CONTRIBUCIONES CORTAS
Vida e inteligencia artificial
Life and artificial intelligence ]]>
Eglis Esteban García Alcolea
Doctor en Medicina. Instructor. Especialista de I Grado en Oftalmología. Cátedra de Cirugía Experimental Oftalmológica. Facultad Cubana de Oftalmología. Instituto Superior de Ciencias Médicas de La Habana.Cuba.
]]>
RESUMEN
La vida artificial es un campo de estudio multidisciplinario donde el hombre trata de recrear y comprender la vida natural; así como de crear nueva vida. La aplicación de diversas técnicas y de las herramientas que ofrece la inteligencia artificial al estudio de la vida, posibilita actualmente una aproximación más adecuada a la realidad biológica y el desarrollo de modelos capaces de reproducir cualidades tanto de la vida sana como patológica con mayor perfección. El valor predictivo de estos modelos artificiales se erige como un instrumento imprescindible para el avance de la terapéutica y el mejoramiento de la salud humana. Se estudian los aspectos más importantes relacionados con el surgimiento de la inteligencia artificial, la representación de la naturaleza, sus métodos, modelos y herramientas. Finalmente, se analiza su valor predictivo en la salud.
Palabras clave: Vida, inteligencia artificial, modelos.
ABSTRACT ]]>
Artificial life is a field of a multidisciplinary study where men treat to recreate and understand natural life, as well as to create new life. The application of different techniques and tools that artificial intelligence offer to the study of life allows a more adequate approximation to biological reality and to the development of models capable of reproducing qualities of the healthy an pathological life with greater perfection. The predictive value of these artificial models becomes an indispensable tool for the advance of therapeutics and for the improvement of human health. The most imoprtant aspects connected with the emergence of artificial intelligence, the representation of nature, its methods, models and tools are studied. Finally, its predictive value in health is analyzed.
Key words: Life; artificial intelligence; models.
El sueño de crear un cerebro artificial similar al humano está todavía muy lejos de hacerse realidad. Sin embargo, el desarrollo de la inteligencia artificial (IA) ha posibilitado la elaboración de sistemas y dispositivos en cierto modo "inteligentes": agendas electrónicas, sistemas de reconocimiento facial, programas antifraude, aviones de combate sin piloto, etcétera. Su aplicación en el área de la medicina ha conseguido también importantes logros. ]]>
La IA es un campo amplio de investigación que trata de crear sistemas y máquinas que se comporten de manera inteligente. Ahora bien, los especialistas, en esta esfera de estudio, parten de la dificultad de que no existe una definición precisa del concepto de inteligencia humana y de que tampoco se conoce con exactitud el funcionamiento del cerebro humano. La robótica y la informática son dos componentes esenciales de este sector tecnológico, que existe desde hace más de cincuenta años.
En un principio la IA se centró en la solución de teoremas, fórmulas y problemas geométricos, pero pronto pasó a fijarse en los llamados problemas de sentido común (commonsense reasoning). Los 3 procesos fundamentales de la inteligencia humana, que la inteligencia artificial busca imitar son, en orden ascendente de dificultad:1,2
• Aprendizaje. Consiste en adquirir conocimientos e información; así como las reglas para su aplicación. Comprender que la inteligencia exige un conocimiento previo fue uno de los primeros hallazgos de la IA.
• Razonamiento. Se trata de emplear esas reglas y conocimientos para alcanzar conclusiones aproximadas o definitivas.
• Autocorrección. Un ser dotado de IA debe por último, ser capaz de identificar sus propios errores y desechar los conocimientos, conclusiones y formas de actuación que los conducen a ellos.
