Fecha de recepción 27/07/2022
Fecha de aceptación: 22/05/2023
Pp 42 – Pp. 58
Fecha de recepción 27/07/2022
Fecha de aceptación: 22/05/2023
Pp 42 – Pp. 58
43
i. INTRODUCCIÓN
Parte del proceso de evaluación del
paciente es la interpretación de los exámenes
efectuados, tarea que se efectúa
presencialmente. En este trabajo de grado se
desarrolló una herramienta que permite a los
médicos del Centro de Salud Santa Inés la
optimización de ese proceso, visualizando
directamente a través de una aplicación móvil
los resultados de los exámenes de Perfil 20 y
el análisis de los mismos mediante la
implementación del método de Aprendizaje
Profundo de la clasificación de tipo multiclase,
obteniendo la predicción del estado de salud
del paciente, contemplando cuarenta y un (41)
enfermedades y el estado normal (excelentes
condiciones) de salud para el desarrollo de
este trabajo.
La aplicación del método de Aprendizaje
Profundo de la clasificación de tipo multiclase
dio los resultados deseados, abarcando un
96,65% de aciertos en el entrenamiento.
Por consiguiente, se puede concluir que se
desarrolló un sistema que permite predecir
algunas enfermedades de tipos metabólicas,
cardiovasculares, hepáticas, infecciosas,
hematológicas y renales de manera
satisfactoria a través del análisis de los
resultados de los exámenes de Perfil 20,
demostrando el cumplimiento de los objetivos
del trabajo de grado.
ii. PLANTEAMIENTO DEL PROBLEMA
a. Planteamiento del problema
El Centro de Salud Santa Inés, es un
ambulatorio de atención primaria en salud, de
gestión privada, alta calidad y precios
solidarios con 21 años. Es la principal iniciativa
en Salud de la Universidad Católica Andrés
Bello, ofreciendo consultas, servicio de
laboratorio, servicio de diagnóstico por
imágenes y servicio de rehabilitación.
44
En la actualidad, usualmente la evaluación
de los pacientes consta de una consulta donde
el médico bajo una revisión física en conjunto
con la interpretación de los resultados de los
exámenes solicitados, determina la condición
de salud del paciente. Aunque en la práctica
médica se cuenta con herramientas que sirven
como medio de apoyo en la predicción de
posibles enfermedades a través de resultados
de los exámenes, estos no involucran
específicamente el examen de Perfil 20.
Los médicos del Centro de Salud Santa
Inés no disponen de un sistema que permita
visualizar el avance del paciente en el
transcurso del tiempo según los resultados de
los exámenes que componen el Perfil 20,
dificultando observar la evaluación evolutiva o
control de las posibles enfermedades.
b. Objetivos del problema
Desarrollar un sistema informático bajo un
método de inteligencia artificial, provisto de
una lógica de análisis de datos que le permita
predecir posibles enfermedades, además de
exponer el progreso del paciente según los
exámenes evaluados en el examen de Perfil
20 a través de análisis estadísticos.
Para llevar a cabo el desarrollo del mismo,
debieron definirse los siguientes objetivos
específicos:
Evaluar el método de inteligencia
artificial que mejor se acople al análisis
de resultados correspondientes a
exámenes de Perfil 20 y logre predecir
posibles enfermedades o anomalías en
el paciente.
Con la finalidad de encontrar el
método que analice los resultados de
los exámenes de Perfil 20 para predecir
posibles enfermedades, se realizó un
estudio comparativo de los distintos
métodos de IA que se utilizan con
frecuencia en los diagnósticos de
posibles
enfermedades,
determinando
cuál se ajusta mejor al análisis de
resultados de exámenes de Perfil 20.
Implementar los algoritmos de
inteligencia artificial que logren predecir
posibles enfermedades o anomalías en
el paciente según el análisis de
resultados correspondientes a
exámenes de Perfil 20.
Se efectuó un análisis teórico y
práctico de diferentes métodos de IA
(Aprendizaje Automático (Supervisado –
K vecinos), Aprendizaje Profundo
(Clasificación del tipo multiclase y
Perceptrón Simple), permitiendo así
obtener la respuesta a cuál se adaptaba
más a las necesidades de la
investigación.
