Dengue.IA: Predice, Previene y Protege tu Comunidad

El 10 de febrero de 2025, investigadores de la Universidad Icesi y la Universidad del Valle se reunieron para seguir avanzando en Dengue.IA, una herramienta diseñada para predecir brotes de dengue y mejorar su gestión. Durante la jornada, liderada por el ingeniero Daniel Osorio y la epidemióloga Lyda Osorio, se definieron los hitos clave del modelo, considerados esenciales para el proyecto.

Centers for Disease Control and Prevention (CDC). (2025, 4 de junio). [Mapa mundial de áreas con riesgo de dengue]. En Areas with Risk of Dengue. Recuperado de https://www.cdc.gov/dengue/images/areaswithrisk/Dengue-World-Map.jpg

Uno de los principales objetivos de Dengue.IA es generar alertas tempranas que permitan actuar antes de que la enfermedad se propague. Lyda Osorio destacó que contar con información anticipada facilita la toma de decisiones y ayuda a reducir el impacto del dengue en la salud pública. Para lograrlo, el modelo busca optimizar las estrategias de prevención y control, adaptándolas a las condiciones específicas de cada región. Por esto se discutió cómo la distribución de la población influye en la efectividad de medidas como la fumigación, por lo que es fundamental ajustar estas estrategias para maximizar su impacto.

Otro aspecto clave del proyecto es la aplicación de la ciencia en la lucha contra el dengue. Según Lyda Osorio, cuando más del 80% de los mosquitos en una zona están infectados con la bacteria Wolbachia, el riesgo de brote es bajo; sin embargo, si este porcentaje cae al 50%, la amenaza aumenta significativamente. Integrar este conocimiento en las estrategias de prevención permitirá tomar decisiones más acertadas y efectivas.

Desde su inicio, Dengue.IA ha apostado por la colaboración entre diferentes sectores. La Dra. Osorio enfatizó que el compromiso de la comunidad y la capacitación del personal de salud son esenciales para que el sistema funcione correctamente. En esa línea, Daniel Osorio presentó un cronograma detallado que involucra a expertos de diversas áreas, desde analistas de datos hasta técnicos de campo, con el objetivo de abordar el problema de manera integral y eficiente.

Más allá del desarrollo tecnológico, el éxito del proyecto se medirá por su impacto en la salud pública. Freddy Agredo, representante de la Secretaría de Salud, destacó que Dengue.IA puede convertirse en una herramienta clave para prevenir brotes, mejorar la gestión de la enfermedad y reducir los costos en atención médica. Para seguir avanzando, el equipo se comprometió a recopilar información directamente del personal de campo y a revisar los planes de contingencia actuales, asegurando que el modelo se adapte a las necesidades reales de cada comunidad.

La Hora. (2023, 31 de agosto). [Gráfico informativo sobre detección, tratamiento y prevención del dengue]. En Cómo detectar el dengue, tratarlo y sobre todo prevenirlo. Recuperado de https://lahora.gt/wp-content/uploads/sites/5/2023/08/grafico-dengue-principal.jpg

El proyecto también contempla la automatización de la recolección de datos y la integración de herramientas predictivas y prescriptivas. Esto garantizará que las autoridades de salud puedan utilizar la información de manera eficiente y tomar decisiones basadas en datos precisos y actualizados. Gracias a este esfuerzo conjunto, Dengue.IA busca transformar la gestión del dengue mediante la innovación, la ciencia y el trabajo colaborativo.

El Marco ME&L en la Lucha Contra el Dengue

El dengue sigue siendo un desafío de salud pública en Cali, Colombia, con ciclos de transmisión que afectan a miles de personas cada año. En respuesta a esta problemática, se ha desarrollado un proyecto innovador basado en inteligencia artificial para la predicción y prescripción de medidas preventivas contra esta enfermedad. Un aspecto clave de este proyecto es la implementación de un marco de monitoreo, evaluación y aprendizaje (ME&L) que permita medir su impacto y garantizar su efectividad.

Infobae América. (2024, 20 de marzo). [Mosquito Aedes aegypti posado en piel humana]. En Cómo identificar al mosquito del dengue y en qué momento del día pica más. Recuperado de https://www.infobae.com/america/ciencia-america/2024/03/20/como-identificar-al-mosquito-del-dengue-y-en-que-momentos-pica-mas/

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.