Se podrían situar los orígenes de la IA en la definición de la neurona, desarrollada por McCulloch y Pitts (1943), y que la consideraba un dispositivo binario con varias entradas y salidas. En el año 1950, Alan M. Turing publicó un artículo en la revista Mind, titulado Computing machinery and intelligence, en el que reflexionó sobre el concepto de IA y dio a conocer el llamado Test de Turing, una prueba que permite determinar si una computadora se comporta conforme a lo que se entiende como artificialmente inteligente o no. En el año 1956, John McCarthy volvió sobre el tema durante la Conferencia de Dartmouth, que se celebró en Hanover, Estados Unidos. En este certamen, McCarthy, Minsky, Rochester y Shannon establecieron las bases de la IA como un campo independiente de la informática. La inteligencia artificial en los años sesenta, como no tuvo muchos logros, porque se requerían grandes inversiones y la tecnología era patrimonio de unos pocos grandes centros de investigación. En las décadas de los años 70 y 80, se produjeron algunos avances significativos en una de sus ramas: los sistemas expertos, con la introducción de PROLOG LISP. Hoy se investiga ampliamente en los grandes laboratorios tecnológicos educativos y privados.2,3
]]>
Con respecto a las definiciones actuales de IA, se encuentran las de autores como Rich y Knight (1994) y Stuart (1996), quienes la definen como la capacidad de las máquinas para realizar tareas ejecutadas por seres humanos; Nebendah (1988) y Delgado (1998), que la consideran como el campo de estudio que se centra en la explicación y emulación de la conducta inteligente mediante procesos computacionales, basados en la experiencia y el conocimiento continuo del ambiente; y Lugar y Stubblefied (1993), quienes la describieron como una rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente. Como puede observarse, todas presentan el mismo denominador.1
En la IA, se pueden hallar dos enfoques diferentes:2
• La IA concebida como el intento de desarrollar una tecnología capaz de proveer a la computadora capacidades de razonamiento similares a los de la inteligencia humana.
• La IA como investigación relativa a los mecanismos de la inteligencia humana que se emplean en la simulación para la validación de teorías.
A continuación se exponen los resultados de la exploración realizada sobre el tema y sus aspectos más importantes, relacionados con el surgimiento de la IA, la representación de la naturaleza, sus métodos y finalmente, cómo se aplica en el campo de la salud.
EXPLORACIÓN DE LA VIDA POSIBLE ]]>
La vida artificial se define frecuentemente como la biología de la vida posible,1 y con ella, se busca recrear los fenómenos biológicos, no sólo como son, sino también como pudieran ser. Para ello, la vida artificial parte del conocimiento de los sistemas biológicos complejos y sus perspectivas científicas, tecnológicas, artísticas, filosóficas y sociales.
Se trata de la creación de vida por el hombre más que del estudio de la vida natural. Sin embargo, para ello, en primer lugar, se necesita de una cabal comprensión de la vida natural, y por esta razón, actualmente, la imitación de la naturaleza es una de las vertientes esenciales de desarrollo de la IA. La imitación se relaciona profundamente con una cuestión tan complicada como es la definición de qué es la vida, cuyo estudio ha generado y continuará generando gran controversia, y el conocimiento de los procesos naturales.4-7
En este sentido y con frecuencia, una primera aproximación a la naturaleza se produce mediante el diseño de modelos, es decir, de abstracciones, simplificaciones y aproximaciones, no a la vida en sí, sino a procesos vitales finitos, que bien pueden ser relativos a un sólo individuo o a un conjunto de ellos: simulación del comortamiento de seres sésiles, de las bandadas o de animales que aprenden, luchan, se reproducen y en general, sobreviven.2
Ahora bien, siempre que se habla de vida artificial, se relaciona esta con el empleo de las computadoras y otras tecnologías electrónicas; esta idea puede ser un tanto reduccionista, porque no expresa explícitamente otras formas de hacer modelos como es el acercamiento desde la propia química, en concreto el uso de modelos bioquímicos, pero, puede deberse a la dependencia que han adquirido casi todas las tareas de la ciencia y la tecnología de ellas.
