Trabajo De Grado

COMPARACION DE METODOLOGIAS Y ARQUITECTURAS DE SISTEMAS MULTIAGENTE ENCONTRADAS EN 10 APLICACIONES UTILIZADAS EN MEDICINA Y SERVICIOS DE E-SALUD

PAULO CESAR QUINTERO URIBE

UNIVERSIDAD CATOLICA DE COLOMBIA FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA DE SISTEMAS BOGOTA D.C. 2009

COMPARACION DE METODOLOGIAS Y ARQUITECTURAS DE SISTEMAS MULTIAGENTE ENCONTRADAS EN 10 APLICACIONES UTILIZADAS EN MEDICINA Y SERVICIOS DE E-SALUD

PAULO CESAR QUINTERO URIBE

Trabajo de grado para optar el título de Ingeniera de Sistemas

UNIVERSIDAD CATOLICA DE COLOMBIA FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA DE SISTEMAS BOGOTA D.C. 2009

Nota de aceptación

Certificamos que se ha presentado y revisado el proyecto de grado ―Comparación de metodologías y arquitecturas de sistemas MultiAgente encontradas en 10 aplicaciones utilizadas en medicina y servicios de e-salud‖ desarrollado por Paulo Cesar Quintero Uribe, cumpliendo con los objetivos definidos al inicio del proyecto y las normas ICONTEC.

______________________________________ Dr. Germán Cubillos Cartagena Director del Proyecto

_______________________________________ Ing. Deyra Caraballo Delegada de Investigaciones

Bogotá, 5 de Diciembre de 2009

A Dios por acompañarme durante la vida. A las personas que me alentaron y apoyaron en el transcurso de este pregrado

A Claudia por la paciencia

AGRADECIMIENTOS

Al Dr. Germán Cubillos Cartagena por el acompañamiento asesoría y por compartir su conocimiento de agentes y sistemas multiagentes durante la realización de este trabajo de grado

A mi familia por haberme apoyado durante los años de mi carrera

CONTENIDO Pag AGRADECIMIENTOS .............................................................................................................................5 RESUMEN..........................................................................................................................................8 ABSTRACT ......................................................................................................................................10 INTRODUCCIÓN ............................................................................................................................11 1. DESCRIPCION DE LA INVESTIGACIÓN ..........................................................................12 1.1 IDENTIFICACIÓN DEL PROBLEMA.................................................................................12 1.2 JUSTIFICACIÓN DE LA INVESTIGACIÓN ..........................................................................14 1.3 OBJETIVOS DE LA INVESTIGACIÓN .................................................................................14 1.3.1 Objetivo general ................................................................................................................14 1.3.2 Objetivos específicos ........................................................................................................14 1.4 RETOS DE LA INVESTIGACION ..........................................................................................15 1.5 METODOLOGÍA DE LA INVESTIGACIÓN. .........................................................................15 Fase 1: Fase de revisión inicial y selección de los documentos .........................................15 Fase 2: Fase de registro y sistematización .............................................................................15 Fase 3 ...........................................................................................................................................16 1.6 ESTRUCTURA DEL TRABAJO DE INVESTIGACIÓN ......................................................16 1.6.1. Marco Teórico. ......................................................................................................................16 1. Definición de Sistema Multi-Agente: ................................................................................17 2. Características de los Agentes: ........................................................................................18 3. Propiedades esenciales de los Agentes. ........................................................................19 1.6.2. MARCO CONCEPTUAL. ....................................................................................................19 Metodologías orientadas al diseño de Agentes. ................................................................19

Arquitecturas de Agente.........................................................................................................23 1.6.3. Mapa Conceptual .............................................................................................................25 2 Aplicaciones de agentes y sistemas multiagente ...................................................................26 A continuación se describen 10 aplicaciones de agentes y sistemas multiagente en medicina y servicios de E-salud sobre las que se realizara la comparación de la arquitectura y la metodología ........................................................................................................26 2.2. Desarrollo de Cada uno de los objetivos específicos .......¡Error! Marcador no definido. 2.2.1 Objetivo Específico No. 1 ................................................¡Error! Marcador no definido. 2.2.2 Objetivo Específico No. 2 ................................................¡Error! Marcador no definido. 2 2.2.3 Objetivo Específico No. 3 ............................................¡Error! Marcador no definido. III. PARTE............................................................................................¡Error! Marcador no definido. CONCLUSIONES...........................................................................¡Error! Marcador no definido. 3.1. Conclusiones y contrastación de objetivos ....................¡Error! Marcador no definido. 3.2. Aportes y resultados originales ........................................¡Error! Marcador no definido. IV. PARTE ...........................................................................................¡Error! Marcador no definido. 4.1. Futuras líneas de investigación ........................................¡Error! Marcador no definido. 4.2. Publicaciones derivadas de la investigación ..................¡Error! Marcador no definido.

RESUMEN

En los últimos años los sistemas MultiAgente han surgido como un interesante hito en la tecnología de desarrollo de software. Los sistemas MultiAgente son un grupo de agentes que trabajan en común resolviendo problemas, estos sistemas están compuestos por agentes normalmente heterogéneos, con cierto grado de independencia. Los agentes son procesos computacionales autónomos, con iniciativa, capacidad de explorar, modificar su entorno y comunicarse con otros agentes [CELL 2000]

Los sistemas MultiAgente se han aplicado a muchas disciplinas del quehacer humano como el comercio electrónico, las comunicaciones electrónicas, la medicina, la bolsa, las subastas electrónicas, la producción de bienes, la robótica etc., donde los resultados obtenidos a través de las técnicas tradicionales no son satisfactorios.

Este proyecto tiene como propósito estudiar las aplicaciones de Sistemas MultiAgente en medicina para realizar una recopilación de información, que sirva de base a futuros proyectos de desarrollo de prototipos, en la línea de investigación de desarrollo de software. A pesar de que existe información disponible acerca de Agentes y sistemas MultiAgente, ésta no está clasificada por metodología y arquitectura utilizadas en aplicaciones médicas y de servicios de ESalud.

Las aplicaciones médicas tienen como objetivo el monitoreo constante de pacientes sin la intervención de especialistas de la salud, liberando tiempo vital que podrían dedicar a problemas mucho más complejos en clínicas y hospitales, mientras que los Agentes toman el rol de detección de síntomas, identificación de condiciones medicas, reconocimiento de condiciones crónicas y realización de diagnósticos tempranos de futuras complicaciones. Esto trae como consecuencia un constante monitoreo de personas con algún padecimiento de enfermedades, costos de atención mucho más bajos, y la posibilidad de monitorear pacientes en sitios apartados teniendo como respaldo buenos equipos de comunicación.

Otras aplicaciones de los Agentes y Sistemas MultiAgente se encuentran en servicios de E-Salud, donde estos sistemas pueden encargarse de la búsqueda de historias clínicas, y cruce de información de pacientes con otras instituciones, con el fin de ofrecer un mejor cuidado y servicio a los pacientes. Además, estos sistemas pueden realizar manejo de citas, y optimización de rutas para ambulancias, entre otras.

En esta investigación se realizará una revisión documental sobre aplicaciones de Agentes y Sistemas MultiAgente utilizados en medicina y en servicios de E-Salud, basados en el criterio de comparación de metodología y arquitectura que las conforman. Para esto se debe definir criterios de clasificación que abarquen estas dos características. Además se revisaran cien fuentes bibliográficas sobre aplicaciones de Agentes y Sistemas MultiAgente en medicina y servicios E-Salud. Así mismo, se creará una página web donde se mostrará este trabajo al público en general.

La metodología utilizada en este trabajo corresponde al método exploratorio descriptivo, identificando la información basado en fuentes científicas, clasificándola y ordenándola, seleccionado la información más valiosa y aplicándole criterios que ameriten ser tenidos en cuenta para la realización de este trabajo.

El proyecto en si, se desarrollará en el segundo semestre de 2009 y tiene varias actividades que ayudaran a alcanzar los objetivos propuestos. Entre ellas está la búsqueda de información, la realización de fichas resumen, y una pequeña descripción de cada una de las aplicaciones que describirá la metodología y arquitectura utilizada en cada caso.

Palabras Claves: Sistema MultiAgente, Medicina, Arquitectura de sistemas multiagentes, Metodología de sistemas multiagentes

ABSTRACT In this work, the comparation of architectural and methodology of ten medical applications based on agents and multiagentes systems are presented, the importance of this work is that help and support that student who want to development a medical application based on agents and multiagentes systems. This application could help people, increasing their health and improving the quality of life of those communities who lives far away of big cities; also help the medical professional to take the best decision in a diagnosis, and treatment of the patients. And help those people with illness or injured at every moment because this application are in constant monitoring of their health

INTRODUCCIÓN

Las tecnologías de información y comunicaciones TIC´s han incursionado en muchas áreas del conocimiento, ayudando a las personas a realizar mejor sus trabajos, como consecuencia de esto el conocimiento se difunde y la tecnología llega a más y más campos. Uno de los campos donde la tecnología ha incursionado es la medicina, donde el desarrollo de nuevos equipos de diagnostico ayudan a mejorar la salud de las personas, pero la tecnología va mas a allá cada día y se han desarrollado programas de software, con la capacidad de apoyar a los médicos y a los sistemas de salud en la atención, diagnostico, elección del mejor tratamiento y seguimiento en tiempo real de los pacientes El objetivo de este trabajo es analizar la cadena de atención de los pacientes desde que realizan su cita, o desde que son atendidos en una emergencia hasta que están en recuperación en su casa o sitio de descanso. Mostrando la importancia que tienen los agentes y sistemas multiagente en el apoyo a este ciclo, para que muy pronto la universidad comience a incursionar en el desarrollo de elementos de telemedicina y servicios de E-salud para el beneficio de varias comunidades Como lo veremos a lo largo de este trabajo los agentes y sistemas multiagente que intervienen en medicina ayudan a médicos y pacientes en el objetivo de conservar la salud y alcanzar buenas prácticas de atención y monitoreo, disminuyendo los costos, optimizando los servicios de emergencia, llegando a más personas y comunidades. Y este es solo, una muestra de lo que los sistemas agentes y multiagente pueden hacer en medicina, con las destrezas de los ingenieros de sistemas junto al conocimiento de los médicos se va a llegar a desarrollos de aplicaciones cada vez mas útiles tanto para pacientes como para el personal del equipo medico.

1. DESCRIPCION DE LA INVESTIGACIÓN Se realizara una descripción de la investigación, identificando el problema, la importancia de realizar este trabajo, cuales son los objetivos, la metodología usada el marco teórico y conceptual 1.1 IDENTIFICACIÓN DEL PROBLEMA

Colombia tiene una baja cobertura de los servicios de salud, 71.1% según la organización panamericana de la salud según el estudio Health in Américas, 2007 de la Organización Panamericana de la Salud. [PAHO 2007] y tiene dos tipos de regímenes: el contributivo y el subsidiado. El Régimen Subsidiado es el mecanismo mediante el cual la población más pobre de Colombia, sin capacidad de pago, tiene acceso a los servicios de salud a través de un subsidio que ofrece el Estado. Y hacen parte del régimen contributivo todas aquellas personas que tienen un empleo o poseen capacidad de pago para afiliarse a una Empresa Promotora de Salud (EPS). Ambos sistemas presentan muchas falencias según lo demuestra la sentencia de Tutela T-760 de 2008, en la que se toma una decisión importante para la protección de los derechos fundamentales, en especial la salud y los derivados de ella. Esta tutela pretende arreglar todas las aflicciones que se presentan con una ausencia de legalidad (omisión legislativa) y de política pública que haga frente a la protección del derecho a la salud de los colombianos (art. 49 C.N.). Dicho derecho que había sido protegido por conexidad desde la sentencia T - 406 de 1992 con relación al derecho a la vida y al mínimo vital, ha sido utilizado masivamente; pues se estima que las 280.000 tutelas que se presentan al año 90.000 de ellas, tienen que ver con el derecho a la salud, para ordenar a las EPS que suministren los medicamentos, tratamientos y operaciones contempladas en los cinco Planes Obligatorios de Salud (POS) existentes, dependiendo si es afiliado por régimen contributivo y subsidiado. Además la tutela ha sido el único mecanismo con que cuentan los ciudadanos para solicitar medicamentos, operaciones y tratamientos no contemplados en los POS cuando se trata de enfermedades catastróficas, cuando se afecta la vida, la dignidad, la imagen entre otras situaciones concretas. [CCSS 2008] La cobertura encontrada en Colombia es baja comparada con países como Canadá que cuenta con una cobertura del 100%, Brasil con un 94.5% y Chile con 100%. [PAHO 2007].

Los servicios de salud en Colombia, se ven concentrados en las grandes y medianas ciudades. No obstante, dentro de estos conglomerados la cobertura en sectores de bajos recursos o en personas de ciertas edades no satisface sus necesidades de salud, lo cual trae como consecuencia un gran porcentaje de población desprotegida. La ingeniería de sistemas puede ayudar, en cierta medida, a solucionar este problema gracias a los sistemas constituidos por Agentes y Sistemas MultiAgente. Estos consisten en sistemas de software inteligente, que gracias a sus características de autonomía, interacción, comunicación, negociación, y coordinación, entre otros, les brinda un alto grado de inteligencia artificial, con el que podrían hacerse cargo de monitorear ciertas necesidades de salud de personas desprotegidas, y cotejar la información encontrada para generar reportes y realizar investigaciones a través de personal experto. Es de aclarar que estos sistemas no remplazarán a los especialistas en salud, pero si pueden ser una buena herramienta para éstos, facilitando el contacto con grupos poblacionales alejados, gracias a que los sistemas de comunicación y los Sistemas de Agentes y Multi-Agente especializados en medicina permiten el monitoreo y generación de diagnóstico remoto. Para realizar esta labor, los Sistemas Agentes y MultiAgente deben ser parametrizados inicialmente con comportamientos promedio, valores de referencia altos y bajos de ciertas enfermedades o condiciones de salubridad. Estos parámetros individualizan el diagnóstico de la persona atendida, y cuando los datos o la información de la persona se salen de los rangos establecidos, el Agente debe estar en capacidad de informarle al paciente que acciones debe realizar e informar al médico tratante sobre las decisiones tomadas en caso de tener que tomar un correctivo. El problema consiste en que la información existente sobre aplicaciones de Sistemas de Agente y MultiAgente en Medicina y en servicios de E-Salud no está clasificada, priorizada u ordenada, de tal forma que sirvan de ayuda a la creación de aplicaciones en el futuro que ayuden a ampliar la cobertura en salud. Esta falta de información clasificada va acompañada de que no existe una comparación de la arquitectura y la metodología utilizada en las aplicaciones de Agentes y Sistemas MultiAgente en medicina.

1.2 JUSTIFICACIÓN DE LA INVESTIGACIÓN Esta investigación se realizo con el fin de hacer el proyecto de grado, mostrando las bondades de la intervención de los agentes y sistemas multiagentes en medicina y las características que han tenido algunas de estas aplicaciones desde el punto de vista de su arquitectura y metodología de desarrollo. En la Universidad Católica de Colombia se realizaron trabajos previos sobre arquitectura y metodologías por separado, En este se mostrara la aplicación de ambos conceptos en el desarrollo de aplicaciones específicas para una rama del quehacer humano como es la medicina

1.3 OBJETIVOS DE LA INVESTIGACIÓN 1.3.1 Objetivo general Comparar las 10 aplicaciones más significativas de Agentes y Sistemas MultiAgente (SMA) que se identifiquen utilizadas en medicina y servicios e-salud desde sus Metodologías y Arquitecturas, a partir de una revisión documental sobre máximo cien (100) fuentes de información. 1.3.2 Objetivos específicos 1. Registrar en una base de datos las fichas que se obtengan de la revisión documental realizada a las aplicaciones de Agentes y SMA en medicina y servicios e-salud en máximo 100 fuentes de información, obtenidas a partir de las Metodologías y Arquitecturas con las cuales fueron elaboradas. 2. Construir una comparativa entre las 10 aplicaciones más significativas de Agentes y SMA en medicina y servicios e-salud analizando sus metodologías y arquitecturas utilizadas en su elaboración. 3. Presentar los resultados obtenidos en una herramienta WEB

1.4 RETOS DE LA INVESTIGACION El reto de esta investigación es mostrar la importancia de los agentes y sistemas multiagentes en el campo de la medicina identificando las arquitecturas y metodologías que tenían estas aplicaciones permitiendo a quien la consulte tener bases para desarrollar agentes y sistemas multiagente hacia la disciplina medica.

1.5 METODOLOGÍA DE LA INVESTIGACIÓN. Fase 1: Fase de revisión inicial y selección de los documentos La revisión documental inicial, como estrategia metodológica de obtención de información, se entiende como la gama de registros escritos (investigaciones [tesis de pre y posgrado, artículos de revistas especializadas, documentos digitales, libros y capítulos de libros, entre otros]), encontrados en momentos previos y durante la investigación. Se consideran documentos válidos para la revisión documental, los siguientes: Tesis de pregrado, postgrado (maestría /doctorado) Informes de investigación Artículos de revistas indexadas Libros digitales Libros impresos Capítulos de libros Para la selección de los documentos de revisión se tienen en cuenta los siguientes parámetros: autenticidad, representatividad y credibilidad

Fase 2: Fase de registro y sistematización El registro de los documentos se desarrolla sobre un modelo de fichas1, que recoge la información básica de las fuentes consultadas. Para el proceso de sistematización de la información recogida, se establece un código con el cual se identifica la fuente origen. Los datos básicos de la fuente origen identifican el tipo de fuente, título, autor, ubicación. Presenta además, una descripción breve de la fuente, en la cual se escriben los aspectos generales de lo contenido en ella. Posteriormente, se registra la tabla de contenido, las palabras clave definidas por los autores de la fuente origen, o por quien hace el resumen, atendiendo a las categorías propuestas en la investigación) Finalmente, el cuerpo del resumen. Se registra el número de la fuente que se resume, el título de la fuente y se da inicio con el texto del resumen. [LSUM]

Fase 3 Construcción de base de datos. Publicación de página Web. Entrega del trabajo.

1.6 ESTRUCTURA DEL TRABAJO DE INVESTIGACIÓN 1.6.1. Marco Teórico. Una entidad con capacidad de resolver problemas, es llamada Agente; dentro de sus atributos principales está la posibilidad de almacenar e inferir conocimiento y de comunicarse con otros Agentes. Cuando la complejidad del problema aumenta, un solo Agente no puede seguir asumiendo todo el proceso de resolución, por tanto las responsabilidades deben ser distribuidas entre varios Agentes. En general, un Agente no posee una visión global del estado del sistema y la mayoría de las decisiones que toma están basadas en una visión incompleta del problema. No obstante, se puede lograr una coherencia satisfactoria intercambiando una cantidad limitada de información entre los Agentes, ya que no es necesario que un Agente informe a los otros acerca de todas las áreas. Los Agentes se pueden clasificar en Agentes Cognitivos y Agentes Reactivos. Los Agentes Cognitivos son complejos, ya que tienen capacidad para evaluar las condiciones del sistema o del ambiente, tienen características de inteligencia artificial, pueden comunicarse con otros Agentes y tomar decisiones en conjunto. Los Agentes Reactivos son más básicos y reacciones ante un estimulo especifico. Un solo Agente reactivo no es inteligente, es la suma de los Agentes Reactivos lo que hace a un Sistema Multi-Agente poseer características inteligentes. También se habla de sistemas con Agentes Híbridos, ya que poseen tanto Agentes Reactivos como Cognitivos. [LCCCRB]. Sistemas Cognitivos

Sistemas Reactivos

Representación explícita del ambiente

No pueden representar el ambiente

Pueden tener conocimiento del pasado

No tienen memoria

Agentes complejos

Ante un reacción

Pocos Agentes

Muchos Agentes

estimulo

producen

una

Los Agentes pueden ser además Estáticos o Móviles. Los Agentes Estáticos solo cumplen su función en el equipo donde están instalados, los Agentes Móviles se mueven a través de la red e interactúan con diferentes Agentes en diferentes maquinas. Los Agentes poseen características de identificación, lo cual les permite reconocer a que Agente se hace referencia y que expresa en particular frente al área que representa. Los Agentes ejercen un rol que define la especialidad que estos desempeñan en el área identificada. A los Agentes se les definen metas, que son las tareas o responsabilidades que el Agente es capaz de desempeñar, y las cuales se logran cumpliendo los planes o pasos establecidos. Los Agentes poseen conocimiento, el cual se expresa a través de modelos que poseen una simbología específica. Este conocimiento se utiliza para realizar inferencias del problema. Los Agentes poseen necesidades, este es el insumo que requiere un Agente para cumplir sus planes, pero debe ser comunicado en la cooperación por otro Agente. [LCCCRB].

1. Definición de Sistema Multi-Agente: Es un conjunto de Agentes que tienen la capacidad de interactuar en un entorno común. Agentes en un entorno con otros Agentes poseen capacidades como la comunicación, negociación y coordinación. Los sistemas tradicionales de software pueden manejar datos e información. Los datos se definen como una secuencia de símbolos cuantificables o cuantificados. La información se genera tomando los datos y ordenándolos en un patrón con

significado. Conocimiento es la habilidad de usar esa información. La habilidad del conocimiento incluye la representación del conocimiento en el mundo externo, razonándolo y compartiéndolo. Se han introducido varias técnicas y metodologías para manejar la habilidad de conocimiento, autonomía, e interactividad. [BEHH 2004]. Los sistemas basados en Agentes son diferentes de los sistemas de software convencional en ocho puntos básicos: (1) Cuando se diseña un Agente se debe definir el ―rol‖ o los ―roles‖ que va a desempeñar (qué va a hacer); en el software se definen ―tareas‖ (qué y cómo hacer). (2) Comportamiento emergente puede estar presente en los Sistemas Multi-Agente (MAS). (3) En MAS el ciclo del conocimiento comienza con la observación y la recolección de información, mientras que en el sistema tradicional de software la información usualmente es dada. (4) En MAS la cantidad de interacciones realizadas por los Agentes es comparable en tamaño con la interacciones dentro de un Agente. (5) En MAS los niveles de comunicación y ontología común son necesarios para compartir experticia o para interactuar inteligentemente. (6) Los componentes de los sistemas convencionales de software deben tener completa información de los otros componentes y sus servicios; esto no es necesariamente requerido en MAS. (7) En los sistemas convencionales de software, los puntos de decisión en los algoritmos son determinísticos; en MAS, los puntos de decisión son probabilísticos. (8) En MAS cada Agente constituyente puede iniciar una decisión realizando un proceso y la decisión general es tomada en base a múltiples hilos de control.

2. Características de los Agentes: Benevolencia: Los Agentes cooperan con los demás siempre que les sea posible. No pueden mentir, ni esconder información. Coordinación: Los Agentes valoran el resultado de la actividad del grupo con la misma escala y desean contribuir para maximizar su calidad. Diseño central: Los Agentes se diseñan para que se integren en un sistema inteligente, capaz de resolver un problema. El diseñador debe asegurar que los Agentes utilicen el mismo lenguaje y que cada Agente desempeñe un papel que influya en la consecución del objetivo global [AGSO 1998].

3. Propiedades esenciales de los Agentes. Capacidad para resolver problemas no triviales: Un Agente inteligente sabe razonar sobre el entorno, capacidad que le permite realizar un conjunto de tareas. Racionalidad (limitada): Los Agentes están dotados de un conjunto de objetivos y emprenden acciones para realizarlos. Eligen sus acciones según el principio de racionalidad, es decir prefieren las acciones más prometedoras para sus metas. No obstante, su actuación está limitada por factores de tiempo y recursos. Autonomía (limitada): Los Agentes tiene sus propias motivaciones a partir de las que generan autónomamente sus objetivos. Sin embargo para alcanzar gran parte de los mismos dependen de la ayuda de los demás Agentes, lo cual pone límites a su autonomía. Reactividad y Pro-actividad: los Agentes perciben el entorno y responden a los cambios que ocurren en él. Además, debido a que generan sus propias metas y pueden actuar convenientemente, son capaces de tomar iniciativa. Sociabilidad: Un Agente tiene en cuenta la existencia de otros Agentes e interactúa con ellos mediante algún tipo de comunicación y un conjunto de convenios. [AGSO 1998]. 1.6.2. MARCO CONCEPTUAL. A continuación se definen las metodologías y arquitecturas que servirán de base para realizar la comparativa entre las aplicaciones médicas con agentes y sistemas multiagente Metodologías orientadas al diseño de Agentes. Cuatro principales aproximaciones para el diseño de sistemas MultiAgente han sido reportadas. [BEHH 2004]. a. Diseño de Sistemas MultiAgente Common KADS. [IFCA 1998]. El diseño de los Sistemas MultiAgente Common KADS maneja varios modelos: El modelo de Agente, que se encarga de especificar las características de un Agente: sus capacidades de razonamiento, habilidades, servicios, sensores, efectores, grupos de Agentes a los que pertenece y clase de Agente. Un Agente puede ser un agente humano, software, o cualquier entidad capaz de emplear un lenguaje de comunicación de Agentes.

El modelo de la organización, es una herramienta para analizar la organización humana en que el sistema MultiAgente va a ser introducido y para describir la organización de los Agentes software y su relación con el entorno. El modelo de tareas, que describe las tareas que los Agentes pueden realizar, los objetivos de cada tarea, su descomposición, los ingredientes que lo componen y los métodos de resolución de problemas necesarios para resolver cada objetivo. El modelo de experiencia, describe el conocimiento necesario para que los Agentes alcancen sus objetivos. Sigue la descomposición de Common KADS y reutiliza las bibliotecas de tareas genéricas. El modelo de comunicación, se encarga de describir las interacciones entre un agente humano y un Agente Software. Se centra en la consideración de factores humanos para dicha interacción. El modelo de coordinación, realiza la descripción de las interacciones entre Agentes Software. El modelo de diseño, se utiliza para describir la arquitectura y el diseño del sistema MultiAgente como paso previo a su implementación. b. El método de desarrollo MASIVO (The MASSIVE Development Method for Multiagent Systems). [LIJU 2001]. El marco conceptual utilizado en el método MASIVO está basado en vistas. Una vista representa un grupo de rasgos conceptualmente unidos. Una vista es una proyección del diseño completo en un sujeto particular. Durante el desarrollo del diseño de sistema, el diseñador descubrirá que algunos aspectos de diseño están más estrechamente relacionados que otros. Esta colección "natural" de aspectos pueden ser características para una clase particular de usos y esto por lo tanto sugiere que estas descomposiciones empíricas capturen muy bien la naturaleza de una aplicación. Idealmente, el objetivo del sistema puede ser descompuesto en varias vistas independientes con unas interfases bien definidas. En el método MASIVO, cada vista representa un grupo de funcionalidades con vínculos; una vista es en sí, una proyección del diseño del tema particular. Esta interpretación está sustentada por el resultado de experimentos de programación en sicología cognoscitiva, donde se encontraron varias diferentes abstracciones o vistas, las cuales son usadas por diferentes tareas dentro del proceso de desarrollo de software. Una colección de vistas que posee una descomposición lógica del sistema objetivo, se llama vista

del sistema. Las interfases entre las vistas son modeladas como conexiones explicitas entre las vistas, con funcionalidades compartidas entre aquellas que se conectan. Se tienen identificadas varios tipos de vistas: La vista del ambiente: En esta vista, el ambiente del sistema objetivo es analizado desde la perspectiva de los desarrolladores y desde la perspectiva del sistema. Estos puntos de vista normalmente difieren: el desarrollador posee una visión global, mientras que el sistema posee una visión local. La vista de las tareas: En la vista de las tareas, el aspecto funcional del sistema objetivo es analizado y se genera una jerarquía de tareas, la cuál se usa para determinar los problemas básicos y solucionarlos a través de las entidades del sistema final. Además los requerimientos no funcionales son definidos y cuantificados lo más detalladamente posible. La vista del rol: Esta vista determina la agregación de funcionalidades y capacidades para solucionar el problema básico, de acuerdo a las restricciones del sistema objetivo. Un rol, es una abstracción que une el dominio dependiente de la aplicación, con la tecnología del Agente, el cual es usado para resolver el problema en consideración. La vista de interacciones: Las interacciones son un concepto fundamental dentro del sistema y las componen múltiples entidades independientes que pueden coordinarse a sí mismas con el fin de alcanzar tanto sus metas individuales como las globales. La vista de la sociedad: Una sociedad es una colección estructurada de entidades. El objetivo de esta vista es la clasificación de las sociedades preexistentes dentro del contexto de la organización del sistema o establecer qué es deseable desde el punto de vista del desarrollador del sistema. La vista del arquitecto: La vista de la arquitectura es la proyección del sistema objetivo, dentro de los atributos fundamentales estructurales, con respecto al diseño del sistema. Los aspectos fundamentales que son tratados en esta vista son la arquitectura del sistema, como un todo, y debido al tamaño y complejidad de este aspecto en particular, la arquitectura del Agente. La vista del sistema: Finalmente, ésta vista trata con los aspectos que afectan varias de las otras vistas al mismo tiempo, o igualmente al sistema en total. La vista del sistema por ejemplo, maneja la interfaz del usuario que controla la

interacción entre el sistema y el usuario, sobre una tarea específica así como una tarea de manera independiente. c. GAIA En este método, el objetivo del análisis consiste en comprender el sistema y su estructura, sin referenciar ningún aspecto de implementación, a través de la idea de organización. Una organización en GAIA, es una colección de roles, los cuales mantienen ciertas relaciones con otros y toman parte en patrones institucionalizados de interacción con otros roles. GAIA tiene por objeto permitir a un analista, que a partir de una declaración de las necesidades, pase sistemáticamente a un diseño suficientemente detallado que pueda ser aplicado directamente. Esta metodología se aplica en la etapa de diseño del Agente, ya que en esta etapa del análisis y diseño, el subsistema de configuración de servicios ilustra cómo cooperar con los Agentes en la tarea de la ontología del subsistema. Esta metodología sólo busca especificar cómo una sociedad de Agentes colabora para alcanzar los objetivos del sistema y qué se requiere de cada uno para lograr esto último. Esta metodología propone trabajar inicialmente con un análisis a alto nivel. En este análisis se usan dos modelos: el modelo de roles, para identificar los roles clave en el sistema junto con sus propiedades definitorias, y el modelo de interacciones, que define las interacciones mediante una referencia a un modelo institucionalizado de intercambio de mensajes, como el FIPA-Request. El proceso de diseño GAIA implica la generación de tres modelos: El Agente que identifica el modelo de Agente de los diferentes tipos que componen el sistema y los casos en los cuales el Agente será instancia de estos tipos. El modelo de servicios que identifica el papel o los principales servicios que está obligado a realizar el Agente. Por último, el conocido modelo de los documentos líneas de comunicación entre los diferentes Agentes. [DAAP]. d. Zeus: Este método consta del análisis, diseño y actividades de realización, y además añade instalaciones de soporte de tiempo de ejecución, que permiten que el desarrollador depure y analice su puesta en funcionamiento Multi-Agente colaborativas. Construye aplicaciones que proveen un entorno integrado para el desarrollo rápido de sistemas. La herramienta ZEUS, consiste de un conjunto de componentes escritos en lenguaje de programación Java, que puede ser categorizada en tres grupos

funcionales o librerías: una librería de componentes de Agentes, una herramienta de construcción de Agentes y un conjunto de Agentes utilitarios entre los cuales podemos encontrar servidores de nombres, facilitadores y Agentes visualizadores. Zeus ofrece un lote de software sobre la utilidad de los Agentes: Agente de Servidor de Nombres (ANS), Facilitador y Visualizador. Estos Agentes son generados implícitamente por Zeus, y forman, junto a los usuarios avanzados Agentes, la aplicación Agente Sociedad. La metodología principal de Zeus, consiste en explicar el proceso por el cual un Agente conceptual es configurado en miembro funcional de un Sistema MultiAgente. Este proceso de configuración se logra usando la herramienta del generador del Agente de ZEUS, que genera en última instancia el código fuente del Agente y consta del análisis, el diseño y las actividades de realización, además de añadir instalaciones de soporte de tiempo de ejecución, que permiten al desarrollador depurar y analizar su puesta en funcionamiento. [PAOP 2007]. Arquitecturas de Agente. La arquitectura es una metodología particular para construir Agentes. Esta específica cómo puede descomponerse un Agente en un conjunto de módulos y cómo deben interactuar estos módulos. El conjunto total debe responder a cómo los datos de los sensores y el estado interno del Agente determinan sus acciones y el futuro estado interno del Agente. Una arquitectura abarca técnicas y algoritmos que soportan esta metodología. Dentro de las arquitecturas podemos encontrar las siguientes a. Arquitecturas BDI. Aquí se observa al sistema como un Agente racional, que posee ciertas aptitudes mentales como las creencias, el deseo y la intensión (BDI), representando respectivamente, la información motivacional y los estados deliberativos de los Agentes. Estas aptitudes mentales determinan el comportamiento del sistema y es crítico para el conocimiento adecuado o el óptimo desempeño, cuando las deliberaciones son sujeto de la falta de recursos. Se han levantado dos críticas principales respecto al esfuerzo y trabajo que requiere la formalización y a la implementación de Agentes BDI. .La primera consiste en que al poseer estas tres aptitudes se ataca desde ambas direcciones: tanto desde la teoría clásica de toma de decisiones y preguntas planificadas de los investigadores de la sociología, como desde el punto de vista de los investigadores de inteligencia artificial distribuida, que adecuan estas tres características individualmente. La segunda, pone en duda la utilidad del estudio multimodal de la lógica BDI, ya que no tiene una completa axiomatización y no es

eficientemente computable, por lo cual es cuestionada por muchos constructores de sistemas que le dan poca relevancia en la práctica. [ANMI 2002]. b. Arquitecturas de Razonamiento Deductivo: Utilizan herramientas y técnicas desarrolladas en inteligencia artificial simbólica, donde un comportamiento inteligente puede ser logrado por un sistema a partir de una representación simbólica de su entorno. En esta perspectiva, las representaciones simbólicas son fórmulas lógicas y las manipulaciones sintácticas corresponden a la deducción lógica o de demostración de teoremas. c. Arquitecturas de Razonamiento Práctico: Se basan en la manera de tomar decisiones utilizada por seres humanos y consisten en la ponderación de consideraciones conflictivas a favor y en contra de opciones que compiten en la toma de decisiones, donde las consideraciones relevantes para un problema en particular vienen dadas por los objetivos del Agente que toma la decisión. Estos modelos de razonamiento práctico, son aquellos utilizados ampliamente en problemas de planificación en la comunidad de investigación en inteligencia artificial. d. Arquitecturas Reactivas: Son motivadas por el rechazo de las representaciones simbólicas en las arquitecturas de razonamientos deductivo y práctico. e. Arquitecturas Híbridas: Son el resultado de combinar las propiedades reactivas y proactivas de las arquitecturas de razonamiento deductivo, práctico y la arquitectura reactiva. Este enfoque resulta en un tipo de arquitecturas con una estructura organizada en jerarquías. Estas jerarquías son la relación o manera de interactuar entre los subsistemas proactivos (o de planificación) y reactivos que componen al Agente. f. Arquitecturas Deliberativas: Se basan en la hipótesis de los sistemas de símbolos-físicos, según la cual un sistema de símbolos-físicos, capaz de manipular estructuras simbólicas, puede exhibir una conducta inteligente. [AIGC].

1.6.3. Mapa Conceptual

Mapa Conceptual de Agentes en Medicina y e-salud” Paulo Quintero, 2009 En la parte izquierda de este mapa conceptual observamos un resumen muy básicos de lo que son los agentes y los sistemas MultiAgente, el tipo de arquitectura y metodología que podemos encontrar, los protocolos de comunicación que utilizan estos sistemas y algunos campos donde se encuentran aplicaciones. Al lado derecho del mapa conceptual se realiza una pequeña descripción de Medicina y de los servicios E-Salud y los pasos que se realizan normalmente en una cita médica y en el tratamiento de los pacientes. Normalmente se realiza una inspección general, se buscan evidencias, se realizan evaluaciones y se ejecuta un tratamiento

2 Aplicaciones de agentes y sistemas multiagente A continuación se describen 10 aplicaciones de agentes y sistemas multiagente en medicina y servicios de E-salud sobre las que se realizara la comparación de la arquitectura y la metodología 2.1. Estudio de Medicina País España-Colombia, Año 2004, [GOEA 2004], Portugal Año 2006, [AVEA 2006] Descripción: En el estudio de la medicina la utilidad de los sistemas multiagente es evidente, se utilizan varios tipos de agentes que recrean un ambiente de estudio para que los estudiantes refuercen y consoliden sus conocimientos, existen varios agentes que desempeñan varios roles: Agentes de perfil, agente evaluador, agente productor de información, agente investigador, agente preguntas, agente anónimo, estos agentes mas los estudiantes, crean un ambiente de juego del aprendizaje, en el que con simulaciones los estudiantes se acercan a la realidad de la medicina, la E_enseñanaza acerca a los estudiantes al aprendizaje de manera natural, donde se estimula el auto aprendizaje y los agentes realizan una colaboración permanente, . Los ambientes virtuales permiten a los estudiantes equivocarse en ambientes seguros. La vitalidad de los sistemas basados en ambientes WEB recae en el potencial de integración, el soporte de las comunidades sociales y en la organización y difusión de la información. El entrenamiento de los estudiantes bajo el ambiente de E-Learning se da para los campos del estudio de las imágenes medicas, el estudio de los registros médicos electrónicos y los sistemas de información con propósitos de diagnostico Características: que poseen los agentes de esta aplicación son: autonomía, proactividad, simplicidad, planeación, trabajo hacia metas comunes, alto procesos cognoscitivos, capacidades de razonamiento Los agentes se comunican a través de mensajería, comparten un lenguaje y una ontología.

2.2. Estudio de células y sus componentes Países: Estados Unidos, Canadá y Singapur, Año 2007 [ALBU 2007], [MASB 2005]. Descripción: Uno de los esfuerzos tempranos de los sistemas multiagente se presento en el proyecto BioMAS este sistema se utilizo para descifrar el genoma humano. BioMAS se organizo en cuatro grupos de agentes básicamente responsables de la anotación de la secuencia básica, la anotación funcional, los querys y el proceso de las secuencias de los tags. Un ejemplo son los agentes de

tarea, entre los cuales se encuentra el agente de anotación que tiene la capacidad de leer una secuencia y decidir cual información se debe anotar. El agente del procesamiento de fuentes de secuencia se encarga de validar la secuencia interna, también está el agente de Ontología y el agente de antología de razonamiento interna de los cuales se deduce la antología genética Características: Estos agentes trabajan en ambientes distribuidos, realizan acciones autónomamente con el fin de alcanzar objetivos determinados. Algunos de los agentes que encontramos en esta aplicación son: Agentes usuarios brindan una interfases para la interacción entre los humanos y el sistema, en algunas ocasiones personalizan los servicios para cada usuario. Agentes de planeación: Formulan planes los cuales deben ser ejecutados para alcanzar el objetivo deseado. Agentes cronogramas, responsables porque las tareas y objetivos se realizan en el tiempo determinado Agentes de recursos: provee la interfase entre el sistema multiagente y los recursos externos

2.3. Cuidado de pacientes País España año 2002 [MOAN 2005], País Estados Unidos Año 2007 [ZXXS 2007], Inglaterra año 2005 [MASB 2005] Descripción: Los agentes que trabajan en el cuidado de pacientes son agentes que trabajan en ambientes distribuidos, deben coordinar tareas en varias entidades autónomas, manejando información confidencial y personalizada trabajan en dispositivos con bajos recursos, como teléfonos móviles o PDA´s, deben ser estos agentes, proactivos, autónomos, cooperantes; las tareas que desempeñan estos agentes cuando cuidan pacientes son: Programación de citas para pacientes, Monitoreo, sistema de soporte de decisiones, acceso a información médica, Cuidado de comunidades, cuidado de pacientes de la tercera edad, tareas internas en hospitales. En el cuidado de pacientes deben monitorear constantemente a los pacientes, acceder a información de los pacientes y de los médicos y realizar inteligencia de datos, de acuerdo a los datos recolectados los agentes pueden activar alarmas, estas alarmas pueden ser leídas por otro agente que respalda al médico que trata al paciente y constantemente recibe información de los agentes que monitorean los pacientes También se reporta que en el cuidado de los pacientes que los roles que desempeñan los agentes están definidos en el modelo relacionado del conocimiento, como las metas, los permisos, las relaciones de organización, y los

protocolos de interacción., donde los agentes son entidades concretas equipadas con motivación, recursos y capacidad de resolver problemas. Y pueden agregarse, asociarse, o presentar incompatibilidades La universidad de Pavía ilustra una metodología para el uso de agentes en aplicaciones médicas y propone un modelo genérico para su implementación, este modelo se puede especializar en el soporte de varios tipos de información en un sistema de información de un hospital. Se reporta también un trabajo de L.M. Camarinha-Matos y W. Vieira en el que proponen un sistema económico para monitorear personas de la tercera edad que se encuentran solos en casa, permitiendo a los centros médicos un monitoreo remoto, para ser cuidados y ayudarlos, este sistema se basa en internet y en agentes móviles. Se informa de un trabajo realizado por M. Gnoth and I. Münich en el que se describe un proyecto llamado Charitime que se encarga de organizar de manera distribuida las citas de diagnostico y terapia basado en un sistema multiagente Características: Los agentes de estas aplicaciones se encuentran en ambientes distribuidos y en diferentes tipos de hardware desde teléfonos móviles o PDA´s hasta servidores de hospitales, manejan muy buenos protocolos de comunicación, para mantener una lata disponibilidad

2.4. Toma de decisiones País Eslovenia, año 2005, [POVI 2005] Descripción En medicina la toma de decisiones juega un papel muy importante, los sistemas de soporte de decisiones ayuda a los médicos a tomar las mejores y para esto existen modelos de decisión, arboles de decisión o la posibilidad de utilizar agentes con el conocimiento para realizar la mejor decisión. En el mundo de hoy existe una gran presión para automatizar todos los procesos administrativos comunes, con el fin de reducir costos, minimizar el tiempo y incrementar la productividad, los agentes inteligentes nos pueden ayudar a alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente con el uso de su conocimiento, aprender de su experiencia y colaborar con otros agentes a alcanzar esta meta en común. Características: Los agentes de esta aplicación manejan experticia y acumulan conocimiento para ayudar a los médicos en el diagnostico y en el mejor tratamiento que deben dar a los pacientes. Los agentes participantes siete tipos diferentes de agentes para la toma de decisiones, se llamaron así: ADD, DELETE, MUTATE, JOIN, DISJOIN, PROTECT, y UNPROTECT, cada agente tiene su

propia función y trabaja independiente de los otros agentes de acuerdo a su procedimiento.

2.5. Coordinación de trasplantes País España, año 2004, [ALAA 2005] Descripción: La organización y coordinación de trasplantes de órganos son tareas complejas que requieren diversas actividades clínicas, atañen a varios especialistas y equipos de trabajo y comportan un proceso administrativo paralelo al proceso clínico. Las principales actividades del proceso de trasplante son: la detección de donantes potenciales, el examen clínico de los donantes, la confirmación de muerte cerebral, el mantenimiento y manejo del donante, la confirmación legal de la muerte cerebral, la obtención del consentimiento familiar y autorización legal, la planificación de los factores organizativos, la organización de la extracción y el trasplante y el examen clínico de la evolución del receptor. La coordinación de trasplantes en España se estructura en cuatro niveles: nacional, zonal, regional y hospitalario Los sistemas multiagente (SMA) ofrecen una plataforma de distribución de datos en la que cada agente es responsable de determinados procesos. Además los agentes pueden modelar tareas importantes de tipo administrativo, logístico (transporte entre servicios u hospitales), etc. Los SMA son particularmente adecuados para el problema de la coordinación de trasplante de órganos donde donantes y receptores pueden provenir de diversos centros. La existencia de agentes inteligentes en estos centros facilita el intercambio de información y la organización del proceso de trasplante facilitando la tarea del coordinador de trasplantes. Los beneficios de usar un SMA son dobles: por un lado el SMA puede adaptarse a la estructura organizativa vigente (tanto dentro un mismo hospital como entre diferentes hospitales) y, por otro lado, la complejidad del problema puede ser reducida con la incorporación de diversos niveles de coordinación y toma de decisiones en el SMA. Características: Los agentes en esta aplicación se encuentran en un entorno distribuido, la aplicación tiene Un agente llamado Coordinador de Emergencias (EC), que es el coordinador nacional de los casos de urgencia cero. Un agente llamado Agente Histórico (HA), que recibe los datos de todos los trasplantes realizados en España. Los agentes del sistema deben comportarse de acuerdo con las normas impuestas por las organizaciones de trasplantes de España. Los objetivos de estos agentes es encontrar don antes lo más cerca del hospital, donde se necesita

2.6. Cuidado de la infancia: País Colombia, año 2005, [DACF 2005] Descripción: La prevención de enfermedades en la infancia, es fundamental para el normal crecimiento y desarrollo del niño, y, el éxito de esto se debe a la cooperación de todas las personas que vigilan su normal desarrollo, entre ellas un equipo de especialistas de la salud pediatras, psicólogos, nutricionistas, entre otros, que inspeccionan por etapas las normales conductas del niño en cada disciplina. Características: Esta aplicación maneja dos clases de agentes uno llamado el facilitador y otro llamado el especialista. El facilitador está compuesto por: una base de datos, la descripción de la sociedad, la interfaz con los agentes, la interfaz con el usuario y la estrategia de cooperación. Los agentes especialistas tienen su forma de representación del conocimiento y su método de solución de problemas particular, pero estos mantienen cierta imagen externa única que permite que el facilitador sea capaz de interactuar con agentes de diferente naturaleza

2.7. Coordinación de equipos de emergencia: País Suecia año 2008, [LJHA 2008]

Descripción: Los servicios de emergencia son importantes para brindar el correcto tratamiento en el momento justo. Usualmente el despacho de los servicios de emergencias es un proceso manual con muchos vehículos y estaciones involucrados: Seleccionar el vehículo adecuado para una emergencia específica es un asunto crítico. Características como competencias de la tripulación, disponibilidad de equipos y la ruta más apropiada (Velocidad y disponibilidad) deben ser tenidas en cuenta. Por esta razón los agentes constituyen una muy buena herramienta de soporte para capturar todos estos puntos de vista, necesarios para tomar una decisión correcta. La velocidad y la disponibilidad de las vías son fáciles de medir, pero la confiabilidad, dependencia, eficiencia, robustez, realidad de la información actualizada son características difíciles de evaluar, buscar la mejor información estática y dinámica al igual que el entrenamiento social y las interacciones son aspectos que se deben considerar. El dominio de la aplicación es la sincronización de los servicios de emergencia para cada situación, el principal servicio es el manejo de las llamadas de emergencia y

detectar en donde se encuentran los recursos. Generalmente el manejo de las emergencias tiene cuatro etapas. Clasificación de la emergencia, localización de los recursos, despacho y monitoreo. El trabajo de esta investigación se centra en la localización de los recursos, adicionalmente las tareas que involucran el estatus de la situación, el lugar del accidente y la posición geográfica de los vehículos como subtareas La combinación de vehículos requeridos son numerosas: en algunos casos solo se necesita una ambulancia, en otros una gran cantidad de ambulancias en otros vehículos de rescate y / o policías, y en otros helicópteros o equipos de salvavidas en el mar

Características Los hilos de un sistema MultiAgente incrementa la delegación y la inteligencia que requiere el sistema para operar independientemente y actuar en la vía correcta que represente el mejor interés cuando interactúan los humanos y el sistema. La combinación de vehículos necesarios se da gracias a que cada vehículo es un agente que tiene la independencia de actuar dependiendo del ambiente y de la situación, en el momento de una emergencia los agentes comienzan a intercambiar mensajes para determinar cual equipo de emergencia se debe acercar a la escena del accidente. El meta razonamiento es el razonamiento del razonamiento. Cuando se utiliza el meta razonamiento en los sistemas MultiAgente, el sistema tiene la capacidad de razonar acerca de sus operaciones. Esta característica puede manejar individualmente a los agentes, generar planes, localización de tareas integración y plan de ejecución

2.8: Tomografías computacionales del corazón. País Francia, Año 2007, [FLJU 2007]

Descripción: La tomografía cardiaca computada es rápida, no invasiva presenta resoluciones submilimetricas y la modalidad de imágenes volumétricas. El desarrollo de la tomografía cardiaca de multidiapositivas se ha convertido en una importante herramienta para las imágenes cardiacas, dando acceso al mismo tiempo a diferentes partes de la anatomía cardiaca (ventrículos derecho, izquierdo, atrio, miocardio, y venas) pero asociadas a solo un ciclo cardiaco Las herramientas de visualización en tercera dimensión es usada como práctica clínica pero necesita de mucha interacción humana y mucho tiempo para remover estructuras que no pertenecen al corazón, Numerosas técnicas se mencionan para identificar algún ventrículo izquierdo pero no hay una técnica para mostrar todas las estructuras de manera simultánea. Este trabajo se focaliza en la

detección de los componentes del corazón para cada estructura del volumen cardiaco en 3D en una secuencia dinámica de MSCT, y presenta un método, suficientemente robusto para responder del problema de extracción de las estructuras cardiaca en 3D. El sistema multiagente propuesto desarrolla una segmentación de objetos en imágenes 3D basados en primera instancia en lo que el usuario seleccione interactivamente uno o más puntos para cada objeto de interés. En esta aplicación un objeto es considerado como una entidad que satisface unas condiciones.   