Reunión técnica fortalece entendimiento sobre datos meteorológicos para el modelo predictivo de dengue

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 proyecto Dengue.IA avanza con el respaldo de la Fundación Rockefeller y entidades locales

El 31 de enero de 2025, como parte de su agenda de seguimiento, el equipo del proyecto Dengue.IA sostuvo una reunión clave con representantes de la Fundación Rockefeller, financiadora de la iniciativa, así como con actores de la Universidad Icesi, la Alcaldía de Cali y distintas dependencias técnicas de la ciudad.
El encuentro, liderado por los investigadores Robin Castro y Gabriel Tamura, tuvo como objetivo presentar los avances alcanzados hasta enero de 2025 y definir lineamientos estratégicos para los próximos meses.
Durante la jornada se discutieron aspectos técnicos del modelo, se compartieron lecciones aprendidas y se reafirmó el compromiso de continuar fortaleciendo la articulación interinstitucional para el desarrollo de una herramienta innovadora de predicción y prescripción en salud pública.

Avances en datos y estructura del modelo
El equipo técnico presentó un balance detallado sobre la recolección y análisis de datos, indicando que los archivos utilizados en modelos previos fueron descargados con el apoyo de DATIC y están siendo utilizados como insumo para el nuevo desarrollo.
Sin embargo, se señalaron dificultades relacionadas con la calidad y estructura de los datos (CSV, Parquet y Excel), lo que ha motivado la exploración de fuentes alternativas como imágenes satelitales de la NASA.
También se expuso la necesidad de precisar la pregunta clave que debe responder el modelo, para así orientar mejor su desarrollo. Entre las propuestas discutidas, se contempló la posibilidad de estimar el número de casos de dengue por subterritorios en la ciudad, con el fin de optimizar la focalización de intervenciones preventivas.

Un enfoque basado exclusivamente en inteligencia artificial
Durante la reunión se destacó que Dengue.IA es el único proyecto del grupo de trabajo que está siendo desarrollado exclusivamente con inteligencia artificial, a diferencia de otras iniciativas que han combinado este enfoque con modelos estadísticos tradicionales.
Este carácter diferencial abre nuevas posibilidades metodológicas, pero también plantea desafíos técnicos que requieren una construcción rigurosa del modelo.

Propuesta para optimizar las futuras sesiones
A partir de las observaciones del equipo y de la Fundación Rockefeller, se sugirió reestructurar el formato de las reuniones de seguimiento para hacerlas más prácticas y orientadas a la toma de decisiones.
Se acordó que, en adelante, estos espacios iniciarán con una sección de lecciones aprendidas, seguida de la presentación de hitos clave, y finalizarán con la discusión general del proyecto. Asimismo, se estableció que los materiales (informe y presentación) serán enviados con una semana de antelación a cada encuentro.

Conclusiones y próximos pasos

La reunión permitió identificar logros relevantes en la consolidación del modelo y en la integración de las instituciones participantes.
No obstante, se reiteró la necesidad de contar con una definición clara, por parte de la Secretaría de Salud, sobre la pregunta que debe resolver la herramienta basada en inteligencia artificial.
Este paso es fundamental para orientar correctamente el desarrollo técnico y asegurar su utilidad práctica.


Entre los compromisos establecidos se encuentran:
➔ Establecer un nuevo formato para las reuniones, centrado en lecciones aprendidas, hitos e intercambio crítico.
➔ Incluir en futuras presentaciones una mención explícita sobre el uso del modelo anterior como línea base.
➔ Traducir al inglés la imagen de variables del modelo una vez esté consolidado.
➔ Fijar la próxima reunión para el 7 de marzo a la 1:00 p.m.
➔ Mantener el liderazgo de la Secretaría de Salud en las reuniones, con apoyo del equipo articulador (Universidad Icesi, Univalle, DATIC, Secretaría de Desarrollo Económico y DAGMA).

Avanza el proyecto Dengue.IA: Retos y oportunidades

El 14 de enero de 2025, con el propósito de afianzar la articulación interinstitucional y avanzar en la construcción de un modelo predictivo y prescriptivo basado en inteligencia artificial para la prevención del dengue, el equipo técnico del proyecto Dengue.IA llevó acabo una reunión presencial clave en la Universidad del Valle.
La jornada, en marcada en el primer seminario “Dengue e Inteligencia Artificial”, fue liderada por la epidemióloga Lyda Osorio y contó con la participación de representantes de la Universidad Icesi, la Alcaldía de Cali y la Secretaría de Salud.
Durante el encuentro se compartieron avances, se discutieron desafíos técnicos y conceptuales, y se abordaron temas fundamentales como la gestión de información socio demográfica, climática y epidemiológica, así como la incorporación del componente social en el diseño del modelo.
Todo esto con miras a consolidar los fundamentos científicos y operativos del proyecto, que busca tener un impacto real en la salud pública de la ciudad.