Bedau define 3 grandes áreas en la vida artificial según sea la aproximación del modelo empleado: soft (modelo de software), hard (modelo de hardware) y wet (modelo bioquímico).3 Por último, sea cual fuere su naturaleza, la creación de modelos sencillos y la estructuración mediante síntesis en modelos más complejos, es lo que está rindiendo resultados de vida artificial cada vez más aproximados de vida "real".8-10
]]>
CREACIÓN DE MODELOS VIRTUALES
La primera de las formas en la que se empezó a estudiar la vida artificial fue la tentativa de crear vida in vitro en laboratorios, a partir de los principios de la síntesis orgánica para estructurar los elementos. Estos esfuerzos han generado pistas importantes sobre las posibilidades de formas de vida alternativas sobre la base del dominio de la química de las cadenas del carbono.4
Sin embargo, el estudio de las biomoléculas requiere de costosas técnicas experimentales, laboratorios con equipamiento especializado y una gran proporción de personal cualificado. Las computadoras ofrecen un medio alternativo para intentar la síntesis de la vida. La tecnología actual, tanto de software como de hardware ofrece un gran potencial de cálculo y procesamiento para la creación de modelos in silico (figura). Los medios computacionales se están transformando en una importante herramienta de laboratorio para el estudio de la vida, que complementa e incluso sustituye en muchos casos a las incubadoras, placas de cultivo, microscopios, geles de electroforesis, pipetas, centrífugas y demás instrumental del laboratorio clásico.11
La creación del modelo propicia la manipulación para obtener diversos y novedosos resultados. En el caso de los experimentos clásicos de laboratorio, la manipulación se realiza mediante experimentos, pero en el caso de computadoras, se desarrolla mediante la ejecución de aplicaciones informáticas. Los resultados de ambas manipulaciones son: observaciones "reales" y predicciones "virtuales" respectivamente.3
Estos resultados presentan un doble valor, por un lado, se podrá profundizar en el conocimiento de los procesos biológicos estudiados, y por otro, una vez validados, será posible realizar predicciones. En este punto es donde las computadoras irrumpen con gran fuerza porque propician el procesamiento de un gran cúmulo de información, su manipulación y la consecución de muchos más resultados, en menos tiempo y menos medios, que permiten dilucidar situaciones de vida alejadas del entorno actual. En el caso de la vida artificial, la creación de modelos por computadora va un paso más allá, en el sentido de que son las propias máquinas el modelo creado, las soluciones a su problemática proviene de las soluciones que la naturaleza ofrece a los problemas reales. Con ello se consigue un doble propósito:12,13
• Validación de los modelos. Donde se crea vida artificial y se resuelven los problemas imitando a la naturaleza. ]]>
• Predicción de los modelos. Que corresponde a la fase de exploración de nuevos espacios de vida y la solución de los problemas intrínsecos con herramientas validadas.2
NIVELES DE MODELOS DE VIDA ARTIFICIAL BASADOS EN LA ORGANIZACIÓN DE LA NATURALEZA
La creación de modelos de vida artificial va de la mano y se basa en los niveles de organización de la Biología (molecular, celular, organismos y poblaciones o ecosistemas). Un ente viviente a cada uno de esos niveles es un sistema complejo conformado a partir de la interacción y el equilibrio de un gran número de elementos. Para tratar con esta complejidad multinivel, la vida artificial desarrolla nuevos modelos (software, hardware y "wetware") capaces de realizar abstracciones de la complejidad de los sistemas vivientes, pero con la ventaja de ser mucho más manipulables, reproducibles y susceptibles de experimento mucho más controlados que los que son posibles realizar en un entorno "real". En este sentido, la aplicación más importante de los sistemas de vida artificial para el campo de la salud es la construcción de modelos de aquellos sistemas que puedan aportar conocimiento sobre la vida natural.14-16
Sistemas artificiales bioquímicos (modelos wetware)
]]>
Son realmente los sistemas más parecidos a la vida natural y los que realmente derivan de ella. La mayoría de los experimentos intentan producir directamente moléculas de ARN con distintas propiedades (ribozimas). El descubrimiento de estas moléculas de ARN con capacidad catalítica, o ribozimas, aporta luz sobre el origen de la vida biológica. Podemos pensar que fueron moléculas de ARN, o parecidas, con capacidad para autorreplicarse, las precursoras de la vida, por tanto se pueden considerar el primer paso de la evolución para originar la célula.5
Sistemas complejos (modelos de software)
Los sistemas complejos tratan de explicar la evolución observada desde las moléculas que se pueden autorreplicar hasta la formación de un sistema como es la célula. Para ello, uno de los principales objetivos de estos modelos es buscar la presencia de patrones universales en la organización de la interacción de los elementos que componen los sistemas complejos. Las herramientas más adecuadas para realizar esta búsqueda son los programas informáticos, capaces de realizar recreaciones matemáticas de todos estos procesos y puntos, es por ello que la mayoría de estos sistemas se modelan mediante software.17
Uno de los modelos más utilizados a este nivel de organización son los autómatas celulares, que no son otra cosa que los modelos matemáticos que describen a un sistema dinámico que evoluciona en pasos discretos. Estos sistemas se descubrieron en el campo de la física computacional por John von Neumann en la década de los 50.6
]]>
Fabricando organismos (modelos de hardware)
La construcción de los modelos de hardware se realiza sobre la base de los principios que permiten la existencia en la naturaleza de organismos vivos: la evolución, crecimiento, adaptabilidad, regeneración y auto-organización.7 Para ello, es necesario diseñar y construir 3 componentes importantes:
• El cuerpo, como base física que soportará las capacidades simulando geometrías reales, propiedades mecánicas, dinámicas y térmicas, balance energético, crecimiento y desarrollo.
