varios conocimientos.

- Diagnóstico de la Entrevista: En este proceso se ha considerado el ingreso de

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

- Diagnóstico general: En este proceso la interface sugiere al médico enviar o no

El sistema fue implementado utilizando MySQL, Netbean y Wamp5 como gestor

2. Sistema experto probabilístico para el diagnóstico de adenocarcinoma gástrico:

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

5. Sistema experto para el diagnóstico y el tratamiento de cáncer de cuello uterino.

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

8. Sistema experto para el diagnóstico del cáncer de próstata.

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

para determinar la clasificación BIRADS y, como consecuencia, una serie de

10. Sistema de apoyo para la toma de decisiones en termografía de las glándulas

11. Sistema predictivo bayesiano para la detección del cáncer de mama.

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

1. Comunicar al sistema la información acerca del paciente.

- Modelo predictor sobre la supervivencia y la capacidad de recidiva del tumor a

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

La información que proporcionan ha permitido:

- Personalizar las terapias de acuerdo con las características de cada paciente.

- Establecer la probabilidad de que un paciente padezca o no de cáncer

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Genética Médica y Genómica. España: UCAM; 2019 [acceso: 21/06/2019]. Disponible

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

32. Mata Ferrón M. Sistema experto de ayuda a la predicción de la supervivencia de los

Contribución de los autores

Esta obra está bajo una licencia https://creativecommons.org/licenses/by-nc/4.0/deed.es_ES

También podría gustarte