Diseñar e implementar una aplicación
web que permita la administración de la
información del sistema.
Se desarrolló una aplicación web
con una sección publica y una privada a
la cual únicamente tendrá acceso el
personal administrativo, estructurada en
múltiples módulos, los cuales permiten
gestionar los parámetros que componen
al Perfil 20, los usuarios, enfermedades
y estadísticas.
Diseñar e implementar una aplicación
móvil para suministrarle a los médicos
los análisis de los exámenes de Perfil
20 del paciente.
Se desarrolló una aplicación móvil
para los médicos del centro de salud,
que permite la visualización y análisis
de los resultados del Examen Perfil 20,
con una estructura de múltiples módulos
que además permiten consultar
pacientes, exámenes, médicos del
sistema, referenciar paciente y gestionar
el perfil de usuario.
Evaluar la experiencia de los médicos
del Centro de Salud Santa Inés al
45
interactuar con el sistema.
Para una prueba de usabilidad de la
aplicación móvil, se escogieron algunos
de los usuarios registrados en el
sistema para que apliquen una prueba
piloto, en donde pudieron interactuar
con la aplicación y validar su correcto
funcionamiento para el cual fue
diseñado. Adicionalmente se creó una
encuesta, donde el médico también
pudo evaluar el sistema.
iii. METODOLOGÍA
La metodología utilizada fue el modelo de
Programación Extrema (XP), Donde se
establecieron las etapas en las que se
desarrollaría el sistema. Para el desarrollo del
Trabajo de Grado se escogió esta metodología
ágil porque se adapta a las necesidades del
proyecto ya que no sigue un estricto régimen,
siendo flexible a las condiciones del entorno
de trabajo, teniendo un enfoque para el trabajo
en equipo y fomentando la organización de las
actividades, con el propósito de desarrollar la
solución mediante la creación de cuatro (4)
planes de lanzamiento, implementándose a
través de la Inteligencia Artificial, APIs,
Aplicación Web y Aplicación Móvil.
Para lograr el desarrollo del proyecto, se
realizó un ciclo dinámico estructurado por
entregables funcionales del sistema, donde se
utilizó un conjunto de reglas y prácticas
mediante cortos períodos llamados
“iteraciones”, a fin de generar un entregable
funcional en cada una. Cada iteración está
compuesta de la siguiente manera [3]:
Planificación.
Diseño.
Codificación.
Pruebas.
iv. DESARROLLO Y PRUEBAS
El Trabajo de Grado consistió en el desarrollo
de un (1) método de inteligencia artificial, dos
(2) APIs, una (1) aplicación móvil y una (1)
aplicación web. El método de Inteligencia
Artificial se encargará de analizar los
resultados de los exámenes de Perfil 20 para
predecir la posible enfermedad que está
presentando el paciente, predicción que se
visualizará junto con los resultados en la
aplicación móvil.
La creación de la primera API servirá como
interfaz de comunicación para establecer el
flujo de información entre el método de
Inteligencia Artificial y la aplicación móvil; la
segunda API se desarrollará para establecer la
conexión e intercambio de información entre
los servicios web y las aplicaciones móvil y
web.
La aplicación móvil llamada “MediSafe”,
proporcionará a los médicos la información
referente a los exámenes de Perfil 20 de los
pacientes del Centro de Salud Santa Inés.
Además, permitirá referir pacientes a los
diferentes especialistas registrados en la
aplicación.
La aplicación web consta de una primera
sección que expone información breve sobre
el objetivo principal y funcionalidades de la
aplicación móvil, disponiendo de un acceso
público. La segunda sección únicamente es
para el administrador del sistema, con acceso
mediante un módulo de autenticación, el cual
funcionará bajo un esquema administrativo
para la gestión de información necesaria para
la aplicación móvil, como los usuarios,
especialidades de los médicos, entre otros.
