El artículo publicado presenta una innovadora herramienta basada en inteligencia artificial generativa, razonamiento difuso y aprendizaje automático para apoyar la gestión de recursos hospitalarios durante brotes de dengue.
Un equipo de investigadores de Colombia y México desarrolló DengueCare, un sistema de inteligencia artificial orientado a apoyar la predicción de qué pacientes con dengue podrían requerir hospitalización. El estudio fue publicado en la revista científica Applied Soft Computing y contó con la participación de investigadores de la Fundación Universitaria de San Gil – UNISANGIL, la Universidad de Investigación y Desarrollo (UDI), el Instituto Politécnico Nacional de México (IPN) y la Universidad Autónoma de Querétaro (UAQ).
La propuesta integra mapas cognitivos difusos, técnicas tradicionales de aprendizaje automático y estrategias de ensamble. Esta combinación busca ofrecer predicciones robustas y, al mismo tiempo, una representación más comprensible de la relación entre variables clínicas y el riesgo de hospitalización. El propósito es aportar información que complemente el criterio de los profesionales de la salud y contribuya a una mejor asignación de camas y recursos, especialmente durante brotes y en territorios con capacidad hospitalaria limitada.
Para desarrollar el modelo, los investigadores trabajaron con 300 registros anonimizados de pacientes con sospecha de dengue, recopilados entre 2024 y 2025 por el Hospital Regional de San Gil. Ante el tamaño reducido de la base clínica, utilizaron un autoencoder variacional, una técnica de inteligencia artificial generativa, para ampliar los datos de entrenamiento. El conjunto de prueba se conformó exclusivamente con datos reales, de acuerdo con la metodología descrita en el artículo.
El sistema comparó diferentes clasificadores y métodos de combinación. El ensamble por stacking obtuvo el mejor desempeño, con una exactitud del 88% y un puntaje F1 cercano a 0,88. Según los autores, la integración de mapas cognitivos difusos aporta información complementaria al resto de los modelos y favorece la interpretabilidad de las predicciones.
Los resultados son prometedores, pero deben entenderse como preliminares. El propio artículo señala que el sistema todavía requiere validación externa con bases clínicas reales, diversas y multicéntricas antes de considerar una implementación operativa a gran escala. Por tanto, DengueCare se plantea como una herramienta de apoyo a la decisión y no como sustituto del juicio clínico.
Este trabajo muestra el potencial de articular inteligencia artificial generativa, razonamiento difuso y aprendizaje automático para responder a retos de salud pública. Además, fortalece la investigación desarrollada desde San Gil y promueve la colaboración científica entre instituciones colombianas y mexicanas.
Desde UNISANGIL se reconoce el trabajo y compromiso de los investigadores adscritos a los grupos de investigación IDENTUS – Grupo de Innovación y Desarrollo Tecnológico e ICES – Grupo de Investigación en Ciencias de la Educación y de la Salud, cuyo esfuerzo continúa fortaleciendo la producción científica institucional, la cooperación internacional y la generación de soluciones innovadoras orientadas al bienestar de la sociedad.
Publicación del artículo aquí
