El uso de sistemas inteligentes en diagnósticos clínicos ha evolucionado, integrando modelos de aprendizaje estadístico y representación basada en conocimiento. Dos trabajos recientes proponen la identificación de factores de riesgo para el diagnóstico de la apnea del sueño obstructiva (OSA). El primero utiliza el aprendizaje estadístico para identificar indicadores asociados con diferentes niveles del índice de apnea-hipopnea (AHI). El segundo artículo combina enfoques de inferencia estadística y simbólica para obtener indicadores de riesgo (y) para un nivel de AHI dado. Basándonos en esto, en este artículo proponemos un nuevo sistema inteligente que considera diferentes niveles de AHI y genera pares de riesgo para cada nivel. Un modelo basado en el aprendizaje genera basado en datos objetivos del paciente, mientras que una cascada de sistemas expertos difusos determina a utilizando datos de síntomas de entrevistas con pacientes. La agregación de pares de riesgo en cada nivel implica un sistema experto difuso con reglas difusas generadas automáticamente utilizando el algoritmo de Wang-Mendel. Esta agregación produce un indicador para cada nivel de AHI, permitiendo la discriminación entre casos de OSA y no OSA, junto con recomendaciones apropiadas. Este enfoque mejora la variabilidad, utilidad e interpretabilidad, aumentando la fiabilidad del sistema. Las pruebas iniciales en datos de 4400 pacientes arrojaron valores de AUC de 0.74-0.88, demostrando los beneficios potenciales de la arquitectura del sistema inteligente propuesto.