Modelo de inteligencia artificial para la clasificación de tipos de dengue basado en datos del SIVIGILA en el departamento del Cesar.
No Thumbnail Available
Date
2026
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
El dengue representa una de las principales amenazas para la salud pública en las regiones tropicales, manifestándose de forma crítica en el departamento del Cesar, especialmente en la ciudad de Valledupar. El Sistema Nacional de Vigilancia en Salud Pública (SIVIGILA) recopila un volumen significativo de datos clínicos y epidemiológicos; sin embargo, los métodos tradicionales de análisis manual limitan la capacidad de clasificar oportunamente los tipos de dengue y anticipar brotes epidemiológicos, lo que genera una alta saturación en los servicios hospitalarios de la región.
Ante esta problemática, esta investigación tiene como objetivo general diseñar un modelo de inteligencia artificial fundamentado en la metodología CRISP-DM para clasificar automáticamente las tipologías de dengue, tomando como insumo principal los registros históricos del SIVIGILA desde el año 2018. La metodología contempla el análisis de los patrones de incidencia, la preparación y la anonimización de los datos bajo el marco legal de protección de datos personales en Colombia (Ley 1581 de 2012), y el entrenamiento de diversos modelos de aprendizaje automático (machine learning). Estas técnicas avanzadas son evaluadas mediante métricas de rendimiento en minería de datos y contrastadas con métodos estadísticos tradicionales para garantizar su fiabilidad y precisión diagnóstica. Como componente de transferencia tecnológica y soporte a la gestión médica, el proyecto integra el diseño de un cuadro de mando integral (CMI) en la nube, el cual funciona como un sistema de apoyo para la toma de decisiones clínicas y administrativas en los centros de salud de la región, optimizando la asignación de recursos y priorizando la atención de pacientes con manifestaciones graves de la enfermedad.
Abstract
Dengue represents one of the main public health threats in tropical regions, manifesting critically in the Department of Cesar, especially in the city of Valledupar. The National Public Health Surveillance System (SIVIGILA) collects a significant volume of clinical and epidemiological data; however, traditional manual analysis methods limit the ability to classify dengue types in a timely manner and anticipate epidemiological outbreaks, leading to the saturation of regional hospital services. In response to this problem, this research aims to design an artificial intelligence model grounded in the CRISP-DM methodology to automatically classify dengue typologies, utilizing SIVIGILA historical records from 2018 as the primary input. The methodology encompasses the analysis of incidence patterns, data preparation and anonymization under the Colombian personal data protection legal framework (Law 1581 of 2012), and the training of various machine learning models. These advanced techniques are evaluated using data mining performance metrics and contrasted with traditional statistical methods to ensure their reliability and diagnostic precision. As a component of technological transfer and medical management support, the project integrates the design of a cloud-based balanced scorecard (dashboard), which serves as a decision-support system for clinical and administrative decision-making in regional healthcare centers, thereby optimizing resource allocation and prioritizing care for patients with severe manifestations of the disease.