ACIMED versin impresa ISSN 1024-9435

ACIMED v.19 n.1 Ciudad de La Habana ene. 2009

CONTRIBUCIONES CORTAS

Vida e inteligencia artificial

Life and artificial intelligence

Eglis Esteban Garca Alcolea Doctor en Medicina. Instructor. Especialista de I Grado en Oftalmologa. Ctedra de Ciruga Experimental Oftalmolgica. Facultad Cubana de Oftalmologa. Instituto Superior de Ciencias Mdicas 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; as como de crear nueva vida. La aplicacin de diversas tcnicas y de las herramientas que ofrece la inteligencia artificial al estudio de la vida, posibilita actualmente una aproximacin ms adecuada a la realidad biolgica y el desarrollo de modelos capaces de reproducir cualidades tanto de la vida sana como patolgica con mayor perfeccin. El valor predictivo de estos modelos artificiales se erige como un instrumento imprescindible para el avance de la teraputica y el mejoramiento de la salud humana. Se estudian los aspectos ms importantes relacionados con el surgimiento de la inteligencia artificial, la representacin de la naturaleza, sus mtodos, 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 sueo de crear un cerebro artificial similar al humano est todava muy lejos de hacerse realidad. Sin embargo, el desarrollo de la inteligencia artificial (IA) ha posibilitado la elaboracin de sistemas y dispositivos en cierto modo "inteligentes": agendas electrnicas, sistemas de reconocimiento facial, programas antifraude, aviones de combate sin piloto, etctera. Su aplicacin en el rea de la medicina ha conseguido tambin importantes logros. La IA es un campo amplio de investigacin que trata de crear sistemas y mquinas que se comporten de manera inteligente. Ahora bien, los especialistas, en esta esfera de estudio, parten de la dificultad de que no existe una definicin precisa del concepto de inteligencia humana y de que tampoco se conoce con exactitud el funcionamiento del cerebro humano. La robtica y la informtica son dos componentes esenciales de este sector tecnolgico, que existe desde hace ms de cincuenta aos. En un principio la IA se centr en la solucin de teoremas, frmulas y problemas geomtricos, pero pronto pas a fijarse en los llamados problemas de sentido comn (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 informacin; as como las reglas para su aplicacin. 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.

 Autocorreccin. Un ser dotado de IA debe por ltimo, ser capaz de identificar sus propios errores y desechar los conocimientos, conclusiones y formas de actuacin que los conducen a ellos. Se podran situar los orgenes de la IA en la definicin de la neurona, desarrollada por McCulloch y Pitts (1943), y que la consideraba un dispositivo binario con varias entradas y salidas. En el ao 1950, Alan M. Turing public un artculo en la revista Mind, titulado Computing machinery and intelligence, en el que reflexion 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 ao 1956, John McCarthy volvi sobre el tema durante la Conferencia de Dartmouth, que se celebr en Hanover, Estados Unidos. En este certamen, McCarthy, Minsky, Rochester y Shannon establecieron las bases de la IA como un campo independiente de la informtica. La inteligencia artificial en los aos sesenta, como no tuvo muchos logros, porque se requeran grandes inversiones y la tecnologa era patrimonio de unos pocos grandes centros de investigacin. En las dcadas de los aos 70 y 80, se produjeron algunos avances significativos en una de sus ramas: los sistemas expertos, con la introduccin de PROLOG LISP. Hoy se investiga ampliamente en los grandes laboratorios tecnolgicos 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 mquinas 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 explicacin y emulacin 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 computacin que se ocupa de la automatizacin 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 tecnologa capaz de proveer a la computadora capacidades de razonamiento similares a los de la inteligencia humana. La IA como investigacin relativa a los mecanismos de la inteligencia humana que se emplean en la simulacin para la validacin de teoras. A continuacin se exponen los resultados de la exploracin realizada sobre el tema y sus aspectos ms importantes, relacionados con el surgimiento de la IA, la representacin de la naturaleza, sus mtodos y finalmente, cmo se aplica en el campo de la salud.

