Este documento describe una red neuronal propuesta para diagnosticar COVID-19 en pacientes venezolanos. La red neuronal usaría múltiples variables de entrada de pacientes para predecir si tienen COVID-19. Se propone usar una arquitectura perceptrón multicapa entrenada con retropropagación de errores. La red neuronal podría ayudar a diagnosticar COVID-19 más rápido debido a la falta de recursos médicos en Venezuela durante la pandemia.
1. República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria
Instituto Universitario Politécnico “Santiago Mariño”
Extensión Cabimas - COL
Red neuronal para COVID-19
Realizado por:
● María Ramírez C.I 26.914.011
Ingeniería de sistemas
Prof: Ing. José Luis Guzmán
2. Introducción
La siguiente presentación consiste en la aplicación de una red neuronal para
determinar si un paciente tiene COVID-19. La idea surge debido a la actual
situación que se vive no solo en Venezuela sino en el mundo, sin embargo la red
neuronal va a ir dirigida hacía la población venezolana para añadir una propuesta
más sobre las formas de diagnosticar el COVID-19
3. Problemática
La problemática de esta idea surge a través de la pandemia que se encuentra
actualmente en el mundo, se tiene como idea crear está red neuronal para determinar
si un paciente tiene COVID-19 ya que se juega un papel crítico a la hora de saber si
un paciente la posee y sobre todo tener formas de descubrir más rápidamente la
enfermedad, son claves para disponer de evidencia para la acción y tomar decisiones
los más informadas posibles. Es muy importante tener conciencia y noción sobre las
consecuencias que trae este virus, y debemos tener las herramientas necesarias para
afrontarlo.
4. Redes neuronales
Las RN constituyen una alternativa a los modelos basados en técnicas
estadísticas. Las RN aportan una metodología general como modelos de
predicción de resultados que son función de las correspondientes variables de
entrada. Mediante un proceso de aprendizaje (llamado también entrenamiento)
las RN desarrollan la capacidad de predicción de la variable resultado.
5. Proceso de aprendizaje (RN)
Las RN desarrollan la capacidad de predicción de la variable resultado, en
nuestro caso el diagnóstico de un posible paciente con COVID-19, a partir de un
grupo de casos suficientemente amplio. Una vez entrenada correctamente la RN
adquiere la capacidad de generalización: es capaz de enfrentarse a casos nuevos
(no utilizados en la fase de aprendizaje) y dar resultados correctos. Según los
resultados publicados, las RN son entre un 5%-10 % más precisas que otras
técnicas estadísticas, ya que no trabajan con restricciones de modelos lineales y
son capaces de incorporar automáticamente las relaciones entre las variables
predictoras.
6. Aplicaciones de las (RN) en la medicina
En Medicina Intensiva las RN se han utilizado en diversos problemas. En la
siguiente tabla mostramos algunos de los trabajos más representativos con
sus características fundamentales.
7. Posible modelo para construir la RN
para COVID-19
Para el desarrollo de la aplicación se piensa en una arquitectura de perceptrón
multicapa (MLP-multilayered perceptron) entrenado con algoritmo de
retropropagación del error (backpropagation). Para introducirse en el tema
existen revisiones sencillas en la literatura.
8. Posible modelo para construir la RN
para COVID-19
Una RN consta de capas que están formadas por nodos. La capa de entrada
recibe los valores de las variables predictoras, la capa oculta es donde se realizan
los procesos de ajuste, y la capa de salida donde se obtienen los resultados de la
red (output). Los nodos están unidos por unos parámetros internos (pesos =
weights) cuyos valores se modifican de acuerdo a los valores que reciben los
nodos y según la función de red que se les aplica. La complejidad de una RN
depende de la cantidad de parámetros internos que contenga.
9. Figura del modelo
Arquitectura de una red neuronal artificial (perceptrón de tres capas). Los pesos
son los parámetros que deben ajustarse durante el proceso de entrenamiento
para conseguir que la capa de salida de resultados coincida con los observados.
El error entre lo observado y el resultado de la red se propaga hacia atrás
(backpropagation) y debe ir disminuyendo en las sucesivas iteraciones en las que
se presentan los valores de las variables predictoras. La complejidad de una red
depende del número de nodos de su capa oculta.
10. Conclusiones
Las RN han sido utilizadas de forma creciente en Medicina, existiendo múltiples
revisiones publicadas. Las aplicaciones más frecuentes se sitúan en el
diagnóstico clínico, farmacología y predicción de resultados.
En el país Venezolano afecta de gran manera, debido a la situación
económica que ha resaltado ésta última década, ha de reconocer que no cuenta
con el mayor equipo médico-tecnológico que pueda facilitar el tratamiento de los
infectados por el virus, por lo cual es importante generar estrategias que ayuden a
diagnosticar a tiempo y a disminuir la mortalidad por COVID-19.