Estructuración de los datos de los
exámenes de Perfil 20
Se inició recaudando toda la
información acerca de los exámenes que
componen el Perfil 20, realizando una
investigación
sobre
sus
valores
46
referenciales, posibles casos bordes de
los valores (resultados que no están
dentro de los parámetros normales
establecidos), las relaciones entre ellos y
las posibles enfermedades que se pueden
detectar por medio de estos.
Posteriormente se efectuaron reuniones
con la Dra. Verónica Crespo,
Reumatóloga del Centro de Salud Santa
Inés, para ajustar, validar y establecer los
parámetros de la información recaudada
en base a los criterios de la doctora, quien
desempeño tan extraordinaria labor de
tutora durante todo el proceso del trabajo
de grado.
La estructura de los valores
referenciales utilizados en el Centro de
Salud Santa Inés y los posibles casos
bordes de los valores de los exámenes
que componen el Perfil 20 se presentan
de la siguiente manera:
Tabla I: Rango de valores para los exámenes que
conforman el Perfil 20 [1][4]
Volumen
corpuscular
medio
80
96
30
79
97
154
fl
Hemoglobina
corpuscular
medio
28
32
12
27
33
55
pg
Concentración
de
hemoglobina
corpuscular
medio
33
36
20
32
37
45
g/dl
Recuento de
plaquetas
150
450
0
149
451
940
x 10^3/ul
Vsg
0
15
16
200
mm/hora
Valor bajo
Valor alto
Valor normal
N/A (No aplica)
Se definieron las enfermedades más
comunes que se pueden identificar a través de
los resultados de los exámenes de Perfil 20,
siendo estas las que se presentan a
continuación:
Tabla II: Definición de enfermedades identificadas a
través del Perfil 20 [1][4]
EXAMEN
Valores
referenciales
VALORES BORDES
Unidad
Mín
Máx
Alto
Mín
Máx
Mín
Máx
Ácido úrico
2,4
5,7
0
2,3
6
20
mg/dl
Calcio
8,5
10,1
1
8,4
10,2
14
mg/dl
Colesterol total
N/A
200
201
736
mg/dl
Hdl - colesterol
35
150
0
34
N/A
mg/dl
Ldl - colesterol
0
155
156
600
mg/dl
Vldl - colesterol
0
40
41
60
mg/dl
Triglicéridos
50
150
0
49
151
684
mg/dl
Glicemia
74
106
0
73
107
632
mg/dl
Creatinina
0,6
1,00
0,6
1,00
N/A
mg/dl
Urea
10
50
0
9
51
586
mg/dl
Proteínas
totales
6,4
8,2
0
6,39
8,21
30
g/dl
Albúmina
2,64
5,51
0
2,63
5,6
10
g/dl
Globulinas
1,79
4,07
N/A
g/dl
Transaminasa
pirúvica (alt)
30
65
0
29
66
580
U/I
Transaminasa
oxalacetica
(ast)
15
37
0
14
38
580
U/I
Leucocitos
4,5
10,5
4,4
10,6
x 10^3/ul
Neutrófilos
1,5
6,6
0
1,49
7
15
x 10^3/ul
Linfocitos
1,5
3,5
0,5
1,49
3,51
4
x 10^3/ul
Monocitos
0
1,0
N/A
x 10^3/ul
Hemoglobina
12,3
15,3
1,5
12,2
15,4
22
g/dl
Hematocrito
35
47
15
34
48
80
%
ENFERMEDADES
EXAMEN
VALOR
HIPERURICEMIA
Ácido úrico
Alto
HIPOURICEMIA
Ácido úrico
Bajo
HIPERCALCEMIA
Calcio
Alto
HIPOCALCEMIA
Calcio
Bajo
HIPERCOLESTEROLEMIA
Colesterol total
Alto
HIPOCOLESTEROLEMIA
HDL
Hdl - colesterol Bajo
HIPERCOLESTEROLEMIA
LDL
Colesterol total
Alto
Ldl - colesterol
Alto
RIESGO ENFERMEDAD
CARDIOVASCULAR
