Enfoque de aprendizaje híbrido evolutivo para redes neuronales en la clasificación de casos médicos

Abstract

La inteligencia artificial ha ayudado a diversas áreas médicas como lo es el campo del diagnóstico médico, en el que ha servido como un apoyo al profesional de la salud para emitir un diagnóstico. Esto se logra a través de diversas técnicas de inteligencia artificial como lo son los árboles de decisión, agentes inteligentes, máquinas de soporte vectorial, minería de datos o redes neuronales. Una forma de utilizar las redes neuronales para apoyar el diagnóstico médico es usarlas como clasificadores. Esto es, con base en un archivo clínico histórico y representativo, construir un modelo neuronal que permita clasificar nuevos casos. Las redes evolutivas según la literatura representan una herramienta más precisa que las redes neuronales clásicas. En este trabajo se propone el uso de una red neuronal híbrida doblemente evolutiva que evoluciona tanto las topologías como los valores sinápticos de cada topología. La experimentación realizada, muestra que la red neuronal híbrida evolutiva obtiene resultados competitivos con respecto a las redes neuronales evolutivas clásicas.