• El entorno ambiental en el que se desarrolla ese objeto.
• El comportamiento, como capacidad de adaptación del cuerpo al medio.
En principio, cualquiera de los 3 componentes de un ser vivo (cuerpo, entorno, comportamiento) pueden simularse mediante herramientas de software. Sin embargo, la gran cantidad de potencia computacional requerida para obtener un modelo razonable de, por ejemplo, las propiedades ambientales, o de las propiedades mecánicas de los organismos hace que no sea eficiente la creación de estos modelos mediante software.13,18
Es por ello, que un método más eficiente de obtener resultados es la recreación de modelos físicos en un entorno real y representar los cuerpos de los organismos vivos y sus interacciones con el entorno mediante pequeños robots. Con esta tecnología, se puede modelar cómo los organismos se integran sensorialmente, cómo se mueven en el espacio, cómo pueden controlar sus sensaciones y movimientos musculares para realizar movimientos coordinados y cómo se desarrolla todo ello en tiempo real.2,18-20 ]]>
Simulación de poblaciones
Se refiere a la recreación de ecosistemas donde cada elemento (organismo) interacciona con los demás mediante relaciones de competencia y colaboración por la explotación de los recursos del medio (comida, pareja…), lo que dirigirá la evolución de las generaciones venideras hacia un posicionamiento mejor que el de las generaciones predecesoras. Esta simulación de poblaciones se relaciona directamente con simulaciones a nivel de organismo, porque, su evolución en el entorno artificial puede implicar cambios a nivel morfológico (cuerpo) o a nivel de sistema nervioso (comportamiento).12,15,19
Los modelos de poblaciones se han desarrollado tradicionalmente mediante la solución de ecuaciones algebraicas o diferenciales. Sin embargo, estas soluciones presentan algunas limitaciones a la hora de describir las relaciones entre individuos, para ello se introducen nuevos métodos basados en el desarrollo como una forma alternativa de realizar modelos que prescinden de las ecuaciones, y representan las poblaciones como un conjunto de programas computaciones que se ejecutan en paralelo. En este caso, cada programa informático representa un organismo que se desarrollará (ejecutará) según las condiciones de interacción con otros programas ejecutables. Este nuevo paradigma para la modelación ofrece la ventaja de codificar el comportamiento de un organismo como un ejecutable, y va más lejos que la simple solución de ecuaciones que deben integrarse. La capacidad de modificación directa del código de programación, hace de estos sistemas más fáciles de utilizar y modificar con la nueva información obtenida de los sistemas reales.4, 17
HERRAMIENTAS DE VIDA ARTIFICIAL APLICADAS AL CONOCIMIENTO BIOLÓGICO ]]>
En la creación de estos modelos surgen distintas problemáticas para cuya solución, la vida artificial utiliza de nuevo la imitación de las soluciones que la naturaleza genera para resolver sus problemas. Es así como aparecen distintas herramientas "inteligentes" que, en una primera aproximación, sirven para solucionar los problemas derivados de la creación de vida artificial (crecer, reproducirse, sobrevivir…) pero que también se emplean para ayudar a conocer la propia naturaleza mejor. Aunque son numerosos los métodos existentes, entre los más desarrollados se encuentran:21-24
· Redes bayesianas.
