MYCIN fue uno de los primeros sistemas expertos de encadenamiento hacia atrás que utilizaba inteligencia artificial para identificar bacterias que causaban infecciones graves, como bacteriemia y meningitis , y para recomendar antibióticos , con dosis ajustadas al peso corporal del paciente (el nombre deriva de los propios antibióticos, ya que muchos antibióticos tienen el sufijo "-micina"). El sistema Mycin también se utilizó para el diagnóstico de enfermedades de coagulación sanguínea. MYCIN se desarrolló durante cinco o seis años a principios de la década de 1970 en la Universidad de Stanford . Fue escrito en Lisp como la tesis doctoral de Edward Shortliffe bajo la dirección de Bruce G. Buchanan, Stanley N. Cohen y otros.
MYCIN funcionaba con un motor de inferencia bastante simple y una base de conocimiento de aproximadamente 600 reglas. Consultaba al médico que ejecutaba el programa mediante una larga serie de preguntas simples de sí/no o de texto. Al final, proporcionaba una lista de posibles bacterias culpables clasificadas de mayor a menor según la probabilidad de cada diagnóstico, su confianza en la probabilidad de cada diagnóstico, el razonamiento detrás de cada diagnóstico (es decir, MYCIN también enumeraba las preguntas y reglas que lo llevaban a clasificar un diagnóstico de una manera particular) y su curso de tratamiento farmacológico recomendado.
MYCIN generó un debate sobre el uso de su marco de incertidumbre ad hoc , pero basado en principios, conocido como " factores de certeza ". Los desarrolladores realizaron estudios que mostraban que el rendimiento de MYCIN se veía mínimamente afectado por perturbaciones en las métricas de incertidumbre asociadas con reglas individuales, lo que sugiere que el poder del sistema estaba más relacionado con su representación del conocimiento y su esquema de razonamiento que con los detalles de su modelo numérico de incertidumbre. Algunos observadores sintieron que debería haber sido posible utilizar estadísticas bayesianas clásicas . Los desarrolladores de MYCIN argumentaron que esto requeriría suposiciones poco realistas de independencia probabilística o requeriría que los expertos proporcionaran estimaciones para un número inviablemente grande de probabilidades condicionales . [1] [2]
Estudios posteriores demostraron que el modelo de factor de certeza podía interpretarse en un sentido probabilístico y destacaron los problemas con los supuestos implícitos de dicho modelo. Sin embargo, la estructura modular del sistema demostraría ser muy exitosa, lo que llevó al desarrollo de modelos gráficos como las redes bayesianas . [3]
En MYCIN era posible que dos o más reglas pudieran extraer conclusiones sobre un parámetro con diferentes pesos de evidencia. Por ejemplo, una regla puede concluir que el organismo en cuestión es E. Coli con una certeza de 0,8 mientras que otra concluye que es E. Coli con una certeza de 0,5 o incluso -0,8. En caso de que la certeza sea menor que cero, la evidencia en realidad está en contra de la hipótesis. Para calcular el factor de certeza, MYCIN combinó estos pesos utilizando la fórmula siguiente para obtener un único factor de certeza:
Donde X e Y son los factores de certeza. [4] Esta fórmula se puede aplicar más de una vez si más de dos reglas extraen conclusiones sobre el mismo parámetro. Es conmutativa , por lo que no importa en qué orden se combinaron los pesos.
Una investigación realizada en la Facultad de Medicina de Stanford concluyó que MYCIN recibió una calificación de aceptabilidad del 65 % en el plan de tratamiento por parte de un panel de ocho especialistas independientes, que fue comparable a la calificación del 42,5 % al 62,5 % de cinco miembros de la facultad. [5] Este estudio se cita a menudo como una muestra del potencial de desacuerdo sobre las decisiones terapéuticas, incluso entre expertos, cuando no existe un "estándar de oro" para el tratamiento correcto. [ cita requerida ]
MYCIN nunca se utilizó en la práctica, y esto no se debió a ninguna debilidad en su rendimiento. Algunos observadores plantearon cuestiones éticas y legales relacionadas con el uso de computadoras en medicina, en relación con la responsabilidad de los médicos en caso de que el sistema diera un diagnóstico erróneo. [6] Sin embargo, el mayor problema, y la razón por la que MYCIN no se utilizó en la práctica rutinaria, fue el estado de las tecnologías para la integración de sistemas, especialmente en el momento en que se desarrolló. MYCIN era un sistema independiente que requería que un usuario ingresara toda la información relevante sobre un paciente escribiendo las respuestas a las preguntas que MYCIN planteaba. El programa se ejecutaba en un gran sistema de tiempo compartido, disponible en Internet ( ARPANet ), antes de que se desarrollaran las computadoras personales.
La mayor influencia de MYCIN fue, por tanto, la demostración del poder de su enfoque de representación y razonamiento. En los años posteriores a la introducción de este enfoque por parte de MYCIN, se desarrollaron sistemas basados en reglas en muchos dominios no médicos. En la década de 1980, se introdujeron "capas" de sistemas expertos (incluido uno basado en MYCIN, conocido como E-MYCIN (seguido de Knowledge Engineering Environment - KEE )) y respaldaron el desarrollo de sistemas expertos en una amplia variedad de áreas de aplicación. Una dificultad que cobró importancia durante el desarrollo de MYCIN y los sistemas expertos complejos posteriores ha sido la extracción del conocimiento necesario para que el motor de inferencia lo utilice desde el experto humano en los campos relevantes hacia la base de reglas (el llamado " cuello de botella de adquisición de conocimiento ").