Homogeneidad en términos de intensidad y de textura Conectividad en el espacio 3D, un órgano está compuesto de subpartes conectadas y compactas Disponibilidad de información prioritaria, normalmente el ventrículo izquierdo y el atrium se observan como si fueran un solo órgano porque muestran la misma textura y las mismas estructuras de conectividad

Características: El sistema Multiagente está compuesto de un grupo de agentes llamados trabajadores, que cooperan y compiten para maximizar su territorio (satisfaciendo su criterio de textura e intensidad) y un agente puro de comunicaciones que coordina los conocimientos de los agentes trabajadores. Esta arquitectura corresponde a una organización micro social. El ambiente se define como el volumen de voxeles (Imágenes 3D) que serán segmentadas y los diferentes conocimientos de los agentes son determinísticos. La siguiente subseccion muestra cada agente y sus interacciones. Agentes situados: Trabajadores, Cada agente situado es inicialmente localizado en un ambiente y asociado con una marca especifica de acuerdo al objeto a ser segmentado por el usuario. Los agentes con la misma marca obviamente coexistirán y su meta es asociarse en la marca de una región de la imagen. Agente de comunicaciones: Controlador, Los agentes situados dependen de una u otra manera de un agente llamado controlador, este agente es claramente un agente cognoscitivo e intencional, Su principal rol consiste en decidir si la región de la imagen puede ser adquirida por uno de los agentes trabajadores e informar acerca de su decisión

2.9. Comportamiento de las células madre. País Brasil, Año 2008 [FGEA 2008] Descripción: Este trabajo describe los resultados alcanzados a través de la visualización en 3D basado en un sistema multiagentes que simula el comportamiento de las células madre usando previamente el sistema de visualización 2D. El principal aporte de este trabajo es la reformulación de la auto organización espacial de las células madres y su extensión al espacio 3D Este es un sistema autónomo, adaptativo y complejo el principal desafío de este trabajo fue desarrollar la visualización del comportamiento de las células madre tales como la proliferación la diferenciación, de los agentes auto-organizables, se proyecto una auto organización de las células madres que se volvió en la visualización del comportamiento emergente de las entidades de los agentes, también posibilito la observación de las interacciones entre los agentes y los ambientes Características: Se presenta de manera detallada la capa de visualización de un framework basado en un sistema multiagentes que muestra el comportamiento de las células madre 2.10 Protocolo de atención Médica Países España, México y Reino Unido, Año 2006, [RAEA 2006]. Rumania Año 2009 [OPMI 2009] Descripción: En el dominio de la medicina el principal foco del negocio es la modelación de los protocolos médicos, existen una gran cantidad de lenguajes para la modelación de este tipo de lenguajes, basados en reglas, lógica, tareas redes de petri, son una buena representación del estado del arte en este campo. Cada uno de estos protocolos tiene sus ventajas, se ha tratado de capturar en este estudio la funcionalidad del modelamiento de los protocolos médicos dentro de de un sistema coherente de información. La clave a resolver es la representación abstracta de los procesos de negocio en el dominio medico y su ejecución en línea en los hospitales. Este sistema ya se encuentra en operación y fue desarrollado por una compañía mediana llamada tca que tiene como objetivo agentificar la información del hospital; las contribuciones de esta aplicación. Probar el concepto de una implementación basada en agentes, en operación del protocolo para el cuidado de pacientes externos, interactuando con el sistema de información del hospital. Organizar un middleware que incluye un motor workflow y presenta una colección de usuarios y agentes servidores que hacen una interface entre el sistema de información del hospital y el middleware de la organización. Entre las funcionalidades de la aplicación están brindar citas a los pacientes a través de su contact center o a través de internet, siempre y cuando haya

disponibilidad, cuando una cita es asignada los médicos tienen acceso a la información electrónica del paciente (emr), en la que pueden ver la historia clínica, los diagnósticos y escriben prescripciones o realizan acciones tales como citas en el laboratorio, ordenes de hospitalización, etc. En la función que sirve al paciente, el sistema guía al paciente a obtener la medicación y los servicios prescritos. Los médicos para actualizar la información de los pacientes acceden al emr individual, donde se encuentra la información histórica, en este sistema el médico puede registrar prescripciones, indicaciones y diagnósticos, sugiere al medico la medicación necesaria para el paciente antes de la visita, basado en estas entradas el sistema realiza un cruce entre los diagnósticos y los procedimientos terapéuticos para asignar un código de procedimiento Características: El sistema de cuidado de los pacientes externos se implemento en un framework de multiagentes. El middleware supervisa los dominios actuales de los componentes, como las reglas de negocio y los componentes de la base de datos representado por agentes BAG y DAG agentes de servidores. Ellos manejan las tareas especializadas que sirve a los requerimientos de los usuarios humanos representados por los agentes de usuario, el middleware también lee los scripts del workflow de un repositorio, los scripts son interpretados por el motor del workflow que guía la actual ejecución del sistema, La aplicación presenta agentes servidor y agentes paciente

3. RESULTADOS DE LA INVESTIGACION Los resultados de la investigación se muestran a continuación, la comparativa entre las arquitecturas y las metodologías y la información acerca de la página web desarrollada

3.1 Comparación de arquitecturas Basado en el trabajo de grado de Adriana Ivette González Charry ―Arquitecturas deliberativas, reactivas e hibridas en agentes y sistemas multiagentes‖ presentado en Junio de 2009 en la Universidad Católica de Colombia se realizaran las comparaciones de 10 aplicaciones de agentes y sistemas multiagentes en Medicina

Características

Capacidad para desarrollar planes

Definición

Es la capacidad que tienen los agentes inteligentes para describir de manera coherente estrategias, políticas, directrices y tácticas en el tiempo y espacio, así como los instrumentos, mecanismos y acciones que se utilizaran para llegar a los fines deseados

Arquitecturas Deliberativas

[GOEA 2004] reporta dos agentes capaz de seguir un plan de trabajo y según la capacidad de aprendizaje del estudiante de medicina es capaz de cambiar el contenido para dar una mejor educación [POVI 2005] informa que los metagentes son la mejor herramienta para la toma de decisiones de los médicos, porque basado en el conocimiento de los agentes, tienen la capacidad de racionar y decidir cuál es el mejor tratamiento para los pacientes

Arquitecturas Reactivas

Arquitecturas Hibridas

[ALAA 2005] Reportan un grupo de agentes que siguiendo unas reglas o unos parámetros encuentran el donante más adecuado para suplir la necesidad de pacientes receptores de órganos

[LJHA 2008] reportan un grupo de metagentes que siguen unas reglas o planes según la practica o historia previa y además crean sus propios planes según la situación para realizar la mejor asignación de equipos de rescate y del grupo de médicos y paramédicos que deben llevar dichos equipos

[AVEA 2006] reporta otra manera de enseñar medicina pero con agentes con funciones especificas, sin capacidad de deliberar y ajustarse a nuevas necesidades de los estudiantes

[ZXXS 2007] recrea un ambiente de un hospital con pacientes y personal médico donde cada agente sigue un plan para recrear la realidad y tiene la capacidad de deliberar

Comparativa

Ventajas: Veo como ventaja la capacidad que tienen algunos agentes para retroalimentarse permanentemente de las situaciones que perciben en su ambiente , como lo reportan las arquitecturas deliberativas y la capacidad de seguir un plan, dependiendo de esa percepción Desventajas: La rigidez de la arquitectura reactiva, porque no hay un plan a seguir, solo son unos parámetros, que se cumplen o no pero no hay un plan de fondo

Características

Capas que componen la arquitectura

Definición

Las capas son estructuras independientes que explican el propósito y la interacción de un grupo de modelos, las Arquitecturas son metodologías particulares para construir agentes. Estas especifican como puede descomponerse un agente en un conjunto de módulos y como deben interactuar estos

Arquitecturas Deliberativas

[FLJU 2007] En su estudio de imágenes 3D cardiacas describe el sistema MultiAgente en varias capas compuesta por agentes encargados de la comunicación el cual se encarga de administrar la población de agentes encargada de segmentar las imágenes.

Arquitecturas Reactivas

[RAEA 2006] describe en su estudio del manejo de pacientes externos, dos capas que componen su sistema multiagente, una capa de agentes de servidores encargada de manejar la información del hospital y otra capa de agentes usuarios que trabaja con los pacientes y con los médicos estas dos capas están en contacto por un protocolo de comunicación

Arquitecturas Hibridas

[FGEA 2008] en su estudio de las células madres manejo dos tipos de agentes en el simulador de células madres, unos agentes para la visualización y otros agentes que simularon según comportamiento y conocimiento a las células madres y el proceso de diferenciación

Comparativa

Ventajas: Cada capa está compuesta por un grupo de agentes con un comportamiento específico y dirigido a unos usuarios especiales, en caso de fallo de alguna de estas capas, no hay que parar todo el sistema, se arregla únicamente la del fallo. Desventaja: la complejidad en la administración y la dependencia de una capa de comunicaciones

Características

Definición

Creencias: Representan el conocimiento del mundo en el que se encuentra inmenso un agente inteligente

Creencias, deseos, intensiones y Objetivos

Deseos: los deseos son un conjunto de objetivos a largo plazo que debe cumplir un agente Intensiones: Son las acciones, planes o situaciones deseadas que el agente ha seleccionado y se ha comprometido a realizar

Arquitecturas Deliberativas [GOEA 2004] y [AVEA 2006] Presentan unos agentes cuyos objetivos son: seleccionar los contenidos didácticos que se le deben presentar al estudiante de medicina, lo que permite un aprendizaje adaptativo [FLJU 2007] Los agentes de esta aplicación tienen como objetivo realizar la integración de la información espacial y de textura, la segmentación de varios objetos y minimizar el reprocesamiento de imágenes

Arquitecturas Reactivas

[ALAA 2005] Las intenciones de los agentes que monitorean donantes de órganos, es encontrarlos en los centros de la salud cercanos a donde están los pacientes receptores. [DACF 2005] los objetivos de los agentes de este estudio son detectar a tiempo anomalías que pudieran causar enfermedades a los niños en el futuro

Arquitecturas Hibridas [AGAG 28] El objetivo de este sistema MultiAgente es la conservación de la salud de los pacientes con enfermedades cardiovasculares, cuenta con un grupo amplio de agentes con diferentes objetivos e intensiones [LJHA 2008] El principal objetivo de estos agentes es seleccionar la ruta más optima, los vehículos y el equipo médico que atienda mejor ,las emergencias cuando estas se presenten

Comparativa

Ventajas: Estas tres características son la parte fundamental de lo que es un agente y es la capacidad de razonar acerca de lo que quieren y como lo deben lograr. Desventajas: Solo le veo un riesgo y es que una mala programación de un agente podría llevarlo a tomar una mala decisión que pondría en peligro la salud de una persona, pero este riesgo se minimiza con un buen plan de pruebas previas

Características

Forma de actuar de las arquitecturas

Definición

Hace referencia a la estructura o configuración que debe tener cada modulo para la creación de un agente inteligente

Arquitecturas Deliberativas

[GOEA 2004] Los agentes de esta aplicación actúan de acuerdo a estímulos externos, que accionan el interior de los agentes para aumentar el conocimiento a los alumnos [POVI 2005] los estímulos de estos agentes son internos, solo uno el que tiene contacto con el paciente recibe estímulos externos

Arquitecturas Reactivas [ALAA 2005] Los estímulos de estos agentes es externo y dependiendo de la información introducida los agentes ayudaran a encontrar el mejor donante de órganos [DACF 2005] Los estímulos de estos agentes son externos y existe un agente interno llamado facilitador encargado de velar por la integridad del sistema [AVEA 2006] los agentes de esta aplicación actúan por estímulos internos, solo un agente, reacciona de acuerdo a los estímulos del estudiante

Arquitecturas Hibridas [AGAG 28]Todos los agentes de esta aplicación responden a estímulos externos, salvo el agente de control que monitorea el interior de la aplicación [LJHA 2008] Los agentes de esta aplicación responden a estímulos estáticos y dinámicos de manera flexible o estructurada y desarrollan una acción determinada [ZXXS 2007] Todos los estímulos de los agentes de esta aplicación son internos.

Comparativa

Ventajas: Los agentes están en todo momento monitoreando a los pacientes o a los sistemas de los que hacen parte, y actúan dependiendo del lugar de donde viene el estimulo. Desventaja: Los agentes en estos casos no tiene n iniciativa propia, reaccionan a estímulos interno o externos, no tienen la iniciativa de ir más allá de lo que les solicitan.

Características

Interacción con el entorno

Definición

Es la acción que ejerce un agente inteligente, en un ambiente en el que esté ubicado

Arquitecturas Deliberativas

[GOEA 2004] el agente evaluador tiene la capacidad de interactuar con el entorno y según la evolución del estudiante durante el plan de estudio modifica su perfil o solicita al agente tutor modificar el plan de estudio [FLJU 2007] Los agentes de esta aplicación primero interactúan con los voxeles de la imagen cardiaca, luego se presentan interacciones entre los agentes y por último se presenta una interacción para mostrar la imagen

Arquitecturas Reactivas [ALAA 2005] Diseño unos agentes que están en contacto con los hospitales y reciben de ellos información de necesidades y/u ofertas de órganos a trasplantar, estos agentes tienen la capacidad de realizar procesos administrativos o logísticos para llevar a buen término un trasplante [DACF 2005] los agentes de esta aplicación no interactúan con su entorno, solo reciben del exterior unos datos y los agentes se encargan de realizar el análisis del estado de salud del niño

Arquitecturas Hibridas

Comparativa

[AGAG 28] Cuenta con dos sistemas MultiAgente: la plataforma paciente y la plataforma de gestión de emergencias que están en constante comunicación e interacción

Ventajas: Esta característica es la razón de ser de los agentes, interactuar con el medio e interpretarlo, para así ayudar al cuerpo médico, en sus labores de diagnostico, atención y tratamiento.

[LJHA 2008]Su solución consistió en representar cada vehículo como un agente, el cual tendría la independencia de operar de acuerdo a las condiciones ambientales como embotellamientos u obstáculos. Para esto tiene una comunicación constante con el transito

Desventajas: Sigo viendo en esta característica, que con el medio solo se actúa por estímulos, aunque hay arquitecturas deliberativas, reactivas o hibridas, la forma de actuar es reactiva dependiendo de lo que pase en el medio.

Características

Métodos de comunicación

Definición

Los métodos son los medios utilizados para llegar a un fin. Hace referencia al instrumento o forma de contenido por el cual se realiza el proceso de comunicación

Arquitecturas Deliberativas

[GOEA 2004] reporta que su aplicación cumple estándares FIPA y que sus agentes utilizan XML para comunicarse [FLJU 2007] El sistema MultiAgente está organizado alrededor de un agente de comunicaciones el cual maneja toda la población de agentes que interactúan en la aplicación de forma cooperativa, o competitiva

Arquitecturas Reactivas [HMMA 25], en su aplicación para programar turnos en el hospital, no muestra un método de comunicación claro, los agentes en este caso realizan interacciones y muestran un resultado. [RAEA 2006] existe una comunicación entre el middleware y el motor del workflow a través de la lectura de scripts del workflow y cuando la interacción entre los agentes usuario y agente servidor se establece la infraestructura se asegura que la comunicación sea persistente

Arquitecturas Hibridas [FGEA 2008]No muestra un método claro de comunicaciones, entre los agentes, lo que se deduce es que los agentes solo realizan interacciones para modelar el comportamiento de las células madre [LJHA 2008] Reporta que los agentes de su aplicación se comunican a través de mensajería [AGAG 28] tiene un agente especializado en realizar la comunicación entre los agentes y entre el sistema y los usuarios

Comparativa

Se observa en este aspectos dos métodos de comunicación, uno basado en agentes y el otro con mensajería Ventajas: La comunicación con agentes se hace de manera inteligente, porque los agentes administran este insumo. Desventaja: La comunicación con mensajería es muy estándar y solo se recibe y se entrega, es muy reactiva

Características

Módulos de comportamiento para realizar tareas

Definición

Se refiere a las reglas o patrones que deben seguir los agentes para realizar ciertas acciones

Arquitecturas Deliberativas [GOEA 2004] La formas de enseñar de este sistema se basa en casos resueltos almacenados, y cuando al estudiante se le plantea un problema, el sistema busca casos similares y compara la solución dada por el estudiante y la almacenada en el sistema para realizar la evaluación [FLJU 2007] Sus agentes se guían por las reglas de textura e intensidad de la imagen para llevar información a los agentes de comunicación que se encargan de construir la imagen en tercera dimensión

Arquitecturas Reactivas [RAEA 2006] tiene un repositorio de reglas de negocio, manejado por agentes server [HMMA 25] posee un modulo de reglas en las que los médicos describen sus preferencias al conformar grupos de trabajo y en el que el hospital coloca sus necesidades [ALAA 2005] Los agentes que coordinan el proceso de trasplantes deben cumplir con unas reglas legales, clínicas, organizativas para cumplir con la meta de llevar a buen término los trasplantes

Arquitecturas Hibridas [LJHA 2008] Analizan la información del lugar del accidente y las personas involucradas en el accidente, con esta información definen la cantidad de personal de rescate necesario y el carro que debe atender la emergencia [AGAG 28] El sistema multiagente posee un modulo de reglas en las que están consignados los parámetros a medir a los pacientes cuando el paciente tiene lecturas por encima o por debajo del parámetro el modulo informa al agente de comunicaciones para crear una alarma

Comparativa

Se observan dos módulos para la realización de tareas, los módulos de reglas y los repositorios de información Ventajas: Los módulos con repositorios de información , pueden dar una aproximación a los problemas más exactos y estos repositorios crecen día a día gracias a la información que se colecta diariamente Desventajas: las reglas, hacen que los agentes sean muy reactivos, porque las reglas se cumplen o no se cumplen

Características

Los niveles de protocolos de comunicación

Definición

Los protocolos son reglas que especifican el intercambio de datos u órdenes durante la comunicación entre agentes

Arquitecturas Deliberativas [AVEA 2006] Informa que el lenguaje utilizado para manejar los protocolos de comunicación fueron JAVA, PHP y Perl [POVI 2005] informa que los protocolos de comunicación son manejados por una herramienta llamada proGenesys, la cual maneja un programación genética que realiza el manejo de la comunicación [FLJU 2007] los agentes de comunicación manejan un pizarrón donde van dejando las imágenes guardadas para ser comparadas y no permitir que se repitan

Arquitecturas Reactivas [RAEA 2006] Informa que existen varios lenguajes desarrollados para modelar los protocolos médicos como Glif (basado en reglas), Proforma (basado en lógica), Asbru (basado en tareas) and Guide (basado en redes de Petri) saben que cada lenguaje tiene su propias ventajas y que ellos tomaron lo mejor de cada uno para modelar la funcionalidad de los protocolos médicos

Arquitecturas Hibridas

Referencias

Se observan varios protocolos de comunicación [ZXXS 2007] desarrollo un lenguaje propio para manejar los protocolos de comunicación llamado RTÆMS [FGEA 2008] maneja los protocolos de comunicación en base a java con una herramienta llamada MASON

Desventajas: se pierde la estandarización entre tantos lenguajes, y afloran los protocolos propietario, que impiden la universalización de software. Ventajas: Se observan protocolos de comunicación basados en Java, que está muy difundido y es universal

Características

Relación entre percepción y acción

Definición

Percepción: Proceso mediante el cual el individuo selecciona, organiza e interpreta la información sensorial, para crear una imagen significativa del mundo Acción: es la respuesta del agente a la interacción con el mundo donde está inmerso

Arquitecturas Deliberativas

Arquitecturas Reactivas

[GOEA 2004] Existe un plan para brindar al estudiante experiencias de medicina que enriquezcan su conocimiento, y dependiendo de las capacidades del alumno y de su progreso se van tomando acciones para mejorar el conocimiento, tanto del estudiante como del sistema mismo

[ALAA 2005] Sus agentes consiguen los donantes de órganos de una manera rápida, no hay plazos para planear

[FLJU 2007] Existe un sistema de evaluación de la imagen que se rige por la homogeneidad y la textura y esa es la meta final, para poderla cumplir hay unos agentes que realizan acciones para descifrar y construir la imagen

[DACF 2005] Los agentes de esta aplicación son alimentados con datos que informan de manera inmediata el estado de salud del niño, de acuerdo a unos parámetros preestablecidos [HMMA 25] Los agentes de esta aplicación leen las necesidades del hospital y los preferencias de los profesionales que trabajan en la institución para formar los grupos de trabajo para cada turno

Arquitecturas Hibridas [AGAG 28] Tiene un protocolo general para el monitoreo de los pacientes el cual sirve de planificador y hay unos agentes que continuamente van trabajando minuto a minuto de manera reactiva informando al sistema la evolución del paciente [LJHA 2008] Los agentes reactivos se van informando en línea sobre la situación del tráfico, la situación de los pacientes y el desarrollo de la emergencia, el planificador va seleccionando el equipo adecuado para enviar a la zona de emergencia

Referencias

Ventajas: Las arquitecturas deliberativas e hibridas, tiene la capacidad de percibir y actuar de acuerdo a los que interpreten del medio. Desventaja: las arquitecturas reactivas no tiene capacidad de percibir, solo actúan, pero en este punto son mas rápidos que las deliberativas y las hibridas, ya que se ahorran un paso

3.2. Comparación de metodologías Basado en el trabajo de grado de Alexandra Pardo Castillo y Diana Marcela Avendaño Galindo ―metodologías de diseño y desarrollo para agentes y sistemas multiagente‖ presentado en Junio de 2009 en la Universidad Católica de Colombia se realizaran las comparaciones de 10 aplicaciones de agentes y sistemas multiagentes en Medicina APLICACIONES/ METODOLOGIA

Aplicaciones

GAIA [ZXXS 2007] reporta que la metodología utilizada para el desarrollo de su aplicación es Gaia. En esta metodología se utilizaron los modelos macro para la parte social y la micro para las partes internas del agente, aspectos estos de los sistemas MultiAgente. La metodología cubrió las fases de análisis y diseño

ZEUS

[HPBD 30] En el desarrollo de su aplicación para el monitoreo de pacientes utilizo la metodología ZEUS para el diseño y la construcción de agentes gracias al ZEUS tool kit [OPMI] Reportaron que desarrollaron su aplicación de diagnósticos médicos bajo la metodología ZEUS

MASCommonKADS

Comparativa

[GOEA 2004] reportan que utilizaron la metodología MASCommonKADS que propone siete modelos para la definición del sistema MultiAgente: agentes, tareas, experiencia, coordinación, comunicación, organización y diseño

En las referencias reseñadas más adelante no se encontró mucha información acerca de las metodologías utilizadas en el desarrollo de los agentes y sistemas MultiAgente de estas aplicaciones 3.3 Pagina Web Se realizo una página web, para mostrar el resultado de las comparaciones realizadas entre las arquitecturas y metodologías utilizadas en las aplicaciones medicas que usan sistemas de agentes y multiagentes, en esta página web también se muestra el trabajo y la base de datos con las fichas realizadas.

4 FUTUROS TRABAJOS.

En nuestro país ya se está hablando de telemedicina para la atención de la población más alejada de los centros urbanos, y ya existen proyectos concretos en el que el gobierno y algunas universidades están materializando esta aplicaciones, la Universidad Católica de Colombia, deberá entrar en estos programas y ofrecer al país aplicaciones de agentes y multiagentes en medicina y servicios de salud electrónica, para reafirmar su presencia en el desarrollo tecnológico de Colombia. Los futuros trabajos podrán tomar como base teórica este trabajo y ofrecer aplicaciones con arquitecturas reactivas en primer lugar e ir avanzando hacia las arquitecturas deliberativas e hibridas. Utilizando la metodología Zeus que a mi juicio es la más estructurada y la que mejor se ajusta al desarrollo de la ingeniería de software aplicada a los agentes y sistemas multiagente

5. CONCLUSIONES

Este trabajo expone la importancia de los agentes y sistemas multiagentes en la medicina. Y muestra otra área en la que los ingenieros de sistemas pueden incursionar para ayudar en el bienestar de las personas. Se mostraron las características arquitectónicas de aplicaciones de agentes y multiagentes en medicina y se realizo una comparación entre estas características. También se referenció las aplicaciones que informaban la metodología utilizada para la realización de esas aplicaciones, la búsqueda de metodologías aplicadas al desarrollo de sistemas agentes y multiagentes en medicina fue muy compleja. Muy pocas autores informan la metodología utilizada Las arquitecturas con las mejores características son las hibridas que son una combinación de arquitecturas reactivas y deliberativas, lo que las hace muy complejas de desarrollar pero son muy interesantes desde el punto de vista de su funcionamiento, las interacciones que realiza con los pacientes y el personal del sistema de salud, la inteligencia que muestran y la información de apoyo que brindan tanto al personal médico como a los pacientes.

BIBLIOGRAFÍA [AFEA 2006]

[AGAL 2002]

[AGFL 2005]

[AJOJ 2007]

[ALAA 2005]

[ALBU 2007]

[ALEA 2005]

[AMOF 2007]

[ANMI 2002]

ARIAS, Francisco Javier.Et All. Diseño y Desarrollo de Mecanismos de Razonamiento Multi-Agente para la Negociación de Energía Eléctrica Utilizando JESS Y JADE, Colombia, Universidad nacional de Colombia. 2006. 6 paginas AGOSTINI Alejandro. Sistema Multiagente para Monitorización Inteligente Domiciliaria de Pacientes con Patologías Cardiovasculares. España. Departamento de Lenguajes y Sistemas Informáticos, Universidad Politécnica de Cataluña. 2002. 6 paginas. AFRIN Lawrence B. GREENLAND James. FINCH Nancy. Improved Patient Support through Support Group Webcasting: A Feasibility Assessment. EEUU. Proceedings of the 38th Hawaii International Conference on System Sciences. 2005. 10 paginas ARIAS Francisco J. JIMENEZ Jovani. OVALLE Demetrio A. Una Aproximación Metodológica para la Construcción de Sistemas Tutoriales Adaptativos MultiAgente con Énfasis en el Modelo Pedagógico. Colombia. Revista Avances en Sistemas e Informática, Vol.4 No. 3. 2007. 10 paginas ALDEA A. Et all. Sistema multiagente de soporte a la coordinación de transplantes. España. Departament d'Enginyeria Informàtica i Matemàtiques Universitat Rovira i Virgili (URV). 2004. 5 paginas BAKER Christopher J. O., CHEUNG Kei-Hoi. Semantic web: revolutionizing knowledge discovery in the life sciences. EEUU. 2007. Springer. 445 paginas ALVES Victor, Et All. Web-based Medical Teaching using a Multi-Agent System. Portugal. Universidad do Minho. 2005. 14 paginas ARIAS Francisco. MORENO Julián. OVALLE Demetrio, Integración de Ontologías y Capacidades de Razonamiento en Agentes de Software Inteligentes para la Simulación del Proceso de Negociación de Contratos de Energía Eléctrica. Colombia. Universidad Nacional de Colombia. 2007. 12 paginas RAO Anand S; GEORGE Michael P; BDI Agents From Theory to Practice, EEUU, Proceedings of the First International Conference on Multi Agent Systems ICMAS. 2002. 14 paginas

[ASAT 2004]

[AVEA 2006]

[BAET 2002]

[BAIA 2007]

[BEDO 2001]

[BEHH 2004]

[BHFA 2005]

[BHOA 2007]

[BUEA 2005]

[BWGS 2004]

[CAEA 2002]

AKPAN Toyin. SEARING Hannah. ADETUNJI Ade. Nigerian Case Study: Lessons Learned in Piloting the National Health Management Information System in Bauchi, Enugu, and Oyo States. Nigeria. Proceedings of the 37th Hawaii International Conference on System Sciences. 2004. 8 paginas ALVES Victor, Et All. A WEB-BASED COLLABORATION APPROACH FOR TEACHING IN MEDICINE. Portugal, School of Engineering – University of Minho, 2006. 7 paginas BARRETO Sistine. Et All. Coordination of InterOrganisational Healthcare Processes via Specialisation of Internet-based Object Life Cycles. Australia. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 10 Paginas BARNA Iantovics. MEDICAL MULTIAGENT SYSTEMS. Rumania. INTERDISCIPLINARITY IN ENGINEERING‖ SCIENTIFIC INTERNATIONAL CONFERENCE. 2007. 6 paginas. BERNDT Donald J. Consumer Decision Support Systems: A Health Care Case Study. EEUU. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 10 paginas Behrouz Homayoun Far; Theme 3: Methodological support for interactive software agents. Canadá. http://enel.ucalgary.ca/People/far/res-e/index.html. 2004 ;9 paginas, FAR´S.B.H. Methodological support for interactive software agents, Canada. Universidad de Calgary. 2005. 9 paginas BLANSON HENKEMAN, Olivier A. ET ALL. A Hybrid Multi Agent System Architecture for Distributed Supervision of Chronic Patients in the eHealth Setting, Holanda, 2007, 6 paginas BUI Tung. Et all. Virtual Environments for Advanced Modeling: Conceptual Foundations for Research. EEUU. Proceedings of the 38th Hawaii International Conference on System Sciences. 2005. 10 paginas BARRETTO Sistine. WARREN Jim. GOODCHILD Andrew. Designing Guideline-based Workflow-enabled Electronic Health Records. Australia. Proceedings of the 37th Hawaii International Conference on System Sciences.2004. 10 paginas CALABRETTO J.P. Et all. Agent Support for Patients and Community Pharmacists. Australia. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 10 paginas

[CELL 2000]

LLAMAS BELLO. Cesar Introducción a los Agentes y sistemas MultiAgente; España; Universidad de Valladolid; 2000; 6 paginas [CCSS 2008] Corte Constitucional, Sala Segunda de Revisión, Sentencia T-760 de 2008, República de Colombia; www.cej.org.co/index.php?option=com_docman&task=do c_download&gid=139&Itemid=59 [CHDA 2002] CHIASSON Mike. DAVIDSON Elizabeth. Getting the Two to Dance: Examining Barriers To Health Information Systems Research in Mainstream IS journals. Canada. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 9 paginas [CHDI 2006] Cherrie W.W. Ng y Dickson K.W. Chiu. E-Government Integration with Web Services and Alerts: A Case Study on an Emergency Route Advisory System in Hong Kong. Hong Kong. Proceedings of the 39th Hawaii International Conference on System Sciences. 2006. 10 paginas [CHEA 2002] CHADWICK D.W. Et all. Experiences of Using a Public Key Infrastructure to Access Patient Confidential Data Over the Internet. Inglaterra. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 11 paginas. [CJEA 2002] CALABRETTO Jean Paul. Et all. Building common ground for communication between patients and community pharmacists with an internet medicine cabinet. Australia. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 8 paginas [COEA 2005] COLTELL Oscar.Et all. Multi-Agent Approaches for Biomedical Informatics Applications in the Health Framework: Genomic Epidemiology and Nutrigenomics. España. http://people.cs.uu.nl/mehdi/tfg/ljubljanafiles/OscarColtell. pdf 2005. 4 paginas [COFFIN 2004] COFFIN Carla. Et all. Using Intelligent Agents to Repurpose Administrative Data in Fostering Disease Prevention in an Outpatient Context: The Case of Pneumococcal Vaccination. Canada. Proceedings of the 37th Hawaii International Conference on System Sciences. 2004. 7 paginas. [CRPV 2007] CHAN Victor. RAY Pradeep. PARARNESWARAN Nandan. AMulti-Agent Collaborative Framework for Mobile E-Health. Australia. Proceedings of the 40th Hawaii International Conference on System Sciences. 2007. 10 paginas

[CRQK 1998]

[DACF 2005]

[DAEA 2008]

[DHEA 2001]

[DMAS 2006]

[DSTJ 2009]

[EPLJ 2000]

[FGEA 2008]

[FLJU 2007]

[FMMJ 2004]

CANFIELD Kip. RAMESH V. QUIROLOGICO Steve. Scenario-based Analysis of an Agent-based Architecture for Health Care Decision Support Systems. EEUU. IEEE. 1998. 10 Paginas DOMINGUEZ Fabián, ACEROS María Hemmy, CORREDOR Beatriz. Los Sistemas Multi-Agentes y la salud integral para la infancia. Colombia. VENTANA INFORMÁTICA No. 12 – Universidad de Manizales. 2005. 8 paginas DAVIES J. Et all. Multi-Agent Control of High Redundancy Actuation. Inglaterra. Loughborough University. 2008. 6 paginas DUTT Hans R. Et All. Developing a Data-Driven Method for Estimating Provider Penetration and Abusive Billing Practices. EEUU. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 10 paginas DUQUE MÉNDEZ, Néstor Darío. AGUDELO SALAZAR, Alfonso Pio. Sistema Multiagente para la Evaluación Personalizada en Cursos Virtuales. Colombia. Universidad Nacional de Colombia. 2006. 5 paginas DAWSON Juanita. SCHOOLEY Benjamin. TULU Bengisu. A Real World Perspective: Employee Perspectives of Employer Sponsored Personal Health Record (PHR) Systems EEUU. Proceedings of the 42nd Hawaii International Conference on System Sciences. 2009. 10 paginas. EDIEAL J. PINKER and R. LAWRENCE VanHorn. Worker Incentives to Learn in Gatekeeper Systems: Lessons for the Implementation of Knowledge Management Systems. EEUU. Proceedings of the 33rd Hawaii International Conference on System Sciences. 2000. 10 paginas FAUSTINO, Geisa Martins. Et all. A Multi-Agent-based 3D Visualization of Stem Cell Behavior, Brasil, PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO, 2008. 14 paginas FLEUREAU Julien , 3D Multi-Object Segmentation of Cardiac MSCT Imaging by using a Multi-Agent Approach, Francia, Annual International Conference of the IEEE Engineering, 2007. 4 paginas. FONSECA, José Manuel. MORA, André Damas. MARQUES Ana Celeste. MAMIS – A MULTI-AGENT MEDICAL INFORMATION SYSTEM, Portugal.Proceedings of IASTED International Conference on Biomedical Engineering (BioMED 2005) .2004, 6 paginas.

[FOJO 2006]

[FTVA 2005]

[GCAD 2009]

[GGOJ 2008]

[GIIU 2007]

[GOEA 2004]

[HACV 2002]

[HOOH 2005]

[HTSH 2002]

[IFCA 1998]

[ISMD 2007]

FOX John. Et all. Towards a canonical framework for designing agents to support healthcare organisations. Inglaterra. Advanced Computation Laboratory, Cáncer Research UK. 2006. 8 paginas. FRUHLING Ann. TYSER Kimberly. VREEDE Gert-Jan. Experiences with Extreme Programming in Telehealth: Developing and Implementing a Biosecurity Health Care Application. EEUU. Proceedings of the 38th Hawaii International Conference on System Sciences. 2005. 10 paginas GONZALEZ CHARRY. Adriana. ARQUITECTURAS DELIBERATIVAS, REACTIVAS E HIBRIDAS EN AGENTES Y SISTEMAS MULTIAGENTES. Colombia. Universidad Católica de Colombia. 2009. 295 paginas GIRALDO Jorge. GUZMAN Jaime. OVALLE Demetrio. Técnicas de inteligencia artificial aplicadas a la coreografía de servicios web. Colombia. Revista Avances en Sistemas e Informática Vol. 5 No 2. 2008. 6 paginas Giani U. Collaborative Multi-professional Narrative Based e-learning. An application to teaching Medical Statistics, Italia. University of Naples Federico II. 2007. 9 paginas GONZALEZ C. Et all. SISTEMAS TUTORES INTELIGENTES: PROPUESTA DE UNA ARQUITECTURA PARA APRENDIZAJE EN SALUD PÚBLICA. Colombia. VII Congresso Iberoamericano de Informática Educativa. 2004. 10 paginas. HARKKE Ville. ALESSI Darío. COLLAN Mikael. IT and Institutional Constraints: Effects of Legal and Administrative Constraints to Use IT in Production of Health Care Services – Focus on Finland. Finlandia. IEEE. 2002. 6 paginas HORI Mayumi. OHASHI Masakazu. Applying XML Web Services into Health Care Management. Japan. Proceedings of the 38th Hawaii International Conference on System Sciences. 2005. 6 paginas HAKKINEN Heidi. TURUNEN Pekka. SPIL Ton. Information in Health Care Process - Evaluation Toolkit Development. Finlandia. IEEE. 2002. 7 paginas IGLESIAS FERNANDEZ Carlos Ángel; DEFINICIÓN DE UNA METODOLOGÍA PARA EL DESARROLLO DE SISTEMAS MULTIAGENTE. España. UNIVERSIDAD POLITÉCNICA DE MADRID. 1998. 322 PAGINAS ISERN David. SANCHEZ David. MORENO Antonio. HeCaSe2: A Multi-agent Ontology-Driven Guideline Enactment Engine. España. 2007. 3 paginas

[JIWE 2006]

[JJOM 2008]

[JSWN 1998]

[JVOJ 2007]

[KCMV 2003]

[KEPE 2004]

[KOAN 2002]

[LAPE 2001]

[LCHC 2006]

[LIEA 2007]

JIH, Wan-rong. ET ALL. A Multi-Agent Service Framework for Context-Aware Elder Care, Taiwan, IEEE. 2006, 15 paginas JIMENEZ SANCHEZ Marcela. JIMENEZ BUILES Jiovani. OVALLE Demetrio. Evaluación en línea para cursos tutoriales inteligentes adaptativos usando el modelo multiagente. Colombia. Revista avances en sistemas e informática Vol.5. No 1. 2008. 10 paginas. JENNINGS, Nicholas R. SYCARA Katia. WOOLDRIDGE, Michael. A Roadmap of Agent Research and Development, EEUU. Kluwer Academic Publishers, 1998. 32 paginas JIMENEZ Jovani. VALLEJO Marcela. OCHOA Jhon. Metodología para el Análisis y Diseño de Sistemas Multi-Agente Robóticos: MAD-Smart. Colombia. Revista Avances en Sistemas e Informática, Vol.4 No. 2. 2007. 10 paginas Koutkias VG. Chouvarda I. Maglaveras N. Multi-Agent System Architecture for Heart Failure Management in a Home Care Environment. Grecia. Aristotle University. 2003. 4 paginas KERRISON Peter. A HEALTH INFORMATION SYSTEM IN FIJI Discussion on the Implementation of a National Health Number and the Methodology of Synchronizing a Number of Remote Databases. Australia. Proceedings of the 37th Hawaii International Conference on System Sciences. 2004. 10 paginas KOUROUBALI Angelina. Structuration Theory and Conception-Reality Gaps: Addressing Cause and Effect of Implementation Outcomes in Health Care Information Systems. Inglaterra. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 10 paginas LARSEN Michael Holm. PEDERSEN Mogens Kühn. Distributed Knowledge Management in Health Care Administration. Dinamarca. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 10 paginas LEROUGE Cynthia. CULJAK Gordana. HORAN Thomas. Introduction for Minitrack: Consumer Health Informatics, Patient Safety and Quality of Practice. Australia. IEEE. 2006. 1 pagina. LIN Chia-En Et all. A Methodology to Evaluate Agent Oriented Software Engineering Techniques. EEUU. Proceedings of the 40th Hawaii International Conference on System Sciences. 2007. 10 paginas

[LIJU 2001] [LILE 2004]

[LIMA 2003]

[LJHA 2008]

[MASB 2005]

[MDPG 2007]

[MGBJ 2004]

[MGKC 2001]

[MOAN 2003]

[MOAN 2005]

[MOBU 2004]

[MPVE 2007]

[MVDM 2006]

LIND, Jurgen. Agent-Oriented Software Engineering with MASSIVE, Alemania, Ackerstraße, 2001, 4 paginas LISETTI Christine. LEROUGE Cynthia. Affective Computing in Tele-home Health. EEUU. Proceedings of the 37th Hawaii International Conference on System Sciences. 2004. 8 paginas LIEBERMAN Henry. MASON Cindy. Intelligent Agent Software for Medicine. EEUU. Media Laboratory, Massachusetts Institute of Technology, Cambridge, MA. 2003. 16 paginas. LUNDBERG, Jenny. HåKANSSON Anne. An Approach towards using Agent in Multi-Agent Systems to streamline emergency services, Suecia, 2008, 6 paginas. MAS*BIOMED'05. First International Workshop on MultiAgent Systems for Medicine, Computational Biology, and Bioinformatics, Holanda, 2005. 192 paginas MORALES Javier. DE LA PEÑA David. GONZALEZ Enrique. G+ Grilla computacional Mediada por Agentes. Colombia. Pontificia Universidad Javeriana. 2007. 8 paginas MOLINA LOPEZ José. GARCIA HERRERO Jesús. BERNARDOS BARBOLLA Ana. AGENTES Y SISTEMAS MULTIAGENTE. España. CEDITEC. 2004. 44 paginas MAZZIA Christian, GANGULYB Pronab. KIDDC Michael. Healthcare Applications based on Software Agents. Australia. 2001. MEDINFO 2001. 5 paginas. MORENO Antonio. Medical Applications of Multi-Agent Systems. España. Computer Science & Mathematics Department, Universitat Rovira i Virgili. 2003. 15 paginas MORENO Antonio. Multi-agent systems in health care. An application to Palliative Care Units. España. Research Group on Artificial Intelligence University Rovira iVirgili(URV). 2005. 70 diapositivas MONETT Dagmar. BURKHARD Hanns-Dieter. Problemas Inversos, Técnicas Evolutivas y Agentes inteligentes: Estrechando las Fronteras. Alemania. Avances en Sistemas e Informática Número 1. 2004. 6 paginas. MARQUE, Pedro Vieira; ET ALL. A FIRST APPROACH FOR A REGIONAL WIDE VEPR, Portugal, University of Porto, 2007, 4 paginas MAGO Vijay Kumar, DEVI, M. Syamala. A Multi-agent Medical System for Indian Rural Infant and Child Care, India, Proceedings of the Twentieth International Joint

Conference on Artificial Intelligence, 2006, 6 paginas

[MVOJ 2005]

[OCJB 2005]

[OLSI 2006]

[OPMI 2009]

[PAHO 2007] [PALU 2001]

[PAOP 2007]

[PCAG 2009]

[PDOC 2006]

[PFDB 2008]

MORENO CADAVID Julián. VELASQUEZ HENAO Juan David. OVALLE CARRANZA Demetrio Hacia una Metodología para la Construcción de Modelos de Simulación Basados en Sistemas Multi-Agente. Colombia. Avances en Sistemas e Informática 2. 2005. 9 paginas OVALLE CARRANZA Demetrio Arturo. JIMENEZ BUILES Jovani Alberto. Sistemas de Enseñanza / Aprendizaje basados en Agentes Inteligentes Pedagógicos. Colombia. Avances en Sistemas e Informática 2. 2005. 10 paginas OLSEN Megan. SIEGELMANN Hava. Multi-Agent System that Attains Longevity via Death. EEUU. University of Massachusetts Amherst. 2006. 6 paginas Oprea Mihaela. Medical_MAS: An agent_Based system for medical diagnosis. Paginas 225-232 Año 2009 UniversityPetroleum-Gas of Ploiesti; Department of informatica, Health in Américas, 2007 Edition, http://www.paho.org/hia/vol2paisesing.html PAYTON Fay Cobb. LUCAS Heidi. Health Care B2C Electronic Commerce: What Do Patients Consumers Want?. EEUU. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 5 páginas. PEREZ ARDILA Yanis, PORTILLA Jorge, Aplicación de metodologías ingenias, ZEUS, masina al desarrollo de sistemas multiagente partiendo de sma de subasta, para la identificación de mejores prácticas, Colombia. Universidad de Pamplona. 2007. 337 paginas PARDO CASTILLO Alexandra. AVENDAÑO GALINDO Diana Marcela. METODOLOGÍAS DE DISEÑO Y DESARROLLO PARA AGENTES Y SISTEMAS MULTIAGENTE. Colombia. Universidad Católica de Colombia. 2009. 102 Páginas. PASTRANA DAVID María Marcela. OVALLE CARRANZA Demetrio. Evaluación de Métricas de Calidad Aaplicadas a Protocolos Multi-Agente de Negociación Eelectrónica. Colombia. Avances en Sistemas e Informática. 2006. 5 paginas PINHEIRO Flavio de Brito Et All. EL USO DE MINERIA DE DATOS Y SISTEMAS MULTIAGENTE EN EL PROCESO DE APRENDIZAJE CON INTERFASES WEB

A traves de las inteligencias multiples. Brasil. Revista Avances en Sistemas e informática Vol. 5 No 2. 2008. 6 paginas [PGEA 2009]

[POVI 2005]

[RAEA 2006]

[RDRB 2009]

[RLEA 2009]

[ROGO 2007]

[ROZL 2003]

[RTGJ 2007]

[SABU 2000]

[SEMG 2005]

PARE Guy. Et all. Evaluation of the Impacts of a Provider-Focused Telehomecare Intervention: A Pre-Post Study. Canada. Proceedings of the 42nd Hawaii International Conference on System Sciences. 2009. 1q0 paginas. PODGORELEC Vili, Complexity-driven Evolution of Decision Graphs for Classification of Medical Data, Informatica, Slovene Society Informatika, Vol. 29, Num. 1- 2005. pp. 41-51 ROBLES, Armando. Et All., A Multi Agent Approach for the Representation and Execution of Medical Protocols, España, CSIC - Spanish Scientific Research Council, 2006. 6 paginas Raheleh B. Dilmaghani. Ramesh R. Rao. A Systematic Approach to Improve Communication for Emergency Response. EEUU. Proceedings of the 42nd Hawaii International Conference on System Sciences. 2009. 8 paginas ROBERTS Lance. Et all. Methodological Approaches to Measuring the Effects of Implementation of Health Information Technology (HIT). EEUU. Proceedings of the 42nd Hawaii International Conference on System Sciences. 2009. 10 Paginas RODRIGUEZ Paola. GOMEZ Santiago. Arquitectura de Comunicación entre Frameworks Jade-Symfony. Colombia. Revista Avances en Sistemas e Informática, Vol. 4. 2007. 6 paginas RAMIREZ OROZCO Sandra Ligia. ZUÑIGA Luis Enrique. Guía para la elaboración de proyectos. Colombia. Universidad Católica de Colombia. 2003. 22 paginas RODRIGUEZ Julián. TORRES Miguel. GONZALEZ Enrique. La Metodología AOPOA. Colombia. Revista Avances en Sistemas e Informática, Vol.4 No. 2. 2007. 8 paginas SANKARAN Siva R. BUI Tung. A Web-Based Correctional Telemedicine System with Distributed Expertise. EEUU. Proceedings of the 33rd Hawaii International Conference on System Sciences. 2000. 10 paginas Sackmann S, Eymann T, Muller G. EMIKA – Real-Time Controlled Mobile Information Systems in Health Care Applications. Alemania. Albert-Ludwigs-Universität Freiburg. 2005. 8 paginas

[SLEA 2001]

[SUTA 2002]

[SYZE 1998]

[TNEA 2009]

[TTPG 2008]

[URLS 2009]

[VEEA 2006]

[VEZA 2005]

[VIMA 2006]

[VREA 2003]

[WEEA 2000]

[WJKM 2002]

SOKOL Lisa. Et all. Precursory Steps to Mining HCFA Health Care Claims. EEUU. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 10 paginas SUOMI Reima. TAHKAPPA Jarmo. Establishing a Contact Centre for Public Health Care. Finlandia. IEEE. 2002. 10 paginas SYCARA Kathia. ZENG Daju. COORDINATION OF MULTIPLE INTELLIGENT SOFTWARE AGENTS. EEUU. International Journal of Cooperative Information Systems. 1998. 31 paginas TATARA Naoe, Et All. Review of Mobile Terminal-Based Applications for Self-Management of Patients with Diabetes, Noruega, International Conference on eHealth, Telemedicine, and Social Medicine, 2009, 10 paginas Turcu C. Turcu Cr. Popa V. Gaitan V. Identification and Monitoring of Patients Using RFID and Agent Technologies: Synergy and Issues. Rumania. University of Suceava. 2008. 6 paginas URICOECHEA Luz Stella. METODOLOGÍA DE INVESTIGACIÓN FICHA DE REVISIÓN DOCUMENTAL. Colombia. Universidad Católica de Colombia. 2009. 6 paginas VERMEULEN Ivan. Et all. Improving Patient Activity Schedules by Multi-agent Pareto Appointment Exchanging. Holanda. The Netherlands Centre for Mathematics and Computer Science. 2006. 8 paginas VELASQUEZ HENAO Juan David. ZAPATA Carlos Mario. Algunas Claves fundamentales en la escritura de artículos científicos en ingeniería. Colombia. Avances en Sistemas e Informática 2. 2005. 5 paginas Vieira-Marques P. Et all. MAID – Multi Agent for the Integration of Data. Portugal. Polytechnical Studies Review, Vol. III. 2006. 13 paginas VICARI Rosa M. Et all. A multi-agent intelligent environment for medical knowledge. Brasil. Artificial Intelligence in Medicine 27. 2003. 32 paginas WEI Chih-Ping Et all. Inductive Learning Approach to Intelligent Patient Image Pre-fetching: Extension and Evaluation of CN2 Algorithm. EEUU. Proceedings of the 33rd Hawaii International Conference on System Sciences. 2000. 10 paginas WOOLGRIDG, Michael. JENNINGS, Nicholas R.KINNY, David. A Methodology for Agent-Oriented Analysis and Design. Inglaterra. 2002. 8 paginas

[WNMG 2002]

[WNSJ 2001]

[YEYI 2006]

[ZHPE 2005]

[ZXXS 2007]

WICKRAMASINGHE Nilmini. MILLS Gail L. EKNOWLEDGE IN HEALTH CARE: A STRATEGIC IMPERATIVE. EEUU. Proceedings of the 35th Hawaii International Conference on System Sciences. 2002. 9 Paginas WICKRAMASINGHE Nilmini. SILVERS J. B. IS/IT: Enabling Medical Group Practices in a Managed Care Environment. Australia. Proceedings of the 34th Hawaii International Conference on System Sciences. 2001. 10 paginas YE Ying-Han. Development of a Multi-agent software plataform for context-aware digital home application and its environment simultaror. Taiwan. National Cheng Kung University. 2006. 86 paginas ZHANG Peng. Multi-agent Systems in Diabetic Health Care. Suecia. Blekinge Institute of Technology. 2005. 104 paginas. ZHANG, Xiaoqin., XU, Haiping., SHRESTHA, Bhavesh. An Integrated Role-Based Approach for Modeling, Designing and Implementing Multi-Agent Systems. EEUU. University of Massachusetts at Dartmouth. 2007. 16 paginas

