Descripción :

El campo de la medicina tiene un masivo almacenamiento de información, basado en historias clínicas, pruebas de laboratorio, y otros datos de los pacientes, toda esta información crece en función al tiempo, se hace más difícil y complicado manejar, por lo cual es necesario desarrollar una aplicación o sistema para poder analizar y explotar ésta información, las mismas deben, no solo poder analizace, sino también aprender, razonar y deducir un diagnostico medico de una enfermedad urológica, a partir de un conjunto de datos organizados y clasificados basados en exámenes clínicos y síntomas u otros factores, para resolver el problema se aborda el aprendizaje automático, que es el campo donde se estudian, desarrollan e implementan algoritmos de los distintos modelos y algoritmos de aprendizaje, uno de ellos el aprendizaje basado en similaridades, entre los problemas que aborda, esta el de inducir conocimiento a partir de datos o ejemplos. Esto resulta una alternativa de solución a problemas que no pueden ser resueltos mediante algoritmos que son tradicionales, entre los cuales podemos mencionar la especificación de condiciones asociadas a diagnósticos clínicos, identificación de características que permitan reconocimiento visual de objetos, descubrimiento de patrones o regularidades en estructuras de información, están orientados principalmente hacia el desarrollo de descripciones simbólicas de los datos, que puedan caracterizar uno o más grupos de conceptos, diferenciar entre distintas clases, crear nuevas clases, crear una nueva clasificación conceptual, seleccionar los atributos más representativos, y ser capaces de predecir secuencias. Un método para describir los atributos de una entidad es utilizar un árbol de decisión o de clasificación, la gran ventaja de los árboles de clasificación es que se pueden transformar sin inconveniente a un conjunto de reglas de decisión. El propósito del proyecto es diagnosticar enfermedades en urología, abordando el problema de buscar un resultado en un árbol de decisión TDIDT(Top Down Induction Decisión Trees), en particular usando los algoritmos ID3 y C4.5, para lograr este objetivo.