Sensibilidad y especificidad de un sistema inteligente basado en programación redes bayesianas para el diagnóstico de la enfermedad pulmonar obstructiva crónica

Abstract

Antecedentes y objetivo: La enfermedad pulmonar obstructiva crónica es frecuentemente mal diagnosticada, sensibilizar a personas con síntomas respiratorios para que consulten, entrenar a personal médico y usar la espirometría como método de detección temprana son medidas utilizadas que han alcanzado algunos resultados a un costo económico considerable en el abordaje de este problema, por lo que se propone el desarrollo de un algoritmo diagnóstico basado en programación de redes bayesianas para el diagnóstico de la EPOC y que pueda ser de utilidad para disminuir los porcentajes de mal diagnóstico a un bajo costo. Metodología: construcción de un diagrama diagnóstico basado en literatura médica y opinión de expertos validado como prueba diagnóstica en un estudio de cohorte retrospectiva utilizando en las relaciones de ejecución del diagrama programación de Redes Bayesianas. Resultados: Se analizaron 510 historias 41,2% con EPOC, 22,2% ASMA, 28% ICCVI, 28,8% TBC, 2,2% bronquiectasias, la sensibilidad de la red Bayesiana para el diagnóstico de EPOC fue del 90%, especificidad del 91%, con una probabilidad de clasificación correcta del 90,2%, para el diagnóstico de Asma sensibilidad del 83%, especificidad 85% y probabilidad de clasificación correcta del 83,2%, para el diagnóstico de ICC ventricular izquierda sensibilidad del 85%, especificidad del 88% y probabilidad de clasificación correcta del 86%, para tuberculosis la sensibilidad de 77%, especificidad del 97 % y probabilidad de clasificación correcta 87% y para bronquiectasias sensibilidad del 19%, especificidad del 98% y probabilidad de clasificación correcta del 57%. Conclusión: La construcción de una red bayesiana para diagnóstico de EPOC puede llegar a tener una clasificación correcta de la EPOC hasta en un 90.7%, con sensibilidad del 90% y especificidad del 91%. Se requieren estudios de cohorte en diferentes niveles de atención para la validación prospectiva de estos resultados.