ANEXOS Anexo AA Fichas FICHA DE REGISTRO DOCUMENTAL Código: [AFEA 2006]

Fuente No.: [AFEA 2006]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p. Título: Diseño y Desarrollo de Mecanismos de Razonamiento Multi-Agente para la Negociación de Energía Eléctrica Utilizando JESS Y JADE Autor: Francisco Javier Arias, Jorge Alejandro Maulando, Julián Moreno y Demetrio Arturo Ovalle Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No 1 pp. 51-56, Medellín, Junio 2006, ISSN 1657–7663 Abstract: Una de las características principales de los agentes de software inteligentes es que estos pueden tener un carácter deliberativo (tienen la capacidad de realizar operaciones complejas) y poseer mecanismos de razonamiento que les permiten desenvolverse de manera eficiente dentro de su

entorno. La implementación de mecanismos de razonamiento basados en reglas en agentes de software para obtener un comportamiento deliberativo puede ser lograda mediante la integración de las plataformas JADE (Java Agent DEvelopment Framework) y JESS (Java Expert System Shell). El propósito de este artículo es mostrar la integración de estas herramientas y su validación mediante una aplicación en concreto: La negociación electrónica de contratos en el Mercado de Energía Eléctrica en Colombia. Tabla de Contenido: Sistemas basados en conocimientos, sistemas multi-agente, problema a resolver, identificación y modelamiento de actividades que requieren razonamiento, integración jess – jade, análisis de resultados, conclusiones y trabajo futuro Palabras Clave: Agentes y Multiagentes, Energía Eléctrica Resumen: En los Sistemas Multi-Agente los agentes de software pueden estar clasificados en dos tipos: reactivos y deliberativos, dependiendo de su estructura y funcionamiento interno. Los agentes reactivos son agentes cuya única capacidad es reaccionar inmediatamente a través de una acción sencilla cuando alguna condición se cumple, al recibir un estímulo de su entorno. Los agentes reactivos no son individualmente inteligentes, pero pueden exhibir un comportamiento global inteligente, el cual surge de su interacción; en cambio los agentes deliberativos son aquellos que poseen la capacidad de efectuar operaciones complejas, son individualmente inteligentes (este tipo de agentes puede ser considerado como un sistema experto, con capacidad de razonamiento sobre su base de conocimiento), pueden comunicarse con los demás agentes y llegar a un acuerdo con todos o algunos de estos, sobre alguna decisión a tomar. Se podría concebir agentes de software como sistemas heterogéneos, cuyo comportamiento se derive de la integración de los dos tipos de agentes y tenga características de ambos. Para ello, se debe dotar a los agentes deliberativos de capacidades de reacción a los eventos externos, a tales agentes se llama agentes híbridos. 2 Sistemas basados en conocimientos. Los sistemas basados en conocimiento más distinguidos son los sistemas expertos, los cuales son programas que se realizan haciendo explicito el conocimiento en ellos, que tienen información específica de un dominio concreto y que realizan una tarea relativa a este dominio. Un Sistema Experto está conformado principalmente por: Base de conocimientos: Contiene conocimiento modelado extraído del diálogo con el experto. Base de hechos: contiene los hechos sobre un problema que se ha descubierto durante el análisis. Motor de inferencia: Modela el proceso de razonamiento humano. Es el algoritmo

utilizado para ejecutar las reglas de inferencia según la información de la base de hechos. 3 Sistemas multi-agente. Los Sistemas Multi-Agente (SMA) provenientes de la Inteligencia Artificial Distribuida (IAD) tratan sobre la coordinación inteligente entre una colección de ‘agentes‘ autónomos o semi-autónomos, que existen dentro de cierto contexto o ambiente, se pueden comunicar entre sí y definen cómo pueden coordinar sus conocimientos, metas, propiedades y planes para la toma de decisiones o para resolver problemas complejos 4 Problema a resolver: Debido a las características propias de la negociación en el mercado, de energía eléctrica algunos actores requieren de algún tipo de razonamiento para tomar mejores decisiones y así obtener mayor beneficio. 4.1 Estructura del Mercado Eléctrico en Colombia: El Sistema Electrónico de Contratos -SEC-, es una propuesta para transar electricidad a través de contratos bilaterales a largo plazo, que busca permitirles a los agentes del mercado contar con nuevos mecanismos para cubrir su riesgo. Algunas de las características que poseerá este sistema son: contratos estandarizados, con el fin de llegar a un mercado más homogéneo y eficaz; anonimato, de forma que los agentes no conocen con quien están transando, buscando fomentar la entrada de nuevos agentes; y señal de precios, con el objetivo de desarrollar una señal para los agentes que les permita tener un mejor pronóstico de los precios futuros. Además, el proceso de negociación que se realizará en el SEC estará basado en un mecanismo de subasta de venta. Las subastas tienen como característica fundamental la existencia de información asimétrica entre quienes participan. 5 Identificación y modelamiento de actividades que requieren razonamiento: En el desarrollo del caso de estudio fueron identificadas dos tareas principales en las cuales intervienen tres tipos de agentes: generador, comercializador y administrador; estas tareas corresponden a la compra de energía en el SEC y la compra de energía en bolsa. Para mostrar la implementación de los mecanismos de razonamiento se sigue todo el proceso para una actividad contenida en la tarea "comprar energía en el SEC", desde la identificación y modelamiento hasta su implementación e integración. La tarea "Comprar energía en el SEC" se lleva a cabo de la siguiente manera: el generador envía sus ofertas al SEC, este las registra y las publica a los comercializadores. Posteriormente, los comercializadores revisan las ofertas y teniendo en cuenta parámetros internos y externos envían incrementos sobre ciertas ofertas. El SEC analiza estas contraofertas para determinar las contra-ofertas ganadoras. Si la subasta no ha finalizado, el SEC publica a los comercializadores las contra-ofertas ganadoras y el proceso se repite nuevamente. Cuando la subasta finaliza, el SEC envía al

administrador las contra-ofertas ganadoras en la subasta. En esta tarea se identificaron 5 actividades que requieren de un determinado razonamiento Actividad1: Determinar precio y cantidad de energía a ofertar. Por el Generador Actividad2: Determinar cuanta energía comprará en contratos de largo plazo y cuanto en bolsa de energía. Por el Comercializador Actividad3: Determinar por cuales ofertas realizará pujas o contraofertas. Por el Comercializador Actividad4: Determinar el incremento de las contraofertas en el desarrollo de las subastas. Por el Comercializador Actividad5: Determinar el precio de reserva de cada tipo de contrato para cada periodo. Por el Comercializador La actividad que se seguirá para explicar su modelamiento, implementación e integración será la actividad4 " determinar incremento", ya que esta requiere ser realizada cuidadosamente, debido a que si el incremento es muy bajo se podría perder la subasta y si es muy alto las ganancias podrían reducirse significativamente. Para modelar el razonamiento de esta actividad es necesario identificar los criterios (relaciones relevantes compuestas por 1 o más parámetros ya sean del mercado, de la oferta o internas del comercializador) que afectan de forma directa al razonamiento, para luego asignar un porcentaje de salida (entre 0.3% incremento mínimo y 5% incremento máximo) que se fijará por medio de funciones de relación, Además, se asignará un valor entre 0 y 1 (peso) según la importancia del criterio sobre el razonamiento. Tal peso dependerá de la duración del contrato (CE-mes mensual o CE-año anual). El primer paso es obtener el nombre o identificador del oferente, el cual será comparado con el nombre o identificador propio del comercializador. En caso de ser iguales, el incremento para la oferta en la puja actual debe ser cero, ya que el comercializador ganador de la oferta en ese instante es él mismo. En caso de ser diferentes el razonamiento para obtener el incremento debe continuar debido a que la oferta puede ser la inicial puesta por los vendedores, u otro comercializador se encuentra ganado dicha oferta en este instante. Luego de verificar que los identificadores sean diferentes se debe calcular la reserva (Reserva = Precio tope – Precio ganador. el precio ganador, es el precio actual de la oferta). Si la reserva es menor que cero es porque el precio de la contra-oferta por la cual el comercializador desea pujar excede su precio tope, y en este caso el incremento debe ser cero; si la reserva es mayor que cero el razonamiento para obtener el incremento debe continuar.

Posteriormente se verifica la duración del contrato (CE-mes o CE-año), se calcula la diferencia entre el precio promedio contratos propio contra el precio ganador y se calcula la diferencia entre el precio promedio contratos mercado contra el precio ganador. Esto con el fin de verificar que porcentajes de salida asociar a cada uno de los criterios. A medida que se obtengan los porcentajes de salida, estos se deben ir multiplicando por los pesos asociados e ir sumándolos, de modo que al finalizar el razonamiento se pueda obtener un porcentaje de incremento que conlleve a un incremento lógico para la oferta 5.1 Calculo de porcentaje de salida para el criterio embalse A manera de ejemplo, se expone a continuación el cálculo del porcentaje de salida para el criterio embalse identificado anteriormente. Este criterio está compuesto principalmente por los parámetros embalse actual, embalse histórico, periodo actual y periodo inicio del contrato. En general si el embalse es alto entonces el precio en bolsa es bajo, debido a que es posible generar mayor energía a menor costo, entonces comprar la energía en bolsa resultaría más favorable para los comercializadores y no tendrían la necesidad de comprar energía por medio de contratos largo plazo. En cambio si el embalse es bajo el precio en bolsa es alto, entonces comprar la energía en bolsa resultaría muy caro para los comercializadores y tendría la necesidad de ganar los contratos largo plazo para no bajar la utilidad teniendo que comprar su demanda propia de energía en la bolsa. Del análisis anterior se puede concluir que el criterio embalse actúa de forma significativa e inversamente proporcional en este razonamiento 6 INTEGRACIÓN JESS – JADE La implementación de los agentes del sistema en el caso de estudio se realizó con la ayuda de la plataforma JADE y la integración de los mecanismos de razonamiento en los agentes de software se realizó por medio de la plataforma JESS. 6.1 Plataforma JADE JADE es un middleware de código abierto y libre que proporciona tanto un entorno de desarrollo como un entorno de ejecución para la realización y mantenimiento de Sistemas Multi-Agente. El entorno de desarrollo está formado por una serie de librerías en Java que permiten la implementación de agentes de manera limpia e independiente de la plataforma sobre la que se va a ejecutar. El entorno de ejecución permite a los agentes de software existir y comunicarse entre ellos. 6.2 Plataforma JESS JESS no es sólo un shell para sistemas expertos, como motor de reglas propiamente dicho, sino que también provee un lenguaje de script. Toda esta funcionalidad escrita completamente en el lenguaje Java permite el desarrollo de sistemas expertos basados en reglas acoplarse de diferentes formas con el lenguaje de programación. JESS puede manejar hechos e instancias de

objetos java, lo cual coloca a esta herramienta un paso más adelante en lo que a los lenguajes basados en reglas se refiere. Conclusiones y trabajo futuro En este artículo se ilustraron las bondades de la integración de mecanismos de razonamiento en los agentes de software, obteniendo agentes híbridos los cuales exhiben comportamientos reactivos y deliberativos. Las plataformas utilizadas (JADE y JESS) son fácilmente integrables debido a que las dos fueron desarrolladas bajo el lenguaje Java. Del análisis realizado sobre el caso de estudio se puede concluir que la implementación desarrollada fue coherente, ya que los comercializadores simulados mostraron porcentajes de incremento acordes al valor de los parámetros de entrada para los criterios tenidos en cuenta en la definición de este razonamiento. Dentro de las actividades identificadas en el problema de aplicación, hasta el momento se han trabajado únicamente las dos mencionadas en este artículo. Como trabajo futuro se propone la implementación e integración de las actividades 1, 2 y 3 ya sea por medio de algoritmos procedimentales, modelos estadísticos, mecanismos basados en conocimientos, redes neuronales o lógica difusa.

REFERENCIAS

MEM (2006), ‗Mercado de energía mayorista‘. *En línea: C05/06 Ovalle, D., Moreno, J., Maulando, J. y Arias, F. (2005), Simulación del proceso de negociación de contratos normalizados bilaterales de energía basados en un modelo multi-agente de subastas para el sector eléctrico colombiano, Technical report, Universidad Nacional de Colombia - Sede Medellín. Proyecto de Investigación - Código 30805914. Wooldridge, M. (2002), An Introduction to Multi-Agent System, ISBN: 0-471-49691X, 1a edn, Baffins Lane, England: John Wiley & Sons ltd.

FICHA DE REGISTRO DOCUMENTAL Código [AGAL 2002]

Fuente: [AGAL 2002]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 6 pdf.

Título Sistema Multiagente para Monitorización Inteligente Domiciliaria de Pacientes con Patologías Cardiovasculares Autores: Alejandro G. Agostini Ficha bibliografica Ubicación: http://www-iri.upc.es/people/agostini/publications/IBERAMIA02.pdf Consultado en octubre 8 DE 2009 Descripción: Actualmente existe un considerable número de personas con enfermedades cardiovasculares que sufren complicaciones en ámbitos donde el auxilio médico puede llegar demasiado tarde. Por otro lado la medicina cardiológica ha incorporado recientemente herramientas diagnósticas y pronosticas potentes y no invasivas basadas en el procesamiento de señales obtenidas del sistema cardiovascular utilizando herramientas matemáticas avanzadas. El presente trabajo propone un sistema multiagente que vincula estas herramientas y técnicas de inteligencia artificial para realizar la monitorización inteligente de pacientes con patologías cardiovasculares, como así también, para coordinar las acciones y gestionar los recursos de las tres partes fundamentales que deben intervenir en caso de una emergencia, a saber, el propio paciente y su familia, su médico de cabecera, y la institución de salud respectiva. Se utilizan sistemas de razonamiento basado en casos y basado en reglas para decidir el accionar de acuerdo a la situación de cada paciente. Tabla de Contenido: Introducción, Herramientas y métodos, Discusión Palabras Clave: Sistemas Multi-Agentes Transplante de órganos, Arquitectura sistema multiagente Se utiliza como base de casos los resultados de un estudio clínico realizado sobre 40 pacientes con diferentes patologías cardiovasculares utilizando las herramientas matemáticas de análisis de la variabilidad de la señal de FC. Los grupos fundamentales están compuestos por pacientes con hipertensión arterial, coronariopatías, miocardiopatías y pacientes sanos. Se consideran los parámetros de corto plazo de VFC debido a que se realiza una monitorización cuasi on line para un correcto control del paciente. Así se calculan los parámetros temporales (SDNN, SDANN, pNN50) y frecuenciales (LF, HF, LF/HF, LF+HF) cada 15 minutos y los parámetros de dinámicas no lineales (índice α de la tendencia 1/fα del espectro de la señal en escala log-log, entropía aproximada y dimensión de correlación) cada hora Cabe aclarar que si bien se utiliza el término de análisis de la variabilidad de la frecuencia cardíaca, la señal que se emplea para este análisis es la de intervalos

calculados entre ondas R consecutivas del electrocardiograma del paciente (intervalos RR) y cada valor de esta señal representa la inversa de la frecuencia cardíaca instantánea. Cada paciente controlado posee características clínicas distintas a cualquier otro. Sin embrago existen ciertos valores de parámetros clínicos que son representativos de patologías y casos particulares. Los profesionales cardiólogos expertos en este ámbito basan su diagnóstico en conocimientos adquiridos de su formación profesional pero principalmente en base a su experiencia. Es por ello que las herramientas de razonamiento basado en casos son tan aplicables en medicina ya que utilizan la experiencia previa de casos anteriores para encontrar la solución a los nuevos casos planteados. No obstante, un caso puede ser muy particular y diferenciarse en gran medida de cualquier otro existente en la base de casos. Esto no es deseado para la monitorización inteligente de pacientes ambulatorios que no tienen, por lo menos en el corto plazo, la posibilidad de la intervención de un experto. Así se propone un sistema de razonamiento basado en reglas para los casos que no puedan ser recuperados. La conjunción de estos dos tipos de razonamiento se han utilizado en varias oportunidades sobre todo con fines diagnóstico

Atributos que se tienen en cuenta para la base de casos

Fuente: Alejandro G. Agostini, Sistema Multiagente para Monitorización Inteligente Domiciliaria de Pacientes con Patologías Cardiovasculares

Sistema Multiagente El esquema del sistema multiagente para la monitorización domiciliaria de pacientes con patología cardiovasculares es el siguiente: Plataforma Paciente: Cada paciente está vinculado a su propia plataforma que actúa directamente sobre éste y lo representa ante la plataforma de gestión de emergencias. Los componentes de esta plataforma son los siguientes: • Agente interfase: Actúa como mediador entre el sistema y el paciente. Comunica al

paciente las instrucciones indicadas por el sistema y recibe consultas del mismo que serán transmitidas al agente comunicación. • Agente de adquisición y procesamiento: Recibe la señal de intervalos RR proveniente de un dispositivo médico de monitorización y calcula los parámetros matemáticos que serán enviados al agente de razonamiento como valor de los atributos respectivos. • Agente razonamiento: Utiliza el razonamiento basado en casos o, si no existe caso con la similitud adecuada, utiliza el sistema basado en reglas para inducir el estado del paciente. Transmite los resultados al agente comunicación. • Agente comunicación: Establece las comunicaciones con el agente interfase paciente y el agente recepción de la plataforma de gestión de emergencia. Guarda el evento en la base de datos del paciente. • Base de datos del paciente: Contiene la historia clínica del paciente, registró de datos y de eventos, datos del médico de cabecera y de la institución de salud respectiva. • Base de casos: Contiene los casos del estudio clínico. • Base de reglas: Contiene las reglas que usarán los atributos del paciente en caso de que no se pueda recuperar ningún caso con la similitud adecuada desde la base de casos. Plataforma de Gestión de Emergencias: Esta plataforma se encarga de la coordinación y gestión de las emergencias entre todo el sistema de acuerdo a las llamadas provenientes de las diferentes plataformas pacientes. Esta plataforma está compuesta por: • Agente recepción: recibe las llamadas y mantiene la comunicación con las distintas plataformas paciente. Almacena y gestiona las llamadas que se van presentando y le comunica los casos en forma ordenada al agente administrador priorizando los de mayor emergencia. • Agente administrador: Realiza la administración de los recursos que son necesarios para cada paciente de manera de responder en el mínimo tiempo, como así también la adecuación de la solución en caso de que la institución no disponga de los recursos solicitados. De acuerdo al caso se comunica al agente interfase institución los recursos que serán necesarios en lo que respecta a ambulancias, medicamentos, preparación de camas en unidad coronaria, etc., y el tiempo

estimado en que estos recursos deberán estar disponibles. • Agente interfase institución: Comunica a los distintos sectores de la institución de salud los recursos que serán necesarios para atender las posibles demandas solicitadas por el agente administrador. También recibe información desde la institución en caso de que algún recurso no esté disponible. Esta información es comunicada al agente administrador para que se adapte la solicitud de los recursos en base a la disponibilidad real. • Agente control: controla el funcionamiento general del sistema, la disponibilidad de los recursos solicitados por el agente administrador, las comunicaciones con las plataformas paciente, la velocidad de respuesta del sistema, etc., y registra los datos más relevantes en el registro de pacientes. • Agente interfase médico: Dado que el volumen de pacientes puede ser muy elevado se asignaran grupos de pacientes a distintos médicos de cabecera. Cada médico contará con un agente específico dentro de la plataforma de gestión de emergencia. Este agente le comunicará al médico la situación del paciente, la gestión que está realizando el agente administrador y se comunicará con el agente interfase paciente para establecer una conexión a través del mismo con el propio paciente o su familia en caso de ser necesaria.

Bibliografía

[1] A. G. Agostini, L. G. Gamero and P. R. Rumi: Aplicación Clínica de la Biblioteca de Funciones VFCLab para el Análisis de la Variabilidad de la Frecuencia Cardíaca, Congreso Brasilero de Ingeniería Biomédica, Universidad de Santa Catarina, Florianópolis, Brasil, (2000) [2] A. G. Agostini, L. G. Gamero and P. R. Rumi: VFCLab: Biblioteca de funciones en Matlab para el análisis de la variabilidad de la frecuencia cardíaca, XII Congreso Argentino de Bioingeniería, Universidad Favaloro, Buenos Aires, Argentina, (1999) [3] Rainer Schmidt, Bernhard Pollwein, Lothar Gierl: Experiences with Case-Based Reasoning Methods and Prototypes for Medical Knowledge-Based Systems. AIMDM 1999: 124-132 [4] Miksch, S.; Cheng, K.; Hayes-Roth, B.: The Patient Advocate: A Cooperative Agent to Support Patient-Centered Needs and Demands, in Cimino, J. J.

(ed.),Proceedings of the 1996 AMIA Annual Fall Symposium (formerly SCAMC), Hanley & Belfus, Philadelphia, pp. 144-148, (1996). [5] Miksch, S.: Plan Management in the Medical Domain, AI Communications, 12(4), pp.209-235, (1999).

FICHA DE REGISTRO DOCUMENTAL Código [ALAA 2005]

Fuente [ALAA 2005]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 5 pdf. Título Sistema multiagente de soporte a la coordinación de trasplantes Autores: A. Aldea, B. López, A. Moreno, D. Riaño, A. Valls Ficha bibliografica Ubicación: http://eia.udg.es/~blopez/publicacions/informed00.pdf Consultado en octubre 8 DE 2009 Descripción: La coordinación de transplantes de órganos es una tarea que involucra aspectos legales, clínicos, organizativos y humanos en un entorno de hospitales e instituciones gubernamentales altamente distribuido. El Modelo Español, uno de los más efectivos del mundo, propone un coordinador de transplantes por cada hospital con unidad de transplantes. A pesar de todo, el índice de donaciones de órganos está lejos del ideal. Una forma de mejorar el índice es elaborar un sistema informático que dé soporte a la coordinación de transplantes. Las tendencias actuales en gestión de hospitales se enfocan en la automatización de la información de los pacientes. Esta automatización abre la posibilidad de una centralización de los datos de pacientes. Sin embargo, los datos se seguirán guardando y estarán localizados en las unidades de hospitalización donde se trata al paciente. En consecuencia, un entorno distribuido, como el de los sistemas multiagentes (SMA) resulta apropiado para mantener la estructura organizativa actual y la autoridad y control de las actividades de los hospitales. En este trabajo presentamos una arquitectura multiagente que soporta las actividades involucradas en un trasplante y que es compatible con la estructura organizativa actual en España. El SMA está estructurado jerárquicamente en 4 niveles: nacional, zonal, regional y hospitalario. En el último nivel (hospitalario) se sitúan los agentes correspondientes a hospitales con capacidad de trasplante. Cada agente hospitalario es a su vez un SMA que gestiona la información de pacientes y

órganos donados de este hospital y donde un coordinador local decide la adecuación de un receptor a un órgano disponible. Agentes de diferentes hospitales involucrados en el trasplante cooperan y proporcionan soporte al coordinador de transplantes siguiendo los criterios impuestos por la Organización Nacional de Transplantes, ONT. Tabla de Contenido: Introducción, Aplicación de un Sistema Multiagente a la coordinación de trasplante de órganos, Arquitectura general del sistema multiagente, Coordinación de trasplantes, Resumen y trabajo futuro Palabras Clave: Sistemas Multi-Agentes Transplante de órganos, Arquitectura sistema multiagente Hay dos razones que justifican el éxito del trasplante de órganos en España: por un lado las nuevas técnicas quirúrgicas y los tratamientos médicos incrementan el grado de éxito de los trasplantes de corazón, páncreas, hígado, riñón y pulmón [5]. Por otro lado, la sociedad moderna muestra un importante incremento del número de órganos donados para el trasplante Mientras que la primera de las razones se debe a los avances de la medicina, la segunda razón está relacionada con la aparición de una estructura organizativa que coordina todas las etapas del proceso de donación y trasplante siguiendo normativas y legislaciones locales, regionales, nacionales e internacionales. Esta estructura y la figura de un coordinador de trasplantes por cada hospital con unidad de trasplantes define el modelo español considerado uno de los modelos más efectivos en el mundo. La organización y coordinación de trasplantes de órganos son tareas complejas que requieren diversas actividades clínicas, atañen a varios especialistas y equipos de trabajo y comportan un proceso administrativo paralelo al proceso clínico Las principales actividades del proceso de trasplante son [4]: la detección de donantes potenciales, el examen clínico de los donantes, la confirmación de muerte cerebral, el mantenimiento y manejo del donante, la confirmación legal de la muerte cerebral, la obtención del consentimiento familiar y autorización legal, la planificación de los factores organizativos, la organización de la extracción y el trasplante y el examen clínico de la evolución del receptor. Algunas de las personas involucradas en estas actividades son: el paciente que recibe el órgano, los médicos, el donante, la familia del donante, el coordinador de trasplantes, enfermeros y personal clínico, el equipo quirúrgico de extracción del órgano, el equipo quirúrgico de implantación del órgano, el personal de los

laboratorios, los responsables legales e institucionales, el equipo logístico, etc. Recientes estudios publicados por la ONT [2] muestran que el número de personas que mueren en lista de espera por un corazón, hígado o pulmón fluctúa entre el 15% y el 30%. Para mejorar la calidad de los servicios públicos el programa de Sociedad y Tecnología de la Información (IST) del V Programa Marco de la Comisión Europea propone el fomento de los servicios y sistemas a los ciudadanos en el área de la Salud y la Administración Pública. La ONT ha identificado seis razones que contribuyen a la pérdida de donaciones [2]: la no detección, las contraindicaciones médicas, las negativas familiares, las pérdidas durante el mantenimiento y los fallos durante la operación quirúrgica. Una vez identificadas es importante desarrollar mecanismos que disminuyan el porcentaje de pérdidas en cada una de las fases del proceso. Una forma de mejora es elaborar un sistema de información con soporte informático que pueda ser usado como sistema de ayuda a la toma de decisiones en la coordinación de trasplantes de órganos. Este sistema debe disponer de ciertas funcionalidades comunicativas, informativas y cognitivas que garanticen la comunicación segura de la información, el mantenimiento de una base de datos histórica y mecanismos de análisis y extracción de conocimiento a partir de los datos o medicina basada en la evidencia Las autoridades sanitarias imponen ciertas estructuras de organización que deben respetarse [1] [8]. La coordinación de trasplantes en España se estructura en cuatro niveles: nacional, zonal, regional y hospitalario. A nivel hospitalario todos los datos de los pacientes se mantienen o bien centralizados en un warehouse o en bases de datos locales de cada servicio del hospital. El tipo de datos que se mantiene para los pacientes es diverso: resultados de análisis clínicos, imágenes (tomografías, resonancias magnéticas, etc.), señales (magneto encefalografías, etc.), tomas de rayos X, ultrasonidos y anotaciones clínicas. La tendencia actual es la automatización de toda esta información y su unificación en un historial clínico centralizado capaz de acceder a datos que se encuentran distribuidos en los diversos servicios del hospital. Los sistemas multiagente (SMA) ofrecen una plataforma de distribución de datos en la que cada agente es responsable de determinados procesos. Además los agentes pueden modelar tareas importantes de tipo administrativo, logístico (transporte entre servicios u hospitales), etc. Los SMA son particularmente adecuados para el problema de la coordinación de trasplante de órganos donde donantes y receptores pueden provenir de diversos centros. La existencia de agentes inteligentes en estos centros facilita el intercambio de información y la organización del proceso de trasplante facilitando la tarea del coordinador de trasplantes. Los beneficios de usar un SMA son dobles: por un lado el SMA puede adaptarse a la estructura organizativa vigente (tanto dentro un mismo hospital como entre diferentes

hospitales) y, por otro lado, la complejidad del problema puede ser reducida con la incorporación de diversos niveles de coordinación y toma de decisiones en el SMA. Arquitectura general del sistema multiagente Para coordinar el trasplante de órganos entre los hospitales españoles proponemos la construcción de un sistema multiagente cuya arquitectura refleja la estructura de coordinación de trasplantes de órganos que se utiliza en España. Cada uno de los diferentes agentes tiene un conocimiento y un papel determinado, y han de coordinar sus actividades para ofrecer una manera eficiente de gestionar el trasplante de órganos a nivel nacional. • Un agente llamado Coordinador de Emergencias (EC), que es el coordinador nacional de los casos de urgencia cero. Este es el nombre dado a aquellos pacientes que están esperando un órgano y han llegado a un estado crítico, en el que su vida está en grave peligro si no se realiza el trasplante en un plazo muy corto de tiempo. • Un agente llamado Agente Histórico (HA), que recibe los datos de todos los trasplantes realizados en España. Con esta información se pueden mantener archivos históricos, elaborar estadísticas, aplicar técnicas de minería de datos para obtener nuevo conocimiento, etc. Los agentes del sistema deben comportarse de acuerdo con las normas impuestas por las organizaciones de trasplantes autonómicos y nacionales, tales como la Organización Catalana de Trasplantes (OCATT) y la Organización Nacional de Trasplantes (ONT). Coordinación de trasplantes El proceso que se sigue para encontrar el receptor más adecuado para cada órgano está compuesto de varios pasos que se efectúan sucesivamente hasta determinar el paciente que es apto para recibir el órgano en cuestión. El primer paso consiste en comprobar si los casos de urgencia cero pueden usar el órgano disponible. Si no se encuentra ningún receptor se procede a buscar un paciente en el hospital del donante. Si esto es posible se podrán ahorrar muchos recursos y esfuerzos puesto que la coordinación entre centros siempre es más costosa y más lenta (hay que notar que, al contrario de lo que sucede con otros componentes corporales como los tejidos o la sangre que pueden ser congelados y almacenados, los órganos sólo se pueden utilizar en un intervalo corto de tiempo). En caso de tener que buscar fuera del centro se intenta siempre encontrar un

receptor apropiado lo más cercano posible al hospital del donante, para minimizar el coste económico y temporal del transporte del órgano. Los agentes del sistema utilizan técnicas de Inteligencia Artificial para sugerir cuáles son los pacientes más adecuados para un órgano, si es que se dispone de más de un receptor posible.

Bibliografía [1] Decker, K., Li, J. Coordinated Hospital Patient Scheduling. Proc. ICMAS‘98. [2] Informes y documentos de consenso. Organización Nacional de Trasplantes (Ed.), 2000. [3] López, B., Aldea, A., Bañares-Alcántara. R. Intelligent Agents to Human Resource Allocation in the Design of a Chemical Process. (Accepted to SEID). 2000. [4] López-Navidad, A., Domingo, P., Viedma, M.A., Professional characteristics of the transplant coordinator. Transplantation Proceedings, 29, pp. 1607-1613, Elsevier Science Inc., 1997. [5] López-Navidad, A., Kulisevsky, J., Caballero, F., El donante de órganos y tejidos. Evaluación y manejo. Springer-Verlag Ibérica, 1997. [6] Matesanz, R., Miranda, B., Coordinación y Trasplantes: El modelo español. Editorial Aula Médica, ISBN 84-7885-060-0, 1995. [7] Organización Nacional de Trasplantes, ONT: http://www.msc.es/ont. [8] So, Y., Durfee, E.H. Designing Organisation for Computational Agents. In: Simulating Organisations: Computational Models of Institutions and Groups. Edited by M.J. Prietula, K.M. Carly, L. Gasser. AAAI/Press/The MIT Press, 1998. [9] Tambe M., Pynadath, D. Chauvat, N. Adaptive Agent Integration Architectures for Heterogeneous Team Members. Proc. of the International Conference on MultiAgent Systems (ICMAS), 2000. FICHA DE REGISTRO DOCUMENTAL Código: [ALBU 2007]

Fuente: [ALBU 2007]

Tipo de Fuente: Libro. Capitulo 15

Elaboro: Paulo Cesar Quintero Uribe

Título: Tecnología de agentes en las ciencias de la vida Autor: [ALBU 2007] Ubicación: Web Semántica, ISBN 13: 978-0-387-48436-5 Capitulo 15. http://books.google.com.co/books?hl=es&lr=&id=F1wTJvqA4Z4C&oi= fnd&pg=PR5&dq=multiagent+software+medicine+&ots=UUjkHr0vG&sig=FQYv0eWvSFtYtBOqKlC3e3R6axQ#v=onepage&q=agent&f=false Descripción: En este capítulo se realiza una introducción a las aplicaciones basadas en tecnología de agentes y sistemas multiagentes que han sido aplicadas a las ciencias de la vida y su relevancia en el desarrollo de sistemas bioinformaticos Tabla de Contenido: Introducción, Agentes inteligentes y sistema multiagente, Palabras Clave: Agentes artificiales, Sistemas Multiagente, Arquitectura, Planeación, Protocolos de interacción, Solución de problemas distribuidos I.Introduccion Cada nueva versión de de software bioinformatico viene con funcionalidades que antes se realizaban manualmente, los sistemas informáticos se utilizaron en el campo de la biología únicamente para guardar y acceder a datos, ahora los utilizamos para realizar acceder a una gran variedad de bioinformacion distribuida en la internet, Esto significa que el software ha desarrollado un alto proceso cognoscitivo, capacidades de razonamiento, que requiere un alto proceso cognoscitivo, Muchas de estas aplicaciones están en ambientes distribuidos y para acceder a estos recursos se sugiere la utilización de sistemas multiagentes para poder acceder a dichos recursos. Sistemas inteligentes y sistemas multiagentes En este capítulo se realiza una introducción a los conceptos de agentes especialmente a los utilizados en la web semántica para las ciencias de biología Los agentes son sistemas computacionales introducidos en un ambiente y que es capaz de realizar acciones autónomamente con el fin de alcanzar objetivos determinados. Bajo el paradigma de los agentes cuando un agente solicita una acción a otro agente, este último realizara o no dicha acción, esto reafirma la siguiente frase. Los objetos realizan acciones de manera libre, los agentes realizan las acciones por

dinero Sistemas multiagente y arquitectura Los agentes no actúan de manera aislada interactúan con otros para alcanzar unas metas esta agrupación se denomina sistemas multiagente diferentes tipos de agentes en los sistemas multiagente tienen diferentes responsabilidades a continuación se enumeran algunos Agentes usuarios brindan una interfases para la interacción entre los humanos y el sistema, en algunas ocasiones personalizan los servicios para cada usuario Agentes de planeación: Formulan planes los cuales deben ser ejecutados para alcanzar el objetivo deseado. Agentes cronogramas, responsables porque las tareas y objetivos se realizan en el tiempo determinado Agentes de recursos: provee la interfas entre el sistema multiagente y los recursos externos Esta lista está incompleta, otras clases de clasificaciones, que no se basan en funcionalidades de los agentes es posible de realizar Es la arquitectura de los sistemas multiagente la que determina los bloques de construcción principales, los tipos de agentes principales y la forma de interactuar unos con otros, la arquitectura es crítica para el reusó y la interoperabilidad dentro y entre los sistemas multiagente. La organización FIPA define estandarización para este aspecto. Comunicación entre agentes Para que los agentes tengan la capacidad de trabajar juntos, se deben comunicar unos con otros, basándose en las teorías de la comunicación, el lenguaje de comunicación de agentes fue desarrollado (ACL). Siguiendo los estándares KQML (Knowledge Query and Manipulation Language) y la especificación de FIPA para su propio ACL con diferentes desempeños, los más importantes son informar y solicitar son usados para comunicar información y solicitar a los agentes que realicen acciones respectivamente Los protocolos de interacción son requeridos para restringir la comunicación a una cadena de mensajes con significado. Por ejemplo cuando un agente recibe bajo el protocolo FIPA un mensaje de solicitud este debe responder si está de acuerdo o rechaza el mensaje. Varios tipos de protocoles existen reflejando la naturaleza de

la interacción necesaria para los agentes en un sistema multiagente. El tercer componente para la comunicación entre agentes es la ontología que representa un entendimiento común de los problemas en el dominio, por ejemplo la bioinformatica, la ontología puede ser usada para el razonamiento de los agentes y son la base del contenido de los mensajes en el lenguaje ACL y la descripción de de las capacidades de los agentes en el directorio de servicios. La interoperabilidad entre los agentes depende de esta ontología Composición de tareas y planeación de inteligencia artificial Los agentes deben trabajar de manera conjunta para completar satisfactoriamente las tareas. Esta es una típica referencia a la solución de problemas distribuidos. La forma más fácil de realizar las maneras de forma coordinada es a través de la planeación, la segunda parte de de este plan es la selección y la ejecución, la replaneación se puede dar en el caso de que los planes a realizar en la primera etapa fallen. El proceso de creación de los planes puede ser centralizado o distribuido Sistema de agentes en la las ciencias de la vida Uno de los esfuerzos tempranos de los sistemas multiagente se presento en el proyecto BioMAS este sistema se utilizo para descifrar el genoma humano. BioMAS se organizo en cuatro grupos de agentes básicamente responsables de la anotación de la secuencia básica, la anotación funcional, los querys y el proceso de las secuencias de los tags . Un ejemplo son los agentes de tarea, entre los cuales se encuentra el agente de anotación que tiene la capacidad de leer una secuencia y decidir cual información se debe anotar. El agente del procesamiento de fuentes de secuencia se encarga de validar la secuencia interna, también está el agente de Ontología y el agente de antología de razonamiento interna de los cuales se deduce la antología genética También hay otro proyecto de agentes informáticos que integran recursos bioinformaticos MyGrid Project tiene muchos agentes que son utilizados en el estudio de la enfermedad de Williams-Beuren. Los sistemas multiagente también son utilizados en los siguientes estudios el modelamiento de los procesos dinámicos intracelulares, modelamiento del sistema inmune, modelamiento del metabolismo mitocondrial, simulación de células madres y el modelamiento del doblado de las proteínas. Gracias a la tecnologia de los agentes se ha logrado desarrollar un sistema que simula una epidemia enfermedad infecciosa para estudiar el comportamiento de

una infección aguda en cualquier región geográfica Conclusiones Los sistemas multiagente han sido estudiados por muchas comunidades de computación distribuida y de inteligencia artificial, por algún tiempo. En el contexto de las ciencias bilógicas los sistemas basados en agentes se han destinado a los problemas de integración de datos. Pero ahora están disponibles para afrontar otros problemas por ejemplo la simulación de procesos biológicos. Los futuros hilos de la tecnología basada en agentes serán más grandes, más complejos y en ambientes abiertos que se asemejaran a los requerimientos para sistemas bioinformaticos para automatizar los altos niveles de procesos cognoscitivos en las capas de software Sin embargo para que la tecnología de agentes de verdaderas soluciones un gran esfuerzo debe ser realizado, alcanzando suficientes acuerdos en materias como lenguajes, ontologías, arquitecturas, protocolos de interacción para qué sean aplicados en el dominio de las ciencias Biológicas

FICHA DE REGISTRO DOCUMENTAL Código: [AVEA 2006]

Fuente: [AVEA 2006]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 7 p. Título: A web-based collaboration approach for teaching in medicine Autor: Víctor Alves, José Machado, António Abelha, Paulo Novais and Cesar Analide. Ubicación: Informatics Department, School of Engineering – University of Minho. Braga, Portugal Descripción: Este articulo realiza la descripción de la enseñanza de la medicina con la ayuda de agentes y sistemas multiagentes, bajo la supervisión de un tutor Tabla de Contenido: Introducción, sistemas multiagentes, E-learning, E-teaching, sistema de E-aprendizaje, AIDA, Mensajes, Archivo de imágenes y sistema de comunicaciones, Base de datos, Conclusiones Palabras Clave: Sistemas multiagentes, E-aprendizaje, Ayudas educativas, Simulación basada en WEB.

I. Introducción. La enseñanza tradicional de la medicina se basa en textos, lecturas de clases presenciales, con la auto guía individual de aprendizaje de libros siendo este el pilar de la enseñanza, Esta enseñanza se puede complementar con un sistema electrónico distribuido a través de internet o de intranets, la enseñanza de la medicina requiere el desarrollo de un alto rango de conocimientos manuales, intelectuales, visuales y táctiles así como una gran cantidad de información real. Una de las ventajas de la educación web E-Educación es que provee oportunidades para crear una gran cantidad de recursos que hacen del proceso educativo más flexible. En este escenario los estudiantes participan activamente de su autoformación volviéndose más horizontal y menos dependiente de un profesor. La enseñanza basada en ambientes WEB vía sistemas de tutoría inteligente (ITS) se ha convertido en una de las más exitosas realidades de la inteligencia artificial. Este estudio describe alguna particularidades de la E-Enseñanza que estimula el dialogo conversacional en el área de la medicina, habilitando la integración de una gran cantidad de fuentes heterogéneas de información en un conocimiento coherente basado en interfases basadas en ambientes web. II. Sistemas Multiagente Los sistemas autónomos son una técnica del campo de la inteligencia artificial que se utiliza para realizar interacciones. Los sistemas multiagentes presentan una nueva metodología para resolver problemas, soportan la evolución de los sistemas inteligentes, o realizan la sustitución de tareas o delegan actividades realizadas por los seres humanos, la descripción de los agentes que se involucran en la enseñanza de la medicina se describen a continuación. El agente de perfil: mantiene un registro de los perfiles de los usuarios El agente evaluador, evalúa las preferencias del usuario y su desempeño El agente productor de información, se encarga de preparar la información El agente investigador, que busca la información de acuerdo a la base de conocimiento del usuario El agente preguntas, que provee replicas para las preguntas de los usuarios El agente anónimo; que produce replicas anónimas de la información medica

III. E-Aprendizaje El aprendizaje incluye la observación, la verificación, la búsqueda de hipótesis, inducción de reglas y solución de problemas. En este trabajo la educación es la meta base y el rol desempeñado, construido sobre una estructura web que envuelve lecciones y tutorías, la meta de la aprendizaje se desarrolla con el trabajo del estudiante en un contexto dependiente de un escenario, la activación y precipitación de eventos requiere una respuesta rápida; en el rol del juego del aprendizaje los estudiantes juegan con alternativas y posibilidades realizando una aproximación entre la simulación y el juego. La E-Enseñanza puede aumentar la forma como las personas aprenden de manera natural. La E-aprendizaje es una variante de la educación a distancia, rompiendo los límites físicos y de tiempo, una clase de auto aprendizaje sin una comunicación y colaboración permanentes, soportada por la tecnología y la comunicación a ambos lados una amplia gama de escenarios de aprendizaje son cubiertos, las clases virtuales, la colaboración digital, la aprendizaje basada en ambiente WEB, y el envió de contenido vía WEB, audio y video a través de CD-ROM, televisión entre otros, los tiempos y costos de desplazamientos se reducen y los estudiantes pueden seleccionar los materiales e estudio de acuerdo a su nivel de conocimiento e interés, este tipo de aprendizaje puede ser sincrónico o asincrónico. Sincrónico cuando va a la par de lo visto en clase y con seguimiento en tiempo real por el tutor o profesor. Asincrónico cuando la comunicación se realiza vía e-mail y no hay un seguimiento con la clase IV. E-Enseñanza La E- enseñanza también se relaciona con la simulación, los estudiantes y los profesores interactúan en un ambiente artificial y muy dinámico donde se estudian hipótesis o experiencias reales. En particular la simulación en tiempo real se centra como una herramienta de enseñanza en muchas aéreas, especialmente en la medicina donde las practicas pedagógicas conllevan un alto riesgo y costo. Los ambientes virtuales permiten a los estudiantes equivocarse en ambientes seguros. La vitalidad de los sistemas basados en ambientes WEB recae en el potencial de integración, el soporte de las comunidades sociales y en la organización y difusión de la información V. El sistema de E-Aprendizaje Las opciones estratégicas en términos de implementación buscan cubrir  

El campo de las imágenes medicas yendo desde la adquirían y almacenamiento de datos para los médicos, profesores y estudiantes Los registros médicos electrónicos, quien cubre horizontalmente las unidades de cuidado médico y hacen posible el análisis de registros

médicos a lo largo de varis servicios unidades y tratamiento de patologías  Los sistemas de información para otros propósitos de diagnostico. Estas bases de datos son una fuente muy valiosa para la enseñanza Como el primer proveedor se tiene a PACS (Sistema de archivos y comunicaciones de imágenes) que tiene una gran cantidad de imágenes con el diagnostico del radiólogo este es un recurso muy valioso para la enseñanza El segundo proveedor es el EMR (Registros electrónicos médicos) que busca estandarizar los documentos directamente desde el registro de las acciones y procedimientos médicos El tercer proveedor es una gran colección de diagnósticos clínicos, con una gran cantidad de datos que confirman las tendencias y las evoluciones de los casos Diseñar software parar los ambiente médicos presentan un gran reto, el centro del sistema recae sobre una gran cantidad de videos, imágenes y textos. Esta información se complementa con la metainformacion que define la estructura, clasifica y define las relaciones entre las partes. El siguiente paso es que los agentes tomen esta información y la presenten dependiendo de las tareas diseñadas para hacerlo que pueden ir desde un texto a la reconstrucción de un sistema orgánico. Otra clase de agentes adicionara y actualizara la base de datos autorizando datos médicos y herramientas asegurando la consistencia. El propósito es difundir las investigaciones medicas y para la enseñanza VI. AIDA Agencia para la Integración, Difusión y Archivos de Información Médica, es una agencia que provee trabajadores electrónicos inteligentes, llamados aquí agentes proactivos, encargados de comunicarse con los sistemas heterogéneos enviando y recibiendo información, manejando y guardando la información y respondiendo por requerimientos de información, con los recursos correctos necesarios en el tiempo esperado AIDA soporta servicios WEB para facilitar el acceso rápido a la información. La construcción de AIDA sigue los criterios de simplicidad, metas comunes, direccionamiento de las responsabilidades, la principal meta es integrar, difundir y guardar una gran cantidad de información de fuentes heterogéneas AIDA también provee herramientas para realizar comunicaciones con los agentes humanos basado en servicios web. Bajo estas suposiciones el sistema de información de salud (HIS) se direcciona en

términos de 

El sistema de información administrativa (AIS) que tiene como objetivo recolectar almacenar y manejar la información de los tratamientos de los pacientes desde el inicio hasta el final  El sistema de información y soporte medico (MIS) que tiene como finalidad manejar, representar y guardar la información clínica del episodio  El sistema de información y soporte de cuidados, que maneja, representa y guarda la información de las cuidados durante el episodio  El sistema de información de registro medico electrónico (EMR)  El sistema de información (IS) de todos los departamentos involucrados particularmente los laboratorios, información radiológica, imágenes medicas Para utilizar esta información se desarrollo una intranet con interfaces amigables basados en tecnologías WEB usando tecnologías libres y con licenciamiento para el ministerio de salud de Portugal. La intranet se construyo sobre lenguaje Linux como sistema operativo, la comunicación entre los agentes se estructuro con mensajería, el lenguaje, la ontología y la arquitectura VII. Mensajes Los mensajes se enviaban a los agentes usando XML. De acuerdo a la ontología, el mensaje es procesado, integrado y archivado en bases de datos. La ontología es definida por los administradores usando una herramienta WEB SNOMED que incluye 370.000 conceptos, 900.000 descripciones y 1.300.000 relaciones , el sistema SNOMED provee un estructura para manejar dialéctica medica VIII Sistema de comunicaciones y archivo de imágenes La arquitectura computacional que soporta la información médica en el área de imágenes es un ejemplo de datos externos para AIDA, para tener el conocimiento requerido para la construcción de este sistema se debe estar familiarizado con varias modalidades de toma de imágenes (Tomografías, Resonancias magnéticas, Documentación estándar de radiólogos y técnicos DICOM) IX. Bases de datos: Los sistemas de manejo de bases de datos relacionales son ampliamente utilizados en las unidades de cuidado médico, manteniendo los documentos diarios de la operación, estas bases de datos se modifican poco y manejan una gran cantidad de transacciones. Se guardan datos históricos con los que se construyen análisis y se soportan las decisiones realizadas. Las unidades medicas consolidad la información de varias fuentes en un datawarehouse recibiendo información de varias fuentes heterogéneas, toda esta información es utilizada por los agentes del ambiente AIDA.

