Explicación en redes bayesianas causales: aplicaciones médicas

Las redes bayesianas constituyen una metodologia para la construccion de sistemas expertos que surgio en la decada de los 80 y se ha expandido notablemente en los ultimos anos. Su principal cualidad es que realizan el tratamiento de la incertidumbre a partir de un modelo causal probabilistico. Sin embargo, para que una red bayesiana pueda considerarse como verdadero sistema experto, hace falta que pueda explicar su proceso de razonamiento. Proporcionar la explicacion de las conclusiones de los sistemas basados en la toma de decisiones permite que el usuario del sistema comprenda por que y como se han obtenido dichos resultados, como funciona el sistema, etc. En particular, la capacidad de explicacion es especialmente necesario en el campo de la medicina. Hasta ahora, sin embargo, no existe una teoria que permita encontrar una solucion completa para el problema de la explicacion, sino soluciones puntuales para casos concretos. Si queremos que las redes bayesianas tengan una amplia aceptacion en la vida cotidiana, hay que dotarles de una capacidad de explicacion potente y amigable. En los sistemas basados en busqueda de heuristica (MYCIN, XPLAIN, BLAH) se explica la forma en la que el sistema ha obtenidos sus conclusiones; sin embargo en los sistemas probabilisticos (NESTOR, INSITE) se hace mas hincapie en el contenido de la base de conocimiento. Por ello, el primer objetivo de esta tesis sera el desarrollo de una capacidad de explicacion para redes bayesianas en la que se sinteticen y mejoren los trabajos sobre explicacion tanto en sistemas heuristicos como en redes bayesianas, especialmente redes bayesianas causales. El segundo de los objetivos es la aplicacion de las ideas desarrolladas a la construccion de un sistema experto para el diagnostico de cancer de prostata.