Posibilitan la representación gráfica ordenada de las distribuciones de probabilidad, y para la inferencia. Adquieren cada vez más importancia en el campo de las ciencias biológicas sobre todo para dilucidar redes celulares, modelar rutas de señalización proteica, integración y clasificación de datos, y análisis genético. La representación y uso de la teoría de la probabilidad hace a esta herramienta muy útil para la extracción de conocimiento a partir de los datos, expresión de relaciones causales y el aprendizaje a partir de conjuntos de datos incompletos. Los modelos probabilísticos proveen un tratamiento natural para la naturaleza estocástica de los sistemas y medidas biológicas.4,8
• Redes neuronales.
Las neuronas artificiales son objetos de programación que mimetizan el funcionamiento de las neuronas reales, sus redes son modelos matemáticos de las interconexiones y los flujos de información existentes entre ellas, por tanto mimetizan el comportamiento de las redes neuronales biológicas.9
]]>
Una de las características de los sistemas de redes neuronales que las hace especialmente potentes es su adaptabilidad a la solución del problema. En este sentido, la creación de una red neuronal implica un período de entrenamiento de en el que la red se retroalimenta de información externa e interna y cambia su conformación para el perfeccionamiento del resultado.
Como las demás herramientas, las redes neuronales artificiales pueden utilizarse para un mejor conocimiento de las redes neuronales biológicas, o para resolver un problema de inteligencia artificial sin crear necesariamente un modelo biológico real.9,10
• Algoritmos genéticos.
Son técnicas computacionales heurísticas inspiradas en los mecanismos de evolución y selección natural de la genética clásica. Generan al azar un conjunto de soluciones o cromosomas que codifican los distintos genes (variables del sistema). Este conjunto de cromosomas se cruzan (recombinan) y de ellos se seleccionan las mejores soluciones. En períodos de tiempo determinados, se producen mutaciones e inversiones. Los procesos de recombinación y selección continúan hasta que no aparezca ninguna solución nueva en un rango preestablecido. Estos algoritmos están diseñados para encontrar la solución exacta o aproximada a problemas de optimización o búsqueda, y han demostrado ser especialmente efectivos en la búsqueda de soluciones en sistemas flexibles.10,17
• Autómatas celulares
Las herramientas más extendidas son los modelos discretos consistentes en una red regular en la que cada nodo es una célula que tiene un número finito de estados. Los autómatas celulares pueden reproducir la evolución del sistema en un tiempo finito. Para ello, el estado de cada célula en un tiempo t es una función de los estados de las células vecinas en el tiempo t-1. Así, la evolución del sistema es simplemente la evolución de los distintos estados puntuales de la red, que estará determinada por las interacciones de cada una de las células con su entorno.2, 21
]]>
VALOR PREDICTIVO EN LA SALUD
La aplicación de las técnicas de IA en el campo de la salud no es nueva. En década de los años 1980, los científicos trabajaban en la creación de programas para computadoras capaces de realizar diagnósticos y recomendaciones terapéuticas.
Desde entonces las líneas de investigación en este campo han cambiado para evolucionar desde el diagnóstico en situaciones clínicas de rutina hasta comprender todo la gama de los cuidados de la salud y definirse como los nuevos sistemas de apoyo a la decisión clínica.2 Las herramientas de IA permiten, hoy día, apoyar la prescripción de medicamentos, soportar la docencia, la ejecución de análisis de laboratorio, el ejercicio de la vigilancia clínica, etcétera.14,17,19
Estos sistemas producen actualmente los primeros resultados en la predicción de la dinámica de sistemas patológicos o terapéuticos tan dispares, como el pronóstico de las características metabólicas de nuevos fármacos, el control del ambiente en la terapia ocupacional, el desarrollo de prótesis de visión, o la caracterización del fenotipo a partir de datos genómicos y proteómicos.2, 9,10
En Cuba, se han experimentado avances en este sentido: historias clínicas electrónicas con insospechadas posibilidades en el futuro;24 sistemas para tratamientos estadísticos como el APUS que es capaz de ofrecer información gerencial para la toma de decisiones; procedimientos de aprendizaje basado en IA; agentes inteligentes para el diagnóstico de trastornos ginecológicos;25 así como otras interesantes utilidades.26 La existencia de un Centro de Cibernética Aplicada a la Medicina (CECAM), que concentra sus esfuerzos en disímiles direcciones de las aplicaciones e investigaciones médicas y con intereses marcados en el campo del intelecto artificial, es una muestra del interés en esta área en el país.24
]]>
CONCLUSIONES
La evolución tecnológica ha sido muy importante en los últimos años y en ella, la IA es una de las disciplinas con mayor impacto. Sus sistemas virtuales permiten predecir la dinámica tanto del estado sano como patológico de un individuo y encontrar soluciones a los problemas virtuales que se planteen. Las soluciones virtuales encontradas podrán aplicarse a la solución de problemas de salud reales, y cerrar así el ciclo de conocimiento desde lo real a lo virtual para predecir realidad futura.
