El razonamiento basado en casos (CBR) es una forma de razonamiento analógico en el que la solución para un (nuevo) caso de consulta se determina utilizando una base de datos de casos conocidos anteriores con sus soluciones. Los casos similares a la consulta se recuperan de la base de datos, y luego sus soluciones se adaptan a la consulta. En medicina, un caso generalmente corresponde a un paciente y el problema consiste en clasificar al paciente en una clase de diagnóstico o terapia. En comparación con los algoritmos de «recuadro negro» como el aprendizaje profundo, las respuestas de los sistemas CBR se pueden justificar fácilmente utilizando los casos similares como ejemplos. Sin embargo, esta posibilidad a menudo se subutiliza y las explicaciones proporcionadas por la mayoría de los sistemas CBR se limitan a la visualización de casos similares.
En este artículo, proponemos un método CBR que puede ejecutarse automáticamente como un algoritmo y presentarse visualmente en una interfaz de usuario para proporcionar explicaciones visuales o para razonamiento visual. Después de recuperar casos similares, una interfaz visual muestra similitudes cuantitativas y cualitativas entre la consulta y los casos similares, por lo que uno puede clasificar fácilmente la consulta a través del razonamiento visual, de una manera totalmente explicable. Combina un enfoque cuantitativo (visualizado por un diagrama de dispersión basado en Escalamiento multidimensional en coordenadas polares , preservando distancias que involucran la consulta) y un enfoque cualitativo(ajuste de visualización usando cajas de arcoíris). Aplicamos este método para el manejo del cáncer de seno. Mostramos en tres conjuntos de datos públicos que nuestro método cualitativo tiene una precisión de clasificación comparable a los algoritmos dek-vecinos más cercanos, pero es mejor explicable. También probamos la interfaz propuesta durante un pequeño estudio de usuarios. Finalmente, aplicamos el enfoque propuesto a un conjunto de datos real en cáncer de mama. Los expertos médicos encontraron interesante el enfoque visual, ya que explica por qué los casos son similares a través de la visualización de las características compartidas del paciente.
