El gran desarrollo tecnológico de los sistemas de computación ha buscado desde sus inicios ofrecer una aplicación en determinadas áreas de conocimiento muy metodológicas y poco sujetas a reglas matemáticas exactas. La idea de apoyar con sistemas informáticos la resolución de problemas tal como hacen los eruditos humanos, es lo que dio lugar al nacimiento y difusión de los sistemas expertos. Lo que diferencia específicamente a una persona experta en un área del saber de otra que no lo es, radica en sus conocimientos concretos sobre el área en cuestión, más que en sus capacidades generales para resolver problemas (1).
Son muchas las aplicaciones de esta nueva tecnología en el campo de la medicina y sus distintas áreas, pero la mayoría de la veces, no son aplicaciones que ayuden a los médicos en su tarea cotidiana asistencial, sino para sobrellevar el trabajo burocrático en la mayoría de las ocasiones.
No cabe duda, que en este marco nace una idea en los años sesenta y setenta, cual es, la de realizar sistemas que hagan lo que hace el experto humano en cualquier campo y en el de la medicina en concreto, son los denominados SISTEMAS EXPERTOS.
El Sistema Experto (SE) es una rama de la inteligencia artificial, y se podría definir como un programa informático que incorpora una significativa cantidad de conocimientos expertos, acerca de un dominio (entendido como una parcela del conocimiento) bien delimitado y restringido, y que puede usar técnicas de razonamiento simbólico para resolver problemas en dicho dominio. Más formalmente el Comité de Sistemas Expertos de la British Computer Society da la siguiente definición: "Se considera que un sistema experto es la incorporación en un ordenador de un componente basado en el conocimiento, que se obtiene a partir de la habilidad de un experto, de forma tal que el sistema pueda dar consejos inteligentes o tomar decisiones inteligentes. Una característica adicional deseable, y que para muchos es fundamental, es que el sistema sea capaz, bajo demanda, de justificar su propia línea de razonamiento de una forma inmediatamente inteligible para el que lo usa".
Esencialmente son tres los elementos que componen un SE, por un lado la base de datos en la cual se refleja el saber a escala elemental, por otro, la interfaz, auténtico programa al uso utilizado por el sistema con un doble propósito, para comunicarse con el usuario a la vez que manejar y trabajar con la base de datos. El tercer elemento de un SE es un ente abstracto llamado Base de Conocimiento, que surge de la interacción de la base de datos con la interfaz, de manera que convierte el conocimiento elemental en procedimental, para poder ser utilizado por el sistema, es por decirlo de alguna forma un conocimiento operativo.
Para generar el SE es necesaria la participación de una serie de personas, como es natural lo esencial es un Experto, en la materia que se va a desarrollar el SE. Y fundamental es el concurso de un Ingeniero del Conocimiento, de cuyo papel dependerá el resultado del sistema, esta persona habitualmente un informático debe transferir el conocimiento al ordenador, en función a como lo aporte el Experto humano. Esta etapa de transferencia al ordenador llamada Adquisición del Conocimiento es esencial pues la mayoría de los proyectos fracasan por no ser óptima este paso.
2.3. Repaso Histórico.
El desarrollo de los SE comienza en la década de los sesenta con una etapa de invención en la que destaca DENDRAL (2), para deducir estructuras químicas a partir de su fórmula y datos espectrográficos. En 1976 se crea MYCIN (3), para enfermedades infecciosas, en una segunda fase llamada de prototipos y puede ser considerado como el más serio sistema aplicado a la medicina y referencia obligada en sistemas futuros. A principios de los ochenta aparecen otros sistemas experimentales como (4), para Oftalmología, aparecen igualmente los sistemas esenciales, también llamados sistemas vacíos o concha, resultado de eliminar de un SE la base de conocimiento y conservar el resto de módulos, de forma que con estructuras prefijadas, se podría aplicar a otras áreas.
A partir de entonces se observa una etapa de industrialización en la que importantes compañías sobre todo japonesas y de EEUU se dedican al desarrollo de SE en distintos ámbitos de la ciencia. Prueba de ello es el conocido proyecto nipón de la "quinta generación".
