Resumen de Redes bayesianas temporales: aplicaciones médicas e industriales
El objetivo principal de la presente tesis doctoral es el desarrollo de un sistema que modele la evolución de la extensión de un cáncer de nasofaringe. Este sistema sirve de ayuda a los oncólogos de una unidad de oncología radioterápica en la determinación del desarrollo alcanzado por este tipo de cáncer en un paciente antes de aplicar la terapia adecuada. En la parte I de la memoria presentamos el marco conceptual de modelado de conocimiento en que hemos realizado nuestro trabajo. Debido a la naturaleza de los procesos que tiene lugar en el dominio médico del que nos ocupamos, decidimos basarnos en el uso de redes bayesianas con representación explícita del tiempo para la definición de nuestro modelo de crecimiento cancerígeno. En la parte II, primeramente revisamos los diferentes tipos existentes de redes bayesianas para razonamiento temporal y analizamos las ventajas e inconvencientes de cada uno. Más adelante formalizamos un nuevo método que denominamos "red de eventos probabilistas en tiempo discreto", el cual resulta adecuado para el modelado de los mecanismos causales de carácter incierto a los que se ven sujetos un conjunto de eventos temporales. Como principal aportación del nuevo método, destacamos el uso de diferentes modelos temporales de interacción causal para cada familia de nodos de la red. Estos modelos representan una adaptación para procesos temporales de los modelos canónicos probabilistas tradicionales; por esta razón decidimos denominarlos "puertas probabilistas temporales". También incluimos la aplicación de un nuevo algoritmo que permite la factorización de las probabilidades condicionales correspondientes a familias de nodos que interactúan según un modelo de puerta probabilista temporal. En la parte III describimos NasoNet, un sistema que aplica al dominio de cáncer de nasofaringe el nuevo método para razonamiento temporal con redes bayesianas desarrollado en la parte II.