REFERENCIAS BIBLIOGRÁFICAS
]]>
1. Langton CG, Shimohara K (eds.). Artificial life. Cambridge: The MIT Press; 1997.
2. Llata JR, Sarabia EG, Fernández D, Arce J, Oria JP. Aplicaciones de la inteligencia artificial en sistemas automatizados de producción. Revista Iberoamericana de Inteligencia Artificial 2000;4(010):100-10. Disponible en: http://redalyc.uaemex.mx/redalyc/src/inicio/ArtPdfRed.jsp?iCve=92541011 [Consultado: 4 de mayo de 2008].
3. Pfeifer R, Lungarella M, Lida F. Self-organization, embodiment, and biologically inspired robotics. Science 2007;318(5853):1088-93.
4. Needham CJ, Bradford JR, Bulpitt AJ, Westhead DR. A primer on learning in Bayesian networks for computational biology. PLoS Comput Biol 2007;3(8):129.
5. Kaiser M. Brain architecture: a design for natural computation. Philos Transact A Math Phys Eng Sci 2007;365(1861):3033-45.
6. Denekamp Y. Clinical decision support systems for addressing information needs of physicians. Isr Med Assoc J 2007;9(11):771-6.
7. Li H, Yap CW, Ung CY, Xue Y, Li ZR, Han LY, Lin HH, Chen YZ. Machine learning approaches for predicting compounds that interact with therapeutic and ADMET related proteins. J Pharm Sci 2007;96(11):2838-60.
8. Taylor B, Robertson D, Wiratunga N, Craw S, Mitchell D, Stewart E. Using computer aided case based reasoning to support clinical reasoning in community occupational therapy. Comput Methods Programs Biomed 2007;87(2):170-9.
9. Mokwa W. An implantable microsystem as vision prosthesis. Med Device Technol 2007;18(6). Disponible en: http://www.devicelink.com/mdt/archive/07/10/004.html [Consultado: 6 de mayo de 2008].
10. Ressom HW, Varghese RS, Zhang Z, Xuan J, Clarke R. Classification algorithms for phenotype prediction in genomics and proteomics. Front Biosci 2008;13:691-708.
11. Biomedical Engineering. Disponible en: http://bmil.bme.utexas.edu/files/bmil/CV.pdf [Consultado: 19 de marzo de 2008].
12. Wan Ishak WH, Siraj F. Artificial intelligence in medical application: an exploration. Disponible en: http://groups.csail.mit.edu/medg/people/psz/ftp/AIM82/ [Consultado: 14 de marzo de 2008].
13. Honavar V. Artificial intelligence: An overview. Disponible en: http://www.cs.iastate.edu/~cs572/handout1.pdf [Consultado: 17 de marzo de 2008].
14. Trias Capella R. Inteligencia artificial en medicina. Estado actual y perspectivas. Disponible en: http://www.somece.org.mx/memorias/2002/Grupo2/Rodriguez.rtf [Consultado: 16 de marzo de 2008].
15. Lucas P. Expert Systems: A knowledge-based approach to intelligent systems. Disponible en: http://www.cs.ru.nl/~peterl/siks06-4.pdf [Consultado: 15 de marzo de 2008].
16. Lucas P. Expert systems. Disponible en: http://www.cs.ru.nl/~peterl/ [Consultado: 19 de marzo de 2008].
17. Sánchez Arbolaez A. Aplicaciones de la inteligencia artificial en la medicina. Disponible en: http://www.monografias.com/trabajos39/aplicaciones-inteligencia-artificial/-apli caciones -inteligencia-artificial.shtml [Consultado: 19 de marzo de 2008].
