Aplicación de inteligencia artificial y algoritmo de colonias de hormigas en simulación de prevención y control de malaria

Resumen

Introducción: La malaria continúa siendo una de las principales causas de morbilidad en zonas rurales de Angola, especialmente en la provincia de Bié, donde las limitaciones logísticas dificultan la eficacia de las estrategias de prevención y control. Ante esta problemática, se requieren enfoques integradores que articulen el cuidado comunitario de Enfermería con herramientas de optimización computacional.
Objetivo: Evaluar la aplicación del algoritmo de colonia de hormigas como técnica de inteligencia artificial para optimizar estrategias de prevención y control de la malaria.
Métodos: Se diseñó una simulación computacional en Python (v3.10) utilizando las bibliotecas networkx, pymoo y matplotlib. El modelo integró tres variables: distribución del personal de Enfermería, frecuencia de visitas domiciliarias y actividades educativas. Se compararon dos escenarios (planificación aleatoria vs. planificación optimizada con ACO) en una población simulada de 120 personas distribuidas en 10 comunidades rurales.
Resultados: La planificación optimizada con ACO redujo el tiempo total de desplazamiento de 39,2 a 27,0 horas (−31,28 %), incrementó la cobertura de visitas de 73 a 110 personas (+50,7 %) y mejoró la atención en zonas prioritarias del 46 % al 82,5 %. Las intervenciones educativas aumentaron la adherencia al tratamiento antimalárico entre un 18 % y un 35 %.
Conclusiones: La aplicación del algoritmo ACO resultó eficaz para mejorar la cobertura, racionalizar recursos y fortalecer el abordaje comunitario frente a la malaria, contribuyendo al fortalecimiento de estrategias sostenibles y replicables en otros entornos de alta endemicidad.
Palabras clave: paludismo; planificación territorial de enfermería comunitaria; informática médica aplicada a la salud pública; gestión de intervenciones sanitarias; intervención comunitaria directa; algoritmos de optimización; eficiencia logística.