Resumen de la clase doctoral impartida por el Dr. Manuel Quesada Martínez de la Universidad Miguel Hernández (UMH, España) en la Universidad Autónoma de Santo Domingo (UASD), sobre cómo las ontologías y la Web Semántica están revolucionando los Sistemas de Soporte a la Decisión.
1. ¿Adivinar o Razonar?
Históricamente, los Sistemas de Soporte a la Decisión (DSS) han operado bajo un enfoque basado en patrones estadísticos. En este modelo, el sistema intenta "adivinar" un resultado basándose en la repetición de datos pasados. Sin embargo, la ingeniería del conocimiento moderna está dando un salto cualitativo hacia los DSS basados en modelos, donde el objetivo no es la predicción probabilística, sino el razonamiento lógico fundamentado en el conocimiento experto.
💡 Pirámide del Conocimiento (DIKW)
- Datos: Elementos brutos (ej. una cifra de tensión).
- Información: Datos con contexto.
- Conocimiento: Información organizada y modelada para la acción.
- Sabiduría: Aplicación superior de ese conocimiento.
La Web Semántica busca dotar a las máquinas de un "cerebro" capaz de procesar el nivel de Conocimiento. Hoy vemos esta tecnología en acción en el Google Knowledge Graph, que entiende entidades y no solo palabras clave, o en la nube de Linked Data, que convierte a Internet en una inmensa base de datos global interconectada mediante el estándar RDF.
2. ¿Qué es realmente una Ontología? (De la Filosofía a la IA)
El término "Ontología" nace con Aristóteles como la rama de la metafísica que estudia "lo que existe". En los años 90, la IA "robó" el concepto para resolver un problema práctico: ¿Cómo explicarle a una máquina los elementos de un dominio (como la farmacología) para que pueda razonar sobre ellos?
📖 Definiciones Fundamentales
- Tom Gruber (1993): "Una ontología es una especificación explícita de una conceptualización". Es el paso del modelo mental abstracto a un formato formal.
- Studer (1998): Añadió que debe ser una "conceptualización compartida". El consenso es vital; si cada sistema usa su propia ontología inventada, la comunicación se rompe.
"Una ontología es un artefacto de ingeniería diseñado con un propósito: restringir la
interpretación lógica de un vocabulario dentro de un sistema informático."
— Guarino, 1998
Sin formalización, el DSS corre riesgos: para un médico, la "presión" es sanguínea; para un físico, son pascales. La ontología elimina esa ambigüedad.
3. Los Bloques de Construcción: Clases, Propiedades e Individuos
Siguiendo la metodología de Noy y McGuinness (2001), cualquier mapa de conocimiento se construye sobre tres pilares que orquestamos mediante herramientas como Protégé (Stanford):
- Clases (Conceptos): Categorías jerárquicas del dominio (ej. Medicamento, Enfermedad).
- Relaciones (Propiedades): Conexiones lógicas que vinculan entidades (ej. tiene_alergia_a).
- Individuos (Instancias): Objetos reales que habitan las clases (ej. Paciente_Juan, Ibuprofeno_600mg).
4. El Corazón del Sistema: TBox, ABox y el Reasoner
El poder de una ontología reside en la Lógica Descriptiva (DL), que el lenguaje OWL (Web Ontology Language) traduce a un formato web. Un Sistema de Conocimiento se divide en dos compartimentos críticos:
- TBox (Terminological Box): El esquema. Contiene las clases y las reglas lógicas (la "receta").
- ABox (Assertion Box): Los datos reales. Contiene los individuos y sus síntomas específicos.
El Motor de Inferencia o Razonador (ej. HermiT o Pellet) es el software que ejecuta las matemáticas para derivar conocimiento oculto. Sus tareas son:
- Clasificación: Asignar individuos a clases según sus propiedades.
- Cálculo de Jerarquía (Subsunción): Reorganizar el árbol de conceptos.
- Chequeo de Consistencia: Detectar contradicciones (ej. un fármaco que es Antibiótico y Antiviral a la vez si estas clases son disjuntas).
