Sistema experto para apoyar en la prevención de las complicaciones de la hipertensión arterial

Abstract

Este proyecto de investigación abordó la problemática de la Hipertensión Arterial, una causa principal de mortalidad a nivel mundial debido a sus complicaciones. En el departamento de Lambayeque, el diagnóstico temprano resulta una tarea compleja debido a factores como la escasez de especialistas médicos, falta de cultura de prevención y desinterés en la población por buscar atención médica. Como solución se desarrolló un sistema experto cuyo objetivo principal es apoyar en la prevención de las complicaciones de la Hipertensión Arterial. Para lograrlo se identificaron los factores de riesgo y los síntomas asociados a la Hipertensión Arterial, en base a los artículos científicos revisados y las consultas realizadas a los expertos. Posterior a ello, se evaluó el nivel de influencia de cada variable en relación con el aumento del riesgo de complicaciones relacionadas con la Hipertensión Arterial. Para el desarrollo del sistema experto se empleó la metodología de la Ingeniería del conocimiento de Jhon Durkin y se construyó un modelo de red neuronal para obtener el porcentaje del posible nivel de riesgo de un paciente de padecer la enfermedad. La interfaz del sistema se programó en PHP, mientras que la red neuronal en Python. Finalmente se evaluó el desempeño del sistema experto considerando las siguientes métricas: 94% de precisión, 100% de sensibilidad y 91% de F1-Score. Asimismo, se verificó la funcionalidad de la interfaz a través de las pruebas de caja negra, caja blanca y la característica de adecuación funcional encontrada en la norma ISO 25010:2011.

This research project addressed the problem of arterial hypertension, a leading cause of mortality worldwide due to its complications. In the department of Lambayeque, early diagnosis is a complex task due to factors such as the scarcity of medical specialists, lack of a culture of prevention and lack of interest in seeking medical attention. As a solution, an expert system was developed whose main objective is to support the prevention of the complications of Arterial Hypertension. To achieve this, the risk factors and symptoms associated with Arterial Hypertension were identified, based on the scientific articles reviewed and consultations with experts. Subsequently, the level of influence of each variable in relation to the increased risk of complications related to arterial hypertension was evaluated. For the development of the expert system, Jhon Durkin's knowledge engineering methodology was used and a neural network model was built to obtain the percentage of a patient's possible risk level of suffering from the disease. The system interface was programmed in PHP, while the neural network was programmed in Python. Finally, the performance of the expert system was evaluated considering the following metrics: 94% accuracy, 100% sensitivity and 91% F1-Score. Likewise, the functionality of the interface was verified through black box, white box and functional adequacy characteristic tests found in the ISO 25010:2011 standard.