Colesterol total
Alto
Vldl - colesterol
Alto
HIPERTRIGLICERIDEMIA
Triglicéridos
Alto
HIPOTRIGLICERIDEMIA
Triglicéridos
Bajo
HIPERGLUCEMIA
Glicemia
Alto
HIPOGLUCEMIA
Glicemia
Bajo
HIPERAZOEMIA
Urea
Alto
HIPOAZOEMIA
Urea
Bajo
HIPERPROTEINEMIA
Proteínas totales
Alto
HIPOPROTEINEMIA
Proteínas totales
Bajo
HIPERALBUMINEMIA
Albúmina
Alto
HIPOALBUMINEMIA
Albúmina
Bajo
ALTO NIVEL NORMAL ALT
Transaminasa
pirúvica (alt)
Alto
BAJO NIVEL NORMAL ALT
Transaminasa
pirúvica (alt)
Bajo
ALTO NIVEL NORMAL AST
Transaminasa
oxalacetica (ast)
Alto
BAJO NIVEL NORMAL AST
Transaminasa
oxalacetica (ast)
Bajo
LEUCOCITOSIS
Leucocitos
Alto
47
LEUCOPENIA
Leucocitos
Bajo
INFECCIÓN VIRAL
Leucocitos
Alto
Neutrófilos
Bajo
Linfocitos
Alto
INFECCIÓN BACTERIANA
Leucocitos
Alto
Neutrófilos
Alto
Linfocitos
Bajo
POLICITEMIA VERA
HEMOGLOBINA
Hemoglobina
Alto
ANEMIA HEMOGLOBINA
Hemoglobina
Bajo
POLICITEMIA VERA
Hematocrito
Alto
ANEMIA
Hematocrito
Bajo
MACROCITOSIS
Volumen
corpuscular medio
Alto
MICROCITOSIS
Volumen
corpuscular medio
Bajo
HIPERCROMÍA
Hemoglobina
corpuscular medio
Alto
HIPOCROMÍA
Hemoglobina
corpuscular medio
Bajo
CHCM ELEVADO
Concentración de
hemoglobina
corpuscular medio
Alto
CHCM DISMINUIDO
Concentración de
hemoglobina
corpuscular medio
Bajo
TROMBOCITOSIS
Recuento de
plaquetas
Alto
TROMBOCITOPENIA
Recuento de
plaquetas
Bajo
INFECCIÓN
Vsg
Alto
Cabe destacar, que para el examen de
leucocitos el cual se compone por la suma de
los neutrófilos, linfocitos, monocitos,
eosinófilos y basófilos, no se tomaron en
cuenta los eosinófilos y basófilos por
representar un porcentaje tan bajo en el
resultado global de los leucocitos, y por no ser
estrictamente representativos al momento de
estudiar las enfermedades que se están
evaluando en el desarrollo del proyecto.
Aprendizaje Automático (Supervisado – K
vecinos)
Se hicieron pruebas con el tipo
supervisado y con el algoritmo de K
vecinos tomado como muestra en un inicio
el valor por defecto que trae el método el
cual son 5 vecinos, llegando a obtener un
porcentaje de precisión muy bajo y
pruebas erradas. Cabe destacar que este
método tiene la posibilidad de estimar con
cual cantidad de vecinos se presenta un
mejor porcentaje de acierto, en este caso
con 20, el cual logro un porcentaje de
acierto aún bajo y pruebas erróneas.
Figura 1: Resultados de pruebas de Aprendizaje automático
iteraciones) y 500 registros por épocas,
Aprendizaje Profundo (Clasificación del
tipo multiclase)
Prueba de 20 nodos
Se hicieron pruebas de clasificación
tipo multiclase, tomando como muestra en
un inicio una estructura de 20 nodos, 300
épocas
(correspondiente
al
número
de
logrando obtener una precisión del
67,77% obteniendo pruebas erradas ya
que solo se presenta un 46% de acierto.
En la siguiente grafica del método se
puede visualizar que esto ocurre porque
se presenta overfiting.
