Neumonia complicada en niños y pediatria vrs neumonia grave, gérmenes, nuevas...
Inertidumbre Patologia Forense.. (1).pdf
1. Gestión de la incertidumbre en la pericia
médico legal
Aurelio Luna Maldonado
Murcia diciembre 2023
II Congreso Internacional
Medicina Legal y Ciencias Forenses
2. Si un hombre comienza con certezas, terminará en
dudas; pero si se contenta con comenzar con dudas,
terminará en certezas. (Francis Bacon)
3. De acuerdo con el diccionario de la RAE, la certeza
es el conocimiento seguro y claro que se tiene
de una cosa. :
La duda se define como la vacilación o falta de
seguridad ante varias posibilidades de elección
sobre creencias, noticias o hechos
4.
5. Determinación del nivel de
certeza
•Uso de manejadores de certeza
•Modificación de los cuadros de texto de certeza mínima y
máxima
•Anclaje de manejadores e introducción de certezas
directamente
•Restablecimiento del rango de certeza
6. La distinción entre riesgo e incertidumbre fue establecida
por F. Knight en 1921, en su obra Risk, Uncertainty and
Profit
Riesgo: aquella situación en la que no existe certeza
sobre el resultado de la decisión, aunque se conoce al
menos la probabilidad de los distintos resultados
alternativos.
Incertidumbre: se caracterizaría, en cambio, por el
hecho de que no sólo desconocemos el resultado final,
sino que no podemos predecirlo tampoco en términos de
probabilidades objetivas..
7. La Teoría de la Decisión tiene como objetivo la
búsqueda de decisiones racionales óptimas.
Se entiende que se tiene un problema de decisión
siempre que se tiene que elegir, al menos, entre dos
formas de actuación
8.
9. Recientemente se ha postulado como disciplina emergente la
Epidemiología Forense (Freeman), entendida como la
utilización de la evidencia epidemiológica en la evaluación y
cuantificación de las relaciones causa-efecto en en disputas
legales. Esta disciplina adquiere mayor desarrollo en los
países anglosajones, en donde las decisiones judiciales en
materia de causalidad médico-legal se basan en criterios
probabilísticos. La causalidad se considera probada si la
probabilidad de que exista relación causal es más probable
que no (> 50%). Para ello define un concepto aplicable a la
Epidemiología Forense definido como CRR (Cociente
Comparativo de Riesgo) basado en medidas estadísticas
habituales de asociación (Riesgo Relativo, Odds ratio, etc).
10.
11. En nuestro sistema judicial, y en general en
los países latinos, la atribución de la
responsabilidad basada en la causalidad no
es probabilística..
12.
13.
14.
15.
16.
17.
18.
19.
20.
21. Existen sentencias judiciales en EEUU que han utilizado la IA.
El Tribunal Supremo del Estado de Wisconsin, State vs.
Loomis (13 de julio de 2016), con un programa de IA (COMPAS).
el programa dictaminó un riesgo de reincidencia y que la
sentencia condenatoria impusiera una pena más grave.
22.
23.
24.
25.
26.
27. Este pavo descubrió que, en su primera mañana
en la granja avícola, comía a las 9 de la mañana.
Sin embargo, siendo como era un buen
inductivista, no sacó conclusiones precipitadas.
Esperó hasta que recogió una gran cantidad de
observaciones del hecho de que comía a las 9 de
la mañana e hizo estas observaciones en una
gran variedad de circunstancias, en miércoles y
en jueves, en días fríos y calurosos, en días
lluviosos y en días soleados. Cada día añadía un
nuevo enunciado observacional a su lista. Por
último, su conciencia inductivista se sintió
satisfecha y efectuó una inferencia inductiva para
concluir: “Siempre como a las 9 de la mañana”.
