Los científicos de la Universidad Nacional de San Martín (UNSAM) están finalizando los últimos detalles para la implementación de un sistema basado en inteligencia artificial bayesiana, que será aplicado en toda la provincia de Buenos Aires, y que permitirá anticipar los brotes de dengue durante este verano.
El desarrollo llevado a cabo por un equipo de la Escuela de Ciencia y Tecnología (ECyT) de la UNSAM representa un paso innovador en la lucha contra esta enfermedad, que según anuncian los especialistas esta temporada será más virulenta que el año anterior.
Ezequiel Álvarez, investigador del CONICET y profesor de la UNSAM, fue quien 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”, explicó en declaraciones radiales.
Las claves del sistema de la UNSAM
El desarrollo será usado en la provincia de Buenos Aires, según lo confirmaron el gobernador Axel Kicillof y el ministro de Salud bonaerense, Nicolás Kreplak, durante la presentación de una serie de medidas preventivas para enfrentar la amenaza del dengue.
El corazón del proyecto de la UNSAM 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. Así, 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.
Llega Sabores de San Isidro, con 67 cafeterías que ofrecerán descuentos y promos durante todo un día
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.
Una herramienta clave contra el dengue
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.
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.
Un famoso bodegón de Escobar irá por el récord Guinness del sánguche de milanesa más largo del mundo
El sistema analizará 400.000 manzanas de centros urbanos, ya que la región densamente poblada es la más vulnerable a la propagación del dengue. Y 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.
Esta precisión permitirá que las autoridades sanitarias actúen de manera focalizada en áreas específicas y evitando la dispersión masiva del virus. Además, según destacó el ministro Kreplak, esto no sólo reducirá el número de casos, sino también los costos para el sistema sanitario, al optimizar los recursos y prevenir la propagación de la enfermedad.