48
Figura 2: Resultados de pruebas de Aprendizaje profundo con 20 nodos
Figura 3: Modelo de aprendizaje y perdida del entrenamiento para 20 nodos
Prueba de 40 nodos
En la segunda prueba de clasificación
tipo multiclase, se tomó como muestra
una estructura de 40 nodos, 200 épocas y
400 registros por épocas, logrando
obtener una precisión un poco más alta
del 86,47% pero aún se obtienen pruebas
erradas ya que solo se presenta un 44%
de acierto. En la siguiente grafica del
método se puede visualizar que sigue
ocurriendo overfiting.
Figura 4: Resultados de pruebas de Aprendizaje
profundo con 40 nodos
49
Figura 5: Modelo de aprendizaje y perdida del
entrenamiento para 40 nodos
Prueba de 50 nodos
En la tercera prueba de clasificación
tipo multiclase, se tomó como muestra
una estructura de 50 nodos, 100 épocas y
300 registros por épocas, logrando
obtener una precisión un poco más baja
del 79,29% pero se presentaron mejoras
en las pruebas, aunque aún hay un
porcentaje de error considerable a su vez
se presenta un 52% de acierto. En la
siguiente grafica del método se puede
visualizar que sigue ocurriendo overfiting.
Figura 6: Resultados de pruebas de Aprendizaje
profundo con 50 nodos
Figura 7: Modelo de aprendizaje y perdida del
entrenamiento para 50 nodos
Perceptrón simple
Se realizaron 4 diferentes tipos de
pruebas, representando las estructuras
que se pueden visualizar en la tabla. En
ella se puede notar que, aunque hubo
variación en la estructura, tanto en la tasa
de aprendizaje como en el número de
iteraciones, el porcentaje de precisión solo
cambio en la 3era prueba, tomando en
cuenta que solo se evaluaron 2 tipos de
salidas, las cuales son, Excelentes
condiciones e Hiperuricemia por ser
linealmente separables, arrojó un 52,50%
de precisión. En las pruebas se presentó
un alto porcentaje de error, obteniendo
solo el 50% de aciertos. A continuación, se
puede observar en la tabla y en las
50
gráficas los números de errores por cada iteración, para cada prueba.
Figura 8: Resultados de pruebas del Perceptrón simple
Figura 9: Modelo de Perceptrón simple de 10 iteraciones
Figura 10: Modelo de Perceptrón simple de 50 iteraciones
51
Figura 11: Modelo de Perceptrón simple de 100 iteraciones
Figura 12: Modelo de Perceptrón simple de 200 iteraciones
v. RESULTADOS OBTENIDOS
Objetivo 1 – Investigación de Inteligencia
Artificial
En primera instancia se seleccionaron
tres (3) tipos de métodos de Inteligencia
Artificial, de los cuales se hizo una
investigación acerca de sus funciones,
características y aplicaciones en el área de
la medicina. Dando un inicio a la aplicación
práctica de los mismos.
Objetivo 2 – Desarrollo de Inteligencia
Artificial
Por medio del estudio y asesoramiento
de la Dra. Verónica Crespo del Centro de
Salud Santa Inés, se generaron los datos
con todo lo necesario para representar
algunas de las variantes que se pueden
contemplar en los exámenes que
componen al Perfil 20; con el cual se
efectuó el entrenamiento de las tres (3)
inteligencias artificiales a evaluar.
52
En el método de Inteligencia Artificial
aprendizaje automático se pudo contemplar
tanto en el entrenamiento como en las
pruebas que el porcentaje de aciertos no
era suficiente y a su vez los resultados de
las pruebas no fueron coherentes, aunque
se efectuó una estimación para evaluar qué
cantidad de vecinos se lograría un mejor
desempeño, se obtuvo que las pruebas no
tuvieron mucha variación, en su mayoría
siguieron siendo erróneas.
Para el caso del perceptrón simple, se
pudo denotar que solo funciona para un tipo
de salida de la comparación de dos tipos de
resultado. Aun así, se hizo la prueba para
los tipos de resultados “Excelentes
condiciones” e “Hiperuricemia”, notando
que los resultados fueron erróneos, aunque
se hicieron cambios en la taza de
aprendizaje y las iteraciones. No se logró
obtener un porcentaje de aciertos óptimo.
