Category: Metodología y ciencia de datos

Con miras a construir una herramienta tecnológica robusta, funcional y alineada con las necesidades del sistema de salud de Cali, el equipo del proyecto Dengue.IA llevó a cabo una nueva sesión de trabajo centrada en la integración tecnológica del sistema de monitoreo, la articulación de equipos y la planificación realista del desarrollo del modelo prescriptivo.

Uno de los principales logros del encuentro fue la consolidación de un esquema técnico claro para la infraestructura de datos y visualización. El sistema estará construido sobre una base de datos en PostgreSQL alojada en Google Cloud, con una arquitectura distribuida que combina un backend transaccional en Spring (Java), un backend analítico en FastAPI (Python), y un frontend en React. Esta estructura permitirá visualizar zonas de riesgo, estados de tareas y recomendaciones territoriales de manera ágil y segura.

Con el fin de garantizar una gestión eficiente de tareas, se acordó rediseñar la interfaz del sistema para permitir asignar responsables, estados, fechas y descripciones a cada actividad. Esta mejora no solo facilitará el seguimiento interno, sino que promoverá una lógica de corresponsabilidad entre las distintas áreas de la Secretaría de Salud, evitando la concentración de tareas en una sola persona.

En cuanto al desarrollo del modelo prescriptivo, se reconoció que los cambios recientes en los roles de las instituciones aliadas han dejado un margen de tiempo muy corto para su implementación. Por eso, se estructurará una propuesta técnica y de cronograma para solicitar a la Fundación Rockefeller una extensión en la entrega de este componente, asegurando así que su desarrollo sea realista y de calidad.

La reunión también dejó avances importantes en términos de coordinación interinstitucional. Se programarán encuentros con DATIC, DAGMA y organismos meteorológicos para definir protocolos de carga de datos y asegurar la gobernanza de la información. Además, se formalizará la entrega del estandarizador de direcciones, los scripts del datawarehouse y una sesión de capacitación técnica grabada, que permita replicar el proceso de forma autónoma por parte del equipo de la Secretaría.

La jornada concluyó con una fuerte apuesta por la sostenibilidad del sistema: desde la documentación de procesos hasta la formación de equipos locales, cada decisión busca asegurar que el sistema no dependa exclusivamente de sus creadores, sino que pueda ser mantenido y fortalecido en el tiempo por las entidades públicas.

Dengue.IA sigue demostrando que un modelo predictivo y prescriptivo no es solo una cuestión de algoritmos: es también una apuesta por el trabajo conjunto, la claridad operativa y el diseño de soluciones pensadas para integrarse a la realidad institucional de Cali.

Cali está cada vez más cerca de contar con un sistema de inteligencia artificial capaz de anticipar y orientar acciones frente a los brotes de dengue en la ciudad. En una reciente sesión técnica, el equipo del proyecto Dengue.IA, junto con representantes de la Fundación Rockefeller y de entidades locales, consolidó un nuevo enfoque para aumentar la precisión y utilidad del modelo predictivo, y comenzó a delinear el componente prescriptivo de la herramienta.

Uno de los avances más importantes fue la evolución del modelo hacia una estructura basada en “digital twins”: representaciones digitales de zonas específicas de la ciudad, de aproximadamente un kilómetro cuadrado cada una. A diferencia de la primera versión —que utilizaba una sola red para todo Cali—, esta nueva arquitectura permitirá entrenar redes individualizadas con datos específicos de cada sector. La meta es clara: lograr predicciones más ajustadas a las realidades locales.

Además de este cambio de escala, se definió el uso de una arquitectura ConvLSTM, que combina redes convolucionales (para comprender relaciones espaciales) con redes LSTM (para captar dinámicas temporales). Esto se articula con un inventario en curso de más de 25 fuentes de datos —epidemiológicos, meteorológicos, demográficos y ambientales— que alimentarán el sistema.

