Buscan predecir los brotes de dengue con una herramienta de IA desarrollada por científicos de la UNSAM

La implementación de un sistema basado en inteligencia artificial bayesiana, que será aplicado en territorio bonaerense, permitiría anticipar brotes de dengue durante este verano. Esta innovación, desarrollada por un equipo de la Escuela de Ciencia y Tecnología (ECyT) de la Universidad Nacional de San Martín (UNSAM), representa un paso innovador en la lucha contra esta enfermedad, que esta temporada promete ser más virulenta que el año anterior.

Ezequiel Álvarez es investigador del CONICET y profesor de la UNSAM y lideró este proyecto interdisciplinario que busca predecir con mayor precisión los focos de contagio, mitigando su expansión y permitiendo una intervención más eficiente. “Esperamos que este desarrollo ayude a prevenir los brotes de dengue de manera ágil y eficiente”, afirmó esta mañana Álvarez en declaraciones radiales.

El desarrollo será usado en la provincia de Buenos Aires, según lo anunciaron el gobernador Axel Kicillof y el ministro de Salud Nicolás Kreplak, en el marco de la presentación de una serie de medidas preventivas para enfrentar la amenaza del dengue en la Provincia.

En qué consiste el desarrollo de la IA bayesiana

El corazón del proyecto es la implementación de IA bayesiana, una técnica que permite inferir magnitudes no observadas a partir de aquellas que sí son visibles. “En la dinámica de la epidemia del dengue, como en cualquier sistema, ocurren muchos procesos que se relacionan entre sí y dependen de ciertas magnitudes”, explicó Álvarez. Factores como el clima, los casos reportados en los últimos 20 días y las llamadas al número de emergencias 148 son parte de las magnitudes observadas que el sistema utiliza para hacer sus cálculos.

Lo novedoso del sistema es que, al alimentar el modelo con estos datos, la IA puede inferir magnitudes ocultas, como la cantidad de mosquitos infectados en un área específica o el nivel de descacharreo (la eliminación de recipientes donde los mosquitos pueden reproducirse) en una zona determinada.

“Uno nunca va a saber la cantidad exacta de mosquitos, sino que infiere una distribución de probabilidad. Al correr el modelo, junto con los datos que irán llegando de la epidemia, esperamos hallar que en algunos lugares esta distribución de probabilidad será mayor que en otros, y esa será clave para tomar acciones ágiles y eficientes con políticas públicas”, detalló el investigador.

Los desarrolladores del sistema consideran que esta capacidad de predicción representa una herramienta importante en la gestión de epidemias, especialmente en un contexto en el que el dengue ha mostrado picos preocupantes en su propagación. El sistema aprende de los datos históricos —ahora lo entrenan con los datos de la epidemia de 2023— y en tiempo real, ajustando sus predicciones y ofreciendo a los responsables de salud pública información precisa para intervenir en los puntos críticos antes de que los brotes se intensifiquen.

Acciones preventivas y colaboración con la UNSAM

El anuncio del gobierno provincial marca un cambio en la estrategia contra el dengue, una enfermedad que mostró un incremento alarmante en los últimos años. Además de las campañas tradicionales de vacunación y concienciación pública, la introducción de machine learning en la prevención de brotes se espera que represente un avance significativo.

Según lo anunciado, el sistema utilizará un modelo matemático sofisticado que, a partir de la información sobre el clima, la densidad poblacional y otros factores, permitirá detectar con antelación los focos donde los mosquitos portadores del virus del dengue podrían multiplicarse.

El sistema analizará 400.000 manzanas de centros urbanos, ya que la región densamente poblada es la más vulnerable a la propagación del dengue. A través de la recopilación y procesamiento de datos climáticos, demográficos y epidemiológicos, el modelo será capaz de identificar en tiempo real las zonas con mayor riesgo de brote, confían sus desarrolladores. Esta precisión permitirá que las autoridades sanitarias actúen de manera focalizada en áreas específicas y evitando la dispersión masiva del virus.

El equipo de investigación incluye no solo matemáticos y expertos en inteligencia artificial, sino también biólogos, zoólogos y epidemiólogos, todos ellos coordinados por Álvarez. “La transferencia de conocimiento científico en salud y prevención es esencial para mejorar la calidad de vida”, subrayó Pablo Palmaz, subsecretario de Relaciones Interinstitucionales de la UNSAM, quien prevé que el impacto de esta tecnología será clave en la lucha contra el dengue en los próximos meses.

Implicancias del desarrollo en las políticas públicas durante la epidemia

La implementación de este sistema permitirá una toma de decisiones más ágil y localizada. En lugar de adoptar medidas genéricas para grandes áreas, el modelo brindará la posibilidad de focalizar los esfuerzos en aquellas zonas donde la probabilidad de brote es mayor.

El ministro Kreplak destacó que este enfoque reducirá no solo el número de casos, sino también los costos para el sistema sanitario al optimizar los recursos y prevenir la propagación de la enfermedad. “El Ministerio de Salud va a poder ‘atacar’ con medidas zonas precisas, yendo a decirle a la gente cómo tiene que hacer el descacharreo”, destacó Álvarez, quien resaltó la importancia de involucrar a la comunidad en la prevención.

Además, a mediano plazo, las proyecciones indican que este tipo de desarrollos no solo permitirá reducir el impacto inmediato de los brotes, sino que también contribuirá a una prevención continua.

Al identificar con mayor precisión los focos de riesgo y optimizar la distribución de los recursos sanitarios, se espera una disminución sostenida de casos a lo largo del tiempo.

Esto también llevará a una reducción de los costos a largo plazo, al evitar el colapso de las guardias hospitalarias y minimizar la necesidad de tratamientos extensivos. Como destacó Palmaz, este tipo de transferencia de conocimiento científico fortalecerá las políticas públicas de salud, haciendo que las intervenciones sean más efectivas y que las comunidades vulnerables estén mejor protegidas.