Por otra parte, el método de
aprendizaje profundo fue el que mejor se
adaptó a nuestros objetivos, tomando en
cuenta que se tuvieron que efectuar ajustes
en los datos de entrenamiento, para su
mejor funcionamiento, se logró obtener el
mejor porcentaje de aciertos tanto en el
entrenamiento como en las pruebas.
Considerando que estas últimas fueron
exitosas, denotando un porcentaje de error
mínimo
Figura 13: Comparación de conclusiones de las
Inteligencias Artificiales
También, se logró desarrollar una API
bajo el lenguaje de programación PYTHON
que contiene los servicios web que aplican
el protocolo HTTP para permitir la
comunicación entre las aplicaciones y la
base de datos.
Para la base de datos se logró
desarrollar con una estructura de entidad -
relación dónde se contemplaron todas las
tablas y atributos necesarios para el
sistema. En conjunto se crearon una serie
de procedimientos, los cuales
implementaron los cruds necesarios para el
manejo de información entre los servicios y
la base de datos. Para dicha estructura se
utilizó el sistema de gestión de bases de
datos relacional llamado Postgres.
Por último, se logró desarrollar otra API
bajo el lenguaje de programación PYTHON
que contiene el modelo de entrenamiento
de la inteligencia artificial y un servicio para
permitir la comunicación con la aplicación
móvil.
Objetivo 3 – Aplicación Web
Está estructurado con los siguientes
módulos a continuación:
Módulo Informativo: brinda una interfaz al
público general con información sobre la
aplicación móvil, explicando brevemente su
objetivo principal, cómo funciona y sus
principales funcionalidades.
Módulo Autentificación: permite iniciar
sesión al administrador del sistema para
tener acceso a la parte privada de la
aplicación web, donde se visualizará los
módulos administrativos.
Módulo Usuarios: donde el administrador
del sistema puede gestionar los usuarios de
los médicos que harán uso de la aplicación
53
móvil.
Módulo Perfil 20: donde se gestiona los
exámenes que componen el Perfil 20,
detallando la información de cada uno,
como su nombre, unidad de medida, valor
mínimo referencial, valor máximo
referencial y el tipo de examen.
Módulo enfermedades: donde el
administrador del sistema gestiona las
enfermedades que se pueden predecir,
para poder relacionarlas con las posibles
causas a las que está asociada, con la
finalidad de mostrarle una información
completa y detallada al médico al momento
de visualizar la predicción de la IA en la
aplicación móvil.
Módulo causas: donde se gestionan las
causas de las posibles enfermedades que
la IA detecta a través del análisis de los
exámenes que componen el Perfil 20.
Módulo especialidades: permite Gestionar
las diversas especialidades médicas que el
Centro de Salud Santa Inés ofrece.
Objetivo 4 – Aplicación Móvil
Está estructurado con los siguientes
módulos a continuación:
Modulo Autenticación: permite el proceso
de autenticación para iniciar sesión y
visualizar los módulos de la aplicación.
También para recuperar por medio del
correo electrónico registrado las
credenciales del usuario en caso de ser
olvidados.
Modulo Perfil: donde el usuario consulta
sus datos personales y los puede
actualizar. Por otro lado, tiene la opción de
cerrar sesión en la aplicación.
Modulo Médicos: donde se puede
consultar a los colegas que están
registrados en la aplicación, logrando
visualizar los datos de cada uno de ellos.
Modulo Pacientes: donde se puede
acceder a la lista de pacientes registrados,
para consultar los resultados de sus últimos
tres exámenes realizados, visualizar el
control evolutivo de los mismos por medio
54
de gráficas y poder referir pacientes a otros
especialistas.
Modulo Estadísticas: donde el usuario
puede consultar por medio de una gráfica,
la cantidad de pacientes por género y edad
que están presentando una enfermedad
determinada.
Análisis y Resultados: Es una sección
que complementa al módulo de pacientes y
está compuesta por una sección con los
resultados de los exámenes que componen
al perfil 20 y otra con el análisis del mismo,
mostrando la posible enfermedad
(predicción) deducida por la inteligencia
artificial, los exámenes involucrados y
posibles causas.