El componente prescriptivo, aún en diseño inicial, también empieza a tomar forma. Frente a la limitada disponibilidad de datos sobre decisiones pasadas ante brotes, el equipo propuso comenzar con un motor de inferencia basado en reglas, posiblemente apoyado en lógica difusa. Este motor no automatizará decisiones, sino que entregará recomendaciones justificadas, que podrán ser consideradas por las autoridades locales de salud. Con el tiempo, y a medida que se recojan datos sobre intervenciones reales, se espera migrar hacia un modelo que integre aprendizaje supervisado y reforzado, permitiendo que el sistema se fortalezca con cada ciclo de retroalimentación.

En paralelo, el desarrollo de una plataforma web sigue avanzando. El dashboard final permitirá visualizar zonas de riesgo, predicciones semanales y recomendaciones específicas, integrando toda la potencia del modelo en una herramienta accesible para la Secretaría de Salud.

Este enfoque se basa en una lógica de sistema de aprendizaje continuo: las decisiones tomadas y sus efectos reales serán retroalimentadas al sistema, no solo para mejorar su desempeño, sino para enriquecer el conocimiento institucional sobre la dinámica del dengue en la ciudad.

Finalmente, se revisó el cronograma general del proyecto, destacando que cerca del 70% del esfuerzo actual se concentra en el procesamiento de datos, y que, hasta ahora, se avanza conforme a lo previsto. Las sesiones de validación con la Secretaría de Salud ya están en marcha, lo que garantiza que las soluciones técnicas estén alineadas con las capacidades y necesidades reales de la ciudad.

Con estos desarrollos, Dengue.IA sigue consolidándose como una propuesta innovadora, que combina ciencia de datos, salud pública y gobernanza territorial para enfrentar uno de los retos epidemiológicos más persistentes de Cali.

En marzo se llevaron a cabo los primeros encuentros para identificar las lecciones aprendidas en el desarrollo del proyecto Dengue IA, una iniciativa que busca innovar en la prevención y control del dengue mediante herramientas de inteligencia artificial. Estos espacios de diálogo contaron con la participación de la Universidad del Valle, Icesi y diversas entidades de la Alcaldía de Cali, en un ejercicio colaborativo orientado al fortalecimiento de la gestión pública. 

Este tipo de procesos no solo permiten revisar lo que se ha hecho, sino también proyectar mejoras sostenibles. Aprender de la experiencia permite reducir errores, mejorar resultados y alinear expectativas entre actores diversos. Más allá de la revisión, estos espacios se convierten en una herramienta estratégica para orientar mejor las decisiones y afinar la ejecución de políticas públicas. 

Un engranaje que funciona: Coordinación, equipos diversos y liderazgo

El primer encuentro se centró en lo operativo. Allí se reconoció el poder de una articulación efectiva entre instituciones, la fuerza de la interdisciplinariedad en los equipos y el liderazgo técnico y humano ejercido por la Universidad Icesi. Esta combinación ha sido clave para avanzar con solidez y coherencia. 

Aprender del pasado para anticiparse al futuro

Durante el segundo encuentro, la mirada fue más técnica. A través de entrevistas individuales, se revisaron aprendizajes específicos con cada organización. Se contó también con la participación de un profesional que integró un proyecto similar en 2024, y cuyas experiencias ofrecieron insumos valiosos para anticipar riesgos y tomar mejores decisiones en el presente. 

Destacó especialmente el enfoque en la gestión temprana de riesgos técnicos, en particular los relacionados con el uso y protección de datos. También se identificó la necesidad de construir desde ya estrategias financieras, legales y académicas que garanticen la sostenibilidad y escalabilidad de Dengue IA. 

Que el aprendizaje no se quede en el papel

Más que una reflexión, cada encuentro genera planes de acción concretos para aplicar lo aprendido de forma real y medible. El objetivo es claro: que las lecciones se conviertan en parte activa del proyecto, fortaleciendo su gestión y sus resultados. 