EXPLORACIN DE LA VIDA POSIBLE

La vida artificial se define frecuentemente como la biologa de la vida posible,1 y con ella, se busca recrear los fenmenos biolgicos, no slo como son, sino tambin como pudieran ser. Para ello, la vida artificial parte del conocimiento de los sistemas

biolgicos complejos y sus perspectivas cientficas, tecnolgicas, artsticas, filosficas y sociales. Se trata de la creacin de vida por el hombre ms que del estudio de la vida natural. Sin embargo, para ello, en primer lugar, se necesita de una cabal comprensin de la vida natural, y por esta razn, actualmente, la imitacin de la naturaleza es una de las vertientes esenciales de desarrollo de la IA. La imitacin se relaciona profundamente con una cuestin tan complicada como es la definicin de qu es la vida, cuyo estudio ha generado y continuar generando gran controversia, y el conocimiento de los procesos naturales.4-7 En este sentido y con frecuencia, una primera aproximacin a la naturaleza se produce mediante el diseo de modelos, es decir, de abstracciones, simplificaciones y aproximaciones, no a la vida en s, sino a procesos vitales finitos, que bien pueden ser relativos a un slo individuo o a un conjunto de ellos: simulacin del comortamiento de seres ssiles, 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 tecnologas electrnicas; esta idea puede ser un tanto reduccionista, porque no expresa explcitamente otras formas de hacer modelos como es el acercamiento desde la propia qumica, en concreto el uso de modelos bioqumicos, pero, puede deberse a la dependencia que han adquirido casi todas las tareas de la ciencia y la tecnologa de ellas. Bedau define 3 grandes reas en la vida artificial segn sea la aproximacin del modelo empleado: soft (modelo de software), hard (modelo de hardware) y wet (modelo bioqumico).3 Por ltimo, sea cual fuere su naturaleza, la creacin de modelos sencillos y la estructuracin mediante sntesis en modelos ms complejos, es lo que est rindiendo resultados de vida artificial cada vez ms aproximados de vida "real".8-10 CREACIN DE MODELOS VIRTUALES La primera de las formas en la que se empez a estudiar la vida artificial fue la tentativa de crear vida in vitro en laboratorios, a partir de los principios de la sntesis orgnica 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 qumica de las cadenas del carbono.4 Sin embargo, el estudio de las biomolculas requiere de costosas tcnicas experimentales, laboratorios con equipamiento especializado y una gran proporcin de personal cualificado. Las computadoras ofrecen un medio alternativo para intentar la sntesis de la vida. La tecnologa actual, tanto de software como de hardware ofrece un gran potencial de clculo y procesamiento para la creacin de modelos in silico (figura). Los medios computacionales se estn 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, centrfugas y dems instrumental del laboratorio clsico.11 La creacin del modelo propicia la manipulacin para obtener diversos y novedosos resultados. En el caso de los experimentos clsicos de laboratorio, la manipulacin se realiza mediante experimentos, pero en el caso de computadoras, se desarrolla

mediante la ejecucin de aplicaciones informticas. Los resultados de ambas manipulaciones son: observaciones "reales" y predicciones "virtuales" respectivamente.3 Estos resultados presentan un doble valor, por un lado, se podr profundizar en el conocimiento de los procesos biolgicos estudiados, y por otro, una vez validados, ser posible realizar predicciones. En este punto es donde las computadoras irrumpen con gran fuerza porque propician el procesamiento de un gran cmulo de informacin, su manipulacin y la consecucin de muchos ms 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 creacin de modelos por computadora va un paso ms all, en el sentido de que son las propias mquinas el modelo creado, las soluciones a su problemtica proviene de las soluciones que la naturaleza ofrece a los problemas reales. Con ello se consigue un doble propsito:12,13 Validacin de los modelos. Donde se crea vida artificial y se resuelven los problemas imitando a la naturaleza. Prediccin de los modelos. Que corresponde a la fase de exploracin de nuevos espacios de vida y la solucin de los problemas intrnsecos con herramientas validadas.2 NIVELES DE MODELOS DE VIDA ARTIFICIAL BASADOS EN LA ORGANIZACIN DE LA NATURALEZA La creacin de modelos de vida artificial va de la mano y se basa en los niveles de organizacin de la Biologa (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 interaccin y el equilibrio de un gran nmero 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 ms manipulables, reproducibles y susceptibles de experimento mucho ms controlados que los que son posibles realizar en un entorno "real". En este sentido, la aplicacin ms importante de los sistemas de vida artificial para el campo de la salud es la construccin de modelos de aquellos sistemas que puedan aportar conocimiento sobre la vida natural.14-16 Sistemas artificiales bioqumicos (modelos wetware) Son realmente los sistemas ms parecidos a la vida natural y los que realmente derivan de ella. La mayora de los experimentos intentan producir directamente molculas de ARN con distintas propiedades (ribozimas). El descubrimiento de estas molculas de ARN con capacidad cataltica, o ribozimas, aporta luz sobre el origen de la vida biolgica. Podemos pensar que fueron molculas de ARN, o parecidas, con capacidad para autorreplicarse, las precursoras de la vida, por tanto se pueden considerar el primer paso de la evolucin para originar la clula.5 Sistemas complejos (modelos de software) Los sistemas complejos tratan de explicar la evolucin observada desde las molculas que se pueden autorreplicar hasta la formacin de un sistema como es la clula. Para ello, uno de los principales objetivos de estos modelos es buscar la presencia de