Una ciudad, múltiples climas: el desafío de los datos meteorológicos
Uno de los temas que concentró mayor atención fue la disponibilidad y calidad de la información climática en la ciudad. Desde la Alcaldía se expresó preocupación por las limitaciones en la infraestructura de monitoreo del IDEAM, que actualmente cuenta con solo cuatro estaciones activas en Cali. Esta escasez de datos representa un obstáculo importante para alimentar modelos predictivos robustos.
Adicionalmente, el Departamento Administrativo de Gestión del Medio Ambiente (DAGMA) advirtió sobre la variabilidad térmica entre distintas zonas urbanas, que puede superar los 7 °C entre el oriente de la ciudad y sectores como San Fernando. Este dato refuerza la necesidad de territorializar las predicciones y considerar las condiciones micro climáticas en la modelación de brotes.

Más allá del mosquito: integración del componente social
La reunión también abordó preguntas cruciales sobre cómo incluir de manera efectiva los factores sociales en el diseño del modelo. Se discutieron elementos como el nivel de educación sanitaria de la población, las prácticas comunitarias frente al dengue, y la importancia de recoger voces diversas del territorio.
Estas inquietudes fueron acompañadas por la necesidad de construir un modelo teórico compartido que permita homogeneizar el lenguaje y las aproximaciones de los equipos interdisciplinarios involucrados: epidemiólogos, ingenieros, científicos de datos, salubristas y actores institucionales.

Calidad e interoperabilidad de los datos epidemiológicos
Desde la Secretaría de Salud, el Dr. Carlos Pinzón hizo énfasis en la urgencia de armonizar las fuentes y flujos de información sobre el dengue. Señaló que se deben establecer criterios unificados de calidad, mejorar la interoperabilidad de los sistemas existentes y conformar un equipo de expertos con conocimiento profundo sobre el comportamiento del virus en el contexto local.
Asimismo, se debatió sobre la necesidad de revisar metodologías de vigilancia como el canal endémico y se propuso una categorización del territorio basada en ecotipos, es decir, divisiones geográficas construidas desde variables ambientales y no solo desde límites político-administrativos como las comunas.

Reflexión crítica y proyección
Los asistentes discutieron ejemplos internacionales como el modelo de gestión de Singapur, y tecnologías emergentes como Wolbachia o la vacunación selectiva. También se compartieron datos locales sobre zonas históricamente vulnerables, como el barrio Floralia, y se mencionó el uso de agentes biológicos como peces guppy o bacterias para el control del vector.
Más allá de construir un modelo de predicción exitoso, se insistió en que el proceso mismo puede funcionar como una herramienta de reflexión crítica sobre las capacidades institucionales de monitoreo, diagnóstico y acción frente al dengue en Cali.
Se mencionó, por ejemplo, que actualmente no se tipifican los serotipos en las pruebas positivas, lo cual limita el análisis epidemiológico.

Compromisos concretos
Como cierre, los actores participantes acordaron avanzar en los siguientes frentes:
➔ Realizar una revisión crítica de las metodologías predictivas, tanto aquellas basadas en IA como en enfoques más tradicionales.
➔ Consolidar el equipo interdisciplinario con perfiles técnicos, científicos y comunitarios.
➔ Definir una hoja de ruta clara para enfrentar los principales desafíos identificados en la reunión.
El proyecto Dengue.IA continúa así su consolidación como una propuesta de innovación aplicada a la salud pública, con el potencial de impactar de manera significativa la prevención y gestión del dengue en Cali. A través de la colaboración entre instituciones académicas, entidades gubernamentales y comunidades, se busca construir un modelo que no solo prediga, sino que también proponga acciones concretas para la equidad y la sostenibilidad en salud.

Aprendiendo juntos a predecir el dengue

El 14 de enero de 2025, investigadores de la Universidad Icesi y el equipo de ARTPARK, una organización líder en innovación tecnológica con sede en India, se reunieron para compartir experiencias y conocimientos en la predicción de brotes de dengue. El objetivo principal de este encuentro fue  aprender de las lecciones y avances de ARTPARK, clave para fortalecer el proyecto de modelado y predicción de dengue que Icesi en el marco del proyecto Dengue.IA.

