El siguiente artículo tiene como punto de inicio un contexto donde la inteligencia artificial (IA) transforma aceleradamente distintos ámbitos del quehacer humano, la medicina se consolida como uno de los campos con mayor potencial de innovación. El artículo “Creación de un modelo de red neuronal”, publicado en la Revista Ibérica de Sistemas e Tecnologias de Informação (RISTI), presenta una prophttps://www.risti.xyz/issues/ristie70.pdfuesta concreta y aplicada: el diseño e implementación de un modelo de red neuronal artificial (RNA) para la predicción de enfermedades, especialmente en comunidades marginadas con limitado acceso a servicios médicos especializados (Rivera García et al., 2024). Esta experiencia resulta de particular interés para docentes e investigadores comprometidos con el uso de tecnologías emergentes para la solución de problemas sociales desde un enfoque interdisciplinario.
El propósito principal de la investigación fue desarrollar una red neuronal capaz de analizar síntomas médicos reportados por pacientes, a fin de predecir con alta precisión posibles enfermedades. Esta tecnología fue integrada en un sistema de telemedicina implementado en zonas vulnerables del norte de México. El modelo no solo debía ofrecer predicciones confiables, sino también funcionar en un entorno real, validado por datos clínicos relevantes.
Contenidos clave del estudio
Imagen creada por IA en Freepik
El artículo detalla el diseño de una RNA con arquitectura de 30 entradas y dos capas ocultas, entrenada a partir de una base de datos de pacientes. Esta base incluía variables fisiológicas (como ritmo cardíaco y presión arterial), antecedentes personales y familiares, presencia de alergias, y condiciones del entorno doméstico (por ejemplo, si había agua potable o convivencia con animales).
Cada entrada fue ponderada según su relevancia diagnóstica. Por ejemplo, la obesidad y el cáncer obtuvieron pesos de 0.2609 y 0.2577, respectivamente, en tanto que factores como el dolor de cabeza y la temperatura corporal presentaron valores menores (Rivera García et al., 2024, p. 134). Estas ponderaciones reflejan la lógica estadística que guía la toma de decisiones del modelo.
El sistema fue probado con una muestra de 30 pacientes y generó predicciones en tres niveles por cada caso. Las principales enfermedades detectadas fueron sinusitis, infecciones del tracto urinario y condiciones infecciosas genéricas (p. 138). Los resultados arrojaron una tasa de precisión del 90%, destacando la robustez del modelo en un entorno de telemedicina real.
Hechos y estadísticas destacadas.
- La RNA analizó 30 variables de entrada, incluyendo factores biológicos, clínicos y ambientales.
- El modelo logró una tasa de precisión del 90% en la validación con datos reales.
- Se identificaron como condiciones predominantes la sinusitis (IF1), las infecciones del tracto urinario (RC3), y otros cuadros infecciosos.
- Algunas variables destacadas por su peso en el diagnóstico fueron: obesidad (0.2609), cáncer (0.2577), edad (0.2606) y exposición al polvo (0.2326).
Conclusiones y reflexiones para la comunidad docente
Este estudio ofrece una muestra tangible del potencial de la inteligencia artificial para responder a desafíos concretos en contextos donde la equidad en salud es limitada. El uso de redes neuronales para el diagnóstico médico permite anticipar enfermedades y brindar atención oportuna, lo que puede marcar una diferencia vital en comunidades alejadas de centros urbanos.
Para el ámbito universitario, y en particular para docentes interesados en innovación educativa, investigación aplicada e interdisciplinariedad, esta experiencia invita a reflexionar sobre varias líneas de acción:
- Integración curricular: Incorporar contenidos sobre IA y su aplicación en la salud en programas de ingeniería, ciencias médicas, psicología y educación.
- Formación docente: Promover el desarrollo de competencias digitales e investigativas que permitan liderar proyectos interdisciplinares.
- Proyectos de impacto social: Incentivar propuestas de innovación tecnológica con enfoque social, desde el aula y los semilleros de investigación.
Como señalan los autores, si bien los resultados del modelo son prometedores, su éxito a largo plazo dependerá de la actualización constante de los datos y del trabajo colaborativo entre profesionales de la salud, científicos de datos, tecnólogos y responsables políticos (Rivera García et al., 2024, p. 139).
En suma, esta investigación no solo demuestra la viabilidad técnica de una red neuronal para predecir enfermedades, sino que evidencia el compromiso ético y social que debe guiar el desarrollo de soluciones tecnológicas en el campo de la salud.
Lee la publicación original haciendo clic en el siguiente botón:
Referencias:
Rivera García, G. E., Díaz Martínez, M. A., Cervantes López, M. J., Llanes Castillo, A., & Cruz Casados, J. (2024). Creación de un modelo de red neuronal. Revista Ibérica de Sistemas e Tecnologias de Informação, (E70), 129–142. https://www.risti.xyz/issues/ristie70.pdf