Pero ¡ay! Se demostró de manera indudable que
esta conclusión era falsa cuando, la víspera de
Navidad, en vez de darle la comida, le cortaron el
cuello. Una inferencia inductiva con premisas
verdaderas ha llevado a una conclusión falsa
El pavo inductivista de Bertrand Russell
28. En probabilidad y estadística, la paradoja de Simpson o
efecto Yule-Simpson es una paradoja en la cual una
tendencia que aparece en varios grupos de datos desaparece
cuando estos grupos se combinan y en su lugar aparece la
tendencia contraria para los datos agregados.
la describieron en 1899 el matemático Karl Pearson y el estadístico escocés
George Udny Yule. Por ello también se le conoce como el efecto
YuleSimpson. Como ya se mencionó, esta paradoja es un fenómeno
contraintuitivo que aparece cuando dos o más muestras estadísticas
manifiestan una tendencia que desaparece o se invierte cuando los grupos
se combinan para formar una sola muestra. Esta paradoja es común en
ciencias sociales, médicas, etcétera. Podría pasar por una simple
curiosidad estadística, pero la confusión y los problemas que conlleva,
radica en que los datos pueden interpretarse causalmente sin que haya una
relación causal real entre los factores que se asocian.
Iván de Jesús Arellano Palma
La paradoja de Simpson / CIENCIORAMA
29. El falsacionismo…
Las teorías se construyen como conjeturas o suposiciones especulativas
y provisionales que el intelecto humano crea libremente en un intento de
solucionar los problemas con que tropezaron las teorías anteriores y de
proporcionar una explicación adecuada del comportamiento de algunos
aspectos del mundo o del universo.
El conocimiento científico no es conocimiento probado, pero representa un
conocimiento que es probablemente verdadero. Cuanto mayor sea el
número de observaciones que forman la base de la inducción y cuanto
mayor sea la variedad de condiciones en las cuales se hayan realizado
estas observaciones, mayor será la probabilidad de que las
generalizaciones resultantes sean verdaderas.
30. Toda regla tiene su excepción y toda excepción tiene
sus razones. ¿Aprendemos de nuestros errores?
"El único error real es aquel del que no aprendemos nada".
John Powell (1834-1902)
32. La teoría de la decisión se ocupa de
analizar cómo elige una persona
aquella acción que, de entre un
conjunto de acciones posibles, le
conduce al mejor resultado
33. CLASIFICACIÓN DE LOS PROCESOS DE DECISIÓN
Los procesos de decisión se clasifican de acuerdo según el grado de
conocimiento que se tenga sobre el conjunto de factores o variables no
controladas por el debe tomar la decisión y que pueden tener influencia
sobre el resultado final
El ambiente es de certidumbre cuando se conoce con certeza su estado, es
decir, cada acción conduce invariablemente a un resultado bien definido.
El ambiente de riesgo cuando cada decisión puede dar lugar a una serie
de consecuencias a las que puede asignarse una distribución de
probabilidad conocida.
El ambiente es de incertidumbre cuando cada decisión puede dar
lugar a una serie de consecuencias a las que no puede asignarse una
distribución de probabilidad, bien porque sea desconocida o porque no
tenga sentido hablar de ella.
Según sea el contexto, diremos que el proceso de decisión (o la toma de
decisiones) se realiza bajo certidumbre, bajo riesgo o bajo incertidumbre,
respectivamente.
34. En todo problema de decisión pueden distinguirse una serie de elementos
característicos:
El decisor, encargado de realizar la elección de la mejor forma de actuar
de acuerdo con sus intereses.
Las alternativas o acciones, que son las diferentes formas de actuar
posibles, de entre las cuales se seleccionará una. Deben ser excluyentes
entre sí.
Los posibles estados de la naturaleza, término mediante el cual se
designan a todos aquellos eventos futuros que escapan al control del
decisor y que influyen en el proceso.
Las consecuencias o resultados que se obtienen al seleccionar las
diferentes alternativas bajo cada uno de los posibles estados de la
naturaleza.
La regla de decisión o criterio, que es la especificación de un
procedimiento para identificar la mejor alternativa en un problema de
decisión.
35. REGLAS DE DECISIÓN
Los principales criterios de decisión empleados
sobre tablas de decisión en ambiente de riesgo son:
Criterio del valor esperado
Criterio de mínima varianza con media acotada
Criterio de la media con varianza acotada
Criterio de la dispersión
Criterio de la probabilidad máxima
36. NIVELES DE INFORMACIÓN EN LA TOMA DE DECISIONES BAJO
INCERTIDUMBRE.
