Sistemas expertos contemporáneos: explicabilidad que decide en salud, ciberseguridad e industria

Un sistema experto es un programa que resuelve problemas pertenecientes a un dominio específico valiéndose de dos piezas clave: una base de conocimientos constituida por hechos y reglas condicionales (“si… entonces…”) y un motor de inferencia que activa esas reglas para razonar como lo haría una o un especialista humano. A diferencia de los modelos puramente lineales y estadísticos, los sistemas expertos destacan por su trazabilidad y capacidad de explicación, atributos valiosos en contextos cuidadosamente regulados (salud, industria, ciberseguridad) donde hace falta justificar cada decisión. En la literatura reciente (Gebremariam & Aboye, 2024; Benetis et al., 2024), se los describe como herramientas que formalizan conocimiento explícito (reglas), lo mantienen actualizado y lo aplican de forma consistente sobre casos concretos, ya sea de diagnóstico clínico o de análisis de riesgos técnicos.

Un sistema experto para complicaciones del embarazo

En 2024, la Escuela de Ingeniería Biomédica del Instituto de Tecnología de la Universidad de Jimma (Etiopía) presentó un sistema experto basado en reglas para detectar tempranamente complicaciones durante el embarazo en entornos con pocos recursos. El equipo diseñó una base de 81 reglas y la integró en una aplicación web con interfaz apta para teléfonos, lo que facilita su uso por personal de salud de primer contacto. En evaluación, el sistema alcanzó 94 % de exactitud, mostrando que un conjunto bien curado de reglas puede traducirse en decisiones clínicas útiles y explicables, sin depender de grandes volúmenes de datos ni de infraestructura costosa (Gebremariam & Aboye, 2024).

De vulnerabilidades a reglas ejecutables

En el ámbito de seguridad de la información, la Facultad de Ciencias Fundamentales del Departamento de Sistemas de Información de la Universidad Técnica Gediminas de Vilna (Lituania), propuso un método para convertir automáticamente los registros de Vulnerabilidades y Exposiciones Comunes (CVE) y su nivel de gravedad (CVSS) en reglas de un sistema experto. La contribución ataca un cuello de botella clásico: mantener actualizada la base de conocimiento. Su prototipo genera hechos y reglas en entornos CLIPS (C Language Integrated Production System ) y Jess (Java Expert System Shell) a partir de las fuentes oficiales (NVD, catálogo CISA de vulnerabilidades explotadas), e incluso evalúa la calidad de la importación y los tiempos de conversión. Con ello, el conocimiento que antes se agregaba a mano puede actualizarse de forma continua y verificable, habilitando análisis de riesgo reproducibles (Benetis et al., 2024).

Diagnóstico y recomendaciones para migraña

En 2025, Mohammed A. Almulla, investigador del Departamento de Ciencias de la Computación de la Universidad de Kuwait presentó MDATES, un sistema médico experto construido con CLIPS que asiste en el diagnóstico de la migraña y su tratamiento (Almulla, 2025). La solución formaliza criterios clínicos en reglas explícitas y utiliza un motor de inferencia para proponer diagnósticos y recomendaciones terapéuticas, con un módulo de explicación que justifica cada salida. Al operar sobre síntomas declarados por la persona usuaria o el clínico, MDATES ilustra cómo la representación simbólica y la trazabilidad de reglas favorecen la aceptabilidad y la auditoría en entornos sanitarios.

Eficiencia energética con cascarones (shells) de sistemas expertos

En manufactura, la eficiencia energética se ha abordado con conocimiento experto codificado en reglas que detectan oportunidades y sugieren acciones de mejora. El Instituto de Gestión de la Producción de la Universidad Técnica de Darmstadt, Alemania presentó un sistema experto —una plantilla de software en Jupyter— que acelera el desarrollo e integración de estos sistemas en plantas reales (Ioshchikhes, Frank, Joseph & Weigold, 2024). El enfoque compara shells existentes, identifica brechas y propone una implementación flexible para operacionalizar reglas de ahorro energético junto con datos de operación, lo que permite desplegar soluciones explicables sin fricción en entornos industriales.

Transparencia, control y mantenimiento del conocimiento experto

Estos cuatro casos recientes confirman que los sistemas expertos siguen vigentes cuando la explicabilidad, la curación del conocimiento y la gobernanza importan tanto como la precisión. Desde la detección de complicaciones obstétricas y el apoyo al diagnóstico de migraña, hasta la actualización automática de bases de conocimiento en ciberseguridad y la orquestación de reglas en eficiencia energética, la fórmula base de conocimientos + motor de inferencia permanece útil y adaptable. Lejos de ser una tecnología del pasado, el sistema experto contemporáneo convive con otras IA y aporta transparencia, control y mantenimiento del conocimiento, justo donde más se necesita.

Referencias

Almulla, M. A. (2025). A novel CLIPS-based medical expert system for migraine diagnosis and treatment recommendation. Kuwait Journal of Science, 52(1), 100310. https://doi.org/10.1016/j.kjs.2024.100310

Benetis, D., Vitkus, D., Janulevičius, J., Čenys, A., & Goranin, N. (2024). Automated conversion of CVE records into an expert system, dedicated to information security risk analysis, knowledge-base rules. Electronics, 13(13), 2642. https://doi.org/10.3390/electronics13132642

Gebremariam, B. M., & Aboye, G. T. (2024). Rule-based expert system for the diagnosis of maternal complications during pregnancy: For low resource settings. Digital Health, 10, 20552076241230073. https://doi.org/10.1177/20552076241230073

Ioshchikhes, B., Frank, M., Joseph, T. M., & Weigold, M. (2024). Improving energy efficiency in manufacturing: A novel expert system shell (arXiv:2411.01272). arXiv. https://doi.org/10.48550/arXiv.2411.01272