patrones universales en la organizacin de la interaccin de los elementos que componen los sistemas complejos. Las herramientas ms adecuadas para realizar esta bsqueda son los programas informticos, capaces de realizar recreaciones matemticas de todos estos procesos y puntos, es por ello que la mayora de estos sistemas se modelan mediante software.17 Uno de los modelos ms utilizados a este nivel de organizacin son los autmatas celulares, que no son otra cosa que los modelos matemticos que describen a un sistema dinmico que evoluciona en pasos discretos. Estos sistemas se descubrieron en el campo de la fsica computacional por John von Neumann en la dcada de los 50.6 Fabricando organismos (modelos de hardware) La construccin de los modelos de hardware se realiza sobre la base de los principios que permiten la existencia en la naturaleza de organismos vivos: la evolucin, crecimiento, adaptabilidad, regeneracin y auto-organizacin.7 Para ello, es necesario disear y construir 3 componentes importantes: El cuerpo, como base fsica que soportar las capacidades simulando geometras reales, propiedades mecnicas, dinmicas y trmicas, balance energtico, crecimiento y desarrollo. El entorno ambiental en el que se desarrolla ese objeto. El comportamiento, como capacidad de adaptacin 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 mecnicas de los organismos hace que no sea eficiente la creacin de estos modelos mediante software.13,18 Es por ello, que un mtodo ms eficiente de obtener resultados es la recreacin de modelos fsicos en un entorno real y representar los cuerpos de los organismos vivos y sus interacciones con el entorno mediante pequeos robots. Con esta tecnologa, se puede modelar cmo los organismos se integran sensorialmente, cmo se mueven en el espacio, cmo pueden controlar sus sensaciones y movimientos musculares para realizar movimientos coordinados y cmo se desarrolla todo ello en tiempo real.2,18-20 Simulacin de poblaciones Se refiere a la recreacin de ecosistemas donde cada elemento (organismo) interacciona con los dems mediante relaciones de competencia y colaboracin por la explotacin de los recursos del medio (comida, pareja), lo que dirigir la evolucin de las generaciones venideras hacia un posicionamiento mejor que el de las generaciones predecesoras. Esta simulacin de poblaciones se relaciona directamente con simulaciones a nivel de organismo, porque, su evolucin en el entorno artificial puede implicar cambios a nivel morfolgico (cuerpo) o a nivel de sistema nervioso (comportamiento).12,15,19

