La IA para combatir el dengue: investigadores logran un diagnóstico rápido y mejoran la prevención de epidemias

La buena noticia es que la IA está comenzando a ocupar un rol protagónico en la lucha contra el dengue, una enfermedad que afecta a millones en regiones tropicales y subtropicales. Nuevos avances en inteligencia artificial permiten predecir brotes de dengue, asistir el diagnóstico temprano y monitorear casos graves con precisión.

Investigaciones recientemente publicadas, como PLOS Neglected Tropical Diseases y The Journal of Infectious Diseases, revelan que la IA ya está siendo utilizada para anticipar epidemias, guiar al personal de salud en diagnóstico clínico, y hasta monitorear el estado hemodinámico de pacientes con Síndrome de Shock por dengue (DSS, siglas en inglés).

Modelos, sensores y algoritmos contra el dengue

Un estudio liderado por Lyle et al. utilizó fotopletismografía (PPG) portátil para monitorear el estado de volumen de líquidos en pacientes con dengue grave. La PPG es una técnica no invasiva, que se utiliza para medir cambios en el volumen sanguíneo en el tejido, especialmente en la piel. Se basa en el principio de que la luz es absorbida y reflejada por la sangre, y estas variaciones se utilizan para obtener información sobre el flujo sanguíneo y otros parámetros fisiológicos.

Gracias a algoritmos de aprendizaje automático, pudieron distinguir entre estados "vacío" y "lleno" con sensibilidad superior al 80%. Esta información podría ayudar a evitar complicaciones como el shock hipovolémico, que es potencialmente mortal.

Recordemos que el shock hipovolémico en el dengue, conocido como Síndrome de Shock por Dengue (SSD), ocurre por una fuga de plasma de los vasos sanguíneos, reduciendo el volumen de sangre circundante y llevando a un colapso cardiovascular. Esta complicación grave se caracteriza por síntomas de shock, como pulso débil y rápido, hipotensión, y piel fría y húmeda, y requiere tratamiento urgente.

Por otro lado, Ho et al. desarrollaron modelos de árboles de decisión y redes neuronales profundas usando solo cuatro variables clínicas (edad, temperatura, plaquetas y leucocitos). Los resultados muestran que estos algoritmos pueden alcanzar entre un 83 % y 86 % de precisión para diagnosticar dengue.

Además, estudios de bioinformática molecular identificaron genes candidatos como STAT1, AURKA y BUB1 que podrían servir como biomarcadores para diagnóstico precoz o desarrollo de terapias dirigidas.

Leung et al. revisaron más de 70 modelos matemáticos que buscan anticipar brotes de dengue. Aunque varios muestran buen desempeño retrospectivo, pocos integran datos en tiempo real o factores no climáticos, como la movilidad humana o las condiciones sanitarias. Además, solo una minoría cuenta con validación externa.

Los algoritmos que usan la IA combinan datos climáticos, demográficos, de movilidad humana y la presencia del mosquito transmisor para crear mapas de riesgo dinámicos. Nuevas propuestas plantean marcos integrados de riesgo que combinan datos clínicos, entomológicos y ambientales para priorizar zonas de intervención incluso en países con capacidad limitada de vigilancia.

Combatir al dengue con IA a nivel regional

El dengue no solo genera una elevada carga asistencial, sino que también tiene un potencial epidémico importante. En 2024, varios países europeos y latinoamericanos experimentaron brotes sin precedentes.

En América Latina, países de la región como: Brasil y Paraguay, incluso en algunas provincias de Argentina, se han enfrentado brotes históricos de dengue en los últimos veranos. Frente a este escenario, contar con herramientas que permitan anticipar zonas de riesgo, detectar casos graves con rapidez y optimizar el control vectorial puede marcar la diferencia.

Modelos predictivos basados en datos climáticos, densidad poblacional y vigilancia entomológica ya se están aplicando, por ejemplo, en ciudades de Brasil, mientras que nuevas propuestas desde el ámbito académico sugieren el uso de aplicaciones móviles, redes neuronales y sensores portátiles como aliados de bajo costo para regiones con infraestructura limitada.

En Brasil, por ejemplo, el sistema "M.I. Dengue" utiliza trampas conectadas a celulares que permiten monitorear en tiempo real la población del mosquito aedes aegypti. Esta información se cruza con datos climáticos y de salud para orientar el uso de insecticidas y descacharrado. En lugares como Brasil o Colombia, estos modelos ya se usan para anticiparse y activar alertas o respuestas sanitarias sobre el terreno con días o semanas de antelación.

Herramientas prometedoras, pero ¿qué falta?

Si bien las herramientas son prometedoras, su implementación masiva enfrenta barreras: acceso limitado a datos de calidad en tiempo real, escasa infraestructura en muchas regiones y necesidad de modelos explicables que puedan ser entendidos y confiables para el personal de salud.

Además, la inversión en redes de sensores, plataformas abiertas de datos y capacitación profesional, es una parte fundamental para llegar al objetivo. Priorizar modelos de código abierto, interpretables y validados externamente. La inteligencia artificial podría convertirse en una aliada crucial para reducir el impacto del dengue (y otras enfermedades infecciosas) en regiones de América Latina, Europa y el resto dle mundo.

Referencias de la noticia

Xing Yu Leung, et al. "A systematic review of dengue outbreak prediction models: Current scenario and future directions". PLOS Neglected Tropical Diseases. 13 de febrero del 2023.

Muller, et al. "Clinical and Laboratory Diagnosis of Dengue Virus Infection". The Journal of Infectious Diseases. (2017)

"Inteligencia artificial para prevenir y diagnosticar el dengue". The Conversation. 12 de agosto del 2025.