Abstracción temporal basada en redes de restricciones

Zusammenfassung

En los últimos años, la investigación en Inteligencia Artificial en Medicina ha trasladado su atención desde los sistemas intensivos en conocimiento a los sistemas intensivos en datos, y desde los sistemas de consulta estáticos sobre el estado del paciente, a sistemas de consulta en los que se tiene en cuenta la dinámica sobre la evolución del paciente, Esto hace que exista un creciente interés en la incorporación de la dimensión temporal en todos los procesos que afectan a los sistemas de ayuda a la decisión.Para poder contemplar la dimensión temporal es necesario el uso de técnicas de razonamiento y abstracción temporal. Este tipo de técnicas han demostrado su utilidad en el contexto de una Unidad de Cuidados Intensivos, en tareas como el diagnóstico, la planificación de terapias o la monitorización. Las técnicas de razonamiento temporal son esenciales para describir la dinámica temporal implícita en la evolución de los pacientes. Esta dinámica puede venir dada mediante una descripción de la evolución temporal de una enfermedad, en la que hay que establecer e inferir las relaciones temporales existentes entre la enfermedad y sus manifestaciones. El interés de las técnicas de abstracción temporal reside en la posibilidad de expresar los datos temporales a distintos niveles, pasando desde el más bajo, como pueden ser los datos procedentes de los sistemas de adquisición de datos, hasta un nivel más alto, en el que estos datos son significativos e interpretables. Por ejemplo, no es lo mismo ofrecer una gráfica con los valores de tensión arterial de un paciente a lo largo de un día, que describir la misma información en estados cualitativos de hipotensión o hipertensión. Así, la información resultante de los procesos de abstracción de datos tiene una doble utilidad. En primer lugar, sirve como base para la elaboración de informes clínicos que resuman la evolución del paciente en un alto nivel de abstracción. Y en segundo luga