X. Conclusiones La colaboración de las tecnologías WEB para la enseñanza de la medicina se ha convertido en una fuente poderosa de educación. El uso de agentes y sistemas multiagentes para estimular los diálogos en aéreas de medicina que permita la integración de varias fuentes heterogéneas en un conocimiento coherente basado en servicios WEB para la enseñanza de la medicina fueron presentados. Aun se necesita identificar los factores que contribuyen al éxito o fracaso de la experiencia WEB Lo que obliga a los autores a participar en reuniones de las unidades de salud Bibliografía [1] ASTD – American Society for Training & Development. http://www.learningcircuits.org [2] SNOMED International. http://www.snomed.org [3] Radiological Society of North America http://www.rsna.com [4] van der Heyden, J. E., Atkins, M.S., Inkpen K., Carpendale, M.S.T., ―A User Centered Task Analysis of Interface Requirements for MRI Viewing‖, Graphics Interface 1999, pp 18-26. [5] Neves, J., Alves V., Nelas L., Maia M., and Cruz R. ―A Multi-Feature Image Classification System that Reduces the Cost-of-Quality Expenditure‖, in Proceedings of the Second ICSC Symposium on Engineering of Intelligent Systems, Paisley, Scotland, UK, pages 594-554, 2000. [6] Neves, J., Machado, J., Analide, C., Novais, P., and Abelha, A. ―Extended Logic Programming applied to the specification of Multi-agent Systems and their Computing Environment‖, in Proceedings of the ICIPS‘97 (Special Session on Intelligent Network Agent Systems), Beijing, China, 1997. [7] Faratin, P., Sierra C. and N. Jennings ―Negotiation Decision Functions for Autonomous Agents‖ in Int. Journal of Robotics and Autonomous Systems, 24(34):159-182, 1997. [8] Wooldridge, M., ―Introduction to MultiAgent Systems‖, 1st edition, John Wiley & Sons, Chichester, [9] Gruber, T.R. ―The role of common ontology in achieving sharable, reusable knowledge bases‖, in Proceedings of the Second International Conference

(KR‘91), J. Allen, R. Filkes, and E. Sandewall (eds.), pages 601-602 Cambridge, Massachusetts, USA, 1991 [10]Abelha, A., PhD Thesis, ―Multi-agent systems as Working Cooperative Entities in Health Care Units‖ (In Portuguese), Departamento de Informática, Universidad do Minho, Braga, Portugal, 2004. [11]Alves V., Neves J., Maia M., Nelas L., ―A Computational Environment for Medical Diagnosis Support Systems‖. ISMDA2001, Madrid, Spain, 2001. [12]Alves V., Neves J., Maia M., Nelas L., Marreiros F., ―Web-based Medical Teaching using a Multi- Agent System‖ in the twenty-fifth SGAI International Conference on Innovative Techniques and Applications of Artificial Intelligence – AI2005 , Cambridge, UK, December, 2005. FICHA DE REGISTRO DOCUMENTAL Código: [CATO 2005]

Fuente 2005]

No:[CATO Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 35 p. Título: AGENTES INTELIGENTES Autor: CASTRO, Arturo; TORRES, María Luisa Directores: LOPEZ, Bruno Ubicación: Instituto Tecnológico de Nuevo Lareno, Ingeniería en Sistemas Computacionales, Inteligencia Artificial http://www.itnuevolaredo.edu.mx/maestros/sis_com/takeyas/Apuntes/Inteligencia%20Artificial/ Apuntes/tareas_alumnos/Agentes_Inteligentes/Agentes_Inteligentes(2005-II).pdf Descripción: El siguiente documento hace una introducción a los agentes inteligentes, muestra la representación de los sistemas, como piensan y actúan racionalmente, también describe el entorno, su estructura y aplicaciones. Además muestra una comparación entre los agentes inteligentes y el software convencional. Tabla de Contenido: Definición y Estructura, Agente Inteligente, ¿Qué son los agentes? Diferencia entre agentes Inteligentes y software convencional, Características, ¿Cómo se caracteriza un agente?, Aéreas de Aplicación, ¿Por qué utilizar agentes, Funciones básicas de la Tecnología de Agentes, ¿Que nos ofrecen de nuevo?, Usos de los agentes, Descripción Detallada del Tema, ¿Como se construyen los Agentes Inteligentes?, Entradas

del agente Salidas del agente, Representación y razonamiento Palabras Clave: Continuidad Temporal, Benevolencia, Capacidad de Comunicación, Agentes, Resumen: Que son los Agentes Inteligentes El origen por el cual la tecnología de los agentes inteligentes surge es por la necesidad de aplicarlos a los sistemas complejos, donde la aplicación de las técnicas existentes ha fracasado o es muy difícil de comprender o mantener. En muchos de los casos, los agentes no son desarrollados de forma independiente sino como entidades que constituyen un sistema. A un sistema que tiene varios agentes inteligentes se le llama sistema multiagente. Los agentes en este tipo de sistemas deben interactuar entre ellos. Las interacciones más habituales son informar o consular otros agentes y esto les permite a los agentes ―hablar‖ entre ellos, saber que hace cada uno de ellos y razonar sobre el papel que juega cada uno en el sistema. La comunicación entre agentes se realiza por medio del lenguaje ACL Agent Communication Lenguaje. Diferencia entre agentes Inteligentes y software convencional: Hay dos principales características que distinguen a los agentes inteligentes del desarrollo de software tradicional y estas son la inteligencia y la agencia. 1. La dimensión de inteligencia se refiere al grado en el cual la aplicación utiliza razonamiento, aprendizaje y otras técnicas para interpretar la información o conocimiento al cual tiene acceso. Se puede decir que hay tres niveles de formas de inteligencia. • La forma más modesta de inteligencia permite al usuario expresar sus preferencias. • Una forma intermedia podría formalizar un conjunto de reglas de razonamiento que combinadas con conocimiento a corto y largo plazo, siguiendo un proceso de inferencia puede conducir a la toma de alguna acción. • En el nivel superior es la capacidad del agente de modificar su capacidad de razonamiento en la base nuevo conocimiento derivado de muchas fuentes, es decir, aprender. 2. La agencia es el grado en el cual el agente puede percibir su entorno y actuar en el. Define al agente, en otras palabras, para que un programa sea un agente debe poseer autonomía, habilidad social, reactividad y proactividad. Cómo se caracteriza un Agente: se caracteriza por una serie de calificativos, los cuales vienen a denotar ciertas propiedades a cumplir por el agente.  

Reactivo. El agente es capaz de responder a cambios en el entorno en que se encuentra situado. Pro-activo, a su vez el agente debe ser capaz de intentar cumplir sus propios planes u objetivos.



Social, debe de poder comunicarse con otros agentes mediante algún tipo de lenguaje de comunicación de agentes.



Continuidad Temporal: se considera un agente un proceso sin fin, ejecutándose continuamente y desarrollando su función. Autonomía: un agente es completamente autónomo si es capaz de actuar basándose en su experiencia. El agente es capaz de adaptarse aunque el entorno cambie severamente. Sociabilidad: este atributo permite a un agente comunicar con otros agentes o incluso con otras entidades.

  

Racionalidad: el agente siempre realiza «lo correcto» a partir de los datos que percibe del entorno.



Reactividad: un agente actúa como resultado de cambios en su entorno. En este caso, un agente percibe el entorno y esos cambios dirigen el comportamiento del agente.



Pro-actividad: un agente es pro-activo cuando es capaz de controlar sus propios objetivos a pesar de cambios en el entorno. Adaptabilidad: está relacionado con el aprendizaje que un agente es capaz de realizar y si puede cambiar su comportamiento basándose en ese aprendizaje.

   

Movilidad: capacidad de un agente de trasladarse a través de una red telemática. Veracidad: asunción de que un agente no comunica información falsa a propósito. Benevolencia: asunción de que un agente está dispuesto a ayudar a otros agentes si esto no entra en conflicto con sus propios objetivos.

Por qué utilizar agentes: Por la necesidad de construir aplicaciones complejas compuestas de multitud de subsistemas que interaccionan entre sí, es el marco de la distribución de la inteligencia en diversos agentes. En este tipo de sistemas, la utilización de agentes y técnicas multiagente permite la gestión inteligente de un sistema complejo, coordinando los distintos subsistemas que lo componen e integrando objetivos particulares de cada subsistema en un objetivo común. Funciones básicas de la Tecnología de Agentes. Un agente se puede considerar para llevar a cabo las siguientes funciones:

Figura No.1 Funciones de un Agente

  

Ejecución de Tareas: La capacidad de realizar tareas son las destrezas que el agente posee para lograr sus objetivos. Conocimiento de su entorno: El conocimiento del entorno debe de ser introducido o construido por el desarrollador. Algunos agentes además adquieren su conocimiento por aprendizaje. Capacidad de Comunicación: Se distingue dos tipos de comunicación, la interacción con el usuario, y la que se refiere a comunicación inter-agente.

Usos de los agentes    



Representación virtual. Se comunican en lenguaje natural y suplen a los comerciales. Como asistentes personales. Nos ayudan como lo haría un ayudante. Negociador en mercados electrónicos. Localiza una subasta en internet, aprende como va la oferta y realiza una compra por nosotros. Agente de búsqueda de información o rastreador. Rastrean en las redes de ordenadores en busca de información solicitada. Son parametrizables por el usuario aprenden de sus hábitos, rastrean la red e informan por correo electrónico de novedades que consideran pueden ser de interés para el usuario. Agente secreto o espía. Monitorizan una página Web identificada previamente por el usuario e informan cuando se producen cambios en dicha página. Construcción de un Agente Inteligente:

Figura No.2 Esquema de Construccion de un Agente

Entradas del agente    

Conocimiento previo del mundo: lo que sabe el agente del entorno Experiencias anteriores de las que puede aprender: situaciones pasadas que le pueden dejar conocimiento. Objetivos a conseguir y valores sobre lo importante Observaciones sobre su entorno y sobre sí mismo: sensores

Salidas del agente       

Acciones: que afectaran al entorno Conocimiento previo Experiencias pasadas Objetivos/Valores Observaciones Acciones Entorno

Representación y razonamiento      

Necesidad de representación de las entradas del agente: de aquí se forma la base conocimiento del agente Problema -> Representación -> Razonamiento Elementos de un Sistema de Representación y Razonamiento (SRR): Sintaxis: Lenguaje de comunicación con la computadora Semántica: Manera de asignar significado al lenguaje Calculo: Procedimientos para obtener respuestas

Bibliografía Agentes Inteligentes: el siguiente pasó en la Inteligencia Artificial V. Julián, V. Botti Dpto. sistemas Informáticos y Computación Universidad Politécnica de Valencia http://www.ati.es/novatica/2000/145/vjulia-145.pdf Agentes inteligentes: Representación y razonamiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla http://www.cs.us.es/cursos/ia2-2000/temas/tema-01.pdf Agentes inteligentes Serrano Cinca C. (2005): ʺLa Contabilidad en la Era del Conocimientoʺ 5campus.org, Sistemas Informativos Contables http://www.5campus.org/leccion/introduc Agentes Inteligentes José Emilio Gondar Nores DATA MINING INSTITUTE, S.L. http://www.estadistico.com/arts.html?20011105 FICHA DE REGISTRO DOCUMENTAL Código [DACF 2005]

Fuente: [DACF 2005]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 8 pdf. Título Los Sistemas Multi-Agentes y la salud integral para la infancia Autores: Domínguez Fabián, Aceros María Hemmy, Corredor Beatriz Ficha bibliografica Ubicación: VENTANA INFORMÁTICA No. 12 – Universidad de Manizales, enero – junio / 2005 – pp 193-202 Consultado en Octubre 08 2009 http://www.umanizales.edu.co/programs/ingenieria/Ventana/ventana12/articulo17.pdf Descripción: Este artículo pretende mostrar una perspectiva particular de la utilización de los Sistemas Multi-Agentes (SMA) de la Inteligencia Artificial Distribuida (IAD), en los programas de prevención y promoción de la salud del niño en nuestro país. Los SMA surgen como una nueva alternativa de la Inteligencia Artificial, los cuales pueden poseer el conocimiento de varios especialistas o expertos humanos, necesarios para evitar o solucionar un problema, lo que se conoce como el paradigma de la Solución Cooperativa de Problemas (SCP). La prevención de enfermedades en la infancia, es fundamental para el normal crecimiento y desarrollo del niño, y, el éxito de esto se debe a la cooperación de

todas las personas que vigilan su normal desarrollo, entre ellas un equipo de especialistas de la salud (pediatra, Psicólogo, nutricionista, entre otros) que inspeccionan por etapas las normales conductas del niño en cada disciplina. Este seguimiento del normal crecimiento y desarrollo del niño está estipulado en un programa de salud llamado Salud Integral Para la Infancia (SIPI). Este equipo de médicos o trabajadores de la salud para llevar a cabo el SIPI, no existe en los centros y puestos de salud de este país y mucho menos en las zonas rurales. Luego, se trata de mostrar una alternativa a través de los SMA, lo cual permitiría que un médico general o una enfermera profesional pudiese llevar cabo tal seguimiento del niño ayudado de una herramienta informática. Tabla de Contenido: Los Sistemas Multi-agentes, Salud integral para la Infancia, El inconveniente del equipo interdisciplinario, Diseño de un prototipo de sistema multiagente para la salud integral para la infancia. ―sipi-expert‖, Conclusiones Palabras Clave: Inteligencia Artificial (IA), Sistemas Multi-Agentes (SMA), Inteligencia Artificial distribuida (IAD), Solución Cooperativa de Problemas (SCP), Salud integral para la infancia (SIPI) y Puericultura. Un enfoque estructural en diseño de SMA bajo el paradigma de la SCP2 consta básicamente de dos componentes: un agente llamado El facilitador, que es la plataforma que permite la cooperación y la sociedad de agentes expertos o especialistas. El facilitador Es una pieza de software que se encarga de guiar a un conjunto de agentes a la solución de un problema planteado. El facilitador necesita una definición formal de la sociedad, la cual definimos en cuanto a: Agentes que la conforman, objetivos que puede cumplir cada uno de los agentes y necesidades de cada uno de ellos. El facilitador esta compuesto por: una base de datos, la descripción de la sociedad, la interfaz con los agentes, la interfaz con el usuario y la estrategia de cooperación. Para el caso de SIPI-EXPERT, los expertos en la salud integral del niño han organizado el seguimiento del crecimiento y desarrollo del infante en rangos de edad de 3 meses, que abarca desde los 0 meses hasta 84 meses. El proyecto en el que se soporta este artículo, está enmarcado en la construcción de un prototipo que comprende la etapa entre cero y tres meses, con el cual se pudo lograr un manejo apropiado del conocimiento de cada uno de los agentes de la salud involucrados, generando una aplicación que muestra la utilidad y viabilidad de los SMA en la salud integral para la infancia. SIPI-EXPERT fue diseñado para la población infantil del hospital Ismael Darío Rincón de Ecopetrol en Barrancabermeja, con la colaboración del grupo de trabajo SIPI de esta misma entidad.

Base de datos del facilitador La base de datos del facilitador contiene: los atributos preguntables de los agentes, quién es el responsable de cada uno de los atributos y cuales agentes pueden activar ese campo en determinado momento. A continuación se muestra una sección de los atributos y los datos que esta contiene. Atributos: edad, sexo, talla, perímetro cefálico al nacer, cráneo. Motricidad gruesa, entre otros. La negociación Luego de analizar la forma como cada uno de los especialistas maneja su conocimiento y como participan en el momento de aplicar el programa SIPI a un determinado grupo de niños, se seleccionó esta estrategia de cooperación. Cada uno de los especialistas es completamente autónomo, cada uno de ellos (que vienen a ser los agentes especialistas), tienen sus propias metas que pueden ser muy diferentes entre sí, sin embargo entran a intercambiar información para detectar estados de alerta en los niños. Esto es muy importante teniendo en cuenta que el niño se encuentra sano y el objetivo primordial es detectar anomalías que podrían ser causa de enfermedades o trastornos más adelante. Sociedad de agentes Un conjunto de agentes que colaboran en la solución del problema planteado. Cada agente puede tener su forma de representación del conocimiento (FRC) y su método de solución de problemas (MSP) particular, pero estos mantienen cierta imagen externa única que permite que el facilitador sea capaz de interactuar con agentes de diferente naturaleza. La descripción de un agente que es tomada en cuenta por la sociedad de agentes está dada por los siguientes aspectos: Nombre del agente, metas, necesidades, restricciones y finalmente cada agente tiene una interfaz con el facilitador y una memoria de estado. La sociedad de agentes de SIPI-EXPERT en el caso del periodo seleccionada para el prototipo, está compuesta por cuatro agentes. Los nombres correspondientes son: agente Nutrición, agente Pediatría, agente Psico-social y Agente Enfermera profesional quien hace la valoración de la escala abreviada de desarrollo. Veamos la descripción de uno de estos agentes. Modelo del agente nutrición IDENTIFICACIÓN: Nutrición. ROL: Especialista en Nutrición y dietética. METAS: Determinar las relaciones entre peso, talla, perímetro cefálico y edad del niño e indagar sobre hábitos alimentarios. CONOCIMIENTO: Modelo Nutricional. Para determinar la relación entre peso talla y edad del niño se necesita que el agente posea conocimiento sobre los percentiles

de acuerdo a NCHS. Para Indagar sobre hábitos alimentarios el agente debe preguntar sobre los alimentos que se le están suministrando al niño, qué cantidad, en qué horario y consistencia. El conocimiento anterior puede ser expresado mediante reglas de producción, algunas de las cuales se presentan a continuación. NECESIDADES: Valoración clínica realizada por el Pediatra, condiciones en la situación familiar que interfieran o afecten la ingesta alimentaria (disfunción familiar, sobreprotección, abandono, alteraciones en ciclo vital, etc.) y condiciones sicológicas que interfieran o afecten la ingesta alimentaria (reacciones de adaptación, etc.). IF (Edad = 1mes AND sexo = masculino AND talla _ [49.7, 59.5 ] ) OR (Edad = 2mes AND sexo = masculino AND talla _ [52.9, 63.2] ) OR (Edad = 3mes AND sexo = masculino AND talla _ [55.8, 66.4 ] ) THEN Estado Talla = Anormal

IF (Edad = 1mes AND sexo = masculino AND peso _ [2.9, 5.6 ] ) OR (Edad = 2mes AND sexo = masculino AND peso _ [3.5, 6.8] ) OR (Edad = 3mes AND sexo = masculino AND peso _ [4.1, 7.7 ] ) THEN Estado Peso = Anormal

Los sistemas multiagentes de la informática aplicada a la medicina son una buena alternativa para la resolución de problemas en donde la cooperación entre los profesionales de varias ramas de la salud sea indispensable. A lo anterior se agrega que en los últimos años en el ámbito de la medicina está tomando mucha fuerza, el tratamiento y diagnostico de enfermedades basadas en evidencia En gran parte, el conocimiento que manejan los médicos acerca de la salud del niño es fruto de la experiencia y de los múltiples intercambio de información entre ellos. La cooperación de los médicos especialistas que intervienen en la detección de alertas durante el proceso de crecimiento y desarrollo, no se produce con el diagnóstico que pueda emitir cada uno de ellos, sino que la valoración del niño en cada una de sus áreas es un aporte para poder inferir si el niño se encuentra sano o por lo contrario hay que remitirlo a consulta o hacer un seguimiento. La intención es que la aplicación completa asista a un trabajador de la salud y en

menos de 10 minutos, junto con la madre, pueda detectar alertas que se presentan en el niño, teniendo una visión integral de su crecimiento y desarrollo.

Bibliografía [1] El niño sano, Alvaro Posada, J.F. Gómez, Edit. Universidad de Antioquia, 1997. [2] Guías para la supervisión de la salud I, Academia americana de pediatría, 1994. [3] Desarrollo Psicológico, Grace J. Craig, Prentice Hall, 1994 [4] Manual de normas técnicas administrativas Crecimiento y desarrollo por grupos de edad, Universidad de Antioquia, 1996 [5] Proyecto de grado: prototipo de sistema multiagente que asista a un trabajador de la salud en la detección de alertas en el proceso de crecimiento y desarrollo durante el periodo comprendido entre cero y tres meses de edad. Corredor Huertas Beatriz y Aceros Chaparro Maria Hemmy, UCC-B/Bermeja, 2002 [6] Curso de sistemas basados en el conocimiento parte II, Inteligencia Artificial Distribuida, Daniel Galvez Lío, Universidad Central de las Villas Cuba, 1998. FICHA DE REGISTRO DOCUMENTAL Código: [DMAS 2006]

Fuente No.: [DMAS 2006]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 5 p. Título: Sistema Multiagente para la Evaluación Personalizada en Cursos Virtuales Autor: Néstor Darío Duque Méndez y Alfonso Pio Agudelo Salazar Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No. 2 pp. 13-17, Medellín, Diciembre 2006, ISSN 1657–7663 Abstract: La evaluación del aprendizaje, entendida como un proceso sistemático y permanente que busca validar todo un proceso de enseñanza aprendizaje, posee un alto valor pedagógico y debe ser involucrada en los avances de adaptación de otros aspectos. Se propone un sistema de evaluación que se adapte a las condiciones específicas de cada estudiante, modelado mediante un Sistema Multiagente, SMA, aprovechando las grandes ventajas de distribución que nos otorga esta técnica de inteligencia artificial. Se propone y presenta las características requeridas de un proceso evaluativo que se adapte a las

condiciones y preferencias académicas y psicopedagógicas de los estudiantes y muestra el proceso de análisis, diseño y construcción de un Sistema Multiagente (SMA) que integra el modulo de evaluación a una plataforma experimental de Cursos Adaptativos. La metodología adaptada para el desarrollo fue MASCommonKADS. Tabla de Contenido: Introducción, Propuesta para la evaluación adaptativa en cursos virtuales, Modelo multiagente para evaluación Adaptativa, Conclusiones Palabras Clave: Sistemas Tutoriales Inteligentes.

Multi-Agente,

Agentes Pedagógicos,

Sistemas

Resumen: El desarrollo de cursos virtuales hasta ahora ha tenido un auge muy marcado hacia el desarrollo de contenidos, sin embargo la evaluación ha sido manejada como una transposición de la evaluación presencial a lápiz y papel, sin que se hayan tenido en cuenta de forma importante las nuevas posibilidades ofrecidas por la Inteligencia Artificial y los sistemas adaptativos. Este trabajo propone y presenta las características requeridas de un proceso evaluativo que se adapte a las Condiciones y preferencias académicas y psicopedagógicas de los estudiantes y muestra el proceso de análisis, diseño y construcción de un Sistema Multiagente (SMA) que integra el modulo de evaluación a una plataforma experimental de Cursos Adaptativos. 2. Propuesta para la evaluación adaptativa en cursos virtuales En estos momentos los avances en las técnicas de Inteligencia Artificial y en particular de los sistemas adaptativos abren posibilidades que los investigadores no han explotado completamente y se convierten en la actualidad en un área de especial interés para su implementación y solución de forma automatizada. La utilización de técnicas adaptativas en la construcción de evaluaciones incluye el proceso de la selección, calificación y retroalimentación del estudiante sobre sus resultados. Tomando como base el modelo de los ITS actuales esta propuesta apropia conceptos como el modelo del dominio, el pedagógico, el del estudiante y el modelo de interfaz y se complementa con un modelo adicional: Evaluación Adaptativa. Se propone un proceso evaluativo que se adapte a las condiciones académicas y a las características psicopedagógicas y preferencias de los estudiantes. La evaluación está orientada por los Objetivos Educativos, OE, propuestos en el curso y los cuales se espera que el estudiante logre en el proceso. El proceso debe identificar dónde el estudiante tiene falencias, para lo cual se inicia con la evaluación de los objetivos de orden superior y se desciende

por los su objetivos hasta ubicar exactamente el punto donde se tienen dificultades, lo cual permitiría replanear la labor de instrucción en este caso concreto. Se juega igualmente con el nivel de dificultad de las preguntas. El Banco de Preguntas se ha diseñado apoyado en las normas para este tipo de repositorios y se incluye metadatos para cada pregunta que la asocian con los OE que evalúan, el Estilo de Aprendizaje que soporta y el nivel de dificultad otorgado. Para el Banco de preguntas se calculan varios parámetros y debe incluir información como Id, enunciado, respuesta correcta, distractores (si se requieren), fecha, autor, Objetivo Educativo, tema a evaluar, Estilo de Aprendizaje, estructura de la pregunta (selección múltiple, verdadera o falsa, de complementar, etc.), índice de dificultad y correlación con el total del examen 3 Modelo multiagente para evaluación adaptativa La metodología de desarrollo adoptada fue MASCommonKADS [Iglesias (1998)], la cual es una extensión de CommonKADS, con aspectos que son relevantes para los SMA e integrando técnicas de las metodologías orientadas a objetos para facilitar su uso. Enuncia siete modelos para la definición del desarrollo, algunos de los cuales se presentan a continuación. El modelo del Agente especifica las características de un agente, sus capacidades de razonamiento, habilidades, servicios, sensores, efectores, grupos de agentes a los que pertenece y clase de agente. Los pasos a seguir en la petición de una evaluación son: 1. Un agente externo se encarga de solicitar al agente adaptación iniciar el examen de un estudiante determinado, enviando el ID del estudiante y objetivo educativo a evaluar. 2. El agente adaptación hace una petición de un perfil de estudiante y estilo de aprendizaje de acuerdo al identificador recibido al agente estudiante. 3. El agente estudiante responde al agente adaptación con un estilo de aprendizaje que tiene el estudiante que se encuentra en sesión. 4. El agente adaptación envía al agente banco de preguntas una solicitud de pregunta que se selecciona en la base de datos de banco de preguntas de acuerdo a unos criterios como objetivo educativo a evaluar, estilo de aprendizaje del estudiante y perfil tecnológico. 5. El agente banco de preguntas responde al agente adaptación con una lista de las posibles preguntas con su respectivo nivel de dificultad que se pueden realizar

al estudiante que se encuentra en sesión. 6. El agente de adaptación de acuerdo a unos criterios lógicos se encarga de seleccionar la pregunta que se le debe realizar al estudiante, por lo cual envía el ID de la pregunta seleccionada al agente banco de preguntas y este a su vez la selecciona de la base de datos. 7. El agente banco de preguntas tiene la pregunta que se debe realizar al estudiante por lo tanto la envía al agente interfaz quien es el encargado de mostrar la pregunta al usuario. 8. El agente interfaz envía la pregunta al aprendiz que se encuentra en sesión. 9. El aprendiz responde la pregunta mostrada de acuerdo a los conocimientos adquiridos previamente, la respuesta es enviada al agente interfaz. 10. El agente interfaz envía la respuesta dada por el aprendiz, al agente banco de preguntas, el cual hace la consulta al banco de preguntas y verifica la respuesta, si es correcta o incorrecta. 11. El agente banco de preguntas envía el objetivo cumplido o no cumplido (de acuerdo a la respuesta del usuario) al agente de diagnostico. 12. El agente de diagnostico envía al agente estudiante el objetivo cumplido o no cumplido, el ID de la pregunta y el ID del estudiante para que este lo guarde en el historial del estudiante. 13. El agente de diagnostico envía al agente adaptación el objetivo cumplido o no cumplido y el ID del estudiante para tomar decisiones acerca de que pregunta será la siguiente. 14. El agente de adaptación evalúa si el objetivo educativo no ha sido cumplido, para así solicitar al agente de dominio nuevos objetivos educativos a evaluar. 15. El agente de dominio envía hijos del objetivo educativo actual al agente adaptación. En este caso el agente de adaptación hace una selección del nuevo objetivo educativo a evaluar dentro de los hijos enviados por el agente de dominio. Los agentes inteligentes pueden actuar en nombre de usuarios o entidades involucradas en un sistema, pero los resultados dependen de una rigurosa aplicación de la metodología adoptada. En estos momentos se está realizando el proceso de integración con la plataforma experimental de cursos virtuales, pero en las pruebas de selección de preguntas según lo planeado se ha obtenido los resultados esperados. Sin duda es necesario ver si esto realmente mejora la

efectividad del proceso de enseñanza aprendizaje. REFERENCIAS Conejo, R., Millán, E., Cruz, J. y Trella, M. (2001), ‗Modelado del alumno: un enfoque bayesiano‘, Revista Iberoamericana de Inteligencia Artificial 12. En línea: . Duque, N., Agudelo, A. y García, L. (2005), ‗Análisis y determinación de las características de un módulo de evaluación personalizado para cursos virtuales‘, Semillero Evaluación Personalizada en Cursos Virtuales apoyada por Inteligencia Artificial. Duque, N., Jiménez, C. y Guzmán, J. (2005), ‗IA planning for automatic generation of customized virtual courses‘, Frontiers in Artificial Intelligence and Applications. (IOS Press) 117. Gagné, R. (1987), Principios de aprendizaje para selección y uso de medios de instrucción, 8a edn, Editorial Diana, México. Gonçalves, J. (2004), ‗A integraçaode testes adaptativos informatizados e ambientes computacionais de tareas para o aprendizado do ingles instrumental‘, Trabajo de grado para optar para el grado Maestría en ciencias de Computación y Matemática Computacional. Sao Carlos. Iglesias, F. (1998), Desarrollo de una Metodología para el Desarrollo de Sistemas Multiagente, PhD thesis, Universidad Politécnica de Madrid. Jade (2005), ‗Documentación en línea de jade‘, En línea: C12/05. Papanikolaou, K., Grogoriadou, M., Kornilakis, H. y Magoulas, G. (2001), Inspire: An intelligent system for personalizad instruction in a remote envoronment, in ‗Third Workshop on Adaptative Hypertext and Hypermedia Twelfth, paper 3‘. En línea: <wwwis.win.tue.nl/ah2001/papers/papanikolaou.pdf>. FICHA DE REGISTRO DOCUMENTAL Código: [FGEA 2008]

Fuente: [FGEA 2008]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 14 paginas pdf. Título: A Multi-Agent-based 3D Visualization of Stem Cell Behavior Autor: Geisa Martins Faustino, Maíra Atanásio de Cerqueira Gatti, Carlos José Pereira de Lucena, Marcelo Gattass

Ubicación: Monografias em Ciência da Computação n° 07/08, issn 0103-9741, pontifícia universidade católica do rio de janeiro ftp://ftp.inf.pucrio.br/pub/docs/techreports/08_07_faustino.pdf 29 de marzo 2009 Descripción: Este articulo presenta algunos resultados obtenidos en la construcción de un visualizador 3D basado en sistema multiagentes para la simulación de del comportamiento de las células madre. Considerando que este es un sistema autónomo, adaptativo y complejo el principal desafio de este trabajo fue desarrollar la visualización del comportamiento de las células madre tales como la proliferación la diferenciación, de los agentes auto-organizables, se proyecto una auto organización de las células madres que se volvió en la visualización del comportamiento emergente de las entidades de los agentes, también posibilito la observación de las interacciones entre los agentes y los ambientes Tabla de Contenido: Introducción, Trabajos relacionados, Descripción del problema, Propuesta de aproximación, avances en la visualización de los componentes, conclusiones y trabajos futuros Palabras Clave: Sistemas multiagente, visualización 3D, células madre I. Introducción. Las células madres tiene la capacidad de reproducirse de manera infinita y además tiene la capacidad de producir otro tipo de células gracias al proceso de diferenciación, las células madres se utilizan para el tratamiento y cura de la leucemia y de la enfermedad de parkinson Este trabajo describe los resultados alcanzados a través de la visualización en 3D basado en un sistema multiagentes que simula el comportamiento de las células madre usando previamente el sistema de visualización 2D. el principal aporte de este trabajo es la reformulación de la auto organización espacial de las células madres y su extensión al espacio 3D Se utilizo la librería de simulación de los sistemas multiagente MASON desarrollada por JAVA, que provee apara ambos modelos de librerías y una opción de herramientas de visualización en 2D y 3D, se escogió esta herramienta porque en su momento era la única que permitía la visualización en 2D y en 3D Descripción del problema En esta parte de la investigación se muestra los procesos de diferenciación y división de las células madre, ambas son importantes para ser visualizados, también se muestra algunas funcionalidades del sistema

La figura uno muestra las diferentes células que puede llegara a ser una célula madre, el interés de este trabajo está en ver como una célula madre se convierte en una neurona

Figura1 Diferenciación de una célula madre: observe las clases de células en las que se puede diferenciar una célula madre

Basados en el conocimiento del ciclo de vida de las células y el proceso de las células madres un modelo conceptual fue desarrollado con los investigadores de células madre. Un nuevo modelo conceptual de células madre basado en agentes (mucho más refinado que el primero) y un framework basado en multiagentes para el soporte de aplicaciones que simulara el comportamiento de de las células madres fue desarrollado. El modelo computacional de las células madres basado en agentes muestra cuatro tipos de células, las células multipotentes, quew son células con un gran poder de diferenciación, que puede dar origen a una gran cantidad de células; Células precursoras que son células que tienen la habilidad de de auto diferenciarse en una célula especifica por instancia una célula de la sangre; células progenitoras, son células madre que han desarrollado en una etapa que forman una célula particular y las células diferenciadas, que ya no tienen el poder de diferenciación

Figura 2. Pantallazos de la simulación: a la izquierda el inicio, en la mitad el proceso y a la derecha el final de la simulación. Observe el crecimiento exponencial de las células Conclusiones y trabajos futuros La visualización científica es una herramienta que ayuda en la comprensión de problemas complejos, Por esta razón la visualización de las estructuras de las células en un alto nivel de detalle y sus comportamientos emergente es fundamental en el análisis de los procesos de diferenciación celular. Este trabajo presento avances en el componente de la visualización de la versión inicial del sistema presentado, se mostro los detalles de las capas de la visualización multiagente basada en un framework de desarrollo de la simulación del comportamiento de las células madre, Con el conocimiento de la simulación de las células madre es posible la visualización de fenómenos emergentes que crecen con la interacción de los agentes Los componentes de la visualización avanzada es muy promisoria, Los colaboradores observaron en la herramienta de visualización el primer fenómeno emergente, el cual es similar a los fenómenos emergentes in vitro: la diferenciación de las células se localiza en las extremidades de la colonia cuando la especialización y las células madre se localizan en el centro de la colonia. El propósito del sistema de visualización también sugiere próximos desarrollos. Uno de ellos es hacer la representación de las células más foto realística, La visualización de las células en 3D en más niveles de detalle muestra las interacciones entre las estructuras internas haciendo el sistema más completo y realístico. Otro trabajo futuro es aumentar la interacción con el usuario, como en la versión previa quisiéramos permitir al usuario la visualización del estado de las células y su simulación individual, También nos gustaría aumentar la interactividad permitiendo a los especialistas con la ejecución en vivo como en el caso de las funcionalidades básicas como iniciar, pausar, detener y aumentar/disminuir la velocidad, también lo que significa poner algunas sustancias al nicho y observar el comportamiento emergente. También permitir la auto organización optimización y

el propósito de nuevas hipótesis. Aun más la generación de reportes acerca d la información visualizada durante el proceso de simulación, en altos niveles de detalle, el cual puede incrementar la comprensión del proceso. La conversión del sistema de un lenguaje C++ usando OpenGL podría permitir la visualización en tiempo real

Bibliografía [1] Java 3D API. http://java.sun.com/products/java-media/3D/, last acessed in November 2007. [2] Collis J. C., Ndumu D. T., Nwana H. S., and Lee L. C. The Zeus agent building tool-kit. BT Technol Journal, 16(3), 1998. [3] Lales C., Parisey N., Mazat J., and Beurton-Aimar M. Simulation of mitochondrial metabolism using multi-agents systems. In AAMAS Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics, pages 137 – 145, 2005. [4] Shreiner D., Woo M., Neider J., and Davis T. OpenGL Programming Guide: The Official Guide to Learning OpenGL. Addison-Wesley, Reading, Massachusetts, 1999. [5] dŠInverno M. and Saunders R. Agent-based Modelling of Stem Cell selforganisation in a Niche, volume 3464 of Lecture Notes in Computer Science, pages 52–68. Springer Berlin / Heidelberg, 2005. [6] Bellifemine F., Caire G., Poggi A., and Rimassa G. Jade a white paper. EXP in search of innovation, 3(3):06 – 19, 2003. [7] Vizzari G., Pizzi G., and Silva F. S. C. da. A framework for execution and visualization of situated agents based virtual environments. In Workshop dagli Oggetti agli Agenti, pages 22 – 25, 2007. [8] Swarm Development Group. http://www.swarm.org/wiki/Main_Page, last accessed in January 2008. [9] Gatti M., Vasconcellos J. E., and Lucena C. J. P. An agent oriented software engineering approach for the adult stem-cell modeling, simulation and visualization. In Third Workshop on Software Engineering for Agent-Oriented Systems – SEAS, 2007.

[10] Tom Misteli. The concept of self-organization in cellular architecture. The Journal of Cell Biology, 155(2):181–185, 2001. FICHA DE REGISTRO DOCUMENTAL Código:[FLJU 2007]

Fuente:[FLJU 2007]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 4 paginas pdf. Título:3D Multi Object Segmentation of Cardiac MSCT Imaging by using a MultiAgent Approach Autor: Julien Fleureau, Mireille Garreau, Dominique Boulmier, Alfredo Hernández. Ubicación: Conference proceedings : Annual International Conference of the IEEE Engineering. IEEE 29/03/2009 Descripción: Este articulo propone una nueva técnica de propósito general interactiva y multiobjeto aplicada a la extracción de las estructura cardiaca en tomografías multidiapositivas computadas Tabla de Contenido: Introducción, sistemas multiagentes, aplicación a las imágenes MSCT cardiacas, Conclusiones y perspectivas Palabras Clave: Tomografía, sistemas multiagente, estructuras cardiacas, tres dimensiones I. Introducción. La tomografía cardiaca computada es rápida, no invasiva presenta resoluciones submilimetricas y la modalidad de imágenes volumétricas. El desarrollo de la tomografía cardiaca de multidiapositivas se ha convertido en una importante herramienta para las imágenes cardiacas, dando acceso al mismo tiempo a diferentes partes de la anatomía cardiaca (ventrículos derecho, izquierdo, atrio, miocardio, y venas) pero asociadas a solo un ciclo cardiaco Las herramientas de visualización en tercera dimensión es usada como práctica clínica pero necesita e mucha interacción humana y mucho tiempo para remover estructuras que no pertenecen al corazón, Numerosas técnicas se mencionan para identificar algún ventrículo izquierdo pero no hay una técnica para mostrar todas las estructuras de manera simultánea. Este trabajo se focaliza en la detección de los componentes del corazón para cada estructura del volumen cardiaco en 3D en una secuencia dinámica de MSCT, y presenta un método, suficientemente robusto para responder del problema de extracción de las estructuras cardiaca en 3D

II Un sistema Multiagente El sistema multiagente propuesto desarrolla una segmentación de objetos en imágenes 3D basados en primera instancia en lo que el usuario seleccione interactivamente uno o más puntos para cada objeto de interés. En esta aplicación un objeto es considerado como una entidad que satisface unas condiciones.   

Homogeneidad en términos de intensidad y de textura Conectividad en el espacio 3D, un órgano está compuesto de subpartes conectadas y compactas Disponibilidad de información prioritaria, normalmente el ventrículo izquierdo y el atrium se observan como si fueran un solo órgano porque muestran la misma textura y las mismas estructuras de conectividad, como se observan en la figura 1

Figura 1 Diapositiva original MSCT cardiaca El sistema multiagente está compuesto de un grupo de agentes llamados trabajadores, que cooperan y compiten para maximizar su territorio (satisfaciendo su criterio de textura e intensidad) y un agente puro de comunicaciones que coordina los conocimientos de los agentes trabajadores. Esta arquitectura corresponde a una organización micro social. El ambiente se define como el volumen de voxeles (Imágenes 3D) que serán segmentadas y los diferentes conocimientos de los agentes son determinísticos. La siguiente subseccion muestra cada agente y sus interacciones

Figura 2 Arquitectura MAS

A. Agentes situados: Trabajadores Cada agente situado es inicialmente localizado en un ambiente y asociado con una marca especifica de acuerdo al objeto a ser segmentado por el usuario. Los agentes con la misma marca obviamente coexistirán y su meta es asociarse en la marca de una región de la imagen. El comportamiento de estos agentes se descompone en tres etapas, la parte intencional en la que ellos en su primera etapa aprenden o recopilan información de intensidad y textura concerniente al objeto al que se encuentran asociados, los trabajadores adquieren información de su objeto en términos de textura e intensidad local. Luego cada agente puede mostrar su ambiente desde su punto inicial tratando de conectar en primer orden con sus vecinos y definiendo una dirección de aleatoria en función del agente vecino que satisfacen los criterios de textura y la intensidad en la imagen. En cada desplazamiento el agente pregunta al agente de comunicaciones si desea adquirir su marca como una nueva parte de la imagen. Cuando esta solicitud ha sido propuesta el agente reacciona y simplemente espera por la aprobación o la negación por parte del controlador. También se han introducido específicos trabajadores llamados agentes inhibidores cuyo rol es prevenir a otros agentes alcanzar un territorio equivocado o inicializar una situación artificial de competición. B. Agente de comunicaciones: Controlador Los agentes situados dependen de una u otra manera de un agente llamado controlador, este agente es claramente un agente cognoscitivo e intencional, Su principal rol consiste en decidir si la región de la imagen puede ser adquirida por

uno de los agentes trabajadores e informar acerca de su decisión. Para decidir el actualiza y usa dos mapas específicos, un mapa de segmentación en la que se marcados e la copia original de la imagen y el mapa de viajes que graba la longitud que un agente ha recorrido y que ha sido adquirida. Usando estos dos mapas el controlador puede enfrentar tres tipos de solicitudes Adquisición simple: Un trabajador solicita la adquirían de una parte de la imagen que no ha sido adquirida por ningún otro agente. En este caso el controlador acepta la adquisición y actualiza el mapa de segmentación, luego evalúa la longitud del camino recorrido para actualizar el mapa de viajes, y luego informa al trabajador que la adquisición fue aceptada Cooperación Si un trabajador desea adquirir una parte de la imagen que ya fue adquirida por otro agente de su misma marca, para este caso el controlador compara la longitud del camino necesario para llegar por los dos agentes cooperantes, El agente con el recorrido más corto es retenido se actualiza el mapa con la información del agente habilitado Competición Un trabajador solicita la adquirían de una parte de la imagen que fue atribuida a otro grupo de trabajadores, esta situación implica que la textura y la intensidad de los dos objetos son similares o idénticas, para resolver esta ambigüedad en este caso el controlador atribuye esta imagen al agente con el camino más corto III Aplicación a las imágenes cardiacas MSCT Se presente la nueva estructura aplicada a las imágenes cardiacas MSCT. La meta es extraer las diferentes partes anatómicas del corazón desde la totalidad de una base de datos 4D en particular el ventrículo izquierdo, en atrium, el ventrículo derecho, el atrium , en algunos casos se considero unir el ventrículo derecho y el atrium por conveniencia y el miocardio que envuelve la cavidad del ventrículo izquierdo, la metodología simultáneamente segmenta y marca las diferentes estructuras de acuerdo a las solicitudes del usuario

Bibliografía [1] Y. Boykin and V. Kolmogorov. An experimental comparison of mincut / max-flow algorithms for energy minimization in vision. IEEE Trans. Pattern Anal. Mach. Intell., 26(9):1124–1137, 2004.

[2] T. Chen, D. N. Metaxas, and L. Axel. 3D cardiac anatomy reconstruction using high resolution CT data. In MICCAI, volume 1, pages 411–418, 2004. [3] E. Duchesnay, J.J. Montois, and Y. Jacquelet. Cooperative agents society organized as an irregular pyramid: A mammography segmentation application. Pattern Recognition Letters, 24(14):2435–2445, 2003. [4] J.K. Udupa et al. Relative fuzzy connectedness and object definition: Theory, algorithms, and applications in image segmentation. IEEE Trans. Pattern Anal. Mach. Intell., 24(11):1485–1500, 2002. [5] A. Falcao, J. Udupa, S. Samarasekera, and S. Sharma. User-steered image segmentation paradigms: Livewire and livelane. Graphical Models and Image Processing, 60:233–260, 1998. [6] A.F. Frangi, W.J. Niessen, and M.A. Viergever. Three-dimensional modeling for functional analysis of cardiac images: A review. IEEE Trans on Medical Imaging, 20(1):2–25, 2001. [7] G.T. Herman and B.M. Carvalho. Multiseeded segmentation using fuzzy connectedness. IEEE Trans. Pattern Anal. Mach. Intell., 23(5):460–474, 2001. [8] M. Lorenzo-Valdes, G.I. Sanchez-Ortiz, A.G. Elkinton, R.H. Mohiaddin, and D. Rueckert. Segmentation of 4D cardiac MR images using a probabilistic atlas and the EM algorithm. Medical Image Analysis, 8(3):255–265, 2004. FICHA DE REGISTRO DOCUMENTAL Código [GOEA 2004]

Fuente: [GOEA 2004]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 10 pdf. Título Sistemas tutores inteligentes: propuesta de una arquitectura para aprendizaje en salud pública Autores: C. González, J.C. Burguillo, M. Llamas, J.C. Vidal Ficha bibliografica Ubicación: VII Congreso Iberoamericano de Informática Educativa, http://www.niee.ufrgs.br/eventos/RIBIE/2004/breve/breves1236-1245.pdf 4 de Octubre de 2009 Descripción: En este artículo se muestra cómo la utilización de Sistemas de Tutorías Inteligentes (STIs) vinculados con la aplicación de técnicas de Inteligencia

Artificial (IA) constituye una valiosa contribución a la mejora de los programas de capacitación dentro del dominio de Salud Pública. El uso de STIs mejora el proceso de aprendizaje y toma de decisiones a través del uso de tutorías personalizadas y aprendizaje basado en casos. La validación de la arquitectura se realiza con un prototipo de Sistema Tutor Inteligente para Tuberculosis (STI-TB) dentro del marco del proyecto SINCO-TB (Sistema Inteligente para el Control de la Tuberculosis) que se lleva a cabo en la Universidad del Cauca (Colombia). Tabla de Contenido: Introducción, Sistemas de Tutorías Inteligentes (STIs), Arquitectura General del Sistema de Tutorías Inteligente, Caso de Estudio. Sistema de Tutorías Inteligente para Tuberculosis STI-TB, Conclusiones y Trabajos Futuros Palabras Clave: Arquitectura SMA, Tutorías inteligentes, Tuberculosis, Salud Publica, Inteligencia artificial I. Introducción. Una aplicación potencial de sistemas basados en el conocimiento en Informática Médica se encuentra en la formación de los profesionales de la Salud. Aunque se han realizado grandes avances en soporte a la decisión, análisis, recolección y tratamiento de la información médica, poco trabajo se ha desarrollado en el área de educación médica asistida por computador. Los planes de capacitación en Prevención y Control involucran capacitación a estudiantes de pre-grado y profesionales, e incluyen: (1) caracterización clínica de las enfermedades de alta prevalencia, (2) diagnóstico, (3) tratamiento y (4) planes operativos de administración de cada uno de los programas en relación con el conjunto de enfermedades. Se propone una aproximación MultiAgente que ofrece grandes ventajas teniendo en cuenta que el desarrollo de un STI en el campo médico implica un elevado nivel de complejidad y grandes estructuras de conocimiento teórico en constante evolución. El STI se enmarca, según los fundamentos pedagógicos, en el paradigma de Razonamiento Basado en Casos (RBC) proporcionando asistencia inteligente y personalizada. II. Sistemas de Tutorías Inteligentes (STIs) Los STIs son sistemas instruccionales adaptativos, que poseen ciertas características ―inteligentes‖ en relación a la capacidad de adaptación, a los tipos de aprendizaje, y al conocimiento de los distintos alumnos. Representan un conjunto de principios instruccionales lo suficientemente generales como para ofrecer instrucción efectiva mediante un conjunto de tareas de enseñanza. Además, un STI se adapta a las características y ritmo de aprendizaje de cada

alumno, proporcionando una ayuda adaptable, que es capaz de ofrecer a los estudiantes elementos de autoreflexión sobre su propio rendimiento, pudiendo incluso compararse con otros estudiantes, reales o modelados. Los STIs son capaces de guiar al alumno a lo largo de un dominio particular de conocimiento, resolviendo durante el proceso tareas tales como la elaboración de una estrategia de autorización, la generación de ejercicios a la medida de las necesidades del alumno, la resolución pedagógica de estos ejercicios, así como la explicación de la solución. Estas tareas se organizan en distintos módulos, siendo los componentes fundamentales de un STI tradicional: un modelo del alumno, un modelo pedagógico, un modelo didáctico y una interfaz con la que interactúa el usuario. STIs y Sistemas Multiagente (SMA) El desarrollo de STIs bajo una aproximación MultiAgente, tiene en cuenta la división de las tareas del sistema entre diversos agentes, entidades concurrentes que gozan de propiedades como: Autonomía: Los agentes deben ser semiautónomos es decir, no necesitan una directa y constante supervisión. Por ejemplo, un agente conoce cómo y cuándo presentar un mensaje al estudiante y cuándo actualizar su base de conocimiento. Proactividad: Los agentes tienen metas y objetivos que cumplir, actuando consecuentemente de una manera autónoma para lograrlos. Por ejemplo seleccionar los contenidos didácticos que se le deben presentar al estudiante. Capacidad Social: El agente debe ser capaz de interactuar con su entorno, es decir, llevar a cabo diferentes tipos de comunicación con otros agentes. Aprendizaje: Los agentes deben ser capaces de aprender de su entorno y de la interacción con otros agentes, incorporando estos cambios en su base de conocimiento. STIs y RBC: un paradigma de aprendizaje En el dominio de Salud Pública no existen sistemas que ayuden a la formación de estudiantes y profesionales de la salud relacionados especialmente con los aspectos operativos de cada uno de los programas de Control y Prevención. No existen arquitecturas que permitan incorporar bases de conocimiento médico en grandes sistemas instruccionales. Además, la mayoría de STIs modelan el conocimiento por medio de sistemas de producción de reglas, los cuales poseen grandes desventajas como la dificultad en el proceso de adquisición del conocimiento, el costoso desarrollo y mantenimiento, problemas en el manejo de grandes volúmenes de información y la adaptación de planes instruccionales a

nuevos dominios. Nuestra aproximación resuelve estos inconvenientes, al permitir incorporar gran cantidad de conocimiento médico dentro del STI y utilizar como paradigma de aprendizaje el Razonamiento Basado en Casos. Arquitectura General del Sistema de Tutorías Inteligente La arquitectura que proponemos, está integrada por dos componentes fundamentales. Primero, el sistema SINCO-TB [1] que presenta una solución integrada y flexible que permite mejorar la calidad con sistemas automatizados de manejo de datos clínicos y epidemiológicos sobre los pacientes.

