Sr. Director: En respuesta a los comentarios suscitados en relación con nuestro trabajo, en primer lugar los autores señalan que la muestra utilizada para el estudio, por el hecho de no ser pacientes dispépticos consecutivos no seleccionados, supone una limitación metodológica. Sin embargo, consideramos que para el objeto de nuestra investigación, entrenar una red neuronal y probarla, se trata de una muestra representativa, al tratarse de pacientes que han necesitado ser sometidos a pruebas complementarias para confirmar un diagnóstico; es decir, son los que resultan más difíciles de clasificar. El resto de enfermos con dispepsia ya habían sido discriminados sin necesidad de ninguna herramienta adicional en función de la experiencia acumulada de sus propios médicos. Además, es lógico pensar que la dispepsia se ajusta a un patrón determinado, que es el que la red neuronal reconoce, y es bastante probable que éste sea el mismo independientemente de la muestra analizada.
Respecto al posible sesgo de recuerdo de los pacientes a la hora de referir su sintomatología, cabe resaltar primero que la red neuronal es capaz de adaptarse a cualquier patrón de datos que presente, incluso información imprecisa, incompleta o dudosa. A modo de ejemplo, se puede reconocer a una persona en una fotografía parcialmente incompleta o con una calidad de imagen imperfecta. Por otro lado, es poco probable que un sesgo de memoria contribuya a clasificar mejor, porque si bien los pacientes conocen su diagnóstico, ignoran el síntoma que discrimina más, de forma que este error sistemático quedaría minimizado.
La bibliografía científica hace tiempo que ha fundamentado la superioridad de las redes neuronales frente a los clasificadores deterministas y estadísticos a la hora de reconocer formas complejas, ya que estos últimos sólo son capaces de ajustarse a datos con formas lineales o cuadráticas, respectivamente. Con este trabajo hemos comprobado que el problema analizado se ajusta relativamente peor con los clasificadores estadísticos y deterministas, por lo que se deduce que el patrón a reconocer no era ni lineal ni cuadrático. Por otro lado, los modelos predictivos basados en scores o en ecuaciones polinómicas tienen una capacidad predictiva menor que la de las redes neuronales.
El método que hemos utilizado para validar la red neuronal ha sido tomar aleatoriamente un 50% de los casos para su entrenamiento hasta que ha clasificado de modo correcto al 100% de los pacientes, y más tarde se ha comprobado su efectividad con el 50% restante. Creemos que nuestro trabajo ha validado el uso de redes neuronales en nuestro grupo seleccionado (pacientes en los que las dudas diagnósticas del médico no permitían obviar el uso de una prueba complementaria), y estamos de acuerdo con los autores en que en este momento procede probar la red en un entorno más amplio, con más pacientes y prospectivamente, para confirmar su utilidad.
Consideramos, por tanto, que las críticas metodológicas realizadas no están tan sólidamente fundada como expresan los autores e ignoran por otra parte la enorme aplicación demostrada por los reconocedores de patrones basados en redes neuronales artificiales.