2.4. Tipos de Sistemas Expertos.
Se distinguen los siguientes tipos, de menor a mayor complejidad:
2.5. Ventajas e Inconvenientes de los SE.
Las ventajas se podrían resumir en los siguientes puntos: tiempo de respuesta menor que los humanos, aumento de la calidad al reducir la tasa de error, reducen el tiempo de avería, solventan la escasez de expertos, poseen mayor flexibilidad, pues ofrecen el servicio requerido por cada cliente, son capaces de realizar operaciones con equipos con adiestramiento de personas para tareas complejas, son más baratos, pueden realizar operaciones en entornos peligrosos, ofrecen mayor fiabilidad que el hombre, y, por último, son capaces de trabajar con información incompleta o incierta.
Por otro lado La construcción de SE genera una serie de problemas: el primero es el de la incorporación del conocimiento al sistema, es decir, ¿cómo podemos enseñar a la máquina?, ¿se debe utilizar metodología propia de los seres humanos, o especiales para estructuras lógicas? Y, una vez definido el conocimiento e implementado (incorporado) al sistema, ¿cómo puede manejar los hechos y datos imprecisos?, esto es, ¿cómo una estructura lógica puede trabajar con datos no exactos? Esta es la llamada incertidumbre y constituye otro obstáculo en el desarrollo de los SE.
3. Ganglio linfático, patología linfoide en LNH.
3.2. LNH (Linfomas no Hodgkin).
La clasificación dentro de los LNH ha representado siempre un problema, para el cual se han ido desarrollando distintos tipos de clasificaciones a lo largo de la historia, en concreto en este trabajo nos hemos apoyado en la REAL clasificación, si bien deberá ser revisada en breve con la nueva taxonomia de la OMS. En concreto los diagnósticos siguientes son los que hemos considerado en nuestro Sistema.
