Resumen En este artículo se presenta un sistema experto piloto difuso como una medida alterna complementaria, con el objetivo de diagnosticar de una manera expedita el estado de salud de un paciente que pueda tener o desarrollar complicaciones asociadas al Covid-19. Para el caso de esta investigación, se utilizó una metodología descriptiva mixta. En primera instancia, se desarrolló un Sistema Experto (SE) para recopilar información del Covid-19, posteriormente mediante una red semántica se visualizó el conocimiento sobre esta enfermedad para que, a partir de la declaración de conocimientos al lenguaje natural, definir las variables y realizar un proceso de parametrización para la creación del Sistema Difuso (SD). Para el diseño de los ítems del cuestionario, se consultó a un médico especialista y se aplicó a una población aleatoria de 72 pacientes que habían presentado los síntomas del Covid-19. Los resultados obtenidos al aplicar el SE arrojaron una eficiencia del 86% en el diagnóstico realizado a la muestra poblacional, justificando la hipótesis supuesta de un diagnóstico mayor del 80%. Se concluye que al ser el Covid-19 una enfermedad pandémica con variantes y manifestación de múltiples síntomas en los pacientes que la han adquirido, la generación de nuevas metodologías de diagnóstico como la que aquí se presenta, posibilitan un rápido diagnóstico ante la alta demanda de atención médica. Esta modalidad de diagnóstico a través de un SE, en la medida que se siga retroalimentando y se aplique a un mayor número de pacientes, ayudará a detectar con mayor eficiencia y en tiempo si el paciente presenta o no Covid-19.
Abstract This article presents a fuzzy pilot expert system as a complementary alternative measure with the objetive to quickly diagnose the health status of a patient who may have or develop complications associated with Covid-19. For the case of this research, a mixed descriptive methodology was used. In the first instance, an Expert System (ES) was developed to collect information on Covid-19, later, through a semantic network, the knowledge about this disease was visualized so that, from the declaration of knowledge to natural language, define the variables and perform a parameterization process for the creation of the Fuzzy System (FS). For the design of the questionnaire items, a medical specialist was consulted and the instrument was applied through a Google form to a random population of 72 patients who had presented the symptoms of Covid-19. The results obtained by applying the ES showed an efficiency of 86% in the diagnosis made to the population sample, justifying the supposed hypothesis of a diagnosis greater than 80%. It is concluded that since Covid-19 is a pandemic disease with variants and manifestation of multiple symptoms in patients who have acquired it, the generation of new diagnostic methodologies such as the one presented here, allow a rapid diagnosis in the face of the high demand for medical care. This diagnostic modality through an ES, to the extent that feedback continues and is applied to a greater number of patients, will help to detect more efficiently and in time whether or not the patient has Covid-19.
Resumo Neste artigo, é apresentado um sistema pericial piloto fuzzy como medida complementar alternativa, com o objetivo de diagnosticar de forma expedita o estado de saúde de um paciente que possa ter ou desenvolver complicações associadas à Covid-19. No caso desta pesquisa, foi utilizada uma metodologia descritiva mista. Em uma primeira instância, foi desenvolvido um Sistema Especialista (SE) para coletar informações sobre a Covid-19, posteriormente, por meio de uma rede semântica, foi visualizado o conhecimento sobre essa doença para que, com base na declaração de conhecimento em linguagem natural, defina as variáveis e realizar um processo de parametrização para a criação do Sistema Fuzzy (SD). Para o desenho dos itens do questionário, foi consultado um médico especialista e aplicado a uma população aleatória de 72 pacientes que apresentaram os sintomas da Covid-19. Os resultados obtidos com a aplicação do SE mostraram uma eficiência de 86% no diagnóstico feito à amostra populacional, justificando a hipótese de um diagnóstico superior a 80%. atenção médica. Esta modalidade de diagnóstico através de SE, na medida em que o feedback continua e é aplicado a um maior número de doentes, vai ajudar a detetar de forma mais eficiente e atempada se o doente tem ou não Covid-19.