Figura 1. Arquitectura de SINCO-TB Segundo, el STI presentado en esta comunicación y desarrollado bajo una aproximación multiagente compatible con los estándares de FIPA[8], utilizando Java, JavaScript y XML en diferentes etapas de su programación y teniendo en cuenta las propiedades definidas para el diseño de agentes expuestas Cada uno de los módulos del STI se encuentran distribuidos y subdivididos en partes más pequeñas llamadas agentes, funcionando como entidades autónomas, que se comunican entre sí y actúan racionalmente de acuerdo a sus percepciones del exterior y el estado de su conocimiento. Modelo de Agentes en STI El STI se compone de un conjunto de agentes independientes que intercambian información, usando un lenguaje formal expresivo, y proporcionando modularidad e interoperabilidad. A continuación describimos los agentes que participan en la resolución del problema: Agente Experto: Guía y controla el proceso de tutorías. Contiene representación del conocimiento experto en los ámbitos relativos a procesos de evaluación, enseñanza aprendizaje, y metodología de enseñanza. Es el responsable de dirigir

la ejecución del proceso teniendo en cuenta los datos introducidos por el alumno. Agente Evaluador: Evalúa el comportamiento del alumno. Según la evolución del estudiante durante el plan instruccional modifica su perfil o, en caso de ser necesario, solicita al agente tutor la reestructuración del plan instruccional. Agente Tutor: Razona acerca del comportamiento del alumno. Su objetivo es generar el plan instruccional, de forma que se adapte a las necesidades del estudiante. Las capacidades de razonamiento de este agente, se originan en el paradigma RBC, La memoria del agente tutor contiene un grupo de elementos, denominados acciones, las cuales describen el comportamiento del estudiante durante las sesiones de trabajo. Este conjunto de acciones contiene el identificador del alumno, la temática de trabajo según los objetivos a alcanzar y las trazas del estudiante (aciertos, fallos, etc.) durante su aprendizaje. Además, se proporciona una indicación del estado en el que se encuentra el proceso de aprendizaje (terminado o interrumpido) e incluso es posible generar subplanes de trabajo para el alumno a partir del plan ya resuelto.

Bibliografía [1]. González, S. C., Vidal, R. J. & Martínez, J.F. (2003). SAD-EPI: Enfoque Arquitectónico Integrado para la toma de decisiones en Salud. Ponencia presentada en el III Congreso Iberoamericano de Telemática. CITA'03. Montevideo, Uruguay. [2]. Carbonell, J.G., Michalski, R.S. & Mitchell, T.M. (1983). An Overview of Machine Learning. Morgan Kaufmann Publishers, Inc., Vol. I, Chapter 1. [3]. Clancey, WJ. (1982). Overview de GUIDON. Journal of Computer-Based Instruction, 10(1/2), 8-15. [4]. Davis, R., Buchanan B. & Shortliffe, E. (1984). Production Rules as a Representation for Knowledge-Based Consultation Programs. Readings in Medical Artificial Intelligence:The First Decade, pages 98-130. Addison Wesley. [5]. Azevedo, R. & Lajoie, SP. (1998). The cognitive basis for the design of a mammography interpretation tutor. International Journal of Artificial Intelligence in Education, 9, 32- 34. [6]. Rogers, E. (1995). VIA-RAD: a blackboard-based system for diagnostic radiology. Journal of Artificial Intelligence in Medicine, 7(4), 343-60.

[7]. Aamodt, A. (1994). Explanation-Driven case based reasoning. In S. Wess, K Althoff, M. Ritcher. (eds.): Topics en Case-based reasoning, Springer Verlag, 274288. [8]. Nicol, R. & O‘brien. (2003). FIPA-Towards a Standard for Software Agents. Extraído el 23 Mayo, 2004, de http://www.bt.com/bttj/vol16no3/06.pdf. [9]. Reyes, & Sison, R. (2002). Using Case-based Reasoning Approach in Planning Instructional Activities. In Proceedings of the Seventh Pacific Rim International Conference on Artificial Intelligence, 502-511. [10]. OPS/OMS. (2000). Desafíos de la educación en salud pública. La reforma sectorial y las funciones esenciales de la salud pública. División de Desarrollo de Sistemas y Servicios de Salud. Washington DC. [11]. Sánchez, A., Medina, María. & Castellanos, N. (2004). Ontological Agents Model base on MAS-CommonKADS methodology. Proceedings of the 14ht International Conference on Electronics, Communications and Computers. (Veracruz, México). IEEE Computer Society Press.19-23. [12]. May, J., Labrou, Y. & T, Finin. (1996). Evaluating KQML as an agent communication language. Intelligent Agents II, Lecture Notes in Artificial Intelligence 1039, 347-360, Berlin, Germany, Springer. [13]. Mendes, E., Mosley, N. & Watson L. (2002). A comparison of case-based reasoning approaches. Proceedings of the eleventh international conference on WWW. (Honolulu, Hawai). IEEE Computer Society Press. 272-280. [9] T. McInerney and D. Terzopoulos. Deformable models in medical image analysis : A survey. Medical Image Analysis, 1(2), 1996. [10] S. Osher and J.A. Sethian. Fronts propagating with curvature dependent speed : Algorithm based on hamilton-jacobi formulations. Journal of Computational Physics, 79:12–49, 1988. FICHA DE REGISTRO DOCUMENTAL Código: [GUMA 2006]

Fuente:[GUMA 2006]

Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Tesis de Doctoral 253 p. Título: DEFINICION DE UN AGENTE INTELIGENTE PARA LA INTER COMUNICABILIDAD AUTOMATICA DE SISTEMAS DE APRENDIZAJE BASADOS EN INTERNET

Autor: GUTIERREZ MARTINEZ, José María Directores: MARTINEZ HERRAIZ, José Javier - FERNANDEZ DEL CASTILLO DIEZ, José Raúl Ubicación: Departamento de Ciencias de la Computación Universidad de Alcalá http://dspace.uah.es/dspace/bitstream/10017/238/1/Tesis.pdf 2006 Descripción: Esta tesis presenta un estudio de los elementos que se integran en la propuesta de investigación concerniente a las aplicaciones de los agentes inteligentes: como son los sistemas de enseñanza. El capitulo 1 trata sobre la taxonomía de los Agentes, los tipos que actualmente hay y las tecnologías requeridas para estos. Tabla de Contenido: Taxonomía de Agentes, Agentes Móviles, Tecnologías Requeridas para los Agentes Palabras Clave: Agentes de Red, Agentes de Programación, Agentes de Usuario, Movilidad de Agentes, Aprendizaje de Agentes, Agente de Información.

Resumen: Agentes Inteligentes Un agente es todo aquello que puede considerarse que percibe su ambiente mediante sensores y que responde o actúa en tal ambiente por medio de efectores.

Figura No. El agente y su Entorno

Los agentes de software son programas informáticos con un comportamiento semejante a sus homólogos físicos cuyas percepciones y acciones vienen a ser la cadena de bits codificados recibidos y los emitidos en respuesta a la recepción. Entre las capacidades de estos agentes figura la movilidad intersistemas, la capacidad de toma de decisiones, la intercomunicación y su autonomía reconociendo los intereses del usuario al que representa. Pueden realizar tareas guiados por reglas lógicas, utilizar gran cantidad de ejemplos y estar dotados de capacidades inductivas o simplemente observar a un usuario y agilizar su trabajo. Una de las características que distingue los agentes de los programas sencillos es la autonomía de acción. Los agentes son más que activos, es decir, que no sólo actúan en respuesta a una acción directa del usuario, sino que también actúan siguiendo los objetivos que tienen marcados, bien por el usuario bien por su propia construcción. Además, son persistentes, aún cuando el usuario no interactúa con ellos siguen funcionando, recolectando información, aprendiendo y comunicándose con otros agentes. Un agente debe tener alguna de las siguientes propiedades: 1. Ser reactivo, capaz de detectar cambios en el entorno y reaccionar ante los mismos mediante acciones. 2. Ser autónomo (o semiautónomo), en el sentido de tener control en cuanto al cuándo y al cómo sobre sus propias acciones según su programación, experiencia

y objetivos. 3. Se delega en él alguna tarea, el usuario se desentenderá de ella encargando su realización al agente, dando una cierta información de comienzo y reclamando los resultados posteriormente. 4. Se dirige por objetivos, tomando la iniciativa con su autonomía para alcanzar dichos objetivos. 5. Admite paralelismo, ya que una tarea compleja o en una situación de descarga de trabajo, varios agentes pueden colaborar para solucionar un problema. 6. Es ajustable o personalizable, adaptándose al usuario en alguna de sus facetas para cumplir mejor sus objetivos.

Estas propiedades, son las que hacen que los actos y percepciones sean tenidos en cuenta en el futuro para modificar su conducta. La connotación de inteligente permite que aprendan de los fallos para no volver a cometerlos en el futuro, esto implica adaptabilidad, y un bucle percepción y procesamiento de información (y acción en consecuencia), para volver otra vez al principio, es decir, un comportamiento similar al de cualquier ser vivo dotado de comportamiento inteligente. Este comportamiento se da aunque el ser vivo posea un bajo nivel de inteligencia, lo cual es trasladable a los agentes que lo serán a pesar de tener un nivel de inteligencia, o su equivalente según el agente, de poca complejidad.

Figura No. 2 Los Agentes interactúan con el entorno

El aprendizaje de los agentes se producirá a través de la interacción con un usuario, lo cual hará que el agente sea habitualmente representativo de tales acciones. Y además, la percepción y acción implican comunicación, que se puede realizar con programas no-agentes o con otros agentes, lo cual puede dar lugar a sociedades de agentes. Se tienen agentes que son más que programas, que interactúan con el usuario y su interfase, del cual se diferencian, y que interactúan con el entorno, del cual también se diferencian. También interactúan con otros agentes, de los cuales se diferencian. Por último, estos agentes tienen autonomía de acción y persistencia cómo ya hemos comentado, lo que nos lleva a una última consecuencia y es que los agentes son lo que se denomina agentes situados. Algunos de estos agentes situados, además podrán tener la capacidad de desplazarse dentro del entorno global que es la red, a subentornos distintos del original que manejan, y su característica de independencia del entorno se lo permitirá. De esta forma, los agentes, seguirán al usuario llevando su bagaje de información y conocimiento aprendido allí donde van que es allí donde el usuario se desplace.

Figura No. 3 Usuarios, Agentes y Entornos en Interacción Taxonomía de Agentes Se pueden encontrar las siguientes:

Agentes de Programación: Estos agentes son herramientas orientadas a ayudar a los desarrolladores de software. En concreto, son abstracciones realizadas a priori que simplificarán sus tareas en la construcción de grandes sistemas o sistemas de elevada complejidad. Se mejoran las fases de conceptualizado, diseño e implementación. Agentes de Red: También denominados agentes móviles, son entidades de carácter autónomo que fluyen a través del entorno distribuido que proporciona la red. Estos agentes parten de un nodo inicial o un nodo cliente (en el que no tienen por qué residir) y durante sus desplazamientos intentan completar la tarea que se delegó en ellos desde el nodo cliente, usando para ello los recursos del nodo en el que se encuentren. Estos agentes pueden interactuar con otros agentes que se encuentren en la red para ayudarse de ellos en el desarrollo de sus tareas. Los resultados de las acciones del agente serán devueltos al solicitante desde el nodo en que se encuentren, quedando liberados para recibir otra petición en el nodo donde hayan terminado sus actividades. Existe la posibilidad de que el agente vuelva a su nodo de inicio cuando termina.

Agentes de Usuario: Tienen la misión de asistir al usuario en la interacción con sistemas. Se dividen en :

 Agentes de Información: que asisten al usuario en la manipulación de datos cuando se trata de grandes volúmenes, en entornos complejos y que soporten el uso de agentes por sus características.  Agentes de Tareas: que realizan un seguimiento de las tareas desempeñadas por el usuario intentando aprender dichas tareas así como su cadencia o las condiciones que las disparan. Con esta información, el agente, intentará automatizar las tareas para librar al usuario de su realización en adelante.  Agentes Sintéticos: se caracterizan por la simulación de criaturas en la interfase de usuario. Estas simulaciones tienen la misión de asistir al usuario pero representando un carácter animado bien por gráficos o caracteres. Agentes Móviles: Se caracterizan por su capacidad para desplazarse entre los nodos de una red de aplicaciones distribuidas. Dentro de estas se tienen las siguientes: 1. Autonomía de movimiento, ya que será un proceso autónomo o semi autónomo, capaz de decidir cuándo, cómo y en qué condiciones migrar desde el nodo de residencia actual a otro. 2. Persistencia en la movilidad, ya que el objeto agente se envía manteniendo su estado, código y datos al nodo destino. 3. Capaz de suspender su ejecución ante una migración y capaz de reanudarla tras la migración en el mismo punto donde se quedó. 4. Comunicativo con el medio, con otros agentes y con el usuario con el que trabaja, a pesar de los cambios. Es decir, es capaz de interactuar con los agentes de un nuevo nodo, con el propio nuevo nodo y con el usuario que ahora puede estar en otro nodo distinto, más alejado. 5. Enfocado a la realización de tareas, bien delegadas por su usuario o bien obtenidas a través del estado del entorno en el que se encuentra. 6. Independiente de la conexión, si esta cae por algún motivo, el agente podrá migrar a otro nodo con conexión si es necesario o esperar a que la conexión se reanude bien permaneciendo activo, bien desactivándose. 7. Ejecutable asíncronamente, mediante su propio hilo de ejecución, independiente del resto de procesos y agentes ejecutados en el mismo nodo.

8. Duplicable, o mejor auto duplicable mediante la creación de un clon de sí mismo, para que le ayude en la tarea ocupando así más recursos del nodo para completar una tarea que puede ser prioritaria.

Los agentes móviles deben: 1. Permitir el cómputo asíncrono y autónomo. Asíncrono por poseer su propio hilo de ejecución que les permite ejecutarse independientemente del resto de procesos del nodo y autónomo por su capacidad para decidir cuándo y cómo actuar según el estado de su entorno. 2. Ser heterogéneos. 3. Propiciar entornos robustos y a prueba de fallos, dada su habilidad para responder a los cambios en su entorno y realizar cambios en su forma de trabajar migrando, esperando o, permaneciendo activos, trabajando aun cuando no hay conexión. 4. Favorecer el procesamiento paralelo. Ya que una tarea compleja, podría ser descompuesta en varias por un agente y encargadas cada una de ellas a otro agente que la realiza, o bien utiliza su hijo para completarla o bien migra a otro nodo donde aprovecha la capacidad del mismo para realizar su tarea. Al final, todas las tareas parciales son reunidas por el agente principal para componer la solución al trabajo. 5. Reducir el tráfico de red. Ya que el uso de agentes permite la solicitud de un cierto servicio y la delegación en el agente de la solicitud que considere oportuna en el nodo de residencia. Sin el uso de agentes, cada servicio del nodo destino requiere una llamada RPC.

Tecnologías Requeridas para los Agentes: La implementación de agentes, con todas sus características avanzadas, complejas y flexibles, exige el máximo de las tecnologías, protocolos y estándares existentes, sobre todo en la implementación de sistemas de agentes inteligentes distribuidos, de modo que: 1. La movilidad de agentes, precisa que se permita a los programa migrar de un ordenador a otro lo que implica la existencia de lenguajes que soporten la posibilidad de desactivación de un programa, codificación, envío y reactivación en el punto en el que se encontraba su ejecución.

2. La movilidad también precisa de un compromiso y estabilidad en la asignación de recursos. Si un agente migra a un nuevo nodo de ejecución porque los recursos disponibles en este son mayores, a su llegada no puede encontrarse con que los recursos ya no están disponibles, ya que volvería a migrar y esto produciría un exceso inútil de tráfico de red. 3. También es necesaria comunicación entre agentes que no está contemplada en ningún lenguaje puesto que implica que distintos programas en ejecución en la misma máquina colaboren siendo realmente distintos, no procesos del mismo programa. 4. Además los agentes deben procesar e intercambiar la información y para ello deben ser capaces de entenderla. Esto requiere algún tipo de estándar de intercambio de la información que sea comúnmente aceptado o distintos estándares compatibles. 5. También es necesario que los agentes evolucionen y para ellos es necesario el uso de técnicas como los algoritmos genéticos, la lógica borrosa o técnicas como las aplicadas en los sistemas de vida artificial.

Bibliografia ADL. ―Advanced Distributed Learning Sharable Content Object Reference Model Version 1.2. The SCORM Overview‖ [online]. Philip Dodds (ed.). 1 octubre 2001. http://library.barant.com/library/SCORM_1.2_Overview.pdf. 2001. J.R.Anderson y E.Skwarecki. ―The automated tutoring of introductory computer programming‖. Communications of the ACM. vol.29, num.9, p.842-849. 1986. D. Barlex, (2003) Creativity in Crisis. Report from a joint seminar held 10 September. Design and Technology Association/Nuffield Foundation. 2003 Basic Skills Agency (2002) Basic Skills and Social Exclusion in England. Study, at:

http://www.basic-skills.co.uk/. 2002. G.Boole. ―An Investigation of the Laws of Throught on Which Are Founded the Mathematical Theories of Logic and Probabilities‖. New York: Dover Publications, 1854. E. Bowling. ―Understanding the Architecture of LearningSpace‖. En: Lotus DeveloperDomain today.nsf/Product?

[online].

IBM,

Mayo.

http://www-10.lotus.com/ldd/

OpenView. 2002. J.T. Bruer. ―School of Thought‖. Cambridge: MIT Press. 1993. J.Bruneau, A.Chambreuil, M.Chambreuil, M.Chanier, P.Dulin, Lotin y P.Nehemie. ―Cognitive science, artificial intelligence, new technologies: How to cooperate for a computer assisted learning to read system.‖ En: Actas de International Conference on the Learning Sciences. Evanston. 1991. P.Brusilowsky y L.Pesin. environment.‖ En:

―ISIS

Tutor:

An

adaptative

hypertext

learning

Actas de Japanise-CIS Sympossum on Knowledge-based software engineering JCKBSE‘94. Tokyo: Pereslav-Zalesski. p.83-87. 1994. R.R.Burton y J.S.Brown. ―An investigation of computer coaching.‖ Sleeman y Brown(ed.). Intelligent Tutoring Systems. New York: Academic Press, 1982. p. 7998. 1982. COMISION DE LAS COMUNIDADES EUROPEAS. ―e-Learning. Concebir la educación del futuro‖ [online]. Comunicación de la Comisión. Bruselas, 25 mayo 2000. Referéncia: Bruselas 25.5.2000 COM(2000) 318 Final. lex/es/com/cnc/2001/com2001_ 0172es01.pdf. 2000.

http://europa.eu.int/eur-

CEN/ISSS Learning Technology Workshop. ―Estándar para Metadatos de Objetos Educativos‖ (Traducción a español de la norma IEEE 1484.12.1-2002) [online]. http://www.gist.uvigo.es/~lanido/LOMes/. 2003. D. Chess, B. Grosor, C. Harrison, D. Levine, C. Parris, and G. Tsudik. Itinerant Agents for Mobile Computing. IEEE Personal Communications. 1995.

FICHA DE REGISTRO DOCUMENTAL Código:[IFCA 1998]

Fuente:[IFCA 1998]

Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Tesis Doctoral 322 p. Título: Definición de una metodología para el desarrollo de sistemas multiagentes. Autor: Iglesias Fernández, Carlos Ángel Directores: Garijo Ayestaran, Mercedes - González Cristóbal, José Carlos Ubicación: Departamento de Ingeniería de Sistemas Telemáticos Universidad Politécnica de Madrid-http://www.gsi.dit.upm.es/tesis/pdf/tesiscif.pdf 2003 Descripción: En este capítulo se presenta un modelo de agente para sistemas multiagente. Este modelo recoge las características genéricas de los agentes y sirve de puente entre el resto de modelos. Se muestra su fundamento lógico, su estructura, relación con el resto de modelos de MAS-CommonKADS y los métodos de construcción del modelo. Tabla de Contenido: Modelo de Agente MAS-CommonKADS, Modelo de Tareas. Palabras Clave:. MAS-CommonKADS, Precondición, Frecuencia

Tiempo de Ejecución,

Resumen: Modelo de Agente MAS-CommonKADS El modelo de agente de MAS-CommonKADS sirve de enlace entre el resto de modelos del análisis, mediante el modelado de las capacidades y restricciones de los agentes del sistema multiagente. El modelo de agente propuesto es orientado a servicios. Los agentes son capaces de realizar tareas, que se especifican en un ejemplar del modelo de tareas. Los agentes pueden ofertar la realización de determinadas tareas (denominadas servicios) a otros agentes. La especificación de los servicios se realiza en una ontología de servicios, descrita en el modelo de la experiencia. La especificación de los protocolos para ofertar y demandar servicios se describe en los modelos de coordinación y comunicación. Los agentes se caracterizan además por tener objetivos. Un objetivo es una responsabilidad aceptada por el agente. Los objetivos pueden adoptarse desde el nacimiento del agente (objetivos iniciales) o en el transcurso de la ejecución del agente. Los objetivos pueden ser persistentes (deben cumplirse siempre, por ejemplo, minimizar la interacción con el usuario) o no persistentes, si una vez logrados dejan de ser objetivos (por ejemplo, alcanzar una posición en un tablero). Los agentes pueden adoptar objetivos para satisfacer otros objetivos propios, para satisfacer objetivos de otros agentes, o para

responder a eventos del entorno.

El modelo de agente tiene como propósito: 1. La especificación de los diversos agentes involucrados en la resolución del problema. Sirve tanto para describir los agentes existentes antes de la introducción del sistema multiagente desarrollado como después de la misma. También permite la descripción de los usuarios humanos del sistema. 2. La descripción del impacto en la modificación de las tareas desempeñadas por los humanos tras la introducción del sistema multiagente. Modelo de Tareas Permite describir las actividades relacionadas para alcanzar un objetivo. El objetivo del desarrollo del modelo de tareas es documentar la situación actual y futura de la organización, facilitar la gestión de cambios, y ayudar a estudiar el alcance y viabilidad del sistema inteligente que se desea desarrollar. Las tareas cognitivas que se deseen implementar se detallarán en un modelo de la experiencia, mientras que las tareas de comunicación se detallarán en un modelo de comunicación (comunicación humana) o coordinación (comunicación con agentes).

Entidades del modelo de tareas Tarea entidad. Representación de una tarea. Una tarea se refiere al conjunto de actividades que se realizan para conseguir un objetivo en un dominio dado. Nombre ranura, texto. El nombre de una tarea es una cadena de texto corta. El nombre debe ser único en el modelo de tareas, ya que es el principal mecanismo de referencia empleado para especificar las relaciones entre tareas. Objetivo ranura. Especificación de cómo transformar las entradas en salidas. El enunciado del objetivo debe ser conciso, resaltando los aspectos más importantes del cometido de la tarea. Rendimiento ranura, texto. Calidad típica o admisible de la salida en relación con el objetivo perseguido. Descripción ranura, texto. Una descripción de la tarea en lenguaje natural. La descripción

contiene típicamente una versión más elaborada del objetivo, junto con notas de los aspectos más importantes de la tarea que no caben en otras ranuras de la tarea. Precondición ranura, texto, , muchos a muchos. Las precondiciones de una tarea representan los requisitos sobre el entorno que deberían darse para poder ejecutarla, aparte de la disponibilidad de la entrada. Como ejemplo de estas precondiciones, se puede citar que alguna otra tarea haya sido realizada, o que alguna decisión de gestión haya sido tomada. Estructura-de-control ranura, texto,. Control sobre las subtareas y sobre las actividades de las tareas hoja del árbol de tareas. Obsérvese que dichas actividades no tienen una representación aislada en el modelo de tareas. Tiempo-Ejecución ranura, texto. Tiempo típico o admisible de ejecución de la tarea (análisis de tarea) o tiempo máximo permitido (diseño de tarea). Frecuencia ranura, texto. Frecuencia con que se ejecuta una tarea. Este aspecto está relacionado con el control, pero desde la perspectiva de la tarea. La frecuencia puede ser absoluta (p. ej. una vez por semana), relativa a la entrada (p. ej. por cada elemento de la entrada), o relativa a la frecuencia de las supertareas. Tipo-de-descomposición ranura, texto,. Tipo de descomposición entre una tarea y sus subtareas. Esta ranura proporciona una justificación de la descomposición de la tarea. Puede haber varios criterios para descomponer una tarea, y esta ranura identifica el criterio seguido como, por ejemplo, funcional o temporal. Rasgo entidad. Representación de un rasgo de una tarea. Los rasgos de una tarea la caracterizan en términos de un lenguaje abstracto, la gramática de rasgos. Este lenguaje puede ser interpretado por una herramienta de ayuda en el desarrollo del modelo así como por un ingeniero de conocimiento. Los rasgos de las tareas (características del problema, del dominio, del conocimiento disponible, etc.) permiten guiar el modelado con herramientas de adquisición automática del conocimiento.

Bibliografía A. Aamodt, B. Benus, C. Duursma, C. Tomlinson, R. Schrooten, and W. Van de Velde. Task features and their use in commonkads. ESPRIT Project P5248 Deliverable D1.5 KADS-II/T1.5/ VUB/TR/014/1.0, Free University of Brussels & University of Amsterdam & Lloyd‘s Register,1992.

M. Aben. On the specification of knowledge model components. In B. Gaines, editor, Proceedings of the 7th Banff Knowledge Acquisition for Knowledge–based Systems Workshop, pages I–1 — I–21, 1992. http://swi.psy.uva.nl/usr/manfred/abstracts/Aben:92b.html. M. Aben. CommonKADS inferences. ESPRIT Project II/M2/TR/UvA/041/1.0, University of Amsterdam, June 1993.

P5248

KADS-

M. Aben. Formal methods in Knowledge Engineering. PhD thesis, SWI, University of Amsterdam, Feb. 1995. M. R. Adler, A. B. Davis, R. Weihmayer, and R. W. Worrest. Conflict resolution strategies for nonhierarchical distributed agents. In L. Gasser and M. Huhns, editors, Distributed Artificial Intelligence Volume II, pages 139–162. Pitman Publishing: London and Morgan Kaufmann: San Mateo, CA, 1989. R. M. Adler. Emerging standards for component software. IEEE Computer, 28(3):68–77, Mar. 1995. F. Alexandre, A. Labbi, Y. Lallement, and M. Malek. A common architecture for integrating case-based reasoning and neural networks. Technical Report Deliverable S3, IMAG - INRIA, Jan. 1996. F. Alexandre, A. Labbi, Y. Lallement, and M. Malek. Evaluation report on the casebased reasoning / neural networks hybrid architecture. Technical Report Deliverable D8, IMAG -INRIA, 1996. J. Allen. Natural Language Understanding. Benjamin/Cummins Publishing Company, Inc., 1987. FICHA DE REGISTRO DOCUMENTAL Código: [JVOJ 2007]

Fuente: [JVOJ 2007]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 10 p. Título: Metodología para el Análisis y Diseño de Sistemas Multi-Agente Robóticos: MAD-Smart Autor: Jiménez, Jovani; Vallejo, Marcela; Ochoa, John; GIDIA: Ubicación: Revista Avances en Sistemas e Informática, Vol.4 No. 2, Septiembre de 2007, Medellín, ISSN 1657-7663

Descripción: En este artículo se describe la metodología para el desarrollo de Sistemas Multi-Agente Robóticos MAD-Smart y se desarrollan algunos ejemplos para visualizar algunas de sus características. Tabla de Contenido: Introducción, Metodología mad-smart, Modelado de sistemas multi-agente robóticos Mediante mad-smart; Discusión, conclusiones y trabajo futuro Palabras Clave: Sistemas Multi-Agente, Metodologías de Desarrollo de MAS, Entornos Cooperativos Robóticos, Enjambres Robóticos, Sistemas Multi-Agentes Robóticos. Resumen: La metodología MAD Smart trata de cubrir todos los aspectos de conceptualización, análisis y diseño mediante la definición de un conjunto de actividades que ayudan al desarrollador a entender el tema a resolver, las características finales del sistema y los troles que debe cumplirá cada uno de los agentes involucrados en la solución I. INTRODUCCIÓN: La navegación de agentes robóticos que trabajan cooperativamente en la solución de problemas como el desplazamiento de cargas, entrega de materiales en oficinas, construcción de mapas de entornos desconocidos, entrega de medicinas en hospitales, detección de minas, Es una de las problemáticas de la robótica móvil que más interés ha suscitado en los últimos años. El trabajo en esta área es lo suficientemente amplio y se han aplicado conceptos de etología animal, de la teoría de la organización, el aprendizaje y de la inteligencia artificial distribuida, siendo de esta última de donde ya han salido algunas propuestas de metodologías para el desarrollo de proyectos. las técnicas de coordinación y cooperación en los sistemas multi-agente (MAS) no son las más adecuadas para el tratamiento de incertidumbre y falta de información que hay comúnmente en la robótica. Algunos de los requerimientos que impone el funcionamiento de agentes en entornos reales son los siguientes - Saberse comportar de acuerdo a las circunstancias (Situated Behavior), y reaccionar ante sucesos imprevistos. - Las tareas deben realizarse con eficiencia teniendo en cuenta las imposiciones restrictivas del trabajo en tiempo real. - Se debe de tener en cuenta la presencia de otros agentes en el entorno. El papel principal de una metodología es permitir transformar la visión subjetiva de un sistema en una definición objetiva que permita su implementación. De esta manera, una metodología debe de ofrecer:

-Un conjunto de pasos con actividades a desarrollar e instrucciones para desplazarse entre los diferentes pasos. - Mecanismos de documentación que permitan compartir la experiencia ganada en el proyecto con otros desarrolladores e investigadores. - Terminología homogénea que brinde significado a los pasos del ciclo y facilite la transición entre pasos (por lo general es una terminología gráfica basada en diagramas de flujo). - Estructuras conceptuales abstractas que permitan una suficiente elección de técnicas cuando se deba de implementar el sistema (independencia de técnicas de implementación). II. Metodología MAD-Smart: El enfoque de la Metodología para el Análisis y Diseño de Sistemas Multi-Agentes Robóticos MAD-Smart está fundamentado en: (1) Independencia de las técnicas de implementación, (2) Proceso metodológico ascendente iniciando en la determinación de los requerimientos del proyecto para llegar a las estrategias de solución de éstos de manera cooperativa. La metodología recoge elementos de trabajos existentes para la construcción de Sistemas Multi-Agente como son GAIA, Mas-CommonKADS y MaSe a la vez que introduce otros nuevos que surgen desde la propia área de los Sistemas MultiAgentes Robóticos. Se debe de tener en cuenta que la metodología no está orientada hacia la síntesis automática de grupos equipos. Este campo hasta ahora se ha abordado en su mayor parte desde la computación evolutiva permitiendo la definición de estrategias a partir de un grupo de robots heterogéneos y una misión para llevar a cabo. En la figura 1 se encuentran los ocho pasos que forman la metodología y tiene como meta captura la definición de mecanismos para la comunicación y manejo de conceptos entre los agentes, la descripción de software y hardware de los agentes, la interacción entre ellos y la distribución de tareas. Etapa de conceptualización: La finalidad de esta etapa es permitir al desarrollador tener una mejor comprensión de cuál es el problema a resolver y el alcance y limitaciones del sistema a desarrollar. A este nivel la definición de los agentes no es importante. Los pasos a desarrollar son:

- Descripción verbal del Proyecto: Se busca obtener una descripción completa en lenguaje natural del sistema que se está buscando haciendo énfasis en los objetivos que se espera que cumpla. - Identificación de los objetivos: Los objetivos descritos en la fase anterior se estructuran mediante las relaciones que tienen y los sub-objetivos que engloban. - Definición de la arquitectura del grupo: La arquitectura de un sistema computacional es aquella parte del sistema que permanece inalterada hasta que un agente externo la cambie -Definición de los Roles: Mediante los roles se define las funcionalidades, a un nivel muy abstracto, que permitirán que los objetivos sean alcanzados. Análisis Al finalizar esta fase se definirán o se reutilizarán los agentes con sus respectivas características físicas, de comunicación, razonamiento, y las estrategias para la formación de equipos y la solución cooperativa de tareas para el alcance de objetivos.

Continuación de análisis…Se define tres capas a desarrollar: Arquitectura Interna: define la operación del agente a nivel individual en condiciones normales; Capa Relacional: Aquí se encuentran los comportamientos necesarios para la formación de grupos de trabajo; Capa Organizacional: Es la encargada de la exhibición de comportamientos para la solución cooperativa de tareas. Las actividades a desarrollar son las siguientes. - Desarrollo del modelo de Agente: Este modelo permite especificar las características de un agente como son sus capacidades de razonamiento, la manera en que interactúa con el mundo mediante sensores y efectores, y los grupos de agentes a los que pertenece. - Desarrollo del Modelo de la Experiencia: En esta actividad se describe el conocimiento requerido por los agentes para alcanzar sus objetivos.

Al finalizar esta actividad se tendrán definidos: La Ontología del sistema: Una ontología permite estructurar el conocimiento que se tiene respecto a un dominio especificado en torno a un conjunto de conceptos que son claves en ese dominio Representación del Mundo: Hay varios modos de representar el mundo, por ejemplo los Vectores de Características, las Representaciones Icónicas, o métodos de representación espacial o geométrica. Representación de los otros agentes: El modelado de las intenciones, creencias, acciones, capacidades, y estados de otros agentes puede conducir a mecanismos más efectivos de cooperación entre robots Arquitectura Interna de los Agentes: Constituye la primera capa de un agente. La arquitectura a usar es de libre elección pudiendo ser reactivas, deliberativas, hibridas, BDI, entre otras. Componentes comunes de los agentes son: sistemas de sensado, de representación, de procesamiento y de acción. Diseño: El propósito en esta fase es acercar lo más posible los agentes definidos en la fase anterior a su posterior implementación. En este punto se tiene en consideración para cada agente su parte Hardware y Software en una misma plantilla. Modelado de sistemas multi-agente robóticos mediante mad-smart A. Conceptuación 1) Actividad: Desarrollo del Modelo Jerárquico de Objetivos 2) Actividad: Desarrollo del Modelo de Arquitectura del Grupo 3) Actividad: Desarrollo del Modelo de Roles. B. Análisis. 1) Actividad: Desarrollo del Modelo de Agente 2) Actividad: Desarrollo del Modelo de la Experiencia 3) Actividad: Desarrollo del Modelo de Comunicación 4) Actividad: Desarrollo del Modelo Relacional 5) Actividad: Desarrollo del Modelo Organizacional

6) Actividad: Desarrollo del Modelo de descripción Modular. C. Diseño. Discusión Ventajas de la metodología La metodología propuesta trata de dar cobertura a gran número de los problemas que se encuentran en los Sistemas Multi-Agentes Robóticos como son: Naturaleza de la información en el sistema, mediante el modelo de la experiencia; comunicación entre los agentes, modelo de comunicación; y estrategias de cooperación para la solución de problemas mediante los modelos relacional y organizacional. Otro aspecto relevante de la metodología es que busca desde el principio que la solución del problema sea de naturaleza distribuida mediante un buen modelado de los objetivos, llegándose finalmente a los agentes individuales con sus respectivas características software y hardware. La metodología esta mejor pensada para el modelado a nivel microscópico en el cual se considera cada robot en el sistema con sus respectivas interacciones y comportamientos en un nivel alto de detalle. Hay que tener en cuenta que la mayor parte del trabajo está orientado al modelado a nivel macroscópico en el cual se trabaja a nivel de comportamiento del sistema sin consideración de los agentes individuales Finalmente la similitud con las metodologías orientadas al diseño de Sistemas Multi-Agente lo hace de fácil uso para las personas con experiencia de trabajo en esta área. B. Aspectos no abordados La metodología no está pensada para la definición de métricas y de costos de los sistemas individuales (como el uso de ciertos sensores) y de componentes interactivos (como aquellos relacionados con la comunicación). Tampoco se trabaja la parte de aprendizaje y de solución de conflictos que constituyen líneas básicas de investigación en el área El manejo de incertidumbre exige también un mayor análisis que el aquí propuesto, aunque el modelo de descripción modular donde se describe la naturaleza de los sensores requeridos y el modelo de diseño donde la escogencia de un sensor determinado se debe de hacer de acuerdo a la naturaleza de la información

requerida implicara que el diseñador tenga en cuenta este factor. Se debe de tener en cuenta que la metodología no está orientada a servir de guía en la búsqueda de optimización de problemas; de esta manera preguntas como: ¿dada una misión específica, cual es la configuración óptima del equipo de agentes?, no es directamente abordable desde la metodología, aunque si se espera que los pasos en el proceso ayuden al diseñador en la toma de decisiones que sean cruciales en el proyecto.

BIBLIOGRAFÍA [1] R. Alamis, S. Fleury, M. Herrb, F. Ingrand, y F.Robert. Multi-Robot Cooperation in the MARTHA Project. IEEE Robotics and Automation Magazine, Vol. 5, No. 1, 1998. [2] K. Altenburg. Adaptive Resource Allocation for a Multiple Mobile Robot System using Communication. Technical Report NDSU-CSORTR- 9404. 1994. [3] A. Collinot, A. Drogoul, P. Benhamou. Agent Oriented Design of a Soccer Robot Team. ICMAS‘96; 1996 [4] Y. Cao, A. Fukunaga, A. Kahng, F Meng. Cooperative Mobile Robotics: Antecedents and Directions. Proc. 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS ‗95) Pittsburgh, PA, Vol. 1, pp 226-234. 1995. [5] B. Chandrasekaran, J. Josephson, V. Benjamins. Ontologies of Tasks and Methods. IEEE Intelligent Systems, 14(1): 20-26, 1999 [6] B. Donald, J. Jennings, D. Rus. Experimental Information Invariants for Cooperating Autonomous Mobile Robots. Proceedings International Symposium on Robotics Research. 1993 [7] S. DeLoach, E. Matson, Y. Li. Applying Agent Oriented Software Engineering to Cooperative Robotics. Proceedings of the Fifteenth International Florida Artificial Intelligence Research Society Conference. 2002. [8] Drogoul A, J-D. Zucker. Methodological Issues for Designing Multi- Agent Systems with Machine Learning Techniques: Capitalizing Experiences from the RoboCup Challenge. LIP6 – Université París 6. 1998 [9] S. DeLoach. Multiagent Systems Engineering: A Methodology And Language forDesigning Agent Systems. Agent-Oriented Information Systems. 1999.

[10] G. Dudek, M. Jenkin, E. Milios, D. Wilkes. A Taxonomy for Swarm Robots. Proc. 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Yokohama, Japan. 1993. pp. 441-447 [11] B. R. Donald. Information invariants in robotics: I. state, communication, and side-effects. In IEEE ICRA, pages 276–283, 1993. [12] J. Evans, B. Krishnamurthy. HelpMate, The Trackless Robotic Courier. Lectures Notes in Control and Information Sciences. Springer Verlag. 1998. [13] D. Frankiln, A. Kahng, A. Lewis. Distributed Sensing and Proving with Multiple Search Agents: Towards System-level landmine Detection Solutions. Proceedings of Detection Technologies for Mines and Minelike Targets, vol 2496. 1995. [14] S. Franklin, T. Graesser. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents. Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, Springer-Verlag, 1996. [15] T. Fukuda, K. Sekiyama. Communication reduction with risk estimate for multiple robotic system. In IEEE ICRA, pages 2864–2869, 1994. [16] B. Gerkey, M. Mataric. Multi-robot task allocation: Analyzing the complexity and optimality of key architectures. In Proceedings of the IEEE International Conference on Robotics and Automation, pages 3862-3867, Taipei, Taiwan, Sep 2003. [17] C. Iglesias, M. Garijo, J.Gonzales, A survey of Agent-Oriented Methodologies; 1999; disponible en: http://citeseer.ist.psu.edu/iglesias99survey.html [18] C. Iglesias, M. Garijo, J. Gonzales, J. Velásquez. Analysis and Design of Multiagent Systems using MAS-CommonKADS. Disponible en: http://citeseer.ist.psu.edu/iglesias98analysis.html [19] J. Jones, B. Seiger, A. Flynn. Mobile Robots. Inspiration to Implementation. Second Edition. A K Peters Natik, Massachusetts. 1998 [20] P. Khosla, L. Navarro, Ch. Paredis. A Beacon System for the Localization of Distributed Robotic Teams. Carnegie Mellon University. 1999. [21] E. Kendall. Agent Roles and Role Models. Intelligent Agents for Information and Process Management (AIP‘98). 1998 [22] K. VanLehn. Architectures for Intelligence: the 22nd Carnegie Mellon Symposium on Cognition. Laerence Elrbaum Associates. 1991

[23] H. Mäkelä. Outdoor Navigation of Mobile Robots. Tesis Doctoral. University of Technology. 2001 FICHA DE REGISTRO DOCUMENTAL Código: [LJHA 2008]

Fuente: [LJHA 2008]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 6 pdf. Título An Approach towards using Agent in Multi-Agent Systems to streamline emergency services Autor: Jenny Lundberg and Anne Håkansson Ficha bibliografica Ubicación: Descripción: En los servicios de emergencia, la evaluación de la situación se realiza de manera manual, lo que incluye la sincronización de los servicios para cada situación. Sin embargo el trabajo requiere divergentes y decisivas decisiones a resolver desde diferentes puntos de vista, que se podrían beneficiar automatizando partes del trabajo. Usando sistemas computacionales en el dominio de la parte critica de la vida, que puede envolver cuidadosamente consideraciones del trabajo práctico y de los componentes de la situación. En esta investigación se propone utilizar agentes inteligentes y meta agentes en el extremo de los servicios de emergencia. La inteligencia de los agentes responde a entradas estáticas y dinámicas de manera estructurada o flexible para desarrollar dichas acciones. Desde estos escenarios los meta agentes son creados en el cual la división de la información dinámica o estática tiene impacto en la estructura de los cálculos pero también en la salida producida por los metagentes. Como un ejemplo de la aplicación se provee un escenario de agentes, meta agentes y sistemas multiagentes donde los meta agentes tienen las propiedades del sistema. El escenario tiene un fuerte piso en el dominio de los servicios de emergencia, en el cual se observa gran coordinación relacionada entre los agentes y los sistemas multiagente Tabla de Contenido: Introducción, Trabajos relacionados, Dominio de la aplicación, Sistemas Multiagente, Meta Agentes, Escenario, Conclusiones y trabajos futuros Palabras Clave: Servicios de emergencia, agentes inteligentes, Meta Agentes, Sistemas MultiAgente, Propiedades sistémicas

I. Introducción. Los servicios de emergencia son importantes para brindar el correcto tratamiento en el momento justo. Usualmente el despacho de los servicios de emergencias es un proceso manual con muchos vehículos y estaciones involucrados: Seleccionar el vehículo adecuado para una emergencia específica es un asunto crítico. Características como competencias de la tripulación, disponibilidad de equipos y la ruta más apropiada (Velocidad y disponibilidad) deben ser tenidas en cuenta. Por esta razón los agentes constituyen una muy buena herramienta de soporte para capturar todos estos puntos de vista, necesarios para tomar una decisión correcta. La velocidad y la disponibilidad de las vías son fáciles de medir, pero la confiabilidad, dependencia, eficiencia, robustez, realidad de la información actualizada son características difíciles de evaluar, buscar la mejor información estática y dinámica al igual que el entrenamiento social y las interacciones son aspectos que se deben considerar II. Trabajos relacionados Existen varios ejemplos de aproximaciones usando sistemas multiagentes en combinación a los sistemas de conocimiento para apoyar sistemas de emergencia, ejemplos hay sistemas de monitoreo de emergencias causadas por inundaciones que combinan agentes interpretadores de datos, pronosticadores de comportamientos futuros, agentes que recomiendan acciones de control, agentes hidráulicos, agentes detectores de problemas, agentes que manejan las reservas y agentes de protección civil. Molina and Blasco (2003) Otra aproximación es un sistema MultiAgente para respuestas de emergencia. Este sistema asiste en la detección de posibles emergencias sugiere y evalúa posibles acciones para dichas emergencias, este sistema detecta en qué lugar son originadas las llamadas y en donde es probable que se esté presentando la emergencia, busca rutas para llegar al sitio evitando embotellamientos y analiza la vos de la persona que llama, para detectar posibles engaños III. Dominio de la aplicación El dominio de la aplicación es la sincronización de los servicios de emergencia para cada situación, el principal servicio es el manejo de las llamadas de emergencia y detectar en donde se encuentran los recursos. Generalmente el manejo de las emergencias tiene cuatro etapas. Clasificación de la emergencia, localización de los recursos, despacho y monitoreo. El trabajo de esta investigación se centra en la localización de los recursos, adicionalmente las tareas que involucran el estatus de la situación, el lugar del

accidente y la posición geográfica de los vehículos como subtareas La combinación de vehículos requeridos son numerosas: en algunos casos solo se necesita una ambulancia, en otros una gran cantidad de ambulancias en otros vehículos de rescate y / o policías, y en otros helicópteros o equipos de salvavidas en el mar IV Sistemas multiagente Los hilos de un sistema MultiAgente incrementan la delegación y la inteligencia que requiere el sistema para operar independientemente y actuar en la vía correcta que represente el mejor interés cuando interactúan los humanos y el sistema. La combinación de vehículos necesarios se da gracias a que cada vehículo es un agente que tiene la independencia de actuar dependiendo del ambiente y de la situación, en el momento de una emergencia los agentes comienzan a intercambiar mensajes para determinar cual equipo de emergencia se debe acercar a la escena del accidente V. Metagentes El meta razonamiento es el razonamiento del razonamiento. Cuando se utiliza el meta razonamiento en los sistemas MultiAgente, el sistema tiene la capacidad de razonar acerca de sus operaciones. Esta característica puede manejar individualmente a los agentes, generar planes, localización de tareas integración y plan de ejecución

Bibliografía [1] D. Chelberg, L. Welch, A. Lakshmikumar, M. Gillen, and Q. Zhou. "MetaReasoning For a Distributed Agent Architecture", http://zen.ece.ohiou.edu/~robocup/papers/HTML/SSST/SSST.html, 2000. [2] T. Schoenharl, G. Madey, G. Szabó, and A-L. Barabási, "WIPER: A multi-agent system for emergency response. (ISCRAM)," In Proceedings of the 3rd International community on information systems for crises response and management Conference, Newark, NJ, USA, 2006. [3] J. Lundberg, Principles of workflow support in life critical situations. Blekinge Institute of Technology, Licentiate dissertation series no.2007:02. [4] M. Wooldridge, An Introduction to Multi-agent Systems, John Wiley and Sons Ltd, Chichester, England, 2002.