1 LINFOMA/LEUCEMIA DE CÉLULAS PRECURSORAS
2 LINFOMA/LEUCEMIA DE CÉLULAS PRECURSORAS B
3 LINFOMA DE LINFOCITOS PEQUEÑOS/LEUCEMIA LINFOIDE CRÓNICA
4 LINFOMA DE LINFOCITOS PEQUEÑOS B/LEUCEMIA LINFOIDE CRÓNICA B
5 LINFOMA LINFOPLASMOCITOIDE
6 LINFOMA DE CÉLULAS DEL MANTO
7 LINFOMA DEL CENTRO FOLICULAR FOLICULAR
8 LINFOMA DEL CENTRO FOLICULAR DIFUSO PREDOMINANTEMENTE DE CÉLULAS PEQUEÑAS
9 LINFOMA B DE LA ZONA MARGINAL (CÉLULAS B MONOCITOIDES)
10 LINFOMA DE CÉLULAS PELUDAS
11 PLASMACITOMA MIELOMA
12 LINFOMA DIFUSO DE GRANDES CÉLULAS B
13 LINFOMA DE BURKITT
14 LINFOMA B DE ALTO GRADO BURKITT LIKE
15 LINFOMA LEUCEMIA LINFOBLÁSTICO DE CÉLULA T
16 LEUCEMIA PROLINFOCÍTICA/LLC T
17 LEUCEMIA DE LINFOCITOS GRANDES GRANULARES (LGL)
18 LEUCEMIA LGL T
19 LEUCEMIA LGL NK
20 MICOSIS FUNGOIDE/SÍNDROME DE SÉZARY
21 LINFOMA DE CÉLULAS T PERIFÉRICO INESPECÍFICO
22 LINFOMA DE CÉLULAS T ANGIOINMUNOBLÁSTICO
23 LINFOMA/LEUCEMIA DE CÉLULAS T DEL ADULTO
24 LINFOMA ANAPLÁSICO DE GRANDES CÉLULAS K1
25 LINFOMA ANAPLÁSICO DE GRANDES CÉLULAS T
26 LINFOMA ANAPLÁSICO DE GRANDES CÉLULAS NU
27 MICOSIS FUNGOIDE PRECOZ
28 HISTIOCITOSIS MALIGNA
29 INFILTRACIÓN NEOPLÁSICA NO LINFOIDE
30 GANGLIO NORMAL
31 LINFOADENITIS
32 HIPERPLASIA MEDULAR
33 PLASMACITOSIS REACTIVA
34 HIPERPLASIA FOLICULAR
35 HIPERPLASIA PARACORTICAL
36 HISTIOCITOSIS SINUSAL
37 NECROSIS
38 FIBROSIS
39 INFLAMACIÓN GRANULOMATOSA CASEIFICANTE
40 AMILOIDOSIS
41 SARCOIDOSIS
42 LINFADENOPATÍA DERMATOPÁTICA
43 ENFERMEDAD DE CASTELMAN
44 ENFERMEDAD DE HODGKIN
45 HIPERPLASIA DE LA ZONA DEL MANTO
46 LESIÓN PROLIFERATIVA
4. SEADLIN Como aplicación de SARA.
La idea inicial era crear un sistema informático, que mediante la interacción de un usuario pudiese llegar con la ayuda del ordenador, a las mismas conclusiones que un experto médico lo hace habitualmente. En el campo de la Patología si hay algo complejo esto es la Patología ganglionar en los LNH, por ello se pensó que si se podía realizar para esta esfera de la medicina tan compleja, con poco esfuerzo se podría aplicar posteriormente a otros campos de la patología de la medicina. Con este planteamiento nació SARA como Sistema Abierto de Razonamiento Artificial, es por tanto un sistema Concha.
Se trataba por tanto de realizar un SE con suficiente conocimiento como para funcionar en el diagnóstico de los LNH en ganglio linfático, mediante la comparación de imágenes modelo (patrones), con el caso problema, con la misma operatividad que lo hace un Experto patólogo. De esta forma surgió SEADLIN como Sistema Experto de Ayuda al Diagnóstico de LNH, Por tanto este trabajo es la aplicación de SARA al campo de la patología linfoide.
El material era obviamente un ordenador de medianas características, en concreto la mayoría del proyecto se ha realizado con un Pentium pro 133 MHz con 32 Mb de memoria RAM, Un disco Duro (HD) de 1 GB, una tarjeta de vídeo de 2 Mb en 2D. Por otro lado como software se contó con Windows 95, Visual Basic 4.0.
En cuanto al procedimiento se dividió en varios procesos, algunos de ellos simultáneos:
4.3. Estructura de Conocimiento.
Es difícil transferir cualquier conocimiento científico a un ordenador, igualmente en medicina y máximo en una especialidad como la anatomía patológica y máximo en la patología del ganglio linfático con los LNH.
Para organizar este conocimiento se plantearon los patrones modelos de los cuales según algunos autores (5) hay más de 500, estos no se pueden valorar de manera simultánea así que se dividieron en grupos de patrones que valoraban alguna característica o aspecto del ganglio. De esta forma el sistema va ofreciendo los distintos grupos en forma de imágenes con la posibilidad de ofrecer fotografías de estos patrones.
Los patrones se dividieron en tres niveles según el aumento de observación, estos fueron: Generales, Detalle y Celulares. Así este sistema posee 11 patrones generales englobados en dos grupos, 20 de detalle en ocho grupos y 45 celulares que responden a catorce grupos. Cada patrón posee un esquema o boceto que caricaturiza el mismo, además de una fotografía y un texto explicativo.
La progresiva selección de patrones en los distintos grupos va condicionando la aparición de otros grupos, así por ejemplo si el caso es un patrón difuso, no aparecerán los grupos que hacen referencia a los rasgos foliculares, como forma, tamaño o distribución. Por otro lado habrá grupos en los que se puedan elegir varios patrones y otros en los que sólo se pueda hacerlo con uno, De igual forma, habrá grupos en los que sea obligatorio elegir alguno, como el número de mitosis u otros en los que no sea imperativo, como elementos celulares especiales.
Cada patrón tiene un peso para cada diagnóstico, puede ser tanto más positivo cuanto más apoya el diagnóstico, en tanto que será tanto más negativo cuanto más lo rechace, de esta forma con los patrones seleccionados y mediante una suma ponderada, se ofrecerá la probabilidad de cada diagnóstico según el caso problema.
4.4. Funcionamiento.
El sistema comienza solicitando la contraseña de entrada, pasa a ofrecer un menú para entrar en el propio sistema o ir a su base de conocimiento, con la intención de poder modificarla o de esta forma ("aprender") de la propia experiencia o de la bibliografía existente.
Dentro del sistema se nos ofrece en cada grupo los patrones sobre los que hay que hacer hincapié, y observar el más aproximado al caso problema, pinchando sobre su nombre se ofrece una explicación y una foto ilustrativa.
Tras pasar por las etapas de patrones generales, de detalle y celulares, aparece una pantalla en la que se nos ofrecen los diagnósticos posibles con sus probabilidades correspondientes, así mismo, pinchando sobre cada diagnóstico nos aparecerán las pruebas de inmunohistoquímica necesarias para confirmar el diagnóstico. De igual forma nos dará explicaciones sobre porqué cada diagnóstico tiene la probabilidad que aparece.