Nivel informativo 1: Elementos básicos (Criterios no
probabilísticos)
Nivel informativo 2: Elementos básicos e información muestral
(Criterios no probabilísticos)
Nivel informativo 3: Elementos básicos y probabilidad a priori.
(Criterios probabilísticos)
Nivel informativo 4: Elementos básicos, información muestral
y probabilidad a priori (Criterios probabilísticos)
37. La Medicina Legal está conformada por un
conjunto de disciplinas, cada una de las
cuales tiene su propia metodología en el
estudio de la causalidad. Mientras que la
Genética Forense es la más próxima al
estudio científico puro de la causalidad, la
Valoración del Daño Corporal sería la más
próxima a los conceptos jurídicos de
causalidad
38. • A diferencia de lo que ocurre con la medida de las magnitudes físicas, que suele
depender muy poco del experimentador que realice la medición, la medida de la
incertidumbre depende del grado de conocimiento o información del individuo
sobre el fenómeno objeto de estudio, y representa el grado de creencia del
individuo en la realización de dicho suceso.
• De hecho, estamos afirmando que la probabilidad de un suceso depende de la
opinión personal que un individuo concreto tenga acerca de la ocurrencia de ese
suceso, y su valor numérico siempre está condicionado a su estado actual de
información, por lo que suele denominarse probabilidad personal o subjetiva. Por
eso personas distintas miden la incertidumbre de un mismo suceso de forma
distinta, en general.
• Esto, en parte, explica el comportamiento habitual de tomar decisiones distintas,
por parte de personas distintas, enfrentadas al mismo problema de decisión.
40. Fuentes de incertidumbre
Observando la historia de los sistemas expertos, y en particular de
los métodos de razonamiento incierto, se comprueba que casi todos los
primeros (cronológicamente) y muchos de los mas importantes, se han
desarrollado en el campo de la medicina.
Si tratamos de averiguar el porqué, descubrimos que este es un
campo donde se dan todos los tipos de incertidumbre.
A grandes rasgos, podemos clasificar las fuentes de incertidumbre
en tres grupos:
Deficiencias de la información,
Características del mundo real
Deficiencias del modelo.
41. Información errónea. En cuanto a la información suministrada por el
implicado y/o por los testigos, puede que este describa incorrectamente
sus circunstancias e incluso que trate de mentir deliberadamente al
medico legista. También es posible que los datos anteriores, contenidos
en la encuesta judicial, hayan sido erróneos, tampoco es extraño que las
pruebas de laboratorio den falsos positivos y falsos negativos. Por estas
razones, el médico legista siempre debe mantener una duda razonable
frente a toda la información disponible.
Información imprecisa. Hay muchos datos en medicina legal que son
difícilmente cuantificables. Tal es el caso, por ejemplo, de los síntomas
como el dolor o la fatiga.
42. Mundo real no determinista.
A diferencia de las máquinas mecánicas o eléctricas, cuyo
funcionamiento se rige por leyes deterministas, los profesionales de la
medicina comprueban a diario que cada ser humano es un mundo, en
que las leyes generales no siempre resultan aplicables. Muchas veces
las mismas causas producen efectos diferentes en distintas personas,
sin que haya ninguna explicación aparente. Por ello, el diagnostico
médico debe estar siempre abierto a admitir la aleatoriedad y las
excepciones.
Modelo incompleto.
Por un lado, hay muchos fenómenos médicos cuya causa aún se
desconoce. Por otro, es frecuente la falta de acuerdo entre los expertos
de un mismo campo. Finalmente, aunque toda esta información
estuviera disponible, sería imposible, por motivos prácticos, incluirla
en un sistema experto.
43. Modelo inexacto.
Por último, todo modelo que trate de cuantificar la
incertidumbre, por cualquiera de los métodos que existen,
necesita incluir un elevado número de parámetros; por
ejemplo, en el caso de las redes bayesianas, necesitamos
especificar todas las probabilidades a priori y
condicionales.
