Diagnóstico diferencial de fiebres hemorrágicas utilizando ARTMAP
Loading...
Date
2012
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El dengue, leptospirosis y la malaria son enfermedades que pertenecen a un grupo
conocido como fiebres hemorrágicas [1] [3]. Estas enfermedades se pueden manifestar
inicialmente como síndromes febriles indeterminados, por lo que pueden ser fácilmente
confundidas con otros cuadros o incluso entre ellas [2]. A pesar de presentar síntomas
parecidos, sus etiologías y tratamiento son muy diferentes, por lo que se hace de
especial importancia establecer mecanismos de diagnóstico claramente definidos y con
alta especificidad, teniendo en cuenta que la mortalidad asociada a estas enfermedades
se reduce dramáticamente al ser diagnosticadas oportunamente. Para el diagnóstico
de estas enfermedades, el personal médico dispone de indicaciones semiológicas en la
literatura, pero estas enfermedades presentan una alta variabilidad en términos de los
síntomas y signos que presentan los pacientes afectados, haciendo difícil establecer con
claridad de que enfermedad se trata. Además, se disponen de pruebas de laboratorio
para la confirmación del diagnóstico, con confiabilidad altamente variable y resultados
que pueden tomar varios días para ser reportados finalmente. Todo lo anterior juega
en contra de un diagnóstico acertado y oportuno, llevando muchas veces a falsos
diagnósticos. Varios estudios [6] [7] [8] [9] ponen de manifiesto situaciones donde durante
un brote epidémico, una enfermedad enmascara una porción significante de casos de
otra enfermedad. El dengue, leptospirosis y la malaria son enfermedades de notificación
obligatoria a las entidades encargadas de la vigilancia epidemiológica, puesto se consideran
riesgos para la salud pública, lo cual las pone en un lugar de importancia manifiesta
a la hora de considerar el diseño de estrategias encaminadas a obtener un diagnóstico
temprano más acertado. El campo del aprendizaje automatizado (Machine Learning)
ha ofrecido históricamente recursos bastante importantes para el diagnóstico médico
ayudado por computadora, y a través de estos el problema de diagnóstico se asume
como un problema de reconocimiento de patrones. La idea tras este tipo de aplicaciones no es remplazar al personal médico, sino darle herramientas adicionales para la
toma de decisiones, y de esta manera contribuir a la mejora de la atención de los pacientes.