[5] Håkansson, A., and Hartung, R. "Calculating optimal decision using Meta-level agents for Multi-Agents in Networks," In Proceedings of KES2007, 11th International Conference on Knowledge-Based and Intelligent Information & Engineering Systems, LNCS/LNAI, Springer-Verlag, Heidelberg New York, LNAI4692-I 2007, pp. 180-188. [6] A. Håkansson, and R. Hartung, "Using Meta-Agents for Multi-Agents in Networks," (ICAI'07) The 2007 World Congress in Computer Science, Artificial Intelligence 2007. [7] S. Russell, and P. Norvig, Artificial Intelligence - a Modern Approach, Prentice Hall, pp. 32-752, 2003. [8] Håkansson, A., and Hartung, R. "An approach to event-driven algorithm for intelligent agents in multi-agent systems," Accepted at The 2nd KES International Symposium on Agent and Multi-Agent Systems: Technologies and Applications, Incheon, Korea, 27th-28th March 2008. [9] S. Costantini. "Meta-reasoning: a survey," In A. Kakas and F. Sadri, editors, Computational Logic: From Logic Programming into the Future: Special volume in honour of Bob Kowalski, 2002. FICHA DE REGISTRO DOCUMENTAL Código: [MASB 2005]

Fuente: [MASB 2005]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación paginas 1 a la 16 pdf. Título Utility-based Agents for Hospital Scheduling: A Conjoint-Analytical Approach Autor: Hans Czap, Marc Becker, Malte Poppensieker, Alexander Stotz Ubicación: AAMAS Workshop on Multi-Agent Systems for Medicine, Computational Biology, and Bioinformatics 04 de Abril 2009 http://www.diee.unica.it/biomed05/pdf/proceedings.pdf Descripción: La programación de teatros de operaciones centralizadas en los grandes hospitales pueden ser considerado como un problema de decisiones cooperativas. La forma atrayente como el paradigma de los sistemas multiagente (MAS) apoyan los diferentes variaciones de los trabajos cooperativos de los sistemas, como la situación mostrada en este sistema. En un grupo MAS cada individuo envuelto puede ser representado por un agente inteligente de software que lleva algunas restricciones y una estructura preferente como su principal característica. Los calendarios pueden ser realizados por negociaciones entre los

agentes, lo que traerá como resultado una solución cooperativa que optimiza el beneficio social y la organización de recursos médicos de manera simultánea. Uno de los más importantes problemas encontrados en el uso de la utilidad basada en la programación de citas con el sistema multiagente es la actual medida de las preferencias humanas la utilidad de las funciones. En esta investigación se propone un análisis conjunto como solución a este problema e introduce los componentes del software que se pueden integrar de manera fácil a una aplicación existente basada en agentes Tabla de Contenido: Introducción, Política del proyecto de investigación de agentes, Funciones Preferencias, deseos utilidad, Análisis conjunto, como una medida de aproximación de la utilidad medida, aprendizaje, conclusiones Palabras Clave: Sistemas multiagente, Programación citas medicas I. Introducción. Los sistemas multiagente son bien conocidos por soportar diferentes variantes de los trabajos cooperativos en los computadores y se ajustan al problema que se presenta en los hospitales grandes de Alemania en el que la programación de citas es inmanejable porque en algunos casos se realiza de manera manual y no ha intervención de los sistemas de tecnología de la información, La programación de citas basadas en agentes dan mucha flexibilidad y alto grado de flexibilización. El trabajo que se presenta en esta investigación asume que cada individuo involucrado delega el proceso de negociación a un agente de software inteligente con el fin de llegar a un acuerdo sobre el calendario necesario y este calendario debe cumplir todas las restricciones del hospital y debe tener en cuenta las preferencias de la persona a la que representa. El proyecto de agentes ayudara a proveer un sistema multiagente para la programación de los hospitales, lo que encontraron los investigadores en Alemania fue lo siguiente: La programación de citas en Alemania se realiza de dos maneras o en dos fases; la larga y la corta. La vía larga los pacientes tienen una fecha aproximada de una operación, en algunos de los casos si la operación no es vital, esta se puede programar para dentro de algunos meses, esto se hace por la poca cantidad de presupuesto para los hospitales públicos, y se debe tener en cuenta que las aseguradoras publicas presionan para que los pacientes se queden el menor tiempo posible en los hospitales, por eso al momento de entrar el paciente al hospital la operación se debe hacer en el menor tiempo posible para disminuir la estadía de los pacientes en el hospital. Pero en la vía corta o de la manera rápida las citas se realizan de un día para otro. Los investigadores se concentraran en esta vía para la programación de citas para

operaciones. Estos tiene algunas variables Existe la incertidumbre en la duración de la operación Las tareas especificas a ser realizadas durante la operación dependen de la situación, y no fueron observadas en el diagnostico. La programación del día se puede ver interrumpida por casos de emergencia, la frecuencia de las emergencias depende del departamento médico. En el hospital analizado existe un convenio entre este y las enfermera y estas trabajan entre las 8 am y las 4 pm y esto se debió a un descontento de las enfermeras debido a largas y tediosas jornadas de trabajo. Si se llegaran a posponer operaciones para otro día esto se ve reflejado en la insatisfacción de los pacientes y estas combinaciones hacen que en algunos casos las aseguradoras publicas no paguen la hospitalización II. Proceso convencional de programación de citas en los hospitales – Preferencias y Restricciones Tradicionalmente cada departamento médico tiene su propia sala de operaciones y esto se ha cambiado en las organizaciones de los hospitales donde las salas de operaciones se cambiaron a un teatro centralizado de operaciones, el cual es utilizado por diferentes departamentos médicos, esto se observa en una baja en los costos de operación del hospital y en gran flexibilidad en la planeación y en la forma de reaccionar ante las emergencias, esto llevo a desarrollar un sistema automático sistema de planeación La solución MAS Los problemas de programación de cirugías presentados aquí conducen a diferentes requerimientos para un sistema multiagente 

Reducir las interacciones entre humanos a lo más mínimo, reduciendo las necesidades de solución por teléfono  El proceso secuencial implica consumo de tiempo en los ciclos de retroalimentación, si llegase a pasar una incompatibilidad  El sistema MultiAgente puede satisfacer los intereses organizacionales y los individuales  Basados en estos requerimientos un sistema de programación de citas basado en agentes ha sido desarrollado por el proyecto de Agentes La programación de las cirugías y de los recursos necesarios para esta se realiza

en dos etapas En la primera etapa el sistema de agentes crea una programación sin tener en cuenta las preferencias individuales, solamente las demandas y restricciones medicas y de la organización son tenidas en cuenta, se utilizan programaciones aproximadas y algoritmos, el componente del programador interactúa con el planeador vía diálogos y le ofrece subplanes de modificación o reordenamiento colocado en un grafico de Gantt En la segunda etapa el plan preliminar es mejorado por los agentes negociadores, en esta etapa, los agentes del individuo (asistentes personales) tratan de negociar el mejor horario para su representado, basado en la solución Nash-Bargaining, al final la programación definida optimiza el bien social respetando las preferencias individuales sin sacrificar las metas medicas o las de eficiencia. Uno de los más serios problemas encontrados en el diseño de la política de agentes MAS reside en la medición de las estructuras de preferencias de reales seres humanos y su transformación dentro de funciones útiles. Por ejemplo considere una situación simple compuesta por cuatro médicos y cuatro enfermeras

Departments Surgery Orthopedics Urology Neurosurgery Anesthetists John

George

Jim

Andy

Nurses

Anne

Joyce

Hillary

Clara

El problema de asignación manual, el cual hace parte de los problemas de programación de citas consiste en encontrar los tres elementos (Departamento, Anestesista y Enfermera ) que formen un equipo para una operación deseada. La organización del hospital no tiene ninguna restricción para la formación de los equipos pero si necesita que los cuatro anestesistas y las cuatro enfermeras sean asignados; o sea que es necesario encontrar cuatro tripletas cada una consistente de una instancia (Departamento, Anestesista y Enfermera), ahora viene la parte de las preferencias de las personas involucradas, por ejemplo se podría asumir que Jhon solo quiere trabajar con Joyce en las cirugías y no le gustaría trabajar con Anne en ningún departamento y trabajar con ella sería uno de los peores casos, le gustaría trabajar con Hillary en cirugía y con Clara en Urología. Preferencias similares existen para las otras personas en nuestro ejemplo. El problema consiste en encontrar cualquier persona, con una funcionalidad, que se pueda medir por un numero real y cualquier combinación de asignación que exprese las preferencias

de esta persona (surgery, John, Clara) John (surgery, John, Hillary), (surgery, John, Hillary) ~John (urology, John, Clara), (urology, John, Clara) John (surgery, John, Anne), El resultado es una función de utilidad uJohn(surgery, John, Clara) > uJohn(surgery, John, Hillary), uJohn(surgery, John, Hillary) = uJohn(urology, John, Clara) and uJohn(urology, John, Clara) > uJohn(surgery, John, Anne).

Se argumenta que un aproximación estándar a las preferencias y a la medición de la utilidad, lo cual es un aproximación de Expectativa-Utilidad es un concepto teórico que no se ajusta a las aplicaciones prácticas. Sin embargo la aproximación es necesaria y puede ser encontrada en un análisis conjunto

Bibliografía 1. Addelman, S.: Orthogonal Main-Effect Plans for Asymmetrical Factorial Experiments, in: Technometrics, Vol. 4(1), 1962, pp. 21-46. 2. Allais, M.: Le Comportement de l‘Homme Rationnel devant le Risque: critique des Postulats et Axiomes de l‘Ecole Américaine, in: Econometrica, Vol. 21, 1953, pp. 503-546. 3. Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: Multivariate Analysemethoden – Eine anwendungsorientierte Einführung, Berlin 2000. 4. Becker, M.; Heine, C.; Herrler, R.; Krempels, K.-H.: OntHoS - an Ontology for Hospital Scenarios, in: Moreno, A.; Nealon, J. (Hrsg.): Applications of Software Agent Technology in the Health Care Domain. Whitestein Series in Software Agent Technologies (WSSAT), Basel 2003, S.87-103.

5. Becker, M.; Krempels, K.-H.; Navarro, M.; Panchenko, A.: Agent Based Scheduling of Operation Theaters, Proceedings des EU-LAT E-Health-Workshop, Mexico 2003.

6. Brembeck, W.; Howell, W.: Persuasion – A Means of Social Influence, 2nd Ed., Englewood Cliffs, NJ 1976. 7. Czap, H.; Becker, M.: Multi-Agent Systems and Microeconomic Theory: A Negotiation Approach to solve Scheduling Problems in High Dynamic Environments, in Proceedings of 36th Annual Hawaii International Conference on System Sciences (CD-Rom), Hawaii 2003. 8. Czap, H.; Becker, M.; Schiffelholz, S.-D: Der Ablauf der kurzfristigen OPTerminplanung am Beispiel des Krankenhauses der Barmherzigen Brüder, Trier e.V., Arbeitsbericht des Zentrums für Gesundheitsökonomie an der Universität Trier, Trier 2002. 9. Gingerenzer, G.; Selten, R. (eds.): Bounded Rationality: The Adaptive Toolbox, Cambridge 2001. 10. Green, P. E.; Krieger, A.M.; Wind, Y.: Thirty Years of Conjoint Analysis: Reflections and Prospects, in: Interfaces, Vol. 31/3, 2001, pp. 56-73. FICHA DE REGISTRO DOCUMENTAL Código: [MJPC 2004]

Fuente: [MJPC 2004]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 20 p. Título: Web semántica: agentes inteligentes Autor: MARZO, José; PEÑA, Clara Ubicación: 2004/websemag/agentes.htm

http://personales.upv.es/ccarrasc/doc/2003-

Descripción: Este documento presenta la definición de los sistemas Multi agentes sus características y las aplicaciones en los diferentes campos. Tabla de Contenido: Sistemas Multiagente, Aplicaciones Palabras Clave: Sistema Multiagente, Gestión de Redes y Sistemas, Movilidad, Gestión de Acceso a la Información, Simulación Social, Resumen: Sistemas Multi Agentes: Un sistema multi agente es aquel que contiene una colección de dos o más agentes. Este requiere: Dos o más agentes Al menos un agente autónomo, dado que los agentes trabajan para cumplir objetivos pero son incapaces de generar sus propios objetivos, un sistema multiagente no tendría razón de ser sin un agente autónomo que genere estos

objetivos. Al menos una relación entre dos agentes donde uno satisface el objetivo del otro, debe existir una interacción entre los agentes del sistema, ya que de lo contrario se tendría un conjunto de agentes actuando independientemente de los demás, que los convertiría en una colección de componentes y no en un sistema. Aplicaciones de los Sistemas Multi Agentes A continuación se enuncien algunas de las áreas identificadas como las más prometedoras para la aplicación de esta tecnología. Gestión de Redes y Sistemas La gestión de sistemas y redes es una de las primeras áreas que están recibiendo el impacto de la tecnología de los agentes inteligentes. El creciente uso de la arquitectura cliente/servidor ha intensificado la complejidad de los sistemas utilizados. Los usuarios que hacen uso de estos sistemas necesitan una gestión más simplificada para afrontar la creciente complejidad. La tecnología de los agentes puede ser usada para mejorar el software de gestión de sistemas. Por ejemplo, pueden ayudar a filtrar y a realizar acciones automáticas a un alto nivel de abstracción. Además pueden ser usados para gestionar grandes configuraciones dinámicamente. Movilidad Se obtiene un acceso a los recursos de la red desde cualquier ubicación, este acceso debe ser satisfactorio a pesar de las limitaciones del ancho de banda que presenta la tecnología móvil tales como la comunicación sin cables. Los agentes inteligentes que en este caso residen en la red y no en los ordenadores de los usuarios pueden gestionar estas necesidades. Además los agentes pueden procesar datos y mandar únicamente respuestas comprimidas a los usuarios, más que sobrecargar la red con grandes cantidades de datos sin procesar. Correo y Mensajería El software de mensajería como las aplicaciones de correo electrónico ha ido evolucionando para mejorar el servicio de los usuarios y es un área donde la introducción de la tecnología de los agentes inteligentes parece muy propicia ya que el futuro de estas aplicaciones pasa por la delegación de la toma de decisiones del usuario en el agente de correo. Los usuarios precisan de utilidades que automáticamente organicen el correo electrónico, y en el futuro, incluso debería gestionar todo el correo de una persona como si fuera ella misma. Los agentes inteligentes pueden hacer posible todo esto mediante reglas de gestión del correo, y permitiendo a los agentes inteligentes operar en nombre de los usuarios de acuerdo a dichas reglas. En el futuro será posible que los agentes deduzcan estas reglas observando el comportamiento del usuario e intentando encontrar los patrones del usuario. Gestión y Acceso a la Información. El acceso y gestión de la información es un área con gran actividad, dado el gran crecimiento que se está produciendo en Internet y la consiguiente explosión de datos disponibles para los usuarios. Aquí los agentes inteligentes no solo ayudan en las tareas de búsqueda y filtrado, sino que también lo hacen en la clasificación, establecimiento de prioridad, descarte selectivo, anotación y colaboración de información y documentos. Gestión Administrativa Estos sistemas ayudan a automatizar los procesos de negocio, asegurando que diferentes tareas son ejecutadas por las personas

idóneas en el momento adecuado, además de asegurar que el flujo de documentos se gestiona correctamente dentro de la organización. Comercio Electrónico El comercio electrónico es un área de gran crecimiento debido a la creciente popularidad de Internet. Los compradores necesitan encontrar vendedores de productos y servicios, necesitan información de los productos que solucionen sus problemas, y también precisarán de consejo experto tanto antes de la compra como después, durante el soporte. Los vendedores necesitan encontrar compradores y tendrán que proporcionar consejo experto sobre sus productos o servicios al igual que soporte y servicio al cliente. Ambos, compradores y vendedores, necesitan automatizar el manejo de sus transacciones comerciales. Los agentes inteligentes pueden ayudar en el comercio electrónico de varias maneras. Pueden ir de compras para un usuario, coger las especificaciones de lo que se desea y devolverlas con recomendaciones de posibles compras, etc... Pueden también servir de vendedores proporcionando productos o servicios, y ayudar con los posibles problemas que tengan los clientes. Interfaces de Usuario Adaptativos. Los agentes inteligentes llamados agentes de interfaz permiten al sistema monitorizar las acciones de los usuarios, desarrollar modelos sobre ellos, y automatizar la ayuda cuando surgen los problemas. Cuando son combinados con la tecnología de procesamiento del lenguaje, los agentes inteligentes hacen que los interfaces de ordenador sean más humanos o sociables cuando se tiene interacción con ellos. Simulación Social Una de las visiones detrás de los sistemas multiagente es la de utilizarlos como herramientas experimentales en las ciencias sociales. Es decir, se pueden utilizar agentes para simular el comportamiento de las sociedades humanas. El proyecto EOS, llevado a cabo por la Universidad de Essex en el Reino Unido, es un buen ejemplo de simulador de la sociedad. El objetivo del proyecto era investigar las causas de la aparición de una compleja sociedad en Francia durante el Paleolítico Superior.

BIBLIOGRAFÍA URL‘s consultadas del 19.04.2004 al 17.05.2004: http://www.informandote.com/jornadasIngWEB/articulos/jiw02.pdf http://greta.cs.ioc.ee/~helemai/HaavLubiADBIS2001.pdf http://www.estadistico.com/arts.html?20011105 http://www.ii.uam.es/~castells/docencia/semanticweb/apuntes/ http://www.rediris.es/rediris/boletin/66-67/ponencia18.pdf

http://www.inf.ufrgs.br/~clesio/cmp151/cmp15120021/artigo_lydia.pdf http://www.straddle3.net/context/02/020619_semantic.es.html http://petra.euitio.uniovi.es/~labra/cursos/ext03/SemWeb.pdf http://www.ii.uam.es/~castells/docencia/semanticweb/ http://antic.ibit.org/websemantica/quees_es.cfm http://suburbia.sindominio.net/pdf.php3?id_article=107 http://www.baquia.com /com/20010523/art00008.html http://zope.aditel.org/personal/esanchez/documentos/rtb/files/rtbdoc/x155.html/index.html/index.html/x155.html/index.html/x155.html/index.html http://www.baquia.com /com/20010523/art00008.html http://www.dcc.uchile.cl/~cgutierr/websemantica/ http://www.interacciones.i-p.com/doc24.xhtml http://www.infovis.net/Revista/num_26.htm http://www.dcc.uchile.cl/~jcvidal/Agentes/AgentesWeb.html http://www.lexiquest.fr/news/releases/990809_ge.html http://www.cyc.com/cyc/technology/whatiscyc_dir/whatsincyc http://www-cia.mty.itesm.mx/~avazquez/knowledge/ http://www.it.uc3m.es/liliana/paginas/masinfo/agentes.doc http://rayuela.uc3m.es/~bety/lydia/Age/AGENTES.html#Característica%20de%20lo s%20agentes Monografías: BERROCAL, J.L., et al. Agentes inteligentes: recuperación autónoma de información en la web. Revista Española de Documentación Científica, 2003, vol. 26, nº 1

INGLADA, V. J. y BOTTI, V. Agentes inteligentes: el siguiente paso en la Inteligencia Artificial. En: NOVATICA, may-jun, 2000. p. 95-99

HIPOLA, P. y VARGAS-QUESADA, B. Agentes inteligentes: definición y tipologías. Los agentes de información. El profesional de la información, 1999, vol. 8. nº 4, p. 13-21 PEIS, E., et al. Ontologías, taxonomías y agentes: recuperación "semántica" de la información. JOTRI 2003: II Jornadas de Tratamiento y Recuperación de Información, 8 y 9 de septiembre. 2003 Páginas web para la descarga de algunos programas: WEBFERRET 5.0 http://news.swzone.it/swznews-10855.php COPERNIC VERSION 6.1 http://www.copernic.com/en/products/agent/basic.html SHOE http://www.cs.umd.edu/projects/plus/SHOE/search/

FICHA DE REGISTRO DOCUMENTAL Código: [MOAN 2005]

Fuente [MOAN 2005]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Exposicion 70 p. Título: Multi-agent systems in health care. An application to Palliative Care Units Autor: Antonio Moreno Ubicación: Multi-Agent Systems Group (GruSMA). Research Group onArtificialIntelligence. Computer Science and MathematicsDepartment .University Rovira iVirgili(URV). Tarragona, Spain Descripción: En esta exposición se muestra el sistema PalliaSys que busca mejorar la vida de los pacientes terminales con la ayuda de sistemas multiagente Tabla de Contenido: Introducción, sistemas basados en agentes en el cuidado médico, Proyecto Palliasys, Investigación y desarrollo, Conclusiones Palabras Clave: Sistema Multiagentes, Cuidado Médico, Inteligencia Artificial, Ambientes Inteligentes I.Introduccion Elementos de la plataforma. Agente: Es una aplicación que provee un grupo de servicios

Facilitador de directorio: Es un agente que ofrece un servicio de paginas amarillas dentro del sistema (Conoce los servicios que pueden ser ofrecidos por otros agentes dentro del sistema) Agente administrador del sistema (AMS) Es un agente que controla el acceso y el uso de de los agentes de la plataforma. Conoce la dirección del agente de plataforma y ofrece un servicio de paginas blancas Servicio de transporte de mensajes: Es usado para comunicar agentes que se encuentran en diferentes plataformas Métodos de Comunicación Sistema de Pizarra, Los agentes comunican la información hacia otros agentes usando una estructura de datos común, donde todos pueden acceder. En estos sistemas los cuellos de botella se pueden incrementar Comunicación mensajería: Los agentes se comunican unos con otros a través de mensajes utilizando el lenguaje FIPA-ACL Y con el protocolo FIPA Caracterización básica JADE Construcción de ambiente de sistemas multiagente que sigue las especificaciones FIPA Jade es desarrollado en JAVA y los agentes se pueden implementar en JAVA Provee una gran cantidad de paquetes Java que nos permite crear los agentes El lenguaje de comunicación usado entre los agentes es el definido por FIPA, la mensajería, los protocolos El contenido de los mensajes puede ser escrito en FIPA-SL también se puede utilizar RDF o XML Jade provee herramientas que nos permiten seguir la operación de los agentes RMA la misión de este agente es controlar la interface grafica de los agentes de plataforma Dummy permite la emisión y recepción de mensajes DF GUI Interfas grafica Sniffer: este agente nos permite ver los mensajes enviados o recibidos por los agentes

Jade únicamente puede ser ejecutado en PC estándar o servidores Algunas partes del kernel de JADE fueron remplazados para generar el ambiente JADE-LEAP LEAP es una funcionalidad para JADE que ofrece un ambiente en los cuales los agentes se pueden ejecutar en dispositivos con pobres recursos como teléfonos móviles o PDAs Los sistemas multiagente aplicados en el cuidado medico Características de ,los problemas en los centros de salud Uso de conocimiento espacialmente distribuido Coordinación de tareas en una cantidad de entidades autónomas Problemas complejos que se pueden descomponer en subproblemas Información personalizada de doctores y pacientes Sistemas multiagente aplicados en los problemas de los centros médicos Sistemas Distribuidos Habilidad Social Solución a problemas distribuidos Agentes de información Proactividad Autonomía Conocimiento Distribuido Cooperación Descomposición de problemas complejos Acceso a información Medica Proactividad y personalización de la información Modelado de entidades independientes

Campo de aplicación de los sistemas MultiAgente en Medicina Programación de pacientes Monitoreo de Pacientes Sistema de soporte de decisiones Agentes de información acceso a información medica Cuidado de comunidades, cuidado de la tercera edad Entrenamiento e-learning Tareas internas de Hospitales Manejo de procesos distribuidos

Proyecto PalliaSys Integración de tecnologías de información y sistemas multiagente para mejorar el cuidado dado a los pacientes paliativos Los pacientes paliativos son pacientes en avanzado estado de una enfermedad fatal y la ayuda para su cuidado es calmar el dolor. Estos pacientes se pueden encontrar en salas especiales de los hospitales o en otras unidades especializadas o en su propia casa El proyecto PalliaSys busca mejorar el proceso de recolección de información de los pacientes paliativos, mejorar el acceso a esta información por parte de los pacientes y de los médicos, monitorear el estado de los pacientes y aplicar análisis inteligente a los datos

Arquitectura del sistema PalliaSys Recolección de información Los pacientes deben enviar información no técnica de manera periódica acerca de su estado de salud, deben llenar un formato con diez ítem evaluados de 0 a 10 esta información se debe enviar vía web, o vía sms o a través de e-mail También se podría asociar un agente a cada cama que periódicamente envié información acerca de estado de salud del paciente , los médicos también pueden enviar información al sistema cuando estén desarrollando un visita a los pacientes en su casa atreves de su teléfono móvil o PDA vía GPRS Acceso a la información Todos los datos de los pacientes paliativos se guardan en una base de datos centralizada en el hospital (Información Personal, datos de la familia, autoevaluaciones, registros médicos) los doctores y los pacientes pueden acceder a esta información a través de querys , los querys de los pacientes a vía WEB o una interfase WAP simulada, los querys de los doctores se pueden hacer a través de

agentes de comunicaciones Seguridad de la base de datos Existirá un agente que controle el acceso a la base de datos Todo el sistema incluye mecanismos de seguridad para proteger la privacidad de los datos médicos como autenticación de usuarios, encriptación de mensajes, acceso a través de login y password, permisos asociados al tipo de usuario Agentes Paciente Existe un agente paciente asociado a cada paciente paliativo, este monitoreara continuamente el estado del paciente y enviara alarmas al médico asociado cuando el paciente empeore su situación Agentes Medico es un agente asociado a cada doctor que está corriendo en el computador de cada doctor, provee interfase grafica en la que se solicita información acerca de sus pacientes, define situaciones de alarma recibe señales de alarma de los agentes paciente Existen dos clase de alarmas las generales y las especificas de cada médico, las generales se aplican a todos los pacientes de la unidad y las especificas las define el médico personal a cada paciente Análisis inteligente de datos El analizador de datos aplica técnicas de data minning y maquinas aprendices que analizan la información de la base de datos, como la generación de modelos de pacientes, generación de evolución de pacientes, generación de protocolos médicos

FICHA DE REGISTRO DOCUMENTAL Código: [MOBU 2004]

Fuente: [MOBU 2004]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p. Título: Problemas Inversos, Estrechando las Fronteras

Técnicas

Evolutivas

y Agentes

inteligentes:

Autor: DAGMAR MONETT y HANS-DIETER BURKHARD Ubicación: Revista Avances en Sistemas e Informática, No. 1 pp. 29–34, Medellín,

Julio 2004, ISSN 1657–7663 Abstract: En este artículo se exponen las características esenciales de la modelación matemática y la simulación de procesos reales. Con la intención de delegar capacidades humanas en las computadoras al aplicar técnicas evolutivas a problemas inversos, se extienden los principios de la Inteligencia Artificial en la automatización de dichas técnicas. También se describen la interacción entre categorías de agentes inteligentes para tales propósitos, así como el procesamiento del conocimiento de los mismos a una meta-nivel. Tabla de Contenido: Modelación y simulación de sistemas reales, Agentes inteligentes, Sistema multiagente y procesamiento del conocimiento; Conclusiones Palabras Clave: Problemas Inversos, Algoritmos Evolutivos, Agentes inteligentes Resumen: Problemas Inversos, Técnicas Evolutivas y Agentes inteligentes: Estrechando las Fronteras Este articulo habla de la importancia de las matemáticas (Ecuaciones diferenciales, derivadas parciales, sistemas de ecuaciones lineales y no lineales) en la interpretación de sistemas reales. Y de los métodos de optimización como solución de muchos modelos que describen estos sistemas Se busca la aplicación de agentes inteligentes para automatizar el manejo de algoritmos evolutivos de optimización MODELACION Y SIMULACION DE SISTEMAS REALES La modelación ―no es más que una teoría que se desarrolla teniendo en cuenta las características del sistema real, su comportamiento, así como su relación con otros sistemas. Un modelo, como representación simplificada e intencional de un sistema real, es el camino a través del cual se representan las propiedades o componentes del sistema real. La modelación más común es la modelación matemática, donde se relacionan expresiones matemáticas entre medidas y cantidades medibles, o datos observables y variables del sistema, que definen el comportamiento del sistema real‖. Las interpretaciones de los sistemas se realiza de manera teórica en la que se definen las entradas, las transformaciones que suceden dentro de este sistema y las salidas, cada uno de estos puntos del sistema son medibles y con estas mediciones se realizan predicciones de cómo se va a comportar el sistemas con mas o menores componentes o interacciones de este sistema por medio de simulaciones

Las simulaciones más utilizadas hoy en día se basan en modelos computacionales, que tratan de descubrir comportamientos desconocidos de estos modelos matemáticos que explican los sistemas Existen varias clases de simulaciones: Las simulaciones de sistemas directos en las que con los datos de entrada se predice la salida; El objetivo de este trabajo es trabajar con problemas inversos con coeficientes o problemas clásicos de estimación de parámetros, donde se desconocen las variables del modelo propuesto ―Valga en este momento citar como ejemplo práctico, la determinación de propiedades químicas de nuevos materiales para la liberación controlada de medicamentos en el organismo humano. Es por esto que las propiedades del sistema que se desconozcan deben ser estudiadas con la mayor precisión posible.‖ En 1995 se destaco en la revista byte que los agentes inteligentes serian las 20 tecnologías de mayor impacto que las ciencias de la computación brindan a la sociedad Agentes inteligentes ―La Inteligencia Artificial (IA) constituye, sin dudas, una herramienta novedosa para facilitar al hombre el uso de las computadoras. Las interfaces de usuarios se han convertido en un terreno fértil para las aplicaciones basadas en agentes inteligentes. Como parte integrante de dichas interfaces, los agentes hacen más fácil al hombre el operar las computadoras. Es por esto que las aplicaciones con agentes inteligentes constituyen, hoy en día, el ´área de aplicación más amplia en Internet: agentes para filtrar el correo electrónico, agentes para la navegación en la red, agentes asistentes para manipular información, por solo citar algunas. En este trabajo proponemos agentes inteligentes que asistan al usuario y actúen en su beneficio, evitando que el hombre diseñe nuevas sustancias a partir de experimentos costosos en recursos humanos y de laboratorio. Los agentes en este contexto pueden definirse como agentes asistentes de software: ellos guían al usuario al manipular o ejecutar determinado software. Por ejemplo, si consideramos técnicas evolutivas para su aplicación a problemas inversos con coeficientes, los agentes pueden asistir al usuario para introducir datos experimentales o propios del sistema, ejecutar las técnicas evolutivas seleccionadas, manipular los resultados y procesar la información obtenida,

escoger los parámetros adecuados para cálculos futuros, entre otras tareas. De hecho, los agentes asistentes de software le permiten al usuario delegar funciones que de otra forma tuvieran que realizar por sí mismos, así como automatizar, simplificar, aprender, y recomendar vas para encontrar respuestas adecuadas, sin introducir complejidad adicional cuando se trata de aplicar técnicas evolutivas particularmente. La aplicación de métodos de IA emerge como una valiosa alternativa al permitir a los usuarios delegar en las computadoras determinadas funciones. No todos los procesos pueden ser automatizados debido a la precisión del análisis y la especificación de los procedimientos que las computadoras necesitan. Aún así, una cantidad considerable de trabajo intelectual puede ser simulada o llevada a cabo autónomamente por agentes inteligentes. Esta autonomía puede entenderse como la determinación del comportamiento del agente basado en su propia experiencia. Para ser considerados con capacidad inteligible, los agentes inteligentes asistentes de software deben ser entidades autónomas que colaboren con el usuario en la obtención de información para ejecutar las técnicas evolutivas, realizar las acciones sin supervisión por parte del usuario, aprender de experiencias pasadas para mejorar sus acciones en el futuro, así como extraer por si mismos las conclusiones adecuadas de la información procesada, entre otras acciones. En la Figura 1 se muestra el uso, por parte de agentes inteligentes asistentes de software, de una técnica evolutiva en particular (un algoritmo genético) con independencia de la acción del usuario. Los agentes, en este caso, actúan en el mundo virtual del Internet.‖

Figura 1: Agentes inteligentes en Internet.

La idea de esta investigación es el desarrollo de agentes multiagente flexibles y fáciles de usar para la elaboración de tareas evolutivas de manera automática ―La generación de estrategias efectivas en la forma en que un experto concibe, implementa, prueba y desarrolla algoritmos evolutivos, pueden ser incluidas en los agentes como parte de su comportamiento‖ ―Una de las divisiones de la IA Distribuida la constituyen los Sistemas MultiAgentes. En la IA clásica surgió la idea de subdividir el problema original en subproblemas. Es por ello que se desarrollaron los modelos basados en el razonamiento concurrente, permitiendo la ejecución simultánea de múltiples agentes bajo requerimientos esenciales de comunicación y sincronización entre los mismos. Las conductas deliberativas, por lo general, descansan en algoritmos lentos y no tienen en cuenta eventos imprevistos. Sin embargo, dichas conductas están motivadas por una representación simbólica del mundo, explicita y amplia, como conocimiento de los agentes. Por su parte, las conductas reactivas solamente reaccionan ante estímulos del entorno resultando difíciles de aplicar a problemas complejos. Es por ello que surgen las arquitecturas hibridas, donde los agentes reaccionan a eventos imprevistos pero a la vez manipulan conocimiento explicito acerca del mundo en que actúan‖ Las propiedades esenciales de los agentes son • Autónoma: operan sin intervención directa del hombre y llevan un control de sus acciones y estados internos, • Habilidad social: interactúan con otros agentes y humanos, • Reactividad: perciben el medio y responden a los cambios que ocurren en ´el (carácter reactivo), • Pro-actividad: capaces de exhibir una conducta dirigida hacia objetivos al tomar la iniciativa (carácter deliberativo) No se hizo énfasis en la parte de la comunicación entre los agentes, ni en el paso de mensajes, solo se tuvo en cuenta o se hizo énfasis la estructura general del sistema multiagente y el procesamiento del conocimiento En la Figura 2 se describe la organización básica de agentes para manipular

técnicas evolutivas. El primer agente a la izquierda determina de alguna forma la técnica evolutiva a aplicar en dependencia del problema a resolver. La técnica evolutiva se ejecuta y se devuelven ciertos resultados que otro agente procesa. Finalmente dichos resultados fluyen al agente inicial, quien tomará decisiones y perfeccionará su conducta.

Figura 2: Organización básica de los agentes en el sistema.

Tipo de agentes 

―Agente Especialista: Como su nombre lo indica, simboliza el razonamiento de los expertos humanos. Este agente solicita al usuario los datos relativos al modelo matemático del sistema real en estudio. Dada su experiencia en técnicas evolutivas, determina cual estrategia considerar en dependencia de las características del modelo matemático y del sistema real en cuestión. Es, por excelencia, el agente que asiste a los usuarios en la manipulación del software como tal.  Agentes Operadores: Ejecutan, independientemente, las técnicas evolutivas propuestas. Conocen los pormenores necesarios para la ejecución de dichos algoritmos y manipulan los datos autónomamente de acuerdo con las especificaciones del software que operan. Deducen explícitamente la información que no es suministrada por los usuarios pero que es considerada esencial para su correcto funcionamiento.  Agente de Resultados: Recibe los resultados parciales y globales de todas las ejecuciones que realizaron los agentes operadores. Organiza dichos resultados y los almacena en dependencia de la relevancia de los mismos, pues en futuras ejecuciones pudieran servir como solución a problemas similares.‖ ―En la Figura 3 se asocia un agente operador por cada técnica evolutiva,

responsabilizándose cada agente con los detalles del funcionamiento de una técnica especifica.

Figura 3: Agentes especialista, operadores y de resultados.

Concluir que una interpretación μ es la que ajusta el sistema real con mayor precisión, determinando si el parámetro seleccionado tiene el valor ´optimo, no es una tarea expedita y sencilla. Es por ello que, usualmente, se ejecutan varias veces los algoritmos genéticos hasta ajustar los valores de sus parámetros de control en dependencia del problema real de que se trate. Entonces, el agente especialista SP, tal y como se representa en la Figura 4, puede ser quien evalué las diferentes posibilidades de aplicación del algoritmo genético en dependencia de los valores de sus parámetros de control.

Figura 4: Interacción entre los agentes.

Recordemos que el agente especialista simula el comportamiento del experto que decide cual método seleccionar y como, para resolver el problema real inicial. De

esta forma, esta también capacitado para definir criterios de parada para el algoritmo genético, por ejemplo, con relación a su ejecución, así como obtener del usuario toda información que necesite. El agente especialista SP, además, debe interactuar con el agente de resultados R (véase Figura 4) con el objetivo de conocer si se tienen resultados previos, calculados con anterioridad, para iguales parámetros de control del algoritmo genético. En estos casos, no solamente los parámetros de control del algoritmo genético deben coincidir con los calculados en el pasado, sino también el modelo μ a simular en ambos problemas. El agente especialista SP en este momento está en condiciones de seleccionar al agente operador adecuado para la simulación. Supongamos, sin perder generalidad, que el agente operador escogido fue el OPi (véase Figura 4), especializado en la ejecución del algoritmo genético. Una vez que el agente operador OPi, esté disponible, el agente especialista SP suministra al mismo los datos relativos a la técnica evolutiva particular (el algoritmo genético en este caso). El agente operador OPi verifica los datos para la ejecución del algoritmo genético, selecciona aquellos que no han sido suministrados pero que son importantes para la ejecución (pues conoce las particularidades del algoritmo y actúa como un experto en el mismo), ejecuta el algoritmo, acumula los resultados una vez concluida la ejecución, y envía los mismos al agente de resultados R para que los procese. El agente de resultados R, por su parte, recibe los resultados de todas las ejecuciones y almacena los que considera necesarios, positivos o negativos, con el objetivo de evitar similares ejecuciones en el futuro. Extiéndase por ―positivos‖ y ―negativos‖ los resultados con los cuales se concluye que un modelo en Ms es adecuado o no para un sistema real determinado Además, ´este agente debe interactuar nuevamente con el agente especialista SP, pues ´este ´ultimo es quien expone al usuario del sistema los resultados de todo el proceso, y brinda una valoración -como experto al fin acorde con el tipo de problema y la técnica que se aplicó.‖ REFERENCIAS

Burkhart, H. D. (1995), Agent oriented programming for open systems, in ‗Proceedings of the ECAI-94 Workshop on Agent Theories, Architectures and Languages, The Netherland‘. Lecture Notes in AI.

Bussmann, S. y Demazeau, Y. (1994), An agent model combining reactive and cognitive capabilities, in ‗Proceeding of the IEEE International Conference on Intelligent Robots and Systems‘, Munich, Ale mania. García, A., González, N. y Morales, F. (1997), Diseño e implementación de sistemas multiagentes, in ‗Proceedings del Primer Simposio de Inteligencia Artificial, Conferencia Internacional de Ciencia y Tecnología para el Desarrollo CIMAF-97‘, La Habana, Cuba. Goldberg, D. E. (1989), Genetic Algorith,s in Search, Optimisation and Machine Learning, Addison-Wesley, Reading,Mass. Lindemann, G., Munch, I., Dittmann, I., Gnoth, M., Torres, E. y Hannebauer, M. (1999), ChariTime: An agent-oriented approach for appointment management in distributed working communities, in ‗Proceeding of the KI-99 Workshop Agententechnologie- Multiagentensysteme in der Informationslogistik und Witscharftswissenswissenschaftliche Perspektiven der AgentenKonzeptionalisierung‘, number 16, TZIBericht,Bonn, Alemania. Lucasius, C. y Kateman, G. (1989), Application of genetic algorithms in chemometrics, in J.D.Shaffer, ed., ‗Proceeding of the Third Intenational Conference on Genetic Algorithms‘, Morgan Kaufmann. Monett, D. (1997), Genetic algorithms for the reactivity ratios determination in copolymerization, in ‗Proceedings del Primer Simposio de Inteligencia Artificial, Conferencia Internacional de Ciencia y Tecnología para el Desarrollo CIMAF-97‘, La Habana, Cuba. Monett, D. (2000), Towards and intelligent agent desing for handling genetic algorithms., in B. H. D., L. Czaja, A. Skowron y P. Starke, eds, ‗Proceedings of the Workshop on Concurrency, Specification and Programming CS&P-2000‘, Vol. 1, Berlın, Alemania, pp. 149– 155. Monett, D. (2001), On the automation of evolutionary techniques and their application to inverse problems form chemical kinetics, in ‗Porccedings of the GECCO 2001, Genetic and Evolutionary Computation Conference‘, San Francisco, California. Patton, A., Punch, W. y Goodman, E. (1997), ‗A standard GA approach to native protein conformation prediction‘. Genetic Algorithm Research and Application Group, Computer Science Department, Michigan State University.

FICHA DE REGISTRO DOCUMENTAL Código: [MVOJ 2005]

Fuente No.: [MVOJ 2005]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 9 p. Título: Hacia una Metodología para la Construcción de Modelos de Simulación Basados en Sistemas Multi-Agente Autor: Julián Moreno Cadavid, Juan David Velásquez Henao y Demetrio Ovalle Carranza Ubicación: Revista Avances en Sistemas e Informática, No. 2 pp. 7–15, Medellín, Diciembre 2005, ISSN 1657–7663 Abstract: El objetivo de este artículo es presentar las diferentes fases, modelos y artefactos de una metodología creada por el grupo GIDIA (Grupo de Investigación y Desarrollo en Inteligencia Artificial) para el desarrollo de modelos de simulación basados en Sistemas Multi-Agente. La metodología propuesta se fundamenta en algunos de los aspectos más sobresalientes de la ingeniería de software clásica, de la ingeniería de software orientada a agentes y la simulación de sistemas. Al integrar dichos aspectos se obtiene una metodología robusta y bien formalizada, la cual podrá ser aplicada en modelos de simulación social, económica, política, ambiental, etc... Tabla de Contenido: Enfoques y metodologías existentes, Metodología propuesta, Conclusiones Palabras Clave: Simulación basada en Sistemas Multi-Agente, Metodologías de Desarrollo de Modelos Resumen: Enfoques y metodologías existentes Algunas de las metodologías propuestas para el desarrollo de MABS tienen sus bases en campos diversos como la simulación de sistemas, la ingeniería de software y la ingeniería de software orientada a agentes. 

La simulación basada en modelos computacionales, consiste en una intersección entre las ciencias sociales, matemáticas y de la computación, que busca la creación de modelos simplificados de la realidad estudiada. Para el desarrollo de tales modelos se siguen los pasos genéricos de conceptualización, diseño, implementación, verificación, validación y publicación de resultados. El inconveniente de este esquema es que es demasiado general y no presenta una formalización sobre los artefactos (entiéndanse los modelos, diagramas, plantillas, etc.) que deben utilizarse en cada fase.-





La ingeniería de software por su parte, se fundamenta en una aproximación denominada ciclo de vida del software, el cual es un paradigma universalmente aceptado y que se compone de las fases genéricas de: conceptualización o especificación, análisis, diseño, implementación o construcción, transición, producción y mantenimiento. La realización de dichas fases puede ser vista como un proceso retroalimentado, donde la elaboración de una fase puede producir cambios en otra anterior. Este paradigma sin embargo, ha sido criticado por ser demasiado "duro" para la creación de sistemas caracterizados por emular actividades humanas La ingeniería de software orientada agentes es un paradigma relativamente reciente que usa la noción de agente como entidad de abstracción primaria, y en el cual nuevas metodologías y plataformas han ido surgiendo a medida que recibe más atención por parte de la comunidad científica. Entre dichas metodologías algunas de las más utilizadas son: MAS-CommonKADS, GAIA, Styx y MaSE, aunque hay también algunos trabajos que proponen la combinación de varias de estas

Para el desarrollo de proyectos de sistemas multi-agente (MAS, por sus siglas en inglés) dichas metodologías comparten las fases genéricas de análisis y de diseño, siendo algunas más extensas al considerar una fase previa de conceptualización y, en el caso de aquellas que están asociadas a una plataforma, una fase posterior de implementación. Metodología propuesta 1 Fase de Captura de Requerimientos: Esta fase se considera una fase previa al proceso de modelamiento en la que se recopila la información relacionada con el dominio del sistema a modelar. 2 Fase de Conceptualización: Esta fase busca brindar un contacto inicial con el problema de estudio. Consiste en explorar y delimitar dicho problema y elaborar un primer esbozo del sistema que puede resolverlo. En esta fase se identifican las entidades que hacen parte del sistema real, así como sus objetivos, tareas e interacciones; y de manera global, el funcionamiento del sistema. En la metodología propuesta se hace uso del análisis centrado en el usuario, propio de las metodologías orientadas a objetos y cuyo principal objetivo es comprender las necesidades de los usuarios respecto al sistema en construcción. Para el caso de MABS, el usuario al que se hace referencia sería el experto en el dominio sobre el que se hace el modelo (o el modelador, en caso que éste cuente con dicho conocimiento); mientras que las necesidades o requisitos de los cuales se habla pueden traducirse en la recopilación de las características y funcionalidad que debe poseer el sistema en desarrollo para simular su contraparte real.

Casos de Uso: Para esta fase se propone la utilización de casos de uso común para las metodologías de la ingeniería de software y utilizados en la mayoría de metodologías orientadas a agentes. 3 Fase de Análisis: El objetivo de esta fase es la construcción de modelos conceptuales que permiten representar tanto la estructura como el comportamiento del sistema. Un modelo conceptual se utiliza para especificar el "qué" del espacio del problema, sin importar todavía el "cómo" se llegará a la solución, lo que lo hace independiente de la implementación. Modelo de Roles: en el que se identifican, en base a los actores previamente definidos en la fase anterior, cuáles van a ser los roles existentes en el sistema. El concepto de rol puede entenderse como una descripción abstracta del papel llevado a cabo por cada entidad, el cual tiene asociado una serie de responsabilidades (o funciones) dentro del sistema, así como un conjunto de capacidades para cumplirlas. Modelo del Entorno En este modelo se especifica el entorno dentro del cual interactúan los roles del sistema, es decir, se describen los componentes del sistema que no son agentes, pero que de alguna forma intervienen con los procesos llevados a cabo por estos. Tal intervención puede entenderse como un flujo de información uní o bidireccional entre los roles y el entorno en el que se puede identificar las entradas, en caso que estas sean necesarias; y las salidas, si es que hay alguna. El proceso mediante el cual tal información es procesada también se describe en este modelo por medio de la plantilla textual, a menos que este sea una "caja negra", o sea irrelevante en el modelo de simulación. Modelo de Tareas Este modelo sirve para detallar la funcionalidad de cada rol y consiste en descomponer y describir cada una de las tareas llevadas a cabo por estos como un secuenciamiento de actividades, tomando en consideración sus capacidades, la información que necesitan y su interacción con el entorno. Modelo de Razonamiento y Aprendizaje La función de este modelo es identificar las estructuras de inferencia utilizadas por los roles para llevar a cabo algunas de las actividades que tienen asociadas, bien sea que estas sean de carácter reactivo (respuestas ante estímulos o peticiones provenientes de otros agentes) o proactivo (que sean realizadas de manera autónoma según el juicio del propio agente). Modelo de Ontologías El objetivo de este modelo es describir la ontología u ontologías del sistema, es decir, la estructura y significado de los principales conceptos agrupados por dominio de aplicación que serán comunicados entre los agentes (independientemente de la forma que en que se empaqueten) y sus

relaciones. Modelo de Coordinación Este modelo permite profundizar en las interacciones entre los roles identificando su objetivo, los participantes y las etapas de las que se componen. Dichas interacciones se agrupan en conversaciones o protocolos, que pueden ser vistos como patrones formalizados de comunicación. 4 Fase de Diseño Mientras que la fase anterior se encarga del "qué", la fase de diseño se encarga del "cómo" de lo que debe hacer el sistema en desarrollo. Desde el punto de vista de la ingeniería del software, el objetivo de esta fase es transformar los modelos provenientes de la fase de análisis en modelos con un nivel de abstracción lo suficientemente bajo para poder traducirlos posteriormente a código fuente durante la implementación. Modelo de Agentes En este modelo se especifican los diferentes tipos de agentes que existirán en el sistema, así como las instancias de dichos agentes durante la ejecución. Se entiende entonces por agente aquella entidad que desempeña uno o más roles dentro del sistema y por tanto posee las características que éstos especifican (responsabilidades, capacidades, etc.) definidas en la fase anterior. Modelo de Comunicación En este modelo se especifican los requerimientos de las comunicaciones entre los agentes, ya no desde el punto de vista sintáctico y semántico analizados en el modelo de ontología y coordinación respectivamente, si no desde el punto de vista del transporte. Modelo de Plataforma Este modelo permite documentar las decisiones de bajo nivel sobre las características de la plataforma sobre la que se montará el sistema como el lenguaje de implementación seleccionado, el software y hardware empleado, etc. Dicha plataforma de desarrollo puede ser una ya existente como ZEUS, JADE, FIPA-OS, etc. o una plataforma propia. 5 Fase de Implementación y Verificación Esta fase se compone de dos etapas: En la primera se lleva acabo la construcción del sistema como tal, es decir, se traducen los modelos de las fases anteriores a código fuente o a una plataforma existente. En esta etapa es importante documentar el proceso de codificación y especificar los detalles técnicos más significativos como el lenguaje o plataforma utilizada, versión, etc. La segunda etapa, conocida como verificación interna, consiste en verificar la correcta correspondencia durante la transformación entre las representaciones abstractas de los modelos de las fases anteriores y el sistema implementado 6 Fase de Validación Mientras que en la etapa de verificación de la fase anterior se chequea que el sistema "funcione", en la fase de validación se chequea que

"funcione como debe hacerlo". En otras palabras, mientras que la verificación se preocupa porque el sistema desarrollado se ejecute como el modelador espera que lo haga, la validación se preocupa porque el sistema sea un buen reflejo de su contraparte real. En el caso de MABS particularmente, es necesario que en esta fase la validación se lleve a cabo tanto a nivel micro (a nivel de cada uno de los agentes) como macro (a nivel de la estructura global, entendida como el resultado de las interacciones entre las partes componentes). Esta fase consiste entonces en la realización de una serie de pruebas generales para validar el modelo de simulación, aunque haciendo la salvedad que la aplicación de las mismas dependerá de la naturaleza del modelo. 7 Fase de Estudio de Resultados Como fase final de la metodología, siendo la más importante para el usuario del modelo (sea este o no el mismo modelador), se encuentra la fase de estudio de resultados. En esta fase generalmente se llevan a cabo diferentes análisis de escenarios o casos de estudio, en los que se ejecuta el modelo de simulación dentro de unas condiciones controladas y bajo ciertos parámetros para luego estudiar los resultados obtenidos. Igual que en la fase de validación, el análisis que se realiza en esta fase se hace tanto a nivel micro como macro, es decir, desde el comportamiento individual de cada agente, hasta el comportamiento emergente del sistema resultado de las interacciones. 8 Fase de Replicación La mayoría de las fases expuestas anteriormente son usadas para el desarrollo de modelos de simulación de diferente índole. Hay sin embargo, una fase adicional que raramente se encuentra pero que debería ser considerada y es la de replicación. La replicación se refiere a confirmar que los resultados obtenidos con el modelo son confiables, en el sentido que pueden ser reproducidos por terceros a partir de las abstracciones brindadas por los modelos desarrollados. En la actualidad, esta metodología está siendo usada para el desarrollo de modelos de simulación al interior del grupo GIDIA (Grupo de Investigación y Desarrollo en Inteligencia Artificial de la Escuela de Sistemas de la Universidad Nacional de Colombia), pero se espera que luego de refinarla se convierta en una metodología robusta que pueda ser utilizada en otros proyectos tanto académicos como comerciales.

REFERENCIAS Bush, G., Cranefield, S. y Purvis, M. (2001), ‗The styx agent methodology‘, The Information Science Discussion Paper Series .

Cernuzzi, L. y Zambonelli, F. (2005), Developing mas solutions with gaia and auml, in ‗31 Conferencia Latin-American de Informática - CLI 2005‘. Checkland, P. y Scholes, J. (1990), Soft Systems Methodology in Action, John Wiley & Sons, Chichester. Conte, R., Gilbert, N. y Sichman, J. (1998), Mas and social simulation: A suitable commitment, in ‗Multi- Agent-Based Simulation, Second International Workshop, MABS 1998‘. DeLoach, S. (2001), Analysis and design using mase and agenttool, in ‗12th Midwest Artificial Intelligence and Cognitive Science Conference- MAICS 2001‘. García, D. (2000), Introducción al estándar fipa, Technical report, Informe técnico UCM-DSIP 98-00. Universidad Complutense de Madrid. Iglesias, C. (1998), Definición de una metodología para el desarrollo de Sistemas Multi-Agente, PhD thesis, Universidad Politécnica de Madrid. Jacobson, I., Christerson, M., Jonsson, P. y Övergaard, R. (1992), Object-Oriented Software Engineering. A Use Case Driven Approach., ACM Press. Jennings, N. y Wooldridge, M. (2000), ‗Agent-oriented software engineering‘, Handbook of Agent Technology.AAAI/MIT Press . Jiménez, C. (2003), Guía metodológica de desarrollo o adaptación de software, Technical report, Universidad Nacional de Colombia - Sede Medellín. Ramanath, A. y Gilbert, N. (2003), ‗Towards a methodology for agent-based social simulation research‘.Rumbaugh, J. (1995), ‗Omt: The development model‘, JOOP Journal of Object Oriented Programming 76, 8–16. Rumbaugh, J., Blaha, M., Premerlani, W. y Hedí, V. (1991), Object-Oriented Modeling and Design, Prentice-Hall. Sterman, J. (2000), Business Dynamics Systems Thinking and Modeling for a Complex World, McGraw-Hill. Tansley, D. y Hayball, C. (1993), Knowledge-Based Systems Analysis and Design, BCS Practitioner Series. Prentice- Hall. Wooldridge, M., Jennings, N. y Kinny, D. (2000), ‗The gaia methodology for agentoriented analysis and design‘, Autonomous Agents and Multi-Agent Systems 3, 285– 312.

