¿Qué es la inteligencia híbrida? ¿Y puede ayudar a detectar enfermedades con mayor precisión? Esas fueron algunas de las preguntas que guiaron la segunda conferencia magistral denominada Sistemas Híbridos Inteligentes en Diagnóstico Médico, impartida por la doctora Patricia Melin este miércoles en el Gimnasio Universitario de la Universidad Autónoma de Ciudad Juárez (UACJ).
La charla se realizó a las 11:00 de la mañana en el marco del Foro UACJ: IA en el ámbito académico, un espacio donde especialistas comparten avances en inteligencia artificial y su impacto en distintas áreas.
Frente a estudiantes, académicos y público interesado, la doctora Melin explicó cómo los llamados sistemas híbridos inteligentes combinan diversas técnicas —como lógica difusa, redes neuronales y algoritmos evolutivos— para apoyar al personal médico en la detección temprana de enfermedades.
“La inteligencia híbrida son combinaciones de modelos inteligentes, como redes neuronales, modelos difusos y otros para lograr soluciones eficientes a problemas del mundo real. La idea principal es aprovechar las características principales de los modelos individuales”, destacó la doctora Melin, investigadora del Instituto Tecnológico de Tijuana, donde dirige el posgrado de Ciencias de la Computación.
Como ejemplo expuso que las redes neuronales son buenas para aprender de los datos del entrenamiento, mientras que la lógica difusa es buena para representar él conocimiento experto y la gestión de la incertidumbre, y la computación evolutiva es buena para la búsqueda y la optimización.
La también directora del grupo de investigación en Sistemas Inteligentes Híbridos en el Tecnológico de Tijuana puntualizó que “los diagnósticos médicos son un desafío debido a su complejidad y la incertidumbre involucrada en el proceso inherente de toma de decisiones realizado por los médicos”.
En su trabajo, Modelos de Redes Neuronales Difusas, la propuesta son potentes sistemas inteligentes híbridos para lograr el diagnóstico médico automatizado.
“La arquitectura híbrida propuesta se basa en modelos de redes neuronales modulares para aprender de grandes conjuntos de datos de pacientes. Luego, para combinar las salidas de los módulos y la integración basada en reglas difusas de tipo 2 se realiza para modelar el proceso de toma de decisiones involucradas, así como la incertidumbre inherente a la toma de decisiones”, detalló.
Los asistentes aprovecharon para dialogar entre sí sobre los retos de implementar estas tecnologías en hospitales y clínicas, así como los dilemas éticos que implica el uso de inteligencia artificial en la salud.
Con esta cátedra, la Universidad Autónoma de Ciudad Juárez abre el razonamiento sobre cómo la innovación tecnológica puede aplicarse en beneficio de la sociedad y, en este caso, de la salud de las personas.