Un compromiso constante con la mejora

Estos espacios de aprendizaje se realizarán de manera trimestral, con el fin de dar seguimiento a las acciones acordadas y continuar mapeando nuevos hallazgos. Así se garantiza un proceso de mejora continua que enriquece cada etapa del proyecto. 

El caso de Dengue IA demuestra que aprender en equipo es clave para avanzar con impacto. La colaboración interinstitucional, el análisis técnico riguroso y la voluntad de transformar la experiencia en acción marcan una ruta para innovar en salud pública y construir respuestas sostenibles ante retos complejos. 

Tras un proceso de selección riguroso, se analizaron múltiples propuestas para definir quién estaría a cargo de desarrollar este marco esencial. De las diez postulaciones recibidas, cinco no enviaron propuestas completas, mientras que dos se enfocaron en el modelo predictivo y prescriptivo en lugar del marco ME&L. Esto dejó en competencia a tres finalistas.

Cada propuesta fue evaluada por un grupo experto en medición de impacto social y salud pública. Se identificaron diferencias clave: algunas se centraron en herramientas como tableros de mando sin una estructura robusta para la medición de impacto, mientras que otras mostraban experiencia relevante, pero superaban el presupuesto disponible. Finalmente, una de ellas destacó por su trayectoria en América Latina, una metodología bien estructurada y un enfoque de género en salud pública, además de ajustarse a los recursos asignados.

Después de una evaluación detallada, se eligió a Cubo Social como la mejor opción para desarrollar el marco ME&L. Su trayectoria, metodología clara y enfoque integral fueron determinantes en la selección. Como siguiente paso, se solicitará una ampliación sobre su experiencia específica en temas de salud y se consolidará el plan de trabajo para su presentación ante la Fundación Rockefeller.

Este avance representa un paso crucial para asegurar que el modelo predictivo y prescriptivo para la prevención del dengue en Cali tenga un impacto medible y efectivo. Con la implementación del marco ME&L, se podrá evaluar en tiempo real el éxito de las estrategias aplicadas y hacer ajustes que optimicen los resultados en la lucha contra esta enfermedad.

Con el objetivo de profundizar en la calidad, acceso y uso de datos meteorológicos clave para el desarrollo del modelo predictivo de Dengue.IA, el 31 de enero de 2025 se realizó una reunión técnica entre representantes de la Universidad Icesi, la Alcaldía de Cali y el Laboratorio Ambiental del DAGMA.
El encuentro se centró en el análisis de la infraestructura disponible, los retos de interoperabilidad, y la identificación de variables necesarias para alimentar la herramienta basada en inteligencia artificial que busca anticipar brotes de dengue en la ciudad.
La jornada contó con la participación de investigadores y funcionarios vinculados al proyecto, quienes discutieron temas técnicos relacionados con la confiabilidad de las estaciones meteorológicas, la disponibilidad de datos georreferenciados, y las condiciones para su integración en el modelo en construcción.

Datos georreferenciados y colaboración institucional
Uno de los primeros puntos abordados fue la gestión de datos georreferenciados almacenados por la Secretaría de Salud.
Leonardo Aguiar, de la Alcaldía, se comprometió a coordinar el acceso a esta información, que resulta fundamental para el trabajo de modelación liderado por el equipo de la Universidad Icesi. Además, se mencionó la importancia de formalizar estos procesos a través de entregas de discos duros y revisiones periódicas de las bases de datos en curso.

Diagnóstico de estaciones meteorológicas
El investigador Gabriel Tamura presentó el proyecto de predicción de brotes, destacando que su desarrollo depende de contar con datos confiables y oportunos.
Para ello, se solicitó un análisis detallado del estado actual de las estaciones meteorológicas operativas en Cali.
Edgar Humberto Herrera, coordinador del Laboratorio Ambiental, señaló que varias estaciones han presentado fallas debido al deterioro de la infraestructura en años anteriores, y que actualmente se trabaja para restablecer su funcionamiento. Por su parte, Julián Otoya explicó que la red de vigilancia del aire, a cargo del DAGMA, sufrió debilitamientos bajo administraciones pasadas, lo que limita la cobertura y continuidad de los registros.