Los modelos de poblaciones se han desarrollado tradicionalmente mediante la solucin 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 mtodos 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 informtico representa un organismo que se desarrollar (ejecutar) segn las condiciones de interaccin con otros programas ejecutables. Este nuevo paradigma para la modelacin ofrece la ventaja de codificar el comportamiento de un organismo como un ejecutable, y va ms lejos que la simple solucin de ecuaciones que deben integrarse. La capacidad de modificacin directa del cdigo de programacin, hace de estos sistemas ms fciles de utilizar y modificar con la nueva informacin obtenida de los sistemas reales.4, 17 HERRAMIENTAS DE VIDA ARTIFICIAL APLICADAS AL CONOCIMIENTO BIOLGICO En la creacin de estos modelos surgen distintas problemticas para cuya solucin, la vida artificial utiliza de nuevo la imitacin de las soluciones que la naturaleza genera para resolver sus problemas. Es as como aparecen distintas herramientas "inteligentes" que, en una primera aproximacin, sirven para solucionar los problemas derivados de la creacin de vida artificial (crecer, reproducirse, sobrevivir) pero que tambin se emplean para ayudar a conocer la propia naturaleza mejor. Aunque son numerosos los mtodos existentes, entre los ms desarrollados se encuentran:21-24 Redes bayesianas. Posibilitan la representacin grfica ordenada de las distribuciones de probabilidad, y para la inferencia. Adquieren cada vez ms importancia en el campo de las ciencias biolgicas sobre todo para dilucidar redes celulares, modelar rutas de sealizacin proteica, integracin y clasificacin de datos, y anlisis gentico. La representacin y uso de la teora de la probabilidad hace a esta herramienta muy til para la extraccin de conocimiento a partir de los datos, expresin de relaciones causales y el aprendizaje a partir de conjuntos de datos incompletos. Los modelos probabilsticos proveen un tratamiento natural para la naturaleza estocstica de los sistemas y medidas biolgicas.4,8 Redes neuronales. Las neuronas artificiales son objetos de programacin que mimetizan el funcionamiento de las neuronas reales, sus redes son modelos matemticos de las interconexiones y los flujos de informacin existentes entre ellas, por tanto mimetizan el comportamiento de las redes neuronales biolgicas.9 Una de las caractersticas de los sistemas de redes neuronales que las hace especialmente potentes es su adaptabilidad a la solucin del problema. En este sentido, la creacin de una red neuronal implica un perodo de entrenamiento de en el que la red se retroalimenta de informacin externa e interna y cambia su conformacin para el perfeccionamiento del resultado. Como las dems herramientas, las redes neuronales artificiales pueden utilizarse para un mejor conocimiento de las redes neuronales biolgicas, o para resolver un problema de inteligencia artificial sin crear necesariamente un modelo biolgico real.9,10

 Algoritmos genticos. Son tcnicas computacionales heursticas inspiradas en los mecanismos de evolucin y seleccin natural de la gentica clsica. 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 perodos de tiempo determinados, se producen mutaciones e inversiones. Los procesos de recombinacin y seleccin continan hasta que no aparezca ninguna solucin nueva en un rango preestablecido. Estos algoritmos estn diseados para encontrar la solucin exacta o aproximada a problemas de optimizacin o bsqueda, y han demostrado ser especialmente efectivos en la bsqueda de soluciones en sistemas flexibles.10,17 Autmatas celulares Las herramientas ms extendidas son los modelos discretos consistentes en una red regular en la que cada nodo es una clula que tiene un nmero finito de estados. Los autmatas celulares pueden reproducir la evolucin del sistema en un tiempo finito. Para ello, el estado de cada clula en un tiempo t es una funcin de los estados de las clulas vecinas en el tiempo t-1. As, la evolucin del sistema es simplemente la evolucin de los distintos estados puntuales de la red, que estar determinada por las interacciones de cada una de las clulas con su entorno.2, 21 VALOR PREDICTIVO EN LA SALUD La aplicacin de las tcnicas de IA en el campo de la salud no es nueva. En dcada de los aos 1980, los cientficos trabajaban en la creacin de programas para computadoras capaces de realizar diagnsticos y recomendaciones teraputicas. Desde entonces las lneas de investigacin en este campo han cambiado para evolucionar desde el diagnstico en situaciones clnicas de rutina hasta comprender todo la gama de los cuidados de la salud y definirse como los nuevos sistemas de apoyo a la decisin clnica.2 Las herramientas de IA permiten, hoy da, apoyar la prescripcin de medicamentos, soportar la docencia, la ejecucin de anlisis de laboratorio, el ejercicio de la vigilancia clnica, etctera.14,17,19 Estos sistemas producen actualmente los primeros resultados en la prediccin de la dinmica de sistemas patolgicos o teraputicos tan dispares, como el pronstico de las caractersticas metablicas de nuevos frmacos, el control del ambiente en la terapia ocupacional, el desarrollo de prtesis de visin, o la caracterizacin del fenotipo a partir de datos genmicos y protemicos.2, 9,10 En Cuba, se han experimentado avances en este sentido: historias clnicas electrnicas con insospechadas posibilidades en el futuro;24 sistemas para tratamientos estadsticos como el APUS que es capaz de ofrecer informacin gerencial para la toma de decisiones; procedimientos de aprendizaje basado en IA; agentes inteligentes para el diagnstico de trastornos ginecolgicos;25 as como otras interesantes utilidades.26 La existencia de un Centro de Ciberntica Aplicada a la Medicina (CECAM), que concentra sus esfuerzos en dismiles direcciones de las aplicaciones e investigaciones mdicas y con intereses marcados en el campo del intelecto artificial, es una muestra del inters en esta rea en el pas.24