5. Resultados preliminares de SEADLIN.
La validación preliminar se ha realizado con tres observadores, dos médicos residentes con poca experiencia en patología linfoide y un patólogo con experiencia. Se sometieron a observación 30 casos de linfomas elegidos al azar. En la primera tabla se ofrecen los resultados de forma global.
Diagnósticos utilizados en la validación con el número de casos y el número de aciertos y errores.
SI |
NO |
TOTAL |
|
Linfoma folicular, folicular (3 casos) |
8 (88,8%) |
1 (11,1%) |
9 |
Linfoma difuso de grandes células B |
10 (83,3%) |
2 (16,6%) |
12 |
Linfoma de linfocitos pequeños |
3 (100%) |
0 |
3 |
Linfoma de la zona marginal |
2 (33,3%) |
4 (66,6%) |
6 |
Linfoma leucemia linfoblástico de células T |
2 (33,3%) |
4 (66,6%) |
6 |
Linfoma de células T Angioinmunoblástico |
1 (33,3%) |
2 (66,6%) |
3 |
Enfermedad de Hodgkin |
1 (33,3%) |
2 (66,6%) |
3 |
Metástasis |
0 |
3 (100%) |
3 |
Linfoma anaplásico de grandes células Ki-1 |
1 (33,3%) |
2 (66,6%) |
3 |
28 (58,3%) |
20 (41,6%) |
48 |
Existe una considerable diferencia cuando se comparan los diagnóstico de aparición más frecuente y que entrañan menos dificultad con los menos habituales y de mayor dificultad. De hecho para algunos autores, el diagnóstico histológico del ganglio linfático es fácil cuando de los principales (como más frecuentes) diagnósticos se trata, siendo mucho más complicado con diagnóstico de más rara aparición (6). Así en la comparativa global la tasa de acierto fue del 58,3%, en tanto que cuando de linfomas foliculares se trataba llegaba al 88,8%.
6. Conclusiones.
1. Elstein, AS, Shulman, LS y Sprafka, SA (1978). Medical problem solving: an analysis of clinical reasoning. Cambridge: Haward University Press.
2. Buchanan BG and Shortliffe EH (1969). Heuristic DENDRAL: A program for generating explonatory hypotheses in organic chemistry. In B. Meltzer and D. Michie, eds, Machine Intelligence, vol 4. Edinburgh: Edinburgh University Press, pp: 209-254.
3. Buchanan BG and Shortliffe EH (1984). Rule-Based Expert Systems: The MYCIN Exeriments of the Stanford Heuristic Progamming. Project Addison-Wesley. Reading. Massachusetts.
4. Weiss, Solomon M. Casimir A. Kulikowski and Saul Amarel. A Model-Based Method for Computer-Aided Medical Decision-Making. Artificial Intelligence. Vol 11. 1978.
5. Bharat N. Nathawani MD, David E. Heckerman PHD, Eric J. Horvitz and Thomas L. Lincoln, MD (1990). Integrated Expert Systems and Videodisc in Surgical Pathology. Human Pathology. 21: 11-27.
6. Silverberg SG (1990). Principles and practice of Surgical
Pathology. 2nd. ed. Ed. Churchill.
8.
Figuras de la comunicación.
Fig.1. Elementos y personas en el desarrollo de un SE.
Fig. 2. Estructura ganglionar con sus elementos característicos.
Entrada al sistema |
Cargando ficheros |
Elección de patrones generales: Patrón folicular |
Elección de patrones de detalle: 13. Arquitectura parcialmente obliterada |
15. Cápsula infiltrada |
17. Nódulos en toda la superficie |
19. Nódulos uniformes |
21. Escaso espacio interfolicular |
23. Corona no polarizada |
Elección de patrones celulares: no se elige ningún patrón (no obligatorio) |
no se elige ningún patrón (no obligatorio) |
75. Patrón monótono |
67. Células pequeñas
|
predominio de centrocitos |
No se elige ningún patrón (no obligatorio)
|
61.Tipo celular similar dentro y fuera de los folículos |
Tipos celulares especiales. |
58. Mitosis escasas. |
53. Células sternbergoides
|
Diagnósticos más probables con su certeza individual |
Distintos marcadores linfoides. |
Marcadores de linfocitos T. |
Foto de un patron general (folicular). |
Marcadores B. |
Fig. 3-27. Proceso de selección de un caso problema, en este caso un linfoma folicular. Últimas imágenes marcadores inmunológicos y fotografía y texto explicativo de uno de los patrones en este caso el folicular.