18. Vidal Ledo M. Información, tecnologías y ética en la salud. Disponible en:
http://www.cecam.sld.cu-pages/rcim/revista_9/articulos_htm/eticaensalud.htm [Consultado: 19 de marzo de 2008].
19. Ávila Cruz V. Medicina y computación. Una integración necesaria. Disponible en: http://neuroc99.sld.cu-/text/medicinacomputacion.htm [Consultado: 17 de marzo de 2008].
20. Anokhin PK. Natural Intelligence versus Artificial Intelligence: The philosophical view. Cybernetics of living matter: nature, man, information. Moscow: MIR; 1987. p.127-42.
21. Lucas P. Bayesian Networks in Medicine: a Model-based Approach to Medical Decision Making. Disponible en: http://www.cs.ru.nl/~peterl/eunite.pdf [Consultado: 18 de marzo de 2008].
22. Reyes Ortiz C, Prieto Prieto R. Medicina basada en evidencia un nuevo paradigma. Disponible en:
http://www.medigraphic.com/pdfs/rma/cma-2006/cmas061i.pdf [Consultado: 12 de marzo de 2008].
23. Medina Pagola M, Febles Rodríguez JP. Utilización del aprendizaje basado en problemas bajo la óptica de la inteligencia artificial. Disponible en: http://www.cecam.sld.cu/pages/rcim/revista-_2/articulos_html/febles.htm [Consultado: 11 de marzo de 2008].
24. Expósito Gallardo MC, Ávila Ávila R. Aplicaciones de la inteligencia artificial en la Medicina: perspectivas y problemas. Acimed 2008;17(5). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext_pid=S1024 -94352008000500005&lng=es_nrm=iso_tlng=es [Consultado: 15 de marzo de 2008].
25. Sánchez Mansolo AA, Iglesias Dios JL, Perdomo González G, Hernández Cáceres JL, Mendoza D. Historias clínicas electrónicas en Cuba, quimera o posibilidad real. Disponible en: http://www.cecam.sld.cu/pages/rcim/revista_1/articulos_pdf/r0100a05.pdf [Consultado: 19 de marzo de 2008].
26. Pompa Sourd F, Martín Cardoso P, Vidal Ledo M, Vialart Vidal N. Sistema informático para la atención primaria de salud, APUS. Disponible en: http://WWW.info200.islagrande.cu/esp/frame.htlm [Consultado: 19 de marzo de 2008].
]]>
Recibido: 10 de diciembre de 2008.
Aprobado: 14 de diciembre de 2008.
Dr. Eglis Esteban García Alcolea. Cátedra de Cirugía Experimental Oftalmológica. Facultad Cubana de Oftalmología. Instituto Superior de Ciencias Médicas de La Habana. Edificio FOCSA. Calle 17 esq. M. El Vedado. Plaza de la Revolución. Ciudad de La Habana. Cuba. Correo electrónico: eglis@medired.scu.sld.cu
Ficha de procesamiento ]]>
Términos sugeridos para la indización
Según DeCS1
INTELIGENCIA ARTIFICIAL.
ARTIFICIAL INTELLIGENCE.
Según DeCI2
INTELIGENCIA ARTIFICIAL.
ARTIFICIAL INTELLIGENCE. ]]>
1BIREME. Descriptores en Ciencias de la Salud (DeCS). Sao Paulo: BIREME, 2004.
Disponible en: http://decs.bvs.br/E/homepagee.htm
2Díaz del Campo S. Propuesta de términos para la indización en Ciencias de la Información. Descriptores en Ciencias de la Información (DeCI). Disponible en: http://cis.sld.cu/E/tesauro.pdf
Copyright: © ECIMED. Contribución de acceso abierto, distribuida bajo los términos de la Licencia Creative Commons Reconocimiento-No Comercial-Compartir Igual 2.0, que permite consultar, reproducir, distribuir, comunicar públicamente y utilizar los resultados del trabajo en la práctica, así como todos sus derivados, sin propósitos comerciales y con licencia idéntica, siempre que se cite adecuadamente el autor o los autores y su fuente original.
Cita (Vancouver): García Alcolea EE. Vida e inteligencia artificial. Acimed 2009;19(1). Disponible en: Dirección electrónica de la contribución. [Consultado: día/mes/año]. ]]>