Sin embargo, una gran parte de esta información no
suele estar disponible, por lo que debe ser estimada de
forma subjetiva. Es deseable, por tanto, que el método de
razonamiento empleado pueda tener en cuenta las
inexactitudes del modelo.
44. La medicina legal es un ejemplo paradigmático de
dominio incierto, aunque todas estas fuentes de
incertidumbre pueden darse, y de hecho se dan, en
cualquier otro campo de las ciencias naturales, la
ingeniería, el derecho, las humanidades, etc.
45. El tratamiento de la incertidumbre es, junto con la representación
del conocimiento y el aprendizaje, uno de las problemas
fundamentales de la inteligencia artificial.
Por ello no es extraño que casi desde los orígenes de este campo se le
haya prestado tanta atenci´on y hayan surgido tantos métodos,
motivados por los distintos problemas que se han ido planteando.
Los métodos de razonamiento incierto se clasifican en dos grandes
grupos:
métodos numéricos
métodos cualitativos.
Cuando el razonamiento incierto se realiza mediante métodos
numéricos suele hablarse de razonamiento aproximado
46. Entre los métodos cualitativos para el tratamiento de la
incertidumbre, destacan los basados en lógicas no monótonas, tales como:
Los modelos de razonamiento por defecto (el mas conocido es el de Reiter ),
Los sistemas de suposiciones razonadas (originalmente llamados truth
maintenance systems, aunque sería más correcto denominarlos reason
maintenance systems) de Doyle
La teoría de justificaciones (theory of endorsements) de Cohen y Grinberg.
47. Estos métodos consisten en que, cuando no hay información
suficiente, se hacen suposiciones, que posteriormente podrán ser
corregidas al recibir nueva información.
El problema principal que presentan se debe a su naturaleza
cualitativa, por lo que no pueden considerar los distintos grados de
certeza o incertidumbre de las hipótesis.
Suelen presentar además problemas de explosión
combinatoria. En consecuencia, se estudian más por su importancia
teórica (fundamentación de la inteligencia artificial) que por las
aplicaciones practicas a que puedan dar lugar.
48. En cuanto a los métodos numéricos, el
primero que surgió fue el tratamiento
probabilista.
En efecto, ya en el siglo XVIII, Bayes y
Laplace propusieron la probabilidad como una
medida de la creencia personal hace 200 años.
A principios del siglo XX surgen las
interpretaciones de la probabilidad como la
frecuencia (a largo plazo) asociada a situaciones
o experimentos repetibles; destacan en esta línea
especialmente los trabajos estadísticos de
Fisher.
49. Los factores:
probabilidad a priori
densidad de probabilidad
Son importantes en la toma de decisiones y la Regla de Bayes los
combina de forma que se garantiza que se alcanza la mínima
probabilidad de error.
50. La medicina y en concreto la patología forense son
ejemplos muy claros de dominios inciertos
51. criterios de decisión bajo incertidumbre:
❑ El de Laplace
❑ La teoría del decisor adaptativo
❑ La racionalidad ecológica,
❑ El modelo SEU
52. Las herramientas lógicas no clásicas, incluyen a:
la lógica temporal
la lógica modal,
las lógicas de valores diversos,
las lógicas relevantes,
la lógica no-monótona
la lógica difusa.
53. Los cuatro métodos actuales
corresponden a:
método probabilista clásico
redes bayesianas
modelo de factores de certeza
lógica difusa.
54. La motivación inicial no fue el estudio de la
incertidumbre, sino el estudio de la
vaguedad, que es algo diferente. Por ejemplo,
si sabemos que Juan mide 1’78 m., no
podemos decir con rotundidad que es alto,
pero tampoco podemos decir que no lo es: se
trata de una cuestión de grado; en este caso
hay vaguedad intrínseca, pero no hay
incertidumbre, con lo que se demuestra que
son dos conceptos en principio
independientes, aunque existe una cierta
relación en el sentido de que si recibimos una
información imprecisa (por ejemplo, si nos
dicen que Juan es alto, pero sin decirnos su
estatura exacta) tenemos una cierta
incertidumbre.
55. Como conclusión, quisiera señalar que el debate sobre
cual es el método más adecuado para representar la
incertidumbre sigue abierto hoy en día.