La sesión fue liderada por Gabriel Tamura, investigador de Icesi, y Rohit Satish, miembro del equipo de ARTPARK. Durante el intercambio, se abordaron los principales retos y avances en el uso de técnicas de Machine Learning (aprendizaje automático) y modelos mecanísticos. El profesor Tamura presentó los objetivos, retos y avances del proyecto, mientras que ARTPARK compartió su experiencia enfrentando uno de los mayores desafíos en este campo: el manejo e integración de datos no integrados y provenientes de diversas fuentes.

La reunión concluyó con un intercambio de ideas sobre los desafíos comunes en la predicción de brotes de dengue. ARTPARK destacó la importancia de la paciencia y la persistencia en el desarrollo de modelos mecanísticos, así como la necesidad de integrar datos heterogéneos para lograr una mejor precisión. Por su parte, Icesi reconoció la relevancia de las estrategias compartidas, especialmente la eficacia del modelo de regresión binomial negativa.

Como resultado de este encuentro, se acordó coordinar una nueva sesión de trabajo centrada en la comparación entre modelos estadísticos y de Machine Learning. Este intercambio continuo de conocimientos es fundamental para fortalecer el proyecto y avanzar hacia soluciones más efectivas en la prevención y control del dengue. 

Más allá del intercambio técnico, este encuentro sentó las bases para una colaboración más estrecha entre Icesi y ARTPARK. La combinación entre de experticia  en modelado, Machine Learning y epidemiología promete generar avances significativos en la lucha contra el dengue, con impactos positivos para comunidades enteras y contribuyendo a la salud pública global.

Avances en la Modelación de Enfermedades para la Prevención del Dengue

El pasado 10 de enero del 2025 se llevó a cabo una reunión técnica con el Dr. Mauricio Santos Vega, profesor asistente en el departamento de ciencias biológicas de la Universidad de los Andes y director del grupo de Biología Matemática.

Su trabajo se ha centrado en la modelación de transmisión de enfermedades, con énfasis en el dengue y la influencia del comportamiento humano en la propagación del virus. La reunión buscó intercambiar conocimientos y explorar posibles colaboraciones para mejorar el enfoque del proyecto en curso.

Objetivos

Esta reunión tuvo como finalidad conocer la experiencia y perspectivas del Dr. Santos Vega en la modelación de enfermedades, con el objetivo de fortalecer el proyecto a través del intercambio de conocimientos y la colaboración entre equipos.

  • Conocer la experiencia del Dr. Santos Vega en modelación de transmisión de enfermedades.
  • Explorar oportunidades de colaboración con su equipo de trabajo.
  • Evaluar la integración de datos y modelos predictivos en el proyecto.
  • Identificar recursos adicionales y expertos que puedan fortalecer la investigación.

Puntos Claves

Durante la discusión, se abordaron temas fundamentales relacionados con la predicción y control de enfermedades, destacando la importancia de integrar metodologías innovadoras y enfoques prácticos en la toma de decisiones.

  • El Dr. Santos Vega recomendó al profesor Paul Locke, experto en modelación epidemiológica de la Universidad de Wisconsin, como posible colaborador.
  • Enfatizó la importancia de diseñar un sistema de semáforo para la toma de decisiones en lugar de centrarse solo en la predicción numérica de casos.
  • Se destacó la dificultad de modelar el comportamiento humano dentro de los modelos de predicción del dengue, un desafío clave en la investigación.
  • Se acordó organizar una sesión de trabajo el 20 de enero en Cali con su estudiante de doctorado, quien ha desarrollado estudios sobre el dengue en Ibagué, Tolima.
  • Compartió dos publicaciones clave con datos georreferenciados sobre dengue, útiles para el proyecto:

El encuentro permitió establecer un marco de colaboración con el Dr. Santos Vega y su equipo, integrando nuevos enfoques y datos relevantes para mejorar la investigación en curso. Se acordó una próxima sesión de trabajo para fortalecer la sinergia entre los equipos y avanzar en el desarrollo del proyecto.

Primeros pasos en la inteligencia artificial para la prevención del dengue en Cali

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.

TN.com.ar. (2024). [Mosquito hembra de Aedes aegypti en primer plano]. En Cuál es la mejor manera de combatir el dengue, según la inteligencia artificial. Recuperado de tn.com.ar/tecno/internet/2024/02/29/cual‑es‑la‑mejor‑manera‑de‑combatir‑el‑dengue‑segun‑la‑inteligencia‑artificial/

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.