Variables clave y necesidades del modelo
Se discutieron las variables meteorológicas más relevantes para el modelo predictivo, incluyendo humedad relativa, temperatura, vegetación, y residuos sólidos, entre otras.
Daniel Felipe Osorio enfatizó la necesidad de contar con estos insumos de manera estandarizada para alimentar el sistema de predicción. Además, propuso incluir datos históricos de la Secretaría de Salud que podrían complementar el análisis.

También se debatió la posibilidad de realizar una solicitud formal al DAGMA y otras entidades, como la CVC, a través de canales oficiales como el sistema Orfeo o la ventanilla única de la Alcaldía. Esta solicitud se dirigirá específicamente a Edgar Humberto Herrera, y buscará consolidar la entrega de variables clave con respaldo institucional.

Desafíos logísticos y coordinación digital
Durante la reunión se señalaron algunas dificultades logísticas, como los problemas de acceso a la plataforma Microsoft Teams, que afectaron la fluidez de la comunicación entre equipos.
Se acordó fortalecer los canales de coordinación y revisar las condiciones técnicas para facilitar el intercambio de información.

Conclusiones y compromisos
El encuentro permitió avanzar significativamente en el diagnóstico técnico de la infraestructura meteorológica de Cali y en la definición de insumos necesarios para el modelo.
El equipo reafirmó su disposición a continuar trabajando de forma articulada, reconociendo que la calidad y cobertura de los datos meteorológicos son determinantes para la precisión del modelo Dengue.IA y su impacto en la prevención de brotes en la ciudad.

El pasado 15 de noviembre de 2024 se llevó a cabo la reunión de alistamiento para la reunión inicial del proyecto “Desarrollo y despliegue integrado de un modelo predictivo basado en Inteligencia Artificial y un modelo prescriptivo para la prevención del dengue en Cali, Colombia”.

Este encuentro tuvo como propósito generar un espacio de reconocimiento entre los participantes, definir funciones y roles dentro del proyecto y establecer acuerdos operativos clave. Además, se preparó la agenda para la reunión de Kickoff con la Fundación Rockefeller, que marcará el inicio formal del proyecto.

Objetivos de la reunión

• Presentación del equipo de trabajo.
• Revisión de los aspectos generales del proyecto.
• Identificación de oficiales de enlace y establecimiento de acuerdos operativos.
• Elaboración del orden del día para la reunión de Kickoff.

La reunión inició con la presentación del equipo y la revisión de los aspectos generales del proyecto. Se discutieron los hitos clave, resaltando la obtención de datos en los primeros dos meses (diciembre 2024 – enero 2025) como prioridad para garantizar el cumplimiento del cronograma.

También se identificaron “victorias tempranas”, como el uso del Power BI del área de Vigilancia de la Secretaría de Salud, que servirá como insumo para el desarrollo de los modelos predictivo y prescriptivo. Finalmente, se definió la agenda para la reunión de Kickoff el 25 de noviembre de 2024.

Conclusiones clave

• La obtención de datos en los primeros dos meses es una prioridad. Se establecieron reuniones semanales con una reunión presencial mensual previa a la reunión con el equipo de Rockefeller. La reunión de Kickoff está programada para el 25 de noviembre de 2024.
  La agenda de la reunión de Kickoff incluirá:
  • Orden del día.
  • Presentación del equipo y entidades.
  • Presentación del proyecto.
  • Antecedentes en la Secretaría de Salud.
  • Alianza con actores de salud en Dengue.
  • Comentarios.
• Todos los miembros del equipo deberán estar disponibles con cámara encendida para la reunión de Kickoff.
• Se deberán resolver dudas internas antes del Kickoff para asegurar un espacio eficiente.