Por un lado, esta el grupo de los bayesianos que
defienden que la teoría de la probabilidad es el único
método correcto para el tratamiento de la
incertidumbre.
Por otro, están quienes señalan que los modelos
probabilistas, a pesar de sus cualidades, resultan
insuficientes o inaplicables en muchos problemas del
mundo real, por lo que conviene disponer además de
métodos alternativos.
57. La Inteligencia Artificial (IA) constituye una división de la
ingeniería de software, centrada en la informática, son
procesos que emulan las acciones humanas y las
funciones cognitivas como el aprendizaje, el
razonamiento, adaptación y autocorrección.
58. Actualmente, las funciones más comunes de la IA en
entornos médicos son el apoyo a la toma de decisiones
clínicas y el análisis de imágenes.
59. Soluciones relacionadas
DynaMed® and Micromedex® with Watson™
Brinde soporte con tecnología de IA a los médicos para ayudarlos a tomar decisiones más informadas y basadas
en evidencia.
IBM® Watson Annotator for Clinical Data
Extraiga información clínica clave, como diagnósticos, medicamentos y más, de notas clínicas y otros registros
médicos.
IBM® Watson Assistant for Health Benefits
Responda preguntas del mundo real sobre los beneficios complejos de los planes de salud de forma rápida y
sencilla.
BM® Clinical Development
Gestione ensayos clínicos de principio a fin, incluyendo un componente de IA para facilitar la codificación
médica.
IBM® Citizen Engagement
Conecte a los trabajadores sociales y ciudadanos con la información de servicios que necesitan.
IBM® Flexible Analytics
Implemente capacidades analíticas sólidas que los planes de salud necesitan para satisfacer a las partes
interesadas.
60. Ya en 2016, el 86% de las organizaciones proveedoras de servicios de asistencia
médica utilizaban la Inteligencia Artificial, IA, tal y como indica un informe
aportado por CB Insights. Esta tendencia que se iniciara hace años se ha visto
incrementada con el hecho de que se espera que para 2025 los sistemas de IA
puedan responder de forma independiente a cuestiones específicas de los
pacientes, en especial tras la crisis sanitaria. De este modo, la salud puede
evolucionar a una gestión completamente personalizada.
La Inteligencia Artificial en la medicina
El empleo de esta tecnología en medicina implica el empleo de modelos de
aprendizaje automático para analizar datos médicos, recopilados gracias a otras
herramientas como el Big Data, y obtener patrones que ayuden a mejorar los
resultados y las experiencias de los pacientes. Gracias a los avances tecnológicos
recientes, impulsados por la COVID-19, la IA se ha convertido en parte integral de
la atención médica moderna.
61.
62.
63. Algunos de los modelos de IA utilizados con frecuencia en medicina
forense
❖
❖ Red Neuronal Convolucional Bayesiana (BCNN)
❖ Árbol de decisión (DT).
❖Random Forest (RF).
❖ Máquina de vectores de soporte (SVM).
❖Red Neuronal Artificial (RNA)
❖ Red neuronal convolucional (CNN).
❖ Redes neuronales profundas (DNN)
64.
65.
66.
67.
68.
69.
70.
71. Se han propuesto aplicaciones de la IA en diferentes ramas de
las ciencias forenses
❖ La estimación de la del sexo y la edad .
❖ La caracterización de las marcas de mordedura
❖ la estimación del intervalo postmortem
❖ La interpretación del ADN .
72. La Inteligencia Artificial (IA) la
entendemos como la combinación de
algoritmos planteados con el
propósito de crear máquinas que
presenten las mismas capacidades
que el ser humano.
73. ¿Es usted gracioso?
Cuando cuenta un chiste se ríen los presentes
Si No
¿Es usted el jefe?
Si No
No es gracioso
No es gracioso
Es gracioso
74. En el campo de las ciencias forenses, las aplicaciones de IA
también podrían contribuir a mejorar el rendimiento de los
expertos humanos, superando las limitaciones de sesgo
subjetivo del enfoque tradicional de las ciencias forenses.