CONCLUSIONES
La evolucin tecnolgica ha sido muy importante en los ltimos aos y en ella, la IA es una de las disciplinas con mayor impacto. Sus sistemas virtuales permiten predecir la dinmica tanto del estado sano como patolgico de un individuo y encontrar soluciones a los problemas virtuales que se planteen. Las soluciones virtuales encontradas podrn aplicarse a la solucin de problemas de salud reales, y cerrar as el ciclo de conocimiento desde lo real a lo virtual para predecir realidad futura.

REFERENCIAS BIBLIOGRFICAS
1. Langton CG, Shimohara K (eds.). Artificial life. Cambridge: The MIT Press; 1997. 2. Llata JR, Sarabia EG, Fernndez D, Arce J, Oria JP. Aplicaciones de la inteligencia artificial en sistemas automatizados de produccin. 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. Snchez Arbolaez A. Aplicaciones de la inteligencia artificial en la medicina. Disponible en: http://www.monografias.com/trabajos39/aplicaciones-inteligenciaartificial/-apli caciones -inteligencia-artificial.shtml [Consultado: 19 de marzo de 2008]. 18. Vidal Ledo M. Informacin, tecnologas y tica 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. vila Cruz V. Medicina y computacin. Una integracin 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 Rodrguez JP. Utilizacin del aprendizaje basado en problemas bajo la ptica 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. Expsito Gallardo MC, vila vila 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. Snchez Mansolo AA, Iglesias Dios JL, Perdomo Gonzlez G, Hernndez Cceres JL, Mendoza D. Historias clnicas electrnicas 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, Martn Cardoso P, Vidal Ledo M, Vialart Vidal N. Sistema informtico para la atencin 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 Garca Alcolea. Ctedra de Ciruga Experimental Oftalmolgica. Facultad Cubana de Oftalmologa. Instituto Superior de Ciencias Mdicas de La Habana. Edificio FOCSA. Calle 17 esq. M. El Vedado. Plaza de la Revolucin. Ciudad de La Habana. Cuba. Correo electrnico: eglis@medired.scu.sld.cu Ficha de procesamiento Trminos sugeridos para la indizacin Segn DeCS1 INTELIGENCIA ARTIFICIAL. ARTIFICIAL INTELLIGENCE. Segn DeCI2 INTELIGENCIA ARTIFICIAL. ARTIFICIAL INTELLIGENCE. BIREME. Descriptores en Ciencias de la Salud (DeCS). Sao Paulo: BIREME, 2004. Disponible en: http://decs.bvs.br/E/homepagee.htm 2 Daz del Campo S. Propuesta de trminos para la indizacin en Ciencias de la Informacin. Descriptores en Ciencias de la Informacin (DeCI). Disponible en: http://cis.sld.cu/E/tesauro.pdf
1

Copyright: ECIMED. Contribucin de acceso abierto, distribuida bajo los trminos de la Licencia Creative Commons Reconocimiento-No Comercial-Compartir Igual 2.0, que permite consultar, reproducir, distribuir, comunicar pblicamente y utilizar los resultados del trabajo en la prctica, as como todos sus derivados, sin propsitos comerciales y con licencia idntica, siempre que se cite adecuadamente el autor o los autores y su fuente original. Cita (Vancouver): Garca Alcolea EE. Vida e inteligencia artificial. Acimed 2009;19(1). Disponible en: Direccin electrnica de la contribucin. [Consultado: da/mes/ao].

Referencia del artculo

GARCIA ALCOLEA, Eglis Esteban. Vida e inteligencia artificialLife and artificial intelligence. ACIMED [online]. 2009, vol.19, n.1, pp. 0-0. ISSN 1024-9435.