FICHA DE REGISTRO DOCUMENTAL Código: [OCJB 2005]

Fuente No.: [OCJB 2005]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 10 p. Título: Sistemas de Enseñanza / Aprendizaje basados en Agentes Inteligentes Pedagógicos Autor: Demetrio Arturo Ovalle Carranza, Jovani Alberto Jiménez Builes Ubicación: Revista Avances en Sistemas e Informática, Vol. 2 No. 2 pp. 17-26, Medellín, Diciembre 2005, ISSN 1657–7663 Abstract: En este artículo se hace una descripción de los Sistemas Multi-Agente para luego presentar el Ambiente Multi-Agente de Enseñanza/Aprendizaje ALLEGRO. ALLEGRO es un ambiente inteligente que integra las bondades de diferentes campos de investigación de la inteligencia artificial como la planificación instruccional (IP), razonamiento basado en casos (CBR), sistemas multi-agente (MAS), sistemas tutoriales inteligentes (ITS) y CSCL. Tabla de Contenido: Sistemas Multi-Agente, Allegro: Ambiente Multi-Agente De Enseñanza/ Aprendizaje, Conclusiones Palabras Clave: Inteligencia Artificial Distribuida, Sistemas Multi-Agente, Agentes Pedagógicos, Sistemas Tutoriales Inteligentes, Planificación Instruccional, Razonamiento Basado en Casos. Resumen: Los primeros sistemas de enseñanza aprendizaje computarizado eran algorítmicos, rígidos, difíciles de modificar, de costosa producción y mantenimiento; y disponían de un plan instruccional condicional prefijado por un profesor. La inteligencia artificial ha permitido un cambio radical de paradigma. El propósito de integrarla con educación radica fundamentalmente en aplicar sus técnicas al desarrollo de sistemas de enseñanza-aprendizaje asistidos por computador, con el objetivo de construir sistemas con capacidad de adaptación continua de la instrucción a las características del aprendizaje y del conocimiento de los diferentes usuarios Algunas de las técnicas y mecanismo son por ejemplo la Planificación Instruccional (IP), el Razonamiento Basado en Casos (CBR), los Sistemas Tutoriales Inteligentes (ITS) y los Sistemas Multi-Agente (MAS), entre otros. Así mismo, permite que los ambientes computarizado de enseñanza - aprendizaje confluyan diversos modelos pedagógicos, como lo son: el constructivismo, conductismo,

cognitivismo, histórico-social y teorías de aprendizaje colaborativo entre otros. Sistemas Multi-Agente: Los Sistemas de Multi-Agente (Multi-Agent Systems, MAS) provienen de las áreas de investigación de la Inteligencia Artificial Distribuida (Distributed Artificial Intelligence, DAI), la Solución de Problemas Distribuidos (Distributed Problems Solving, DPS) y la Inteligencia Artificial Paralela (Parallel Artificial Intelligence, PAI). Un MAS es una sociedad organizada compuesta por agentes semiautónomos que interactúan entre sí, ya sea para colaborar en la solución de un conjunto de problemas o en la consecución de una serie de objetivos individuales o colectivos. Estos agentes informáticos pueden ser homogéneos o heterogéneos y pueden tener metas comunes o no, pero siempre involucrarán algún grado de comunicación entre ellos. Cada uno de los agentes de software del MAS son programas que actúan en representación de sus usuarios humanos o dueños para realizar tareas complicadas de manejo de información, se comunican por medio del protocolo de paso de mensajes y realizando sus acciones concurrentemente. Poseen propiedades como: autonomía, habilidad social, reactividad, proactividad movilidad, continuidad temporal, adaptabilidad y aprendizaje. Habitan en ciertos ambientes dinámicos y complejos, sensando y actuando de manera autónoma para adaptarse al ambiente; mediante lo anterior, realiza una serie de tareas o metas para las cuales fueron diseñados Los principios de los MAS han mostrado un potencial adecuado en el desarrollo de sistemas de enseñanza debido: • La naturaleza de los problemas de enseñanza aprendizaje son más fácilmente resueltos a través de un abordaje cooperativo • Los sistemas deben ser capaces de adaptarse a los cambios en la estructura del • Los agentes de software pueden representar conocimiento pedagógico y/o desempeñar tareas de tutoría para soportar y facilitar el aprendizaje humano. Los agentes pedagógicos pueden adaptar sus interacciones instruccionales a las necesidades de los aprendices y al estado actual del ambiente de aprendizaje, ayudando a los aprendices en la superación de sus dificultades y en el aprovechamiento de las oportunidades de aprendizaje. Poseen un conjunto de metas de enseñanza, planes instruccionales para la ejecución de esas metas (pez estrategias pedagógicas o de enseñanza), y recursos asociados en los ambientes de aprendizaje. Ellos colaboran con los aprendices y con otros agentes, proporcionando realimentación continua durante las Sesiones de trabajo

Allegro: Ambiente Multi-Agente De Enseñanza/Aprendizaje: Ambiente MultiAgente de Enseñanza Aprendizaje ALLEGRO es un ambiente inteligente conformado por un Sistema Tutorial Inteligente (ITS) el cual permite brindar aprendizaje en forma individualizada y un Ambiente Colaborativo de Aprendizaje (CSCL) que ofrece aprendizaje en modo colaborativo. El ambiente fue modelado a través del enfoque de un MAS, debido a que ofrece las siguientes cualidades: Autonomía, flexibilidad y adaptabilidad. 1 Metodología de Desarrollo Para modelar el MAS se utilizó la metodología MASCommonKADS propuesta por Iglesias (1998) la cual permite la integración de técnicas de la ingeniería de conocimientos, ingeniería de software orientada a objetos e ingeniería de software de protocolos. La metodología se desarrolla a través de la construcción de siete modelos: Modelo de Agente: Describe las características de cada agente. Modelo de Tarea Describe las tareas realizadas por los agentes. Modelo de la Experiencia Describe el conocimiento que necesitan los agentes para llevar a cabo los objetivos encomendados. Modelo de Coordinación Describe las relaciones dinámicas entre los agentes software. Modelo de Comunicación: Describe las relaciones dinámicas entre los agentes humanos y los agentes software. Modelo de la Organización: Describe las relaciones estructurales entre los agentes. Modelo de Diseño: Refina los modelos anteriores y decide qué arquitectura de agente es más adecuada para cada agente, así como los requisitos de la infraestructura de la red de agentes. La aplicación de la metodología consiste en el desarrollo de los modelos. Cada modelo está compuesto por constituyentes (entidades modeladas) y relaciones entre los constituyentes. Se define una plantilla textual para describir cada constituyente, y estados de los constituyentes para describir su estado de desarrollo. El modelo de proceso software seguido combina un modelo dirigido por riesgos con un enfoque basado en componentes, determinando qué componentes pueden ser candidatos para su reutilización en cada ciclo. 2 Arquitectura del MAS: La arquitectura multi-agente de ALLEGRO está

conformado por dos tipos de agentes (Humanos y de software). A continuación se presenta un resumen de las funciones que cumple cada uno de los agente del ambiente 2.1 Agentes Humanos: Estos agentes pueden comunicarse entre sí para buscar una meta común mediante la división de tareas o para lograr un objetivo compartiendo las mismas. Se clasifican en tres grupos: Aprendiz. Persona que desea aprender un dominio específico. Recibe las instrucciones que brindan el docente y el asistente de docencia para trabajar en grupo. Asistente de Docencia. Es el encargado de gestionar una sesión de aprendizaje, se encarga de elaborar y dar a conocer la agenda de trabajo; sugiere bibliografía o recursos pedagógicos relacionados con la BUL de estudio. Docente. Es el profesor humano, tiene como función acompañar a los aprendices en su proceso formativo, supervisando el aprendizaje, inspeccionando los logros y dificultades, con su actitud positiva brinda recomendaciones individuales y en grupo, registra los resultados de las evaluaciones. 2.2 Agentes de Software: Son agentes informáticos encargados de realizar labores para su dueño dentro de la arquitectura, en este caso tareas de tipo pedagógico las cuales son su componente cognitivo, así como mostrar un comportamiento determinado. Se presentan seis tipos: Tutor. Es el encargado de guiar el proceso de aprendizaje, decide las acciones pedagógicas a realizar, cómo y cuándo. Sus funciones son: Planificar y replanificar constantemente el plan de tutoría, Solicita al Agente Experto brindar un determinado conocimiento al aprendiz, Selecciona la estrategia pedagógica adecuada, Solicita al Agente Diagnóstico una evaluación para al aprendiz, Detecta errores en el proceso del aprendiz. Modelo del Aprendiz. Es el encargado de gerenciar el modelo de aprendizaje del aprendiz. Este modelo contempla: el estilo de aprendizaje, comprensión de los temas, limitaciones y nivel de conocimientos del aprendiz Interfaz. Es el puente entre los agentes humanos y los agentes de software. Sus funciones son:  

Establecer y mantener la interacción con el aprendiz. Permite desplegar los conocimientos y la colaboración en la pantalla del aprendiz. Experto. Es quien administra el conocimiento y contenidos del área o tema

específico de enseñanza. Diagnóstico. Es el encargado de seleccionar y calificar el nivel de conocimientos del aprendiz. Colaborativo: Por solicitud del Agente Tutor, se encarga de buscar a otros aprendices que están tratando el mismo tema y con los cuales se puede establecer comunicación sincrónica o asincrónica para ofrecerle colaboración al aprendiz. 2.3 Elementos Complementarios Base de Datos. - Evaluaciones. Contiene un banco de evaluaciones clasificadas de acuerdo a los IOs de la BULs y en varios niveles de complejidad. - Conocimientos. Contiene el dominio que se desea enseñar el cual se encuentra estructurado en BULs. - Estrategias. Conteniente material de apoyo especialmente en caso de error. - Perfiles. Contiene la información individualizada de cada uno de los aprendices, - Memoria de Casos. Almacena el conjunto de casos exitosos de cuando los aprendices han encontrado un problema y los han solucionado. - Memoria Global. Contiene un banco de problemas propuestos, la agenda de trabajo y los aportes que brinda el grupo de aprendices para solucionar los problemas. Servicios de Comunicación - Servicios de Comunicación Sincrónica. Permite interactuar directamente con los demás usuarios en tiempo real, utilizando: El chat, las pizarras compartidas, los editores multiusuarios, la conferencia, la videoconferencia y la transferencia de archivos. - Servicios de Comunicación Asincrónica. Permiten que el aprendiz se comunique en forma no directa con los demás usuarios sin que el tiempo sea factor relevante, utilizando: El correo electrónico, los grupos de interés, el envío y recepción de archivos.

El Ambiente Multi-Agente de Enseñanza/Aprendizaje ALLEGRO puede funcionar bajo dos tipos de contextos de aprendizaje: El individualizado (ITS) y el colaborativo (CSCL). Los usuarios cuando lo deseen pueden pasar de un escenario de aprendizaje a otro. A continuación se expone lo que pueden hacer cada uno de los usuarios en cada uno de los ambientes. 3 Ambiente Individualizado de Aprendizaje En el Ambiente de Aprendizaje Individualizado, el aprendiz tiene la posibilidad de realizar las siguientes operaciones permitidas: Realizar una sesión de aprendizaje para las Unidades Básicas de Aprendizaje; Visualizar los Objetivos Instruccionales; Evaluar sus conocimientos a través del módulo de evaluación; Visualizar la valoración y las recomendaciones pertinentes que le brinda el sistema después de finalizar la evaluación; Consultar el resultado de las evaluaciones; Consultar la bibliografía y recursos con el fin de ampliar más sus conocimientos. Por su parte el docente en el Ambiente de Aprendizaje Individualizado tiene la posibilidad de realizar las siguientes operaciones: Adición de contenidos; Adicionar, modificar o borrar preguntas del banco de problemas; Adicionar, modificar o borrar observaciones; Matricular o dar de baja a los aprendices; Consultar el resultado de las evaluaciones de un aprendiz o de todos; Hacer un seguimiento del progreso de los aprendices. 4 Ambiente Colaborativo de Aprendizaje: El Aprendiz hace uso del Ambiente de Aprendizaje Colaborativo (CSCL) cuando no tiene los suficientes conocimientos para resolver un problema propuesto, en este caso tiene la posibilidad de trabajar en forma sincrónica y/o asincrónica con los demás usuarios, El aprendiz puede: Conversar con los otros Usuarios en forma textual; Conversar con los otros usuarios usando audio y video; Enviar y recibir archivos en línea; Compartir pizarras en línea con miras a resolver el problema; Editar un documento en forma concurrente con los demás usuarios; Enviar y recibir correo electrónico y archivos; Solicitar al docente el examen de la unidad por correo electrónico; Puede utilizar la Memoria Global (Tablero) para: Visualizar la agenda de trabajo y los problemas propuestos para cada unidad, publicar un artículo nuevo en el Tablero; Buscar los artículos en el Tablero mediante una palabra o patrón; Visualizar el documento final de cierre donde aparecen las soluciones a los problemas. En el Ambiente de Aprendizaje Colaborativo, el asistente de docencia tiene la posibilidad de: Fijar la agenda de una determinada sesión brindando las instrucciones necesarias. Elaborar y dar a conocer los problemas propuestos publicándolos en el Tablero. Sugerir bibliografía y recursos a los aprendices. Visualizar los aportes publicados en el Tablero. • Depurar, redactar y publicar el

documento final de cierre donde aparecen las soluciones a los problemas, En el Ambiente de Aprendizaje Colaborativo, el docente tiene la posibilidad de realizar las siguientes operaciones: Supervisar los aportes publicados en la Memoria Global (Tablero) e intervenir en la sesión cuando se ha salido de su curso normal. Se comunica con los aprendices por medio de los servicios de la comunicación sincrónica y/o asincrónica. Envía a los aprendices una evaluación a través del correo electrónico cuando éstos lo soliciten. 5 Mecanismo de IP usando CBR El funcionamiento del modelo de IP usando CBR inicia cuando un aprendiz no logró satisfactoriamente ganar la evaluación de la Unidad Básica de Aprendizaje. El modelo de IP usando CBR es invisible externamente para el usuario, es decir, no lo puede apreciar tangiblemente; sin embargo, puede beneficiarse de sus bondades. La planificación es llevada a cabo por los agentes Tutor y Modelo del Aprendiz. Como se anuncio en el marco teórico, los agentes de software no tienen forma física; son entidades computacionales que actúan teniendo en cuenta los intereses o beneficios de su dueño, en este caso, los dueños son los aprendices. Cuando inicia el proceso, el agente Tutor envía la solicitud al agente Modelo del Aprendiz con los datos del alumno, BUL y Objetivos Instruccionales (Instructional Objetives, IOs). El agente Modelo del Aprendiz busca (Recupera) en la Memoria de Casos, aquel que contenga las mismas características. Luego de seleccionado el caso, el agente modelo del Aprendiz lo envía al agente Tutor con el propósito de que lo adapte a manera de solución propuesta. En la pantalla del usuario aparece una serie de recursos a utilizar. Después de que el aprendiz voluntariamente haga el recorrido por los recursos sugeridos y de haber presentado la evaluación, el caso se revisa para observar sus resultados, es decir, para determinar la viabilidad de si se continúa guardando el caso o no. Este proceso lo realiza internamente los agentes Tutor y Modelo del Aprendiz. El almacenamiento en la Memoria de Casos es realizado por el agente Modelo del Aprendiz y después de realizada la evaluación del respectivo caso.

REFERENCIAS Ferber, J. (1999), Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence, AddisonWesley Longman, England.

Giraffa, L. y Viccari, R. (1998), The use of agents techniques on intelligent tutoring systems, in ‗International Conference of The Chilean Society of Computer Science, Proceedings IEEE Computer Society‘. Gomes, E., Boff, E. y Viccari, R. (2004), Social, affective, and pedagogical agents for the recommendation of tutorial colleagues in agent based learning environments, in ‗Proceeding of Workshop Social and Emotional Intelligence in Learning Environments of 7th International Conference on ITS2004‘. Iglesias, C. (1998), Definición de una metodología para el desarrollo de Sistemas Multi-Agente, PhD thesis, Universidad Politécnica de Madrid. Jiménez, J. (2005), Un Modelo de Planificación Instruccional usando Razonamiento Basado en Casos en Sistemas Multi-Agente para entornos integrados de Sistemas Tutoriales Inteligentes y Ambientes Colaborativos de Aprendizaje, PhD thesis, Universidad Nacional de Colombia. Jiménez, J., Ovalle, D. y Viccari, R. (2005), Sistema multiagente para entornos integrados de its & cscl, in ‗Proceedings of 4a Conferencia Iberoamericana en Sistemas, Cibernética e Informática -CISCI 2005‘, Internacional Institute of Informatics and Systemics, USA. Lemaître, C. (1998), ‗Multi-agent network for cooperative work‘, Expert System with Applications: An international Journal Elsevier Science . Oliveira, F. y Viccari, R. (1996), Are learning systems distributed or social systems, in ‗European Conference on AI in Education‘. Russell, S. y Norving, P. (2003), Intelligent Agents, Prentice Hall Series in Artificial Intelligence, chapter Artificial Intelligence: A Modern Approach. Viccari, R., Ovalle, D., Collazos, C., Azambuja, R. Y Jiménez, J. (2005), ALLEGRO: Sistema multi-agente pedagógico, in ‗Proceedings of TECNOCOM2005‘. Viccari, R., Ovalle, D. y Jiménez, J. (2005), ALLEGRO: Ambiente multi-agente de apoyo a la enseñanza/ aprendizaje utilizando planificación instruccional y razonamiento basado en casos (cbr), in ‗Proceedings of XIII Congreso Iberoamericano de Educación Superior en Computación. 31th Latin-American Conference on Informatics -CLEI‘.

Wenger, E. (1987), Artificial intelligence and tutoring systems, Technical report, Los Altos, CA: Morgan Kaufmann. Wooldridge, M. (2002), An Introduction to MultiAgent Systems, John Wiley & Sons, Ltd.

FICHA DE REGISTRO DOCUMENTAL Código: [PDOC 2006]

Fuente No.: [PDOC 2006]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 5 p. Título: Evaluación de Métricas de Calidad Aaplicadas a Protocolos Multi-Agente de Negociación Eelectrónica Autor: María Marcela Pastrana David y Demetrio Ovalle Carranza Ubicación: Revista Avances en Sistemas e Informática, Vol. 3 No. 2 pp. 69-73, Medellín, Junio 2006, ISSN 1657–7663 Abstract: En la teoría de los Sistemas Multi-Agente, enfoque proveniente de la Inteligencia Artificial Distribuida, se manejan mecanismos llamados protocolos de negociación electrónica; éstos representan los patrones o conjunto de reglas que modelan las posibles interacciones presentes en el sistema. El objetivo del trabajo presentado en este artículo consiste en la evaluación de algunas métricas de calidad elaboradas con el fin de comparar protocolos de negociación electrónica en entornos Multi-Agente. Las métricas escogidas están asociadas a los criterios de calidad: Rapidez, Eficiencia, Escalabilidad y Completitud. Para la evaluación de las métricas se implementaron dos prototipos de negociación electrónica utilizando la plataforma JADE (Java Agents Development Environment) y se obtuvieron resultados preliminares de su comportamiento los cuales fueron analizados y se sacaron las conclusiones respectivas. Tabla de Contenido: Introducción, Sistemas multi-agente e inteligencia artificial distribuida, Protocolos de negociación electrónica, Métricas de calidad en protocolos de negociación electrónica, Análisis, diseño e implementación del prototipo, Evaluación de métricas de calidad, Conclusiones y trabajo futuro Palabras Clave: Sistemas Multi-Agente, Tutoriales Inteligentes, Inteligencia Artificial

Agentes Pedagógicos,

Sistemas

Resumen: Los protocolos de negociación electrónica son mecanismos manejados en la teoría de los Sistemas Multi-Agente. Éstos representan los patrones o conjunto de reglas que modelan las posibles interacciones presentes en el sistema.

Lo anterior incluye: Tipos de participantes permitidos, estados de la negociación, eventos que ocasionan la transición de los estados y las acciones válidas de los participantes en los estados particulares Sistemas multi-agente e inteligencia artificial distribuida. Se considera la inteligencia artificial distribuida (IAD) como un sub-campo de la inteligencia artificial que se centra en los comportamientos colectivos que son producto de la cooperación de diversas entidades denominadas agentes. No existe un acuerdo sobre la definición del término agente, de manera informal se puede decir que un agente de software es un sistema informático situado en un entorno y capaz de realizar acciones autónomas para alcanzar sus objetivos. Los agentes adquieren una nueva dimensión cuando se les agrupa, formando sistemas completos los cuales reciben el nombre de Sistemas Multi-Agente (SMA). Para llevar a cabo los procesos de comunicación y cooperación entre los agentes que integran un SMA se tienen mecanismos llamados Protocolos de Interacción, algunos de los cuales por su semejanza con procesos de negociación similares a los realizados por las personas son denominados "Protocolos de Negociación Multi-Agente", pues su objetivo es simular entre agentes de software procesos de adquisición de productos tal y como se realizaría en un mecanismo de negociación real entre un grupo de personas 3. Protocolos de negociación electrónica En la teoría de los sistemas MultiAgentes se manejan mecanismos llamados protocolos de negociación, estos representan los patrones o conjunto de reglas que modelan las posibles interacciones presentes en el sistema y que involucren la cooperación de un agente con varios de los agentes de su entorno; Un protocolo de negociación incluye: Tipos de participantes permitidos, estados de la negociación, eventos que ocasionan la transición de los estados y las acciones válidas de los participantes en los estados particulares Dos de los protocolos de negociación más conocidos y que han sido definidos por la Fundación de Agentes Físicos Inteligentes FIPA (Foundation for Intelligent Physical Agents) Fipa English-Auction (Subasta Inglesa): Implementa el mecanismo de subasta inglesa. Es un método de subasta a la alza. En una subasta inglesa los oferentes (eventuales compradores) anuncian cuánto están dispuestos a pagar por un bien objeto de la negociación, enviando cada vez una oferta de precio más atractiva, hasta llegar a un precio máximo que se tiene establecido desde el comienzo y que

sólo él agente conoce. Fipa Dutch-Auction (Subasta Holandesa): Implementa el mecanismo de subasta holandesa. Es un método de subasta a la baja. En una subasta holandesa el subastador (el que origina la subasta), inicia con un precio de apertura alto y con un precio mínimo para el producto pero que es conocido sólo por el, seguidamente se va disminuyendo progresivamente hasta que un comprador lo acepta, en ese mismo momento se termina la negociación. 4 Métricas de calidad en protocolos de negociación electrónica Se analizaron distintos criterios de calidad que pudieran permitir la comparación de los 2 protocolos de negociación mencionados De ellos se lograron destacar 4 criterios para la definición de la métrica de calidad, los criterios escogidos son: 4.1 Rapidez Se define la rapidez, con respecto a un proceso de negociación, como el tiempo que tarda cierto protocolo en alcanzar el fin de la negociación. 4.2 Eficiencia En este articulo, se define la eficiencia de un protocolo de negociación Multi-Agente, como el número comprendido entre [0,1], el cual indica el valor de la eficiencia de las utilidades obtenidas por los agentes durante el proceso de negociación, donde 0 es el menor valor de utilidad o ganancia y 1 el máximo valor. 4.3 Completitud La completitud de un protocolo, denotada por la sigla Co, es la capacidad de encontrar una solución a la negociación, es decir, si se llegó a una negociación entre compradores y vendedores. Para la verificación de la completitud de un protocolo, entonces se debe verificar si se obtuvo el bien que se deseaba en la negociación o se vendió la mercancía esperada luego de finalizada la transacción. 4.4 Escalabilidad Determina cómo cambian las propiedades del sistema cuando su tamaño en cuanto a número de agentes se incrementa. La medición de este criterio se hace en cada uno de los protocolos, incrementando el número de agentes dentro del sistema. Y tomando en cuenta en cada caso, la completitud, la rapidez y la efectividad, si estos valores se degradan desproporcionadamente a medida que el tamaño del sistema aumenta, entonces, se puede decir que se tiene una escalabilidad deficiente en el protocolo. 5 Análisis, diseño e implementación del prototipo Se desarrollaron dos prototipos de SMA. Uno simulando un proceso de Subasta Inglesa y otro simulando un proceso de Subasta Holandesa. La plataforma sobre la cual fueron desarrollados los prototipos es JADE ya que implementa de forma muy completa la

comunicación de los agentes permitiendo más agilidad a la hora del desarrollo de un prototipo de SMA. 5.1 Identificación y descripción de Actores Vendedor: Es un agente que tiene un producto para la venta y hace un llamado para iniciar un proceso de subasta con el fin de negociar el producto y obtener las mayores ganancias posibles de la venta. Comprador Es un agente que se encuentra interesado en la adquisición de un producto y el cual posee recursos para la obtención de dicho producto en un proceso de subasta, siempre y cuando se llegue a un acuerdo en la negociación que no supere su precio tope máximo para la compra del bien objeto de negociación. Pizarra Es el intermediario que contiene todos los agentes involucrados en el proceso de negociación y el cual permite que se pongan en contacto el vendedor y los distintos compradores que estén participando en la subasta. 5.2 Identificación y descripción de Casos de Uso Existen 3 casos de uso que conforman el proceso de subasta de un producto dentro del problema que se modeló en los prototipos implementados

5.3 Implementación del Prototipo El prototipo implementado en este proyecto fue desarrollado con la plataforma JADE (Java Agent Development Framework), la cual es un middleware que proporciona tanto un entorno de desarrollo como un entorno de ejecución para la realización y mantenimiento de SMA. Está realizado enteramente en JAVA y proporciona una serie de herramientas que permiten al desarrollador controlar y depurar a los agentes en tiempo real. Además, JADE cumple con las especificaciones de FIPA para la

interoperabilidad de plataformas de SMA, y lo cumple a dos niveles: a nivel de arquitectura y a nivel de Mensajes

# Agentes

Tipo protocolo

Rapidez

Eficiencia comp.

Eficiencia ven.

3

Inglesa

0,995

0,32

0.754

4

Inglesa

0,991

0

1

5

Inglesa

0,905

0,066

0,945

6

Inglesa

0,901

0,011

0,99

3

Holandesa

0,803

0,218

0,949

4

Holandesa

0,787

0,053

0,95

5

Holandesa

0,835

0,09

0,985

6

Holandesa

0,803

0,613

0,8185

Resultados arrojados de la medición de los parámetros Rapidez y Eficiencia dado un incremento en los agentes del SMA

A partir de los resultados obtenidos se sacan los consolidados tomando como base la corrida del SMA con menos número de agentes, en este caso 3 agentes y sobre éste se mide la máxima disminución de las métricas de rapidez y eficiencia (del comprador y del vendedor), que servirán para determinar el valor numérico de la escalabilidad de los 2 protocolos estudiados. 7 Conclusiones y trabajo futuro El proceso de evaluación de la Rapidez sobre los prototipos implementados arrojó evidencias que el protocolo de Subasta Inglesa y Holandesa tiene un alto grado de Rapidez, siendo la inglesa un poco más veloz que la Holandesa. La subasta holandesa es, en general, más beneficiosa para los vendedores que la inglesa porque registra las mayores utilidades para ellos.

La subasta inglesa es, en general, más beneficiosa para los compradores que para los vendedores debido a que el protocolo inicia con un precio bajo y se va subiendo lentamente de acuerdo a las ofertas de los compradores, lo que les permite "controlar" el proceso de negociación para obtener mejores utilidades. Si se comparan las subastas inglesa y holandesa se puede concluir que la escalabilidad de la inglesa es mejor que la holandesa debido a que al aumentar el número de agentes y a medida que se va incrementando el precio hay menos permanencia de agentes y por lo tanto menos intercambio de mensajes, lo que implica mayor rapidez en el proceso. La holandesa se degrada mucho ya que todos los agentes permanecen activos en la negociación hasta que se finaliza el proceso, lo cual no ocurre en la inglesa, en donde los agentes se van retirando al no poder ofertar un precio superior al tope establecido para ellos. Como trabajo futuro se tiene programado implementar otros prototipos de negociación electrónica validando las métricas para diferentes configuraciones de SMA, es decir variando el número de agentes. También se tiene previsto definir más formalmente un método que permita la comparación de protocolos de negociación electrónica en entornos multi-agente.

REFERENCIAS Beer, M., D‘Inverno, M., Luck, M., Jennings, N., Preist, C. y Schroeder, M. (1999), Negotiation in multi-agents systems. Ben-Ameur, H., Chaib-Draa, B. y Kropf, P. (2002), ‗Multiitem auctions for automatic negotiation. cirano‘, Scientific Series 68. FIPA (2005), ‗Foundation intelligent physical agents‘, En lineal: <www.fipa.org> C12/05. Jaiswal, A., Kim, Y. y Gini, M. (2004), ‗Design and implementation of a secure multi-agent marketplace‘, Electronic Commerce Research and Applications 3, 355– 368. Odell, J., Van Dyke, P. y Bauer, B. (2001), Agent-Oriented Software Engineering, Springer, Berlin, chapter Representing Agent Interaction Protocols in UML, pp. 121–151. Quintero, A., Rueda, S. y Ucrós, M. (1998), Agentes y sistemas multiagente: Integración de conceptos básicos. Universidad de los Andes, Santa fé de Bogotá.

Reaidya, J., Massottea, P. y Diep, D. (2003), ‗Comparison of negotiation protocols in dynamic agent-based manufacturing systems‘, International journal of production economics . Zhang, W., Wang, G., Mailler, R. y Lesser, V. (2003), Distributed Sensor Networks: A multiagent perspective, Kluwer Academic Publishers, chapter Analysis of Negotiation Protocolsby Distributed Search, pp. 339–361. FICHA DE REGISTRO DOCUMENTAL Código: [POVI 2005]

Fuente [POVI 2005]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 11 p. Título: Complexity-driven Evolution of Decision Graphs for Classification of Medical Data Autor: Vili Podgorelec Ubicación: Slovene Society Informatika, Vol. 29, Num. 1, pp. 41-51, 2005. Descripción: Este articulo habla de la posibilidad de construir graficas de decisión con la ayuda de meta agentes. Las graficas de decisión son una extensión de los arboles de decisión e introduce la posibilidad de programas nodos y ciclos en el modelo de clasificación Tabla de Contenido: Introducción, Investigaciones relacionadas, Agentes inteligentes, Construcción de graficas de decisión, Evolución de agentes, Aplicación del método y resultados Palabras Clave: Data Minning, Meta Agentes, Programación Automática, datos médicos

I. Introducción Tomar la mejor decisión se ha convertido en la clave para alcanzar el éxito en todas las áreas de trabajo. Una correcta decisión es la combinación de varios factores como la experiencia en casos similares, investigaciones recientes y el juicio personal. En medicina la toma de decisiones juega un papel muy importante, los sistemas de soporte a las decisiones ayuda a los médicos a tomar las mejores y para esto existe modelos de decisión, arboles de decisión o la posibilidad de utilizar agentes con el conocimiento para realizar la mejor decisión. II.Investigaciones relacionadas En el mundo de hoy existe una gran presión para automatizar todos los procesos administrativos comunes, con el fin de reducir costos, minimizar el tiempo y incrementar la productividad, los agentes inteligentes nos pueden ayudar a alcanzar estos propósitos, ya que tienen la capacidad de actuar autónomamente con el uso de su conocimiento, aprender de su experiencia y colaborar con otros agentes a alcanzar esta meta en común. Los sistemas de agentes y multiagentes han sido utilizados en muchas áreas como las telecomunicaciones, internet, cuidado médico, tutorías de sistemas, sistemas administrativos, ecología etc. también ha sido muy utilizado en Medicina y hablaremos un poco de estos proyectos La universidad de Pavia ilustra una metodología para el uso de agentes en aplicaciones médicas y propone un modelo genérico para su implementación, este modelo se puede especializar en el soporte de varios tipos de información en un sistema de información de un hospital. Se reporta también un trabajo de L.M. Camarinha-Matos y W. Vieira en el que proponen un sistema económico para monitorear personas de la tercera edad que se encuentran solos en casa, permitiendo a los centros médicos un monitoreo remoto, para ser cuidados y ayudarlos, este sistema se basa en internet y en agentes móviles. Se informa de un trabajo realizado por M. Gnoth and I. Münich en el que se describe un proyecto llamado Charitime que se encarga de organizar de manera distribuida las citas de diagnostico y terapia basado en un sistema multiagente Por último Boucher et.al.presenta un modelo basado en sistema multiagente para el análisis de células vivas. El sistema se utiliza particularmente para el estudio de la migración celular, por ejemplo la migración de células tumorales en respuesta al tratamiento con drogas antineoplasticas

III Aprendizaje y agentes inteligentes La programación genética y sus variantes han sido aplicada al aprendizaje de sistemas multiagente, se ha usado la programación genética para demostrar que con unas simples reglas se puede construir un comportamiento colectivo Un grupo de agentes fueron programados con programación genética sobre estrategias de cooperación y fueron experimentados en el dominio de los depredadores-presa y se encontró que los agentes si generaron estrategias de cooperación IV. Construcción de graficas de decisión Las graficas de decisión son una extensión de las representación de los arboles de decisión. Las graficas de decisión contienen atributos y nodos de decisión donde los nodos de los atributos contienen ciertas pruebas de los valores de los atributos y junto a los nodos de decisión sirven para predecir la solución. Un nodo en una grafica de decisión contiene una clase de reglas transitorias que informa la ruta a seguir en el proceso de toma de decisiones, basado en los valores internos de los atributos y el estado de las variables. Desde que se decidió la construcción de gráficos de decisión con la ayuda de agentes, las reglas no se realizaron complejas con el fin de mantener la simplicidad de cada uno de los agentes participantes

Figura. Simple grafica de decisión. Cada nodo contiene una regla transitoria, que sirve para probar y/o como una clase de predicción, Todas las rutas hacia un nodo están numeradas, los números determinan el siguiente nodo dentro de la regla de transición. Agentes participantes: se utilizan siete tipos diferentes de agentes para la toma de decisiones, se llamaron así: ADD, DELETE, MUTATE, JOIN, DISJOIN, PROTECT,

y UNPROTECT, cada agente tiene su propia función y trabaja independiente de los otros agentes de acuerdo a su procedimiento. Las funciones de los agentes son 1. 2. 3. 4.

cada ADD adiciona un nodo o un camino Cada Delate borra un camino o un nodo Cada MUTATE cambias las reglas transitorias Cada JOIN fusiona dos nodos seleccionados , ajusta las reglas transitorias y reenumera las conexiones 5. Cada DISJOIN separa un nodo compuesto en dos nodos conectados 6. Cada PROTECT protege un nodo un camino contra el borrado, la mutación, las fusiones o las acciones de separación 7. Cada UNPROTECT desprotege cada camino o cada nodo Bibliografía

[And91] Anderson HR et al, Clinicians Illustrated Dictionary of Cardiology, Science Press, London, 1991. [And00] Andonyadis CG, A Hybrid Architecture for Web-Based Personal Healthcare Support Agents, PHD thesis, George Washington University, 2000. [Bha96] Bharat K, Cardelli L, Migratory Applications, Mobile Object Systems Toward the Programmable Internet: Second International Workshop, pp. 131- 148, Springer, 1997. [Bou98] Boucher A, Doisy A, Ronot X, Garbay C, A society of goal-oriented agents for the analysis of living cells, Artificial Intelligence in Medicine, 4(1- 2), pp. 183199, 1998. [Bre84] Breiman L, Friedman JH, Olsen RA, Stone CJ, Classification and regression trees, Wadsworth, USA, 1984. [Bul94] Buldyrev SV et al., Fractals in Biology and Medicine: From DNA to the Heartbeat, Fractals in Science (Bundle A, Havlin S, eds.), Springer Verlag, 1994. [Cam99] Camarinha-Matos LM, Vieira W, Intelligent mobile agents in elderly care, Robotics and Autonomous Systems, 27(1-2), pp. 59-75, 1999. [Chu95] Chu-Caroll J, Carberry S, Communicating for Conflict Resolution in Multiagent Collaborative Planning, in Proc. of the International Conference on MultiAgent Systems ICMAS‘95, 1995.

FICHA DE REGISTRO DOCUMENTAL Código:[RAEA 2006]

Fuente:[RAEA 2006]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 6 paginas pdf. Título: A Multi Agent Approach for the Representation and Execution of Medical Protocols Autor: Armando Robles, Pablo Noriega, Michael Luck, Francisco Cantu y Francisco Rodriguez. Ubicación: 4th Workshop on Agents Applied in Health Care. ECAI 2006, p.11-16 (2006), http://www.iiia.csic.es/en/publications/multi-agent-approach-representationand-execution-medical-protocols 29 de marzo 2009 Descripción: En este articulo se muestra como es el protocolo de cuidado de los pacientes fuera de los hospitales, el manejo corriente, se ha agentificado y es controlado por un middleware de los hospitales que es la versión preliminar del motor propuesto como parte de la infraestructura, El middleware de la organización lee los scripts del workflow, interpreta y delega tareas a servidores de agentes especializados que manejan el acceso a registros médicos y a las reglas del negocio Tabla de Contenido: Introducción, Soporte, Organizaciones e instituciones electrónicas, Sistema de cuidado de pacientes externos, Protocolo de cuidado médico de pacientes externos, Ambiente integrado para la ejecución de protocolos médicos, Capa de motor del workflow y el Middleware, Capa de los pacientes externos, Ejecución del protocolo medico externo, Trabajos relacionados, Conclusiones, Agradecimientos Palabras Clave: Protocolos Medicos, Pacientes externos, Sistemas multiagente, middleware, I. Introducción. En el dominio de la medicina el principal foco del negocio es la modelación de los protocolos médicos, existen una gran cantidad de lenguajes para la modelación de este tipo de lenguajes, basados en reglas, lógica, tareas redes de petri, son una buena representación del estado del arte en este campo. Cada uno de estos protocolos tiene sus ventajas, se ha tratado de capturar en este estudio la funcionalidad del modelamiento de los protocolos médicos dentro de de un sistema coherente de información. La clave a resolver es la representación abstracta de los procesos de negocio en el dominio medico y su ejecución en línea en los

hospitales. Se necesita de un intérprete que lea la representación de los protocolos médicos y ejecute y monitoree los procesos representados, siendo parte del sistema que opera en un ambiente distribuido. Este sistema ya se encuentra en operación y fue desarrollado por una compañía mediana llamada tca que tiene como objetivo seguir agentificando la información del hospital; las contribuciones de este artículo son 1. La prueba del concepto de una implementación basada en agentes, en operación del protocolo para el cuidado de pacientes externos, interactuando con el sistema de información del hospital. 2. La organización de un middleware que incluye un motor workflow y 3. Una colección de usuarios y agentes servidores que hacen una interfaz entre el sistema de información del hospital y el middleware de la organización. 2.el sistema de cuidado de pacientes externos El sistema de cuidado de los pacientes externos, hace parte de los sistemas de información de un hospital, y tiene como funcionalidades el brindar citas a los pacientes a través de su contact center o a traves de internet, siempre y cuando haya disponibilidad, cuando una cita es asignada los módicos tienen acceso a la información del electrónica del paciente (emr), en la que pueden ver la historia clínica, los diagnósticos y escriben prescripciones o realizan acciones tales como citas en el laboratorio, ordenes de hospitalización, etc. En la función que sirve al paciente, el sistema guía al paciente a obtener la medicación y los servicios prescritos. Los médicos para actualizar la información de los pacientes acceden al emr individual, donde se encuentra la información histórica, en este sistema el médico puede registrar prescripciones, indicaciones y diagnósticos, sugiere al medico la medicación necesaria para el paciente antes de después de la visita, basado en estas entradas el sistema realiza un cruce entre los diagnósticos y los procedimientos terapéuticos para asignar un código de procedimiento. El protocolo medico de los pacientes externos

Figura 1. Parte del protocolo medico para pacientes externos

La figura 1 muestra parte del protocolo medico para pacientes externos, luego de la selección del paciente de una lista, el médico lo entrevista, mientras tanto el sistema actualiza todos sus datos (visitas previas, alergias, identificación del paciente). Luego de finalizada la entrevista el médico actualiza la información en una forma siguiendo el método soap (subjetivo, objetivo, análisis y plan). Observe que el reporte estandarizado en la forma, adicionalmente a apoyo de los registros del cuidado, refuerza el correcto acceso a la información del sistema. Este proceso sigue los siguientes pasos. 1. Luego de registrar los aspectos subjetivos y objetivos de la visita, un diagnostico preliminar es realizado y es cruzado contra una lista de códigos, el análisis de la entrevista debe ser realizado de acuerdo con el código del diagnostico 2. Dado el diagnostico preliminar, la prescripción puede ser despachada, pero esta se encuentra restringida por algunos factores por ejemplo la especialidad médica un ginecólogo no puede prescribir drogas siquiátricas, o tener en cuenta las alergias de los pacientes y su estado actual, como embarazos ulceras etc. 3. Los procedimientos médicos que se dan apropiadamente a los pacientes 4. El diagnostico preliminar sirve de guía para los requerimientos a los laboratorios, imágenes y otros estudios obtenidos en el diagnostico final, por ejemplo cada vez que un hueso se fractura es necesario la realización de un examen de radios x.

5. Dependiendo de los diagnósticos, el paciente es asignado a un destino llamado actualmente en el hospital como tratamiento, cuidado ambulatorio o es descargado. Luego que las prescripción es realizada y el estudio es solicitado , el correspondiente departamento es notificado, por ejemplo si un examen hemático o biométrico es requerido, el laboratorio recibe el requerimiento de examen vía hl77 y se asigna una cita para esta persona Cuando todos los datos y las acciones son registrados el médico puede llenar el plan del tratamiento de manera automática presionando un botón Finalmente el médico puede programar una nueva cita, activando el agente de asignación de citas o finalizar la actual, con un botón, al realizar esta acción el sistema verifica que todos los ítems estén cerrados y guarda la toda la historia del paciente en el EMR 3. Ambiente integrado para la ejecución de los protocolos médicos El sistema de cuidado de los pacientes externos se implemento en un framework de multiagentes. El middleware supervisa los dominios actuales de los componentes, como las reglas de negocio y los componentes de la base de datos representado por agentes BAG y DAG agentes de servidores. Ellos manejan las tareas especializadas que sirve a los requerimientos de los usuarios humanos representados por los agentes de usuario, el middleware también lee los scripts del workflow de un repositorio, los scripts son interpretados por el motor del workflow que guía la actual ejecución del sistema La capa de dominio del paciente externo, esta capa contiene los siguientes componentes Agentes del servidor: Estos son agentes de software, pertenecientes a la organización, que se especializan en manejar los elementos y componentes del sistema de información del hospital. Actualmente hay agentes de servidores para las bases de datos, reglas de negocio, repositorios y scripts del workflow, también existen otros agentes requeridos por otras aplicaciones o dominios de aplicaciones, los actos de estos agentes como el front end para todas las aplicaciones y repositorios del dominio del hospital y manejan las interacciones con los otros agentes de otros dominios. Agentes de usuarios: estos son software de agentes pertenecientes a la organización, que interactúan por el front end con los usuarios humanos como los

pacientes, proveedores, el staff del hospital y eventualmente procesos externos Aparatos de interacción: Este tipo de aparatos se usan para la interacción entre el sistema y las personas que usan el sistema y en general entre los agentes usuarios y los agentes de servidores que desarrollan actividades como manejo, llamadas a la base de datos y triggers de reglas de negocio Scripts de Workflow: interpretan comportamiento de la organización

las

especificaciones

que

definen

el

Repositorios: Incluyen los repositorios de las reglas de negocio, los scripts del workflow y otros accesos a los agentes a la base de datos

Bibliografía [1] Josep Arcos, Marc Esteva, Pablo Noriega, Juan Rodriguez-Aguilar, and Carles Sierra, ‗Engineering open environments with electronic institutions‘, Engineering Applications of Artificial Intelligence, (18), 191– 204, (2005). [2] Richard M. Cyert and James G. March, A behavioral theory of the firm, Prentice-Hall, Englewood Cliffs, N.J. USA, 1963. [3] Ada Valls David Snchez Ruenes, Antonio Moreno, AgentCities.NET Deployment Grant #1, Midterm report, Universitat Rovira i Virgili, Computer Science and Mathematics Department. Tarragona, Spain., September 27, 2002. http : ==www:agentcities:org:. [4] Marc Esteva, Electronic Institutions: from specification to development, Ph.D. dissertation, Universitat Polit`ecnica de Catalunya (UPC), Barcelona, Catalonia, Spain, 2003. Published by the Institut d‘Investigaci´o en Intellig`encia Artificial. Monografies de l‘IIIA Vol. 19, 2003. [5] James G. March and Herbert A. Simon, Organizations, JohnWiley and sons, New York, USA., 1958. [6] Pablo Noriega, Agent Mediated Auctions: the Fishmarket Metaphor, Ph.D. dissertation, Universitat Aut`onoma de Barcelona (UAB), Bellaterra, Catalonia, Spain, 1997. Published by the Institut d‘Investigaci en Intelligncia Artificial. Monografies de l‘IIIA Vol. 8, 1999.