5. Caso Práctico: El DSS Semántico en la Clínica
Consideremos el sistema PITeS-TiiSS, diseñado para pacientes crónicos complejos. A diferencia de un software tradicional con miles de líneas de "IF-THEN" rígidas, este DSS separa la interfaz del conocimiento.
🏥 El flujo con el paciente "Juan"
- Dato: El médico receta Ibuprofeno.
- Instanciación: El sistema
crea en el ABox:
[Juan] → tiene_prescripcion → [Ibuprofeno]. Juan ya tenía[Juan] → tiene_patologia → [Ulcera_Gastrica]. - Inferencia: El Reasoner procesa la regla del TBox: "Todo paciente con úlcera que tome AINEs es un Paciente en Riesgo de Hemorragia".
- Acción: Como el Ibuprofeno es un AINE, el sistema clasifica a Juan en Riesgo_Hemorragia y dispara una alerta.
Esta alerta es una consecuencia matemática natural del modelo biológico, no una regla programada a mano. Además, gracias a la interoperabilidad, esta lógica funciona igual si Juan es atendido en Madrid o en Barcelona, ya que ambos sistemas comparten el mismo estándar formal.
6. Ventajas y el Desafío de la Calidad
- Mantenibilidad: Los protocolos médicos se actualizan en el archivo OWL sin tocar una sola línea de código fuente.
- Explicabilidad (White-Box AI): Es éticamente obligatorio que un DSS justifique sus decisiones. Plugins como Justifications permiten auditar exactamente qué camino lógico siguió el Reasoner.
- Interoperabilidad: Uso de estándares globales como SNOMED CT.
⚠️ Nota de Precaución: La Calidad
En dominios críticos, una ontología mal diseñada no "explota" ni detiene el sistema; simplemente genera deducciones incorrectas de forma silenciosa. Por ello, es vital aplicar métricas de ingeniería como OQuaRE (basada en ISO/IEC 25000) para evaluar la mantenibilidad y fiabilidad del modelo antes de su despliegue.
7. Más allá de Protégé: El Ecosistema Global
Para los desarrolladores, existen librerías como Owlready2 (Python) y OWL API (Java) que permiten manipular archivos OWL de forma nativa. Para interrogar estos grafos de conocimiento, utilizamos SPARQL, el lenguaje que permite realizar consultas semánticas que entienden jerarquías:
SELECT ?paciente ?sustancia WHERE {
?paciente :tieneAlergia ?alergia .
?alergia :causadaPor ?sustancia .
?sustancia rdfs:subClassOf :FrutosSecos .
}Este lenguaje permite la Federación, cruzando datos locales del hospital con repositorios globales. Un ejemplo de escala masiva es OntoPharma, un sistema de prescripción segura con más de 34,000 clases, demostrando que esta tecnología es robusta y escalable para entornos hospitalarios reales.
🗺️ Mapa Conceptual: Web Semántica y DSS
Arquitectura de un DSS Semántico: desde el esquema (TBox) hasta los datos (ABox), procesados mediante OWL y motores de inferencia.
🎯 Conclusión y Puntos Clave
Migrar hacia sistemas semánticos es el camino hacia una IA transparente, mantenible y fundamentada en el conocimiento compartido.
Puntos Clave para Recordar
- Las ontologías permiten que las máquinas razonen sobre el significado, no solo que procesen cadenas de texto.
- El Reasoner automatiza la clasificación y garantiza que no existan contradicciones lógicas (consistencia).
- La separación entre TBox (esquema) y ABox (datos) es la clave para la flexibilidad del sistema.
- La calidad ontológica (OQuaRE) es indispensable para evitar errores lógicos silenciosos en entornos críticos.
El futuro del Linked Data promete una web donde la información no solo esté disponible, sino que sea profundamente comprendida por la tecnología que nos asiste.
Clase Doctoral: Web Semántica y DSS
Clase impartida por el Dr. Manuel Quesada Martínez (UMH) en la UASD