55
Figura 14: Encuesta médicos – Resultados de la
pregunta 1
Objetivo 5 – Encuesta a médicos
Se elaboró una encuesta basada en la
escala de Likert1, dirigida a los médicos del
Centro de Salud Santa Inés en relación al
sistema, con la finalidad de evaluar el
impacto y receptividad de la misma,
estructurada en ocho (8) preguntas con la
escala de:
Una vez culminada, se procedió a
realizar la encuesta a cinco (5) médicos
disponibles de diversas especialidades
recomendados por la Dra. Verónica Crespo,
obteniendo en su mayoría respuestas
positivas. Como se pueden observar a
continuación:
Figura 15: Encuesta médicos – Resultados de la
pregunta 2
56
Figura 16: Encuesta médicos – Resultados de la
pregunta 3
Figura 17: Encuesta médicos – Resultados de la
pregunta 4
Figura 18: Encuesta médicos – Resultados de la
pregunta 5
Figura 19: Encuesta médicos – Resultados de la
pregunta 6
Figura 20: Encuesta médicos – Resultados de la
pregunta 7
vi. CONCLUSIONES
Implementación de un método de
Inteligencia Artificial para la predicción de
42 posibles enfermedades a través del
análisis de 26 exámenes que conforman
el perfil 20.
Automatización de parte del proceso de la
57
evaluación médica puesto que, los
médicos no necesitaran esperar a que el
paciente vuelva a una consulta médica
para poder visualizar los resultados del
examen Perfil 20.
Una aplicación web la cual gestiona la
información que utiliza la aplicación móvil.
Una Aplicación Móvil que beneficiara a 55
médicos en tener al alcance de su mano
los resultados de los exámenes de Perfil
20 de un promedio de 140 pacientes
diarios.
Desarrollo de una API de comunicación
entre el entrenamiento de la Inteligencia
Artificial y la aplicación móvil. Recibiendo
como parámetros todos los resultados de
los exámenes que componen al Perfil 20,
los mismos son analizados en el archivo
con formato .h5 que contiene el
entrenamiento, para posteriormente
devolver como resultado la predicción de
la enfermedad.
Desarrollo de una base de datos con una
estructura de entidad - relación dónde se
contemplaron todas las tablas y atributos
necesarios para el sistema. En conjunto
se creó una serie de procedimientos, los
cuales implementaron los cruds
necesarios para el manejo de información
entre los servicios y la base de datos.
Desarrollo de una serie de servicios web
que aplican el protocolo HTTP para
gestionar la comunicación entre las
aplicaciones y la base de datos. Por otra
parte, el manejo de información se obtuvo
a través de las llamadas a los
procedimientos desarrollados en la base
de datos, logrando así, garantizar la
persistencia de los datos.
La Receptividad del sistema puesto que,
los médicos a través de una encuesta
reflejaron su aceptación, dando a
demostrar que lo consideran una
herramienta útil.
vii. RECOMENDACIONES
Para la inteligencia artificial:
Integrar más enfermedades en el
entrenamiento de la Inteligencia Artificial.
Ajustar predicciones de enfermedades
añadiendo tratamiento.
Para la aplicación móvil:
Desarrollar una versión para el Sistema
Operativo iOS y así permitir que la
aplicación llegue a mayor cantidad de
usuarios.
Agregar nuevas gráficas en el módulo de
estadísticas en base a la información
histórica del sistema, que permita a los
médicos tener mayor control de las
enfermedades que afectan a la población
en el Centro de Salud Santa Inés.
Añadir en el módulo de resultados y
análisis una opción de envío del Perfil 20
por correo al paciente.
Agregar un módulo para generar récipes
médicos con posibilidad de enviarlo por
correo al paciente.
Agregar notificaciones cuando sea
referido un paciente.
Para la aplicación web:
Desarrollar módulo de olvido de usuario
y contraseña.
Y agregar más información relevante de
las enfermedades que predice la
Inteligencia Artificial.
58