Este enfoque requiere tiempo y esfuerzo, confiando en
expertos forenses para extraer la información y proporcionar
opiniones basadas en la evidencia científica.
75. La aplicación de herramientas de IA en ciencias forenses para
recopilar nueva información a partir de conjuntos amplios de
datos podría:
➢Mejorar el conocimiento,
➢Reducir la subjetividad humana y los errores ligados a la
misma,
➢Proporcionar una mayor base científica a la prueba pericial .
76.
77.
78.
79. En la vida cotidiana tenemos circunstancias en las que "no podemos decidir" qué hacer. Tales
decisiones pueden ser muy apropiadas, por ejemplo, en situaciones en las que los datos
disponibles son insuficientes para tomar una decisión. Sin embargo, por el contrario, puede ser
una forma de escapar y evitar tomar una decisión: aunque hay datos suficientes para justificar la
toma de una decisión, no obstante "decidimos no decidir". Piense en una situación en la que esté
considerando si ir o no a ver al médico. No está claro: no está sufriendo ni mostrando demasiados
síntomas, pero claramente no está bien y saludable. En algunos de estos casos, no hay datos
suficientes para tomar una determinación, y la decisión correcta es esperar y ver. Sin embargo, en
otros casos similares, la decisión de esperar y ver no es justificable. En estos casos, los datos
justifican ir al médico, pero debido a que está ocupado, o es demasiado esfuerzo (es decir, es
perezoso), u otras razones, como un costo anominal para ver al médico/copago, la preocupación
de que el médico piense que usted es un "quejoso" o hipocondríaco, etc., toma una decisión
injustificable de esperar y ver, en lugar de ir realmente al médico. Es decir, usted "decide no
decidir" si ir o no al médico. Para ser claros, "decidir no decidir" es una decisión. La
cuestión es si es una decisión justificable o no. Una forma más básica y extrema de evitar tomar
una decisión difícil sería simplemente engañarse a sí mismo para no reconocerlo
85. "Usar la estadística como un borracho usa un poste de luz: no para
iluminarse, sino para apoyarse."
86. La estadística ha sido descrita como la práctica
de "torturar a los números para que confiesen".
Con todo, es sin duda la rama más importante
de la matemática aplicada, y constituye nuestra
mejor guía para tomar decisiones correctas
cuando nos enfrentamos a la incertidumbre.
87. el manejo racional de la incertidumbre hace que se
puedan tomar decisiones correctas en un escenario
incierto. Las decisiones médicas no escapan a esta
realidad. No existen métodos de diagnóstico o
terapéuticos que tengan el 100% de sensibilidad y el
100% de especificidad, lo que quiere decir que
siempre hay un espacio de duda, ya sea porque los
métodos no son perfectos o por las particularidades
de cada paciente.
88. La investigación sugiere respuestas que
deben contestarse en un tiempo
prudencial
¿Qué?
¿Cómo?
¿Cuándo?
¿Por qué?
¿Quién?
89. Como expresamos en los informes:
•la certeza,
• la incertidumbre
• la probabilidad
90. Es cierto/evidente/obvio/indiscutible que …
No se puede negar que …
Está claro que …
En realidad, …
Lo cierto es que …
Resulta difícil creer que …
Hay que preguntarse si …
No está claro que …
Es dudoso que …
Es probable que….
No se puede asegurar que …
Podría decirse que …
Puede que sea …
Puede suceder que…
La probabilidad se puede
definir como la falta de
certeza o seguridad de que
algo suceda.
La duda se define como la vacilación
o falta de seguridad ante varias
posibilidades de elección
La certeza es el conocimiento seguro y claro que se
tiene de una cosa
91. El conocimiento es navegar en un océano de
incertidumbres a través de archipiélagos de certezas
Edgard Morin
92.
93. William Osler: La medicina es la ciencia de la
incertidumbre y el arte de la probabilidad
William Osler (Bond Head, Ontario, 12 de julio de 1849-Oxford, Inglaterra, 29 de diciembre de 1919)
94.
95. Entre la fe y la incredulidad un soplo
Entre la certeza y la duda un soplo
Alégrate en este soplo presente donde vives,
pues la vida está en el soplo que pasa
Omar Khayyan