🩺 Comprobador de Síntomas — Inferencia en Vivo con Redes Bayesianas

Una red bayesiana es un grafo acíclico dirigido (DAG) en el que los nodos representan variables aleatorias y las aristas representan dependencia probabilística directa. Cada nodo almacena una tabla de probabilidad condicional (CPT) que da la probabilidad de los estados de ese nodo dados los estados de sus padres. La probabilidad conjunta de todas las variables de la red se factoriza como el producto de cada entrada de la CPT de cada nodo, lo que permite representar la distribución conjunta completa de forma compacta en lugar de como una tabla enorme. Esta simulación usa un nodo de enfermedad con cuatro estados mutuamente excluyentes (Gripe, Resfriado Común, Rinitis Alérgica, Sinusitis Bacteriana) como padre de ocho nodos de síntomas binarios, cada uno con su propia CPT real de P(síntoma presente | enfermedad).

Dado que el único padre de cada nodo de síntoma es el nodo de enfermedad, la probabilidad conjunta de un estado de enfermedad d junto con un conjunto de valores de síntomas observados e₁..eₖ es P(d) multiplicado por el producto de P(eᵢ | d) para cada síntoma observado i, directamente a partir de la regla de Bayes y la regla de la cadena para esta estructura de grafo. El simulador calcula ese producto no normalizado para los cuatro estados de enfermedad, y luego divide cada uno entre la suma de los cuatro para que los resultados sumen 1 — esto es inferencia exacta por enumeración, no una aproximación ni una suma ponderada heurística. Cada vez que activas un síntoma, la enumeración completa se recalcula desde las probabilidades previas y las CPT originales.

Porque todas las enfermedades compiten por la misma masa de probabilidad normalizada. Observar ojos con picor y lagrimeo multiplica la puntuación de alergia por una probabilidad alta (0,75) y la puntuación de gripe por una probabilidad baja (0,05); tras renormalizar, la proporción de la alergia sube y la de todas las demás enfermedades baja, aunque sus propias entradas individuales de la CPT para ese síntoma no hayan cambiado. Esto es actualización bayesiana: la evidencia a favor de una hipótesis es automáticamente evidencia en contra de sus competidoras, que es exactamente lo que debería hacer un razonamiento diagnóstico real.

Un sistema de puntuación heurística podría simplemente sumar puntos por cada síntoma coincidente sin una justificación fundamentada para los pesos o el total. Este simulador, en cambio, multiplica probabilidades condicionales genuinas siguiendo la regla del producto de la probabilidad y normaliza según la verdadera probabilidad marginal de la evidencia observada, exactamente como exige la regla de Bayes: P(enfermedad | evidencia) = P(evidencia | enfermedad) P(enfermedad) / P(evidencia). Los números son probabilidades calibradas que suman 1 y pueden comprobarse a mano para cualquier evidencia individual, no una puntuación arbitraria.

La CPT de cada síntoma indica, para cada estado de enfermedad, la probabilidad de que un paciente con esa enfermedad presente el síntoma, por ejemplo P(fiebre = presente | Gripe) = 0,80 frente a P(fiebre = presente | Rinitis Alérgica) = 0,02. Estos valores ilustrativos reflejan tendencias clínicas bien conocidas (la fiebre y los dolores corporales son comunes en la gripe, el picor de ojos y los estornudos son comunes en las alergias, la presión facial es común en la sinusitis), pero son cifras didácticas simplificadas, no estadísticas diagnósticas de un conjunto de datos clínicos real.

No. Esta es una demostración educativa de la inferencia con redes bayesianas usando cifras de probabilidad ilustrativas y simplificadas. No es una herramienta de diagnóstico, no ha sido validada con datos reales de pacientes y nunca debe usarse para tomar decisiones sobre tu salud o la de otra persona. Si tienes síntomas que te preocupan, contacta a un profesional sanitario cualificado o a los servicios de emergencia de tu localidad.