La Universidad Nacional de San Martín y el gobierno provincial avanzan en un proyecto de inteligencia artificial bayesiana para anticipar brotes de dengue. El modelo busca optimizar la respuesta sanitaria y prevenir contagios en áreas urbanas.
Un grupo de investigadores de la Universidad Nacional de San Martín (UNSAM), liderado por Ezequiel Álvarez, está desarrollando un modelo de inteligencia artificial bayesiana que permitirá prever focos de dengue en centros urbanos. La iniciativa surge de una colaboración con la gobernación de la provincia de Buenos Aires en el marco de sus estrategias de innovación tecnológica.
A principios de octubre, Nicolás Kreplak, ministro de Salud bonaerense, presentó una serie de medidas para combatir el dengue e incentivó a la vacunación. Entre las propuestas destacadas se encuentran el uso de telemedicina y la implementación de herramientas de aprendizaje automático desarrolladas por la Escuela de Ciencia y Tecnología (ECyT) de la UNSAM, enfocadas en la prevención de nuevos brotes.
“Esperamos que la temporada de dengue de este año sea intensa”, declaró Kreplak al diario LA NACIÓN. Ante esta situación, el ministro apostó por la telemedicina para evitar la saturación de los servicios de urgencias, ya que “los casos leves solo requieren reposo e hidratación”.
Además de la telemedicina, la provincia ha puesto en marcha un sistema de alertas tempranas. Los ciudadanos pueden llamar al 148 para reportar síntomas y recibir atención médica a distancia. Esta información permitirá a las autoridades sanitarias disponer de datos cruciales. Junto con la vigilancia epidemiológica y la información proveniente de las guardias, se podrá construir un modelo de inteligencia artificial capaz de identificar las zonas con mayor riesgo de contagio. “Así, podremos enfocar mejor las medidas estratégicas para reducir o mitigar la cantidad de contagios”, añadió Kreplak.
Un Proyecto Interdisciplinario
El desarrollo mencionado por Kreplak forma parte de un proyecto interdisciplinario que reúne a biólogas, zoólogas, epidemiólogas y funcionarios del gobierno provincial. “En la dinámica de la epidemia del dengue, como en cualquier sistema, existen muchos procesos interconectados que dependen de ciertas variables. Por ejemplo, el clima, los casos registrados en las últimas semanas, la densidad de población, los llamados al 148, y las visitas a las guardias, entre otros factores”, explicó Ezequiel Álvarez.
Inteligencia Artificial Bayesiana para la Prevención
La inteligencia artificial bayesiana se basa en el aprendizaje a partir de la experiencia y en la aplicación del Teorema de Bayes. “Este enfoque utiliza el conocimiento existente sobre las relaciones entre los procesos y, con base en las variables observadas, se pueden inferir las no observadas”, detalló Álvarez. El objetivo del equipo es estimar la distribución de mosquitos infectados en cada área del Gran Buenos Aires, utilizando datos de llamadas al 148, densidad poblacional, nivel socioeconómico, entre otros. Aunque no proporcionará una cantidad exacta, el modelo permitirá inferir la probabilidad de mosquitos infectados en cada zona.
El modelo de inferencia bayesiana resulta especialmente útil para abordar la complejidad de la epidemia del dengue, considerando la movilidad de las personas infectadas, la propagación del mosquito transmisor y el tiempo de aparición de los síntomas. Estas variables, sumadas a múltiples procesos simultáneos, hacen del dengue un fenómeno difícil de predecir.
Progresos y Perspectivas
Álvarez adelantó que ya han desarrollado una versión preliminar del modelo. “Funciona de manera prometedora y esperamos que mejore, ya que aprende con el tiempo. Actualmente, estamos realizando un análisis previo de los datos del año pasado con la IA bayesiana para identificar la correlación entre los mismos. El modelo final aún no está definido”, afirmó.
La proyección es que los primeros resultados con el modelo definitivo se obtendrán a partir de diciembre. “No tiene sentido finalizar el modelo ahora, ya que este programa puede seguir mejorando hasta entonces. Para optimizarlo, generamos datos sintéticos y evaluamos su rendimiento. Además, incorporamos nuevas ideas y datos, como información geográfica de las campañas de prevención”, reveló Álvarez.
El modelo se volverá más preciso conforme se reciban los datos de la actual temporada de dengue, entre noviembre y diciembre, lo que permitirá estimar variables como la probabilidad de mosquitos infectados por zona. “Al analizar los datos de la epidemia con el modelo, podremos identificar las áreas de mayor riesgo y actuar rápidamente con políticas públicas para prevenir los brotes”, concluyó Álvarez.
Proyección Internacional
Este desarrollo no solo podría beneficiar a la provincia de Buenos Aires, sino que también tiene un gran potencial para ser aplicado en otras regiones y epidemias, como la malaria o la fiebre Crimea-Congo. Según Álvarez, la escalabilidad del modelo permitiría adaptarlo y exportarlo para enfrentar otras problemáticas sanitarias a nivel global.