[7] Douglass C. North, Institutions, Institutional change and economic performance, Cambridge Universisy press, 40 west 20th Street, New York, NY 10011-4211, USA, 1990. [8] Lorenzo Boicocchi Silvana Quaglini Mario Stefanelli. Paolo Cicarese, Ezio Caffi, A Guideline Management System, Dipartimento di Informática e Sistemestica, Universit di Pavia, Italy; Consorzio di Bioingegneria e Informática Medica, Pavia ,Italy., 2004. [9] A Robles and Pablo Noriega, ‗ A Framework for building EI–enabled Intelligent Organizations using MAS technology‘, in Proceedings of the Third European Conference in Multi Agent Systems (EUMAS05), eds., M.P. Gleizes, G. Kaminka, A. Now´e, S. Ossowski, K. Tuyls, and K. Verbeeck, pp. 344–354., Brussel, Belgium, (December 2005). Koninklijke Vlaamse Academie Van Belgie Voor Wetenschappen en Kunsten. [10] A Robles, Pablo Noriega, Marco Robles, Hector Hernandez, Victor Soto, and Edgar Gutierrez, ‗ A Hotel Information System implementation using MAS technology‘, in Industry Track – Proceedings Fifth International Joint Conference on AUTONOMOUS AGENTS AND MULTIAGENT SYSTEMS (AAMAS 2006), pp. 1542–1548, Hakodate, Hokkaido, Japan, (May 2006). [11] Juan A. Rodr´ıguez-Aguilar, On the Design and Construction of Agentmediated Electronic Institutions, Ph.D. dissertation, Universitat Aut`onoma de Barcelona (UAB), Bellaterra, Catalonia, Spain, 2000. Published by the Institut d‘Investigaci´o en Intellig´encia Artificial. Monografies de l‘IIIA Vol. 14, 2003. [12] R. Bejar C. Fernandez F. Manya. T. Alsinet, C. Ansotegui, A Multi- Agent System Architecture for Monitoring Medical Protocols, Department of Computer Science, University de Lleida, Jaume II 69, E-25001 Lleida, Spain., 1999. FICHA DE REGISTRO DOCUMENTAL Código: [ROGO 2007]

Fuente No.: [ROGO 2007]

Elaboró: Paulo Quintero

Tipo de Fuente: Articulo de Revista 6 p. Título: Arquitectura de Comunicación entre Frameworks Jade-Symfony Autor: Paola J. Rodríguez C., MSc. y Santiago Gómez R., Ing Ubicación: Revista Avances en Sistemas e Informática, Vol. 4 No. 1 pp. 81-86, Medellín, Junio 2007, ISSN 1657–7663

Abstract: La inclusión del uso de Agentes dentro del campo del desarrollo de software es una de las principales áreas de estudio en la actualidad. Específicamente, el desarrollo de aplicaciones Web que aprovechen las ventajas que ofrece la tecnología de agentes y en especial las distintas propuestas de comunicación entre frameworks son esfuerzos importantes dentro de este campo. En este sentido, este artículo describe una arquitectura de comunicación entre dos de los principales frameworks de desarrollo de aplicaciones web (Symfony) y de agentes (Jade). La arquitectura propuesta fue usada para aplicar elementos de adaptabilidad de interfaz en el proyecto Plataforma Experimental para Sistemas de Recomendación, Descubrimiento de Conocimiento Interfaces Adaptativas y Consultas Avanzadas (PREDICA). Tabla de Contenido: Introducción, Arquitectura de comunicación intermodales, Arquitectura de comunicación interplataformas (symfony-jade), Conclusiones y trabajo futuro Palabras Clave: Ingeniería del Software, Arquitecturas Web, Agentes Software, Symfony, Jade. Resumen: El propósito del proyecto PREDICA, fue desarrollar una plataforma experimental para facilitar la búsqueda de documentos en el área de computación cuya interfaz se adapte a un modelo de usuario definido y que ofrezca recomendaciones con base en un perfil de consulta. Globalmente la arquitectura de software de PREDICA, se presenta mediante una vista del sistema que incluye sus componentes principales, la conducta de esos componentes y las formas en que estos interactúan y se coordinan para alcanzar la misión del sistema: Gestionar la interacción del usuario, Manejar las tareas de procesamiento internas, Efectuar la navegación y Presentar el contenido. Dado que se optó por el uso de la tecnología de agentes como mecanismo para monitorear el comportamiento del usuario, capturar sus interacciones, enriquecer el modelo de usuario definido y tomar las correspondientes decisiones de adaptación, como restricción, los agentes deben ejecutarse tomando información de las interacciones del usuario sobre la interfaz que se le despliega y sin obstruir el resto de funcionalidades que provee el sistema, es decir, el trabajo de los otros módulos que conforman el aplicativo

Arquitectura Global de PREDICA

De acuerdo al contexto anterior, fue necesario definir una Arquitectura de comunicación entre el aplicativo Web desarrollado en Symfony y el aplicativo de agentes desarrollado en Jade. Para esto, se definieron dos perspectivas: Comunicación Inter-módulos (entre el Módulo de Interfaz y los otros módulos que componen la Biblioteca) y Comunicación Inter-Plataformas (entre el Componente que infiere la adaptación -agentes- y Módulo de Interfaz – aplicativo Web-). 2. Arquitectura de comunicación intermódulos Symfony es un framework basado en el modelo MVC (Model-View-Controller), donde el Modelo representa la lógica del negocio, es decir, las reglas, restricciones y condiciones definidas para la operación de la aplicación, la Vista se encarga de generar la página Web con la cual el usuario va a interactuar, y el Controlador responde a las interacciones del usuario, y se encarga de generar cambios ya sea en la Vista o en el Modelo. Específicamente, la parte donde se centró el análisis realizado fue el Controlador, el cual se divide en un Controlador Frontal y un conjunto de Acciones. El primero se encarga de redireccionar los pedidos que el usuario hace sobre la vista, al par modulo/acción correspondiente. El segundo, es el componente de código mínimo que se puede crear en el framework, donde se ilustra como una función recibe unos parámetros de entrada (abstracción del request HTTP proveída por Symfony), y retorna el llamado a una vista. La propuesta desarrollada consistió en crear tres tipos de acciones definidas:

1. ContentManager, acción principal dentro del Módulo de Interfaz que permite la entrada única a cada componente dentro del sistema. Se encarga de las siguientes funcionalidades: a. Validación básica del contenido esperado del request HTTP, con el fin de evitar manipulaciones de URLs a través del navegador o manipulaciones del request a través de un socket (intento de acceso ilegal al sistema); evitando con esta validación de alto nivel dentro de la arquitectura del framework el procesamiento extra a las capas mas bajas. b. Redireccionamiento al modulo/acción correspondiente dependiendo de las variables enviadas a través de formas o enlaces en la interfaz Web. c. Validación de privilegios del usuario (basados en variables de la sesión inicializadas por el modulo de usuarios), para el acceso a cualquier pagina del sitio. d. Llamados al framework del Agente. Componente que se encarga de las inferencias para realizar la adaptación. El ContentManager es entonces la única acción a la que implícitamente tiene acceso el usuario. No obstante, ninguno de los módulos, por definición arquitectural podrá llamar a esta acción. Finalmente es importante resaltar que esta acción maneja un identificador de escenario que indica la interfaz a la que desea acceder el usuario. Estos identificadores se configuran en un archivo que contiene las reglas de enrutamiento de la aplicación. 2. TemplateManager, acción que hace las veces de administrador de plantillas del sistema y a la que comúnmente llamarán las acciones de los otros módulos. Esta acción tiene como funcionalidades el llamado a la plantilla correspondiente y la asignación de ciertas variables que serán utilizadas en la vista de validación de formas. 3. SessionStartManager, acción encargada de realizar las gestiones pertinentes al momento del inicio de sesión del usuario, las cuales comprenden: . Carga del menú personalizado del usuario. . Inicialización del agente del usuario (comunicación con plataforma JADE) 4. UserMenuManager, acción cuya función es actualizar el menú del usuario, en caso de ser cambiado de un grupo de trabajo y por ende sus privilegios. El llamando a cualquiera de las acciones definidas se hará por medio de la abstracción request HTTP, anteriormente mencionada, y usando entre otras, las siguientes variables: . T_ID: El identificador de la plantilla que se necesita desplegar en la vista. Este

identificador es el que usa el TemplateManager para saber cual plantilla cargar, con sus datos apropiados, y encargarse de realizar el retorno a la vista apropiado. . T_VARS: Arreglo asociativo (PHP) que contiene datos a ser utilizados en la plantilla correspondiente, que usualmente corresponden a una consulta realizada, como por ejemplo la información personal de usuario o la información de un documento digital a ser modificado. . E_ID, S_ID: Los identificadores de error o éxito (respectivamente), que indican a la plantilla correspondiente que hay un error, una advertencia o un mensaje de éxito a ser desplegado al usuario, para lo cual se utilizo un Template Partial, que sirviera como repositorio central de todos los mensajes de los diferentes módulos. . M_VARS: Arreglo asociativo (PHP) que contiene información adicional sobre un mensaje de error o éxito, específicamente a ser usada con los denominados mensajes dinámicos. Un ejemplo es una lista de usuarios a la que no se les pudo enviar un correo electrónico, o una lista de usuarios que fueron eliminados exitosamente 3. Arquitectura de comunicación interplataformas (symfony-jade) Para la comunicación entre el framework de la aplicación Web (Symfony) y el framework del Agente (Jade), se optó por implementar un servicio Web Service, ya que este provee un mecanismo sencillo y flexible para la transmisión de los datos de lado a lado. Este Web Service implementa un conjunto de funcionalidades que se complementan para lograr la comunicación interplataforma, como son permitir a Symfony el envío de bloques de datos hacia Jade para que el agente de usuario haga un procesamiento sobre ellos, y posteriormente desde Jade se retome la comunicación con el Web Service para enviar el bloque ya procesado. El Web Service, localizado en el mismo servidor del aplicativo, no es accedido por ninguno de los frameworks directamente, sino a través de una pequeña interfaz definida para cada uno (un cliente de un Web Service); esto con el fin de evitar introducir código especifico de arquitectura de Web Services en el Modulo de Interfaz o en el agente y así respectar el principio de modularidad. 4. Conclusiones y trabajo futuro La arquitectura propuesta contribuyó a la definición de un estándar de trabajo para realizar el proceso de integración de código de cada uno de los grupos de desarrollo definidos en el proyecto. Esto puede ser extensible a cualquier tipo proyecto que involucre desarrollo Web con Symfony; y a la definición de un mecanismo de comunicación para la Plataforma Jade con frameworks externos, usando como elemento base el SocketProxyAgent. Finalmente, es de interés ampliar el potencial del uso de agentes mediante la implementación de agente de interfaz tipo ayudante que guíe al usuario a través de

la aplicación, de tal forma que se pueda hacer predicciones y sugerencias sobre lo que el usuario va o puede hacer dentro del sistema. Asimismo, se pretende extender la arquitectura propuesta para permitir la comunicación entre un aplicativo Web desarrollado con las tecnologías Web 2 (Rich Internet Applications - RIA) y el Framework Jade.

REFERENCIAS André Elizaberth and Rist Thomas, ―From Adaptive Hypertext to Personalized web companions‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 44–45. Billus Daniel, Brunk Cliefford et all, ―Adaptative Interfaces for Ubiquitous Web Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 34 – 38. Brusilovsky Peter and Maybury Mark, ―Adaptative Interfaces for Ubiquitous Web Access‖. Commnunicatios of the ACM. Vol. 45, 2002. pp. 31 – 33. http://www.symfony-project.com Grupos de discusión y documentación en línea de Symfony. Consultada en agosto de 2006. http://jade.tillab.com Grupos de discussion y documentación en línea de Jade. Consultada en agosto de 2006. http://rfc.net/rfc2616.html Especificación HTTP/1.1. Consultada en agosto de 2006. FICHA DE REGISTRO DOCUMENTAL Código: [RTGJ 2007]

Fuente [RTGJ 2007]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 8 p. Título: La Metodología AOPOA Autor: Julián Rodríguez, Ing., Miguel Torres, MSc., Enrique González, PhD. Ubicación: Revista Avances en Sistemas e Informática, Vol.4 No. 2, Septiembre de 2007, Medellín, ISSN 1657-7663 Descripción: Este artículo presenta en detalle las fases de análisis y diseño de AOPOA, una metodología de programación orientada a agentes basada en una aproximación organizacional. Tabla de Contenido: introduccion, aopoa, fase de análisis, caso de estudio

Palabras Clave: Programación Orientada a Agentes, Metodologías de Diseño de Agentes, Sistemas Multi-Agente. Resumen: Esta aproximación permite diseñar sistemas complejos descomponiéndolos en otros más simples. El enfoque organizacional soporta la descomposición iterativa y recursiva basada en el concepto de metas, y al mismo tiempo identifica interacciones entre las entidades que componen el sistema; en cada iteración un nivel organizacional es desarrollado. Durante la fase de análisis, las tareas y los roles son detectados. Durante la fase de diseño, las interacciones son caracterizadas y administradas a través de protocolos de cooperación. En la iteración final, la parametrización de roles es llevada a cabo, lo cual permite especificar eventos y acciones asociados a cada rol. Estos roles serán agrupados posteriormente en meta-agentes, que son los que finalmente serán desplegados en el ambiente dentro del que se desenvolverá el sistema multia-gente. La Aproximación Organizacional a la Programación Orientada a Objetos (AOPOA) es una metodología para el análisis y diseño de Sistemas Multi-Agente (SMA). En ella, cada conjunto mayor de actividades está formado por un conjunto de procesos iterativos. Cada uno de esos procesos genera un conjunto de artefactos que incluyen tablas y diagramas que definen un SMA genérico. Algunos de los conceptos que rodean la metodología fueron mencionados en la sección anterior; sin embargo, con propósitos de referencia, en el contexto de un SMA el término objetivo es equivalente en significado a la palabra meta. El foco en esta sección es la presentación de los conceptos y procesos generales que son aplicados durante el uso de la metodología. A. Enfoque Organizacional Al analizar una organización se observa que ésta puede ser descompuesta en unidades bien definidas, cada una de las cuales tiene una responsabilidad clara en relación a las metas de la organización. Con el fin de lograr que los diferentes componentes de la organización puedan cooperar en el cumplimiento de objetivos compartidos y logren una gestión correcta de los recursos es indispensable que estos componentes interactúen. La descomposición y la gestión de las interacciones, son los elementos distintivos que soportan conceptualmente a AOPOA. Típicamente, al analizar una organización se encuentra que está compuesta de un conjunto de entidades autónomas, que actúan proactivamente para alcanzar los objetivos de la organización. Normalmente, las entidades están agrupadas en equipos pequeños de trabajo, los cuales a su vez pueden ser agrupados de manera recursiva, hasta llegar a percibir a toda la organización como si fuera un único equipo compuesto de los equipos de más alto nivel. Realizando el mismo

proceso, pero en sentido contrario, es posible sintetizar una organización haciendo una descomposición recursiva. En efecto, la organización se divide en entidades abstractas de alto nivel, las cuales se subdividen en forma recursiva hasta llegar a las entidades autónomas que la componen. En AOPOA, un rol representa una entidad abstracta que debe alcanzar un conjunto de objetivos mediante el aprovechamiento de sus habilidades y utilizando los recursos disponibles en su entorno. En consecuencia, un SMA puede ser diseñado como una jerarquía de roles, los cuales pueden ser obtenidos mediante un proceso de descomposición basado en los objetivos. El árbol de roles que representa la jerarquía organizacional puede desarrollarse de diferentes formas, la selección del orden en que se descomponen los roles existentes puede basarse en un recorrido en amplitud ó en profundidad. Una alternativa más interesante, puede ser descomponer primero los roles más complejos En el proceso de análisis o el de síntesis, para lograr un adecuado funcionamiento es imperativo que las entidades interactúen entre si. En muy pocos contextos podría ser de verdadera utilidad tener una organización compuesta por entidades independientes y separadas. Una característica muy importante de las interacciones es que éstas surgen en situaciones típicas, cuándo varios roles aportan a la consecución de un objetivo. Primero, se requiere establecer qué tarea va a cumplir cada uno de los roles involucrados; en este contexto, aparecen interacciones para realizar el manejo de la asignación de tareas. Segundo, se precisa coordinar el accionar de los participantes, pues el orden en que se realizan las acciones puede ser importante para obtener el resultado deseado; en este caso, emergen interacciones para lograr la planificación y la ejecución sincronizada de las acciones. Tercero, se deben detectar y resolver los conflictos que puedan aparecer en el acceso a los recursos compartidos; en estas situaciones, se generan interacciones para realizar un acceso controlado a los recursos. Nótese que al analizar estos tres casos, los vínculos de cooperación aparecen siempre que hay un objetivo compartido por varios, ó cuando hay recursos en común. En AOPOA, se aprovecha está característica implícita de las interacciones para detectar en forma automática los potenciales vínculos de cooperación entre roles que pueden ser requeridos para alcanzar los objetivos del sistema. Los dos conceptos anteriormente analizados, la descomposición organizacional y la detección de vínculos de cooperación, están fuertemente ligados. En efecto, AOPOA propone realizar una descomposición gradual en roles; tomar un rol muy complejo y dividirlo en varios más simples, pero al mismo tiempo identificar si entre

dichos roles resultantes surgen vínculos de cooperación. Para realizar la identificación de los roles derivados, AOPOA propone una heurística que propende por la especialización de los roles y por la disminución del número de interacciones. La especialización es una característica deseable, que permite una mayor cohesión de los componentes resultantes; para lograrla, la heurística favorece la descomposición en la que los roles no comparten las mismas habilidades. La reducción del número de vínculos reduce el nivel de comunicaciones entre roles; la heurística penaliza la aparición de recursos compartidos. AOPOA está basada en una aproximación organizacional, que permite realizar una descomposición orientada a las metas y la detección de enlaces cooperativos entre los roles organizacionales. La heurística propuesta reduce las interacciones entre roles, evita los conflictos por recursos, reduce la redundancia en las habilidades asociadas a cada rol, y toma en cuenta el conocimiento previo del problema. Otra característica importante de AOPOA es la eficiencia en la identificación de roles, ya que la descomposición es realizada de manera gradual. AOPOA genera una solución sub-óptima pero que basada en el uso de la heurística propuesta asegura la calidad y facilidad de administración del sistema. La identificación temprana y automática de los enlaces cooperativos debidos a recursos compartidos, habilidades complementarias y metas comunes permite manejar la complejidad, y genera un conjunto consistente de relaciones entre los roles al final del proceso. Ya que las actividades propuestas son completamente sistemáticas, una herramienta CASE fue desarrollada para apoyar el uso de la metodología y diversos proyectos en clases han sido desarrollados utilizando AOPOA, con el fin de probarla y refinarla. Trabajos futuros en esta área estarán enfocados en el refinamiento de la metodología AOPOA y su herramienta CASE asociada. En particular, las actividades asociadas al proceso de pruebas del desarrollo de software serán mejoradas. Con el fin de validar AOPOA en la construcción de SMAs compuestos de agentes físicos, se estudiará el problema de la implementación de soluciones basadas en agentes cooperativos aplicadas a robótica móviles utilizando la metodología.

BIBLIOGRAFÍA [1] The Foundation for Intelligent Agents http://fipa.org – Fecha de acceso: Enero 12 de 2006.

[2] Gonzalez E., Torres M. ―AOPOA Organizational Approach for Agent Oriented Programming‖, in Proceedings of the 8th International Conference on Enterprise Information Systems, May 2006 Paphos – Cyprus [3] Ferber, Jacques. ―Multi-agent Systems: An Introduction to Distributed Artificial Intelligence‖, Addison – Wesley Longman. 1ra. Ed., 1999. [4] Wooldridge M., Jennings N. ―Agent Technology – Foundations, Applications, and Markets‖. Springer - UNICOM. 1998. [5] Wooldridge, Michael. ―Reasoning about rational agents‖. The MIT Press (Cambridge, Massachussetts/London, England) as part of the Intelligent robotics and autonomous agents series. 2000. [6] González, E., Bustacara, C., Ávila, J. (2003). ―BESA: Behaviororiented, Eventdriven and Social-based Agent Framework‖. PDPTA ‘03. [7] Wooldridge M., Jennings M., Kinny D. The Gaia Methodology for AgentOriented Analysis and Design. Autonomous Agents and Multi- Agent Systems, 3, 285OE312, 2000 Kluwer Academic Publishers. Manufactured in The Netherlands. [8] http://troposproject.org/ , ―Tropos – Requirement-Driven Development for Agent Software‖. Universidad de Trento – Última acceso: 12 de Enero de 2006. [9] Torres da Silva, V., Choren, R., Lucena , C. ―A UML Based Approach for Modeling and Implementing Multi-Agent Systems‖, ACM, 2004. FICHA DE REGISTRO DOCUMENTAL Código: [TNEA 2009]

Fuente: [TNEA 2009]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 10 p. Título: A Review of Mobile Terminal-Based Applications for Self-Management of Patients with Diabetes, Autor: Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar Hartvigsen.. Ubicación: International Conference on eHealth, Telemedicine, and Social Medicine, 2009 IEEE Descripción: Este articulo realiza un recuento documental de aplicaciones móviles utilizadas en el monitoreo de la diabetes Tabla de Contenido: introducción, métodos, resultados, discusión

Palabras Clave: Diabetes, equipos móviles, Telemedicina. A Review of Mobile Terminal-Based Applications for Self-Management of Patients with Diabetes, Naoe Tatara, Eirik Årsand, Heidi Nilsen, and Gunnar Hartvigsen. Introducción. La Diabetes es una seria condición que afecta al individuo y a la sociedad, un pobre manejo de las causas de la diabetes, causa serias complicaciones, cuyos resultados son altos costos médicos para cada sociedad. El auto control de los pacientes, de las causas de la diabetes tiene como objetivo mantener los niveles de azúcar en la sangre en los rangos normales, junto a una dieta balanceada, ejercicio y medicación, aunque algunos pacientes consideran este manejo muy complejo. La edad de los pacientes con Diabetes varia y la utilización de dispositivos móviles seria prominente en el monitoreo de pacientes por su portabilidad y las tecnologías inherentes. Esto se refleja en la gran cantidad de tecnologías móviles en el cuidado de la salud. Métodos 2.1 Fuente de Datos Se busco información en varias fuentes con el criterio de búsqueda (Diabetes y (móviles, PDA´s, celulares)), las palabras fueron buscadas en cualquier campo, la búsqueda de la información se realizo en Julio de 2008 y no tuvo restricción para el año de publicación, también se buscaron fuentes en el buscador Google Scholar y solo se utilizaron las primeras 100 publicaciones, pues se presento mucha duplicidad. 2.2 Criterios de inclusión o exclusión. Luego de remover todos los títulos duplicados, se reviso la bibliografía, los criterios de inclusión eran los textos que describieran aplicaciones móviles para pacientes con diabetes, se excluyeron textos repetidos, que no estuvieran en ingles , estudios sin datos preliminares, estudios donde solo primaron los conceptos médicos y no se incluyeron los conceptos de los pacientes. 2.3 Extracción de datos. La extracción de datos se realizo de acuerdo a las siguientes categorías: diseño del estudio, población objetivo, terminal usado, personas involucradas en la

aplicación, funciones o aplicaciones móviles, métodos para evaluar la aceptabilidad, efectividad y facilidad de los resultados clínicos de los estudios. 3. Resultados. Se evaluaron 817 publicaciones, de las cuales 94 se consideraron relevantes, todas las publicaciones fueron examinadas bajo los criterios de inclusión y exclusión, luego de esta clasificación 27 estudios se identificaron como relevantes. 3.1 Diseño del estudio En 20 estudios la aplicaron fue desarrollada por el autor, 7 estudios muestran una aplicación comercial y los otros estudios son prototipos comerciales, de estos estudios 17 se concentraron en los parámetros, 2 estudios mostraron la usabilidad y los oros 16 se concentraron en la interfase de diseño de la aplicación. 3.2 Población objetivo. 13 de los estudios se centro en personas con diabetes mellitas incluyendo niños, adolescentes, y adultos jóvenes, tres estudios son sobre personas tratadas con insulina y un estudio fue para padres de niños con diabetes. Seis estudios fueron sobre pacientes con diabetes mellitus tipo 2, los otros estudios no especificaron el tipo de diabetes de los pacientes. 3.3 Terminales usados. 20 de los estudios utilizaron un teléfono móvil, 8 de los estudios utilizaron PDA´s, un estudio utilizo PDA y un teléfono móvil, y otro estudio utilizo un game boy avance como terminal de la aplicación, en muchos de los estudios los pacientes usaron un móvil que fue proveído por el ejecutar del trabajo de investigación, en cinco estudios los pacientes usaban sus propios terminales, el servicio de mensajes cortos de texto fue utilizado para enviar datos o realizar retroalimentaciones a los pacientes, también se utilizo el protocolo WAP para enviar datos en tres estudios. 3.4 Personas involucradas en las aplicaciones 20 estudios involucraron enfermeras, médicos o educadores en los usos de las aplicaciones, algunos de los estudios realizaban retroalimentación semanal a los pacientes otros estudios solo monitoreaban la inserción de datos en las bases de datos y realizaban los respectivos análisis. 3.5 Método de ingreso de datos. Los datos se ingresaban de manera manual, de manera automática a traves de un

lector incluido en el terminal o a través de un MODEM vía WEB, también se ingreso los datos de alimentos consumidos, medicación, peso y presión sanguínea. 3.6 Funciones de la aplicación Los pacientes podían ver los resultados de sus datos de manera grafica o sumarizada, en algunos estudios se realizaba retroalimentación inmediata según los datos ingresados. 3.7 Métodos para evaluar la aceptabilidad, efectividad o factibilidad El cuestionario fue utilizado en 24 estudios, en 16 de ellos se utilizo un cuestionario especifico. En otros estudios las respuestas al cuestionario fueron validadas junto al paciente. 3.8 Métodos y resultados de evaluación clínica Un significativo descenso en HbA1c se observa en siete de los 15 estudios, durante el uso de la aplicación o comparado contra el grupo control, dos de los siete estudios con disminución tienen aplicaciones comerciales 3.9 Hallazgos de la investigación: Se presentaron dificultades en la emisión de los datos desde la terminal en algunos estudios, el envió automático de los datos de azúcar en la sangre es altamente aceptado por los participantes, se presentaron dificultades en el uso de la aplicación en personas de la tercera edad, se descubrió que los participantes en los estudios prefieren el uso de mensajes de texto de los móviles para el envió de los datos, sobre el envió de correos electrónicos o llenar un formato en papel

Bibliografia [1] International Diabetes Federation, ―Diabetes Atlas - Executive Summary,‖2003. [2] H. Blake, ―Innovation in practice: mobile phone technology in patient care,‖ British Journal of Community Nursing, vol. 2008 Apr; 13, (no. 4), pp.:160, (25 ref). [3] A. Waller, et al., ―Participatory design of a text message scheduling system to support young people with diabetes,‖ Health Informatics Journal, vol. 12, (no. 4), pp. 304-318, December 1, 2006 2006. [4] C.C. Quinn, et al., ―WellDoc mobile diabetes management randomized controlled trial: change in clinical and behavioral outcomes and patient and

physician satisfaction,‖ Diabetes Technol Ther, vol. 10, (no. 3), pp. 160-8, Jun 2008. [5] Z. Faridi, et al., ―Evaluating the impact of mobile telephone technology on type 2 diabetic patients' selfmanagement: the NICHE pilot study,‖ J Eval Clin Pract, vol. 14, (no. 3), pp. 465-9, Jun 2008. [6] S.N. Forjuoh, et al., ―Incorporating PDA use in diabetes self-care: a central Texas Primary Care Research Network (CenTexNet) study,‖ J Am Board Fam Med, vol. 20, (no. 4), pp. 375-84, Jul-Aug 2007. [7] S.N. Forjuoh, et al., ―Improving diabetes self-care with a PDA in ambulatory care,‖ Telemed J E Health, vol. 14, (no. 3), pp. 273-9, Apr 2008. [8] V.S. Kumar, et al., ―The DAILY (Daily Automated Intensive Log for Youth) trial: a wireless, portable system to improve adherence and glycemic control in youth with diabetes,‖ Diabetes Technol Ther, vol. 6, (no. 4), pp. 445-53, Aug 2004. [9] M.A. Vahatalo, et al., ―Cellular phone transferred self blood glucose monitoring: Prerequisites for positive outcome,‖ Practical Diabetes International, vol. 21, (no. 5), pp. 192-194, 2004. [10] P.Y. Benhamou, et al., ―One-year efficacy and safety of Web-based follow-up using cellular phone in type 1 diabetic patients under insulin pump therapy: the PumpNet study,‖ Diabetes Metab, vol. 33, (no. 3), pp. 220-6, Jun 2007. FICHA DE REGISTRO DOCUMENTAL Código: [VBJM 11]

Fuente:[VBJM 11]

Elaboró: Paulo Cesar Quintero Uribe

Tipo de Fuente: Articulo Revista 15 p. Título: Los agentes de software inteligentes y la respuesta didáctica a la diversidad Autor: Vallejo Bautista, José Manuel Ubicación: Revista Electrónica publicada por el Instituto de Investigación en Educación Universidad de Costa Rica ISSN 1409-4703 http://revista.inie.ucr.ac.cr/articulos/1-2007/archivos/agentes.pdf Volumen 7, Número 1 Enero-Abril 2007 Descripción: Este artículo recoge las contribuciones dentro del ámbito de la tiflotecnología que el estudio de los Agentes de Software Inteligentes aporta en el terreno de la atención educativa a la diversidad conocida comúnmente como

atención a la diversidad. Tabla de Contenido: TIC y la gestión del conocimiento y necesidades, Sitios web, Intranet Plataformas de trabajo en equipo, Las nuevas tecnologías y la respuesta didáctica a la diversidad. Palabras Clave: Tecnologías de la información y comunicación, Agentes de Software Inteligentes, Atención a la Diversidad. Resumen: TIC y la Gestión del Conocimiento en Agentes Inteligentes Entre las tecnologías de la información que proporcionan la infraestructura básica para la gestión del conocimiento se encuentran, las redes, sistemas de información, herramientas inteligentes de búsqueda y gestión, minas de datos, almacenamiento masivo de datos y herramientas para el desarrollo en Internet. La gestión del conocimiento son prácticas orientadas a la adquisición más eficiente de la habilidad de conocimiento y su correcta utilización, lo que permite asociar el conocimiento con la capacidad de comprender e interpretar la naturaleza de algo, un cierto fenómeno, las leyes que regulan un cierto comportamiento y, también, la aplicación de ciertas habilidades o capacidades complementarias. Es un mecanismo que permite su generación, formalización, adquisición, asimilación, transmisión, uso; lo pone al servicio del desarrollo personal. Las herramientas mencionadas se utilizan para desarrollar sistemas que posibilitan la gestión del conocimiento y permiten el desarrollo de diferentes plataformas tales como: Sitios web hacen de Internet un medio idóneo para el intercambio global de información, ya que sirve como un primer acercamiento a la implementación de un sistema de gestión del conocimiento. Intranet Medios básicos para compartir datos dentro de una comunidad concreta. Frente al web destacan su rapidez en el acceso y procesamiento de la información, y su adaptabilidad a las necesidades de cada comunidad educativa en concreto. Plataformas de trabajo en equipo tales como: el correo electrónico, las conferencias de audio/video, herramientas para acceder a documentos entre otras. El término agente fue empleado por vez primera por Minsky en su obra ―The Society of Mind‖. En el momento actual, la palabra ―agente‖ tiene muchos significados distintos, puesto que se utiliza en disciplinas muy distintas. Se encuentran agentes de diferentes tipos tales como:       

Agentes autónomos Agentes biológicos Agentes robóticas Agentes computacionales Agentes de vida artificial Agentes de software Agentes de tareas específicas

 

Agentes de entretenimiento Virus.

De forma genérica, las propiedades de estos se pueden resumir en:         

Reactivo: responde a cambios en el ambiente. Autónomo: ejerce control sobre sus propias acciones Orientado por objetivos: no actúa simplemente en respuesta al ambiente Temporalmente continuo: es un proceso que está continuamente ejecutándose Comunicativo: se comunica con otros agentes, quizá incluyendo gente De aprendizaje: cambia su comportamiento basado en su experiencia previa Móvil: capaz de transportarse a sí mismo de una máquina a otra Flexible: las acciones no corresponden a un libreto tipo script Carácter: presenta una personalidad y estados

La tipología de los agentes suele variar de unos autores a otros, pero en la mayoría de las ocasiones encontramos una tipología basada en tres características: cooperativos, autónomos y de aprendizaje.    

Agentes Colaborativos: cooperativos y autónomos. Agentes de Interfaz: autónomos y de aprendizaje. Agentes de Aprendizaje Colaborativos: cooperativos y de aprendizaje. Agentes Smart: cooperativos, autónomos y de aprendizaje.

Los atributos de los Agentes Inteligentes son:  

 

Autonomía: cuanto más avanzado sea el agente, más capaz será de cooperar y negociar con otros agentes. Nivel de inteligencia: determina el método de aprendizaje. Hay varios niveles de inteligencia que van desde la aceptación y ejecución de tareas hasta el aprendizaje y la adaptación al entorno, el establecimiento de relaciones y la predicción de las necesidades del usuario). Movilidad: los agentes tienen que ser móviles y poder navegar por la red). Confianza: los usuarios sólo aceptarán a los agentes si éstos son de confianza, es decir, si ejecutan sus tareas de una manera fiable. Aquí entran en juego cuestiones como la calidad, la fiabilidad y la transparencia de la información.

Las nuevas tecnologías y la respuesta didáctica a la diversidad El mundo educativo no está ajeno a la preocupación por la diversidad que caracteriza a las sociedades modernas. Instituciones internacionales, nacionales, regionales,

locales, desarrollan proyectos para potenciar la atención personalizada, facilitar el intercambio cultural, garantizar el acceso a la educación de alumnos con dificultades de asistencia y orientar su proceso formativo. Las TIC ofrecen información y comunicación; el crecimiento en el uso de Internet y el World Wide Web está permitiendo el desarrollo de nuevas aplicaciones. Un creador importante de estas nuevas oportunidades son los Agentes Inteligentes. Los agentes inteligentes son partes de software que actúan de forma autónoma en las redes, en nombre del usuario. La inteligencia de los agentes les permite realizar tareas como la recuperación de datos o la negociación con otros agentes. Actualmente varios agentes de Internet pueden utilizarse de forma activa para el comercio electrónico, de forma muy reducida, en el caso de las compras electrónicas. El uso de software inteligente y adaptativo aumentará las posibilidades de accesibilidad y comunicación de las personas con discapacidad, porque responden de forma inteligente a la complejidad de cada circunstancia y demanda externa, hasta hacerla simple en su realidad.

Bibliografias Anderson, Corin, Domingos, Pedro and Weld, Daniel. (2001). Personalizing web sites for mobile users. Proceedings of the Tenth International World Wide Web Conference. Hong Kong: IWWWCC. Baltus, Gregory et al. (2000). Towards personal service robots for the elderly. Proc. of the Workshop on Interactive Robotics and Entertainment (WIRE-2000). Pittsburg, PA: The Robotics Institute, Carnegie Mellon University-AAAI. Bennewitz, Maren, Burgard, Wolfram and Thrun, Sebastian. (2002). Using EM to learn motion behaviors of persons with mobile robots. Proc. of the IEEE/RSJ International Conference on Intelligent Robots and Systems. Lausanne: IROS. Bautista Vallejo, José Manuel y Moya Maya, Asunción. (2001). Estrategias didácticas para dar respuesta a la diversidad: adaptaciones curriculares individualizadas. Sevilla, España: Padilla. Bautista Vallejo, José Manuel. (2001). Formación del profesorado y escuela abierta. Elementos para la comprensión e intervención didáctica. Sevilla, España: Padilla.

Correa García, Ramón Ignacio. (2001). La sociedad mesmerizada. Medios, nuevas tecnologías y conciencia crítica en educación. Huelva, España: Universidad de Huelva, Servicio de Publicaciones. Fox, Dieter. (2002). KLD-sampling: Adaptive particle filters. En Dietterich, Tom, Becker, Suzanna and Ghahramani, Zoubin (editors). Advances in Neural Information Processing Systems 14 (NIPS) (pp. 713-720). Cambridge, MA: MIT Press. Kautz, Henry, Fox, Dieter, Etzioni, Oren, Borriello, Gaetano and Arnstein, Larry. (2002). An Overview of the Assisted Cognition Project. AAAI-2002 Workshop on Automation as Caregiver: The Role of Intelligent Technology in Elder Care. Edmonton, Alberta, Canadá: AAAI Press. Marchesi, Álvaro; Coll, César; Palacios, Jesús. (Coord.) (1993). Necesidades educativas especiales y aprendizaje escolar. Madrid, España: Alianza Editorial. Mendez, Gonzalo, Rickel, Jeff, de Antonio, Angélica. (2003). Steve Meets Jack: the Integration of an Intelligent Tutor and a Virtual Environment with Planning Capabilities. 4th Internacional Workshop on Intelligent Virtual Agents (IVA'03). Kloster Irsee, Germany: Springer Berlin. Moya Maya, Asunción. (2001). El profesor de apoyo a la integración. Aportaciones sobre la formación inicial desde su práctica profesional. Revista de Educación Especial. 29, 27-47. Parrilla Latas, Ángeles. (1992). La integración como experiencia institucional. Sevilla, España: Grupo de Investigación Didáctica de la Universidad de Sevilla. Rivera-Bermúdez, Carmen. (2000). Las computadoras y los estudiantes con Problemas Específicos. Recuperado el 4 de septiembre de 2006, en http://www.needirectorio.com/archivos/documentos/tema27.htm Romañach, Javier. (1999). Teleformación, Internet y Discapacidad. Un enfoque pragmático. Recuperado el 14 de agosto de 2006, en http://www.quadernsdigitals.net/ Stan, Franklin & Graesser, Art. (1996). Is it an Agent, or just a Program? A Taxonomy for Autonomous Agents. Recuperado el 25 de julio de 2006, en http://www.msci.memphis.edu/~franklin/AgentProg.html Sweeney, Tim. (1995). Intelligent agents: envoy of productivity or purveyors of chaos? Communications International. 6, 23-26.

FICHA DE REGISTRO DOCUMENTAL Código: [ZXXS 2007]

Fuente: [ZXXS 2007]

Elaboro: Paulo Cesar Quintero Uribe

Tipo de Fuente: Informe de Investigación 16 p. Título: An Integrated Role-Based Approach for Modeling, Designing and Implementing Multi-Agent Systems Autor: Xiaoqin Zhang, Haiping Xu & Bhavesh Shrestha Ubicación: Computer and Information Science Department University of Massachusetts at Dartmouth North Dartmouth, MA 02747 -U.S.A. Descripción: En este artículo se presenta una aproximacion integrada para modelar, diseñar, e implementar sistemas multiagente usando RADE. RADE es una metodología para el desarrollo de agentes basado en su rol a desempeñar Tabla de Contenido: Introducción, Aproximacion a RADE, Definición de agentes, Definición de roles, Operación de un sistema multiagente, Proceso de generación automática de agentes, Caso de estudio, aplicación en el dominio dl cuidado de la salud Palabras Clave: Desarrollo de agentes basado en roles, sistemas multiagente, motivación de agentes, mapeo del rol de agente I.Introduccion Los sistemas multiagente (MAS)es un paradigma de la programación de aplicaciones y sistemas distribuidos de información, donde los recursos los datos el control y los servicios están ampliamente distribuidos, las aplicaciones de sistemas multiagente han sido limitadas por la dificultad de desarrollar dicho sistema, Un gran cantidad de tiempo y una amplia experiencia en programación se requieren para desarrollar un sistema multiagente y luego de su construcción es difícil probarlo y mantenerlo debido a su complejidad, la reusabilidad de estos sistemas es muy baja y no es comparable al uso de un sistema realizarle algunos cambios y cambiar el dominio de su aplicación. Un gran número de aproximaciones se han realizado para definir y desarrollar agentes autónomos, y sistemas multiagente desde diferentes direcciones se ha estudiado y por diferentes investigadores. En este estudio se trabajo en un grupo de tecnologías y mecanismos para facilitar y formalizar el desarrollo de sistemas multiagente MAS y así incrementar la reusabilidad y la replicación también. Se propuso el desarrollo de tres capas en el

proceso de desarrollo, la aplicación independientemente, el modelo de la plataforma independientemente (AIPI), la aplicación especifica, y el modelo de aplicación especifica se desarrollan en tres fases consecutivas. También se separo el dominio del conocimiento de los agentes de su capacidad de solucionar problemas, en esta aproximación los conceptos de rol están definidos en el modelo relacionado del conocimiento , como las metas, los permisos, las relaciones de organización, y los protocolos de interacción., donde los agentes son entidades concretas equipadas con motivación, recursos y capacidad de resolver problemas. Se introduce el concepto de instancia de rol, que es una implementación concreta del concepto de rol y en esta aproximación se da un fuerte soporte a los sistemas abiertos y dinámicos . La segunda meta es el proceso de generación automática de agentes utilizando las herramientas y mecanismos existentes, Se propone la creación de agentes bajo el mecanismo de ―drag and drop‖ donde el usuario puede seleccionar los componentes de los agentes dependiendo de las aplicaciones requeridas. II Aproximación a RADE La idea básica del desarrollo ambiental de agentes basado en roles se ilustra en el figura 1

Figura1: modelos genérico de los roles de un sistema multiagentes La parte superior del modelo es la organización de los roles, incluyendo los roles conceptuales y sus relaciones como inherencia, agregación, asociación, e incompatilibilidad. El segundo nivel es los roles espaciales, que consiste en una múltiple cantidad de instancias cada instancia del rol es instanciada por los roles conceptuales de manera dinámica, la parte inferior es la sociedad de agentes que consiste en una gran cantidad de entidades de roles. Los agentes pueden tomar y

realizar un rol de manera dinámica el mapeo de las instancias de los roles es llamado R-A mapping. Como lo informamos previamente los modelos se definen en tres etapas, la primera el modelo AIPI que incluye la definición de los roles, los espacios de los roles, la organización de los roles, los agentes y la sociedad de agentes, la segunda parte es el modelo ASPI, este involucra el conocimiento de la aplicación, incluye la definición de clases de roles, la organización de las clases de roles, las clases de agentes etc. Y en la tercera parte es el modelo ASPS que incluye información en la plataforma del software, mecanismos de comunicaciones y el middleware Caso de estudio Aplicación en el dominio del cuidado de la salud Se implemento un prototipo de sistema incluyendo la definición del rol, la definición de agente y los componentes de la creación. Usando este sistema, se implemento una aplicación para el cuidado de la salud para demostrar esta modelación diseño e implementación de sistemas multiagente que incluye la definición de roles, clases de agentes, generación automática de agentes y el proceso dinámico de mapeo entre los agentes y las instancias de los roles. El propósito de esta aplicación en la salud es para ayudar a los proveedores del sistema de la salud y a los pacientes para programar y coordinar sus actividades proveyendo fácilmente y eficientemente servicios de cuidado de la salud para los pacientes Definición de roles Paciente: Persona que busca servicios de salud Medico: quien determina las diagnósticos que deben ser realizados, las prescripciones, las intervenciones medicas y quirúrgicas, tiene la habilidad de dirigir el cuidado del paciente y llevar al paciente a un nivel superior de cuidado Asistente médico: Es un profesional médico que desempeña una variedad de funciones medicas, administrativas y de oficina relacionadas con la salud. Este rol se subdivide en dos El asistente médico administrativo, quien desarrolla el trabajo administrativo Asistente médico clínico quien desarrolla el trabajo clínico Enfermeras este rol, también se subdivide en dos subclases Asistente de enfermería, es una enfermera que asiste a los pacientes con sus problemas médicos, provee cuidado y ayuda en el laboratorio con instrumentos

médicos Practicante de enfermería, es una enfermera registrada que ha completado un entrenamiento avanzado en atención primaria y provee cuidado médico en pacientes que no estén en emergencias

Figura 2. Interfase RADE para la creación de roles

Por ejemplo el rol de médico, tiene como meta proveer salud, las cantidades motivacionales que posee son profesionalismo, moral, experiencia y debe poseer un certificado de medicina. Este sistema modela la organización de un hospital y un agente con rol espacial especial es creado, este agente no toma ningún rol en el sistema y es responsable de mantener y manejar las instancias en el sistema. Cuando el sistema se inicializa, el administrador del sistema crea una gran cantidad de pacientes que expresan una necesidad por los servicios de salud, la cantidad de pacientes depende de la capacidad del hospital, los pacientes no se activan hasta que no sean tomados por un agente, cuando un agente toma el rol de paciente su única meta es tener curación .Existen los otros roles de médicos y enfermeras que se activan cuando un agente los invoca y tienen una función específica y un problema a resolver Bibliografía

[1] Ricardo Melo Bastos and Marcelo Blois Ribeiro. MASUP: An Agent-Oriented Modeling Process for Information Systems. In Ricardo Choren, Alessandro Garcia, Carlos Lucena, and Alexander Romanovsky, editors, Software Engineering for Multi- Agent Systems III: Research Issues and Practical Applications Series. 2005. [2] Michael Becht, T. Gurzki, Jurgen Klarmann, and Matthias Muscholl. ROPE: Role oriented programming environment for multiagent systems. In Conference on Cooperative Information Systems, pages 325–333, 1999. [3] Anarosa A. F. Brandao, Viviane Torres da Silva, and Carlos J. P. de Lucena. A knowledge-based approach to the specification and verification of MAS design. In AAMAS ‘05: Proceedings of the fourth international joint conference on Autonomous agents and multiagent systems, pages 1373–1373, New York, NY, USA, 2005. ACM Press. [4] Giacomo Cabri, Luca Ferrari, and Letizia Leonardi. Agent role-based collaboration and coordination: a survey about existing approaches. In SMC (6), pages 5473–5478. IEEE, 2004. [5] Sen Cao, Richard A. Volz, Thomas R. Ioerger, and Yu Zhang. Role-based and agent-oriental teamwork modeling. In Hamid R. Arabnia and Youngsong Mun, editors, IC-AI, pages 1190–. CSREA Press, 2002. [6] Viviane Torres da Silva, Ricardo Choren Noya, and Carlos J. P. de Lucena. Using the UML 2.0 activity diagram to model agent plans and actions. In AAMAS ‘05: Proceedings of the fourth international joint conference on Autonomous agents and multiagent systems, pages 594–600, New York, NY, USA, 2005. ACM Press. [7] Mehdi Dastani, Virginia Dignum, and Frank Dignum. Role-assignment in open agent societies. In AAMAS ‘03: Proceedings of the second international joint conference on Autonomous agents and multiagent systems, pages 489–496, New York, NY, USA, 2003. ACM Press. [8] Keith Decker. TAEMS: A Framework for Environment Centered Analysis & Design of Coordination Mechanisms. In Foundations of Distributed Artificial Intelligence, Chapter 16, pages 429–448. G. O‘Hare and N. Jennings (eds.),Wiley Inter-Science, January 1996. [9] Scott A. DeLoach, Mark F. Wood, and Clint H. Sparkman. Multiagent systems engineering. International Journal of Software Engineering and Knowledge Engineering, 11(3), 2001. [10] Nirmit Desai, Amit K. Chopra, and Munindar P. Singh. An overview of business process adaptations via protocols. In AAMAS ‘06: Proceedings of the fifth

international joint conference on Autonomous agents and multiagent systems, pages 1326–1328, New York, NY, USA, 2006. ACM Press.

Anexo BB Presentacion

Comparación de metodologías y arquitecturas de Agentes y Sistemas MultiAgente en aplicaciones Medicas y de servicios E-Salud

INGENIERÍA DE SISTEMAS

2009- -I II 2009

Comparación de metodologías y arquitecturas de Agentes y Sistemas MultiAgente en aplicaciones Medicas y de servicios E-Salud

Paulo Cesar Quintero Uribe 623822

ASESOR: Germán Cubillos

INGENIERÍA DE SISTEMAS

2009- -I II 2009

PLANTEAMIENTO DEL PROBLEMA

El problema consiste en que la información existente sobre aplicaciones de Sistemas de Agente y MultiAgente en Medicina y en servicios de E-Salud no está clasificada, priorizada u ordenada, de tal forma que sirvan de ayuda a la creación de aplicaciones en el futuro que ayuden a ampliar la cobertura en salud. Esta falta de información clasificada va acompañada de que no existe una comparación de la arquitectura y la metodología utilizada en las aplicaciones de Agentes y Sistemas MultiAgente en medicina y servicios de E-Salud.

INGENIERÍA DE SISTEMAS

2009- -I II 2009

MARCO TEÓRICO Una entidad con capacidad de resolver problemas, es llamada Agente; dentro de sus atributos principales está la posibilidad de almacenar e inferir conocimiento y de comunicarse con otros Agentes. Un conjunto de Agentes que tienen la capacidad de interactuar en un entorno común. Agentes en un entorno con otros Agentes poseen capacidades como la comunicación, negociación y coordinación. Es llamado un sistema MultiAgente Características de los Agentes: Benevolencia, coordinación, diseño central Propiedades esenciales de los Agentes: Capacidad para resolver problemas no triviales, racionalidad, autonomía entre otros

INGENIERÍA DE SISTEMAS

2009- -I II 2009

Entidad con capacidad de resolver problemas

Conjunto de agentes que tienen la capacidad de interactuar en un entorno común

MARCO CONCEPTUAL Agentes

Sistemas Multi-agentes

BDI Razonamiento Deductivo Razonamiento Práctico Reactivas Híbridas Deliberativas

Arquitecturas

Zeus GAIA Desarrollo MASIVO Common KADS

Metodologías

KQML FIPA Interacción Negociación

Vigilancia Automatización Negociación Recolección Datos

Medicina

Servicios E-Salud

Agentes y Sistemas Multi-agentes

Medicina Servicios E-Salud Inspección General

Evidencias

Ciencia dedicada al estudio de la vida, la salud, las enfermedades y la muerte del ser humano, e implica el arte de ejercer tal conocimiento técnico para el mantenimiento y recuperación de la salud, aplicándolo al diagnóstico, tratamiento y prevención de las enfermedades. Alude a la práctica de cuidados sanitarios apoyada en tecnologías de la información y las comunicaciones (TIC).

Principales Síntomas y Signos Padecimiento Actual Antecedentes Exploración Física Síndromes Síntomas

Protocolos de Comunicación Identificación y Evaluación

Conocimiento Exámenes Ultrasonido TAC

Tratamiento

Conocimiento Exámenes Ultrasonido TAC

Aplicaciones

INGENIERÍA DE SISTEMAS

2009- -I II 2009

OBJETIVOS DEL TRABAJO DE GRADO A. Objetivo General. Realizar una revisión documental con un máximo de cien fuentes de información sobre aplicaciones de Agentes y Sistemas MultiAgente utilizados en medicina y en servicios E-Salud, comparando las metodologías y arquitecturas que las conforman.

B. Objetivos Específicos. Mostrar en una base de datos las fichas resultantes de la revisión documental realizada en máximo cien fuentes a partir de criterios de clasificación para las metodologías y arquitecturas encontradas Construir una comparativa entre las aplicaciones halladas efectuando un análisis a partir de los criterios de clasificación para las metodologías y las arquitecturas de los agentes y sistemas MultiAgente Presentar los resultados obtenidos en una herramienta WEB

INGENIERÍA DE SISTEMAS

2009- -I II 2009

METODOLOGÍA Fase 1: Fase de revisión inicial y selección de los documentos La revisión documental inicial, como estrategia metodológica de obtención de información, se entiende como la gama de registros escritos (investigaciones [tesis de pre y posgrado, artículos de revistas especializadas, documentos digitales, libros y capítulos de libros, entre otros]), encontrados en momentos previos y durante la investigación. Fase 2: Fase de registro y sistematización El registro de los documentos se desarrolla sobre un modelo de fichas1, que recoge la información básica de las fuentes consultadas. Para el proceso de sistematización de la información recogida, se establece un código con el cual se identifica la fuente origen. Los datos básicos de la fuente origen identifican el tipo de fuente, título, autor, ubicación. Presenta además, una descripción breve de la fuente, en la cual se escriben los aspectos generales de lo contenido en ella. Fase 3 Construcción de base de datos. Construcción de pagina Web. Entrega del trabajo.

INGENIERÍA DE SISTEMAS

2009- -I II 2009

CONCLUSIONES

Las arquitecturas mas completas, son las arquitecturas hibridas, que son el resultado de combinar arquitecturas reactivas y arquitecturas deliberativas, pero al tener esta característica la hacen mas complejas de desarrollar. Las arquitecturas reactivas son mas accesibles de implementar en las aplicaciones de medicina basadas en sistemas de agentes y multiagentes, porque son una cantidad de reglas y de parámetros que se pueden desarrollar fácilmente. No se encontró mucha información de metodologías utilizadas en el desarrollo de aplicaciones medicas y de servicios de E-salud como para tener una base fuerte y llegar a recomendarla.

Las aplicaciones medicas y de servicios de e-salud basadas en sistemas de agentes y multiagentes son una herramienta muy poderosa para llevar salud a regiones apartadas de nuestro país, con el constante monitoreo de médicos en ciudades capitales.

INGENIERÍA DE SISTEMAS

2009- -I II 2009

Trabajos futuros

Desarrollo de aplicaciones sencillas de medicina y de servicios de e-salud basadas en agentes y sistemas multiagentes Realización de contactos entre la universidad con y entidades prestadoras de servicios de salud para el desarrollo de los primeros sistemas basados en agentes y sistemas multiagentes y ofrecer telemedicina desde Bogotá a comunidades con déficit en servicios de salud.

INGENIERÍA DE SISTEMAS

2009- -I II 2009