Las previsiones de IA de HungerMap Live ayudan a orientar la respuesta alimentaria de emergencia en Somalia
Somalia
La plataforma HungerMap Live del PMA, asistida por IA y desarrollada con Google.org, cubre más de 50 países y ayudó …
Senegal · Podor · Ver el perfil de Senegal
Top 65% 53/100 · Pregunte a Evidence Copilot sobre esta práctica
El Ministerio de Salud de Senegal probó la plataforma 3S —chatbot Taggàt, alerta Jottali, panel Gëstu— en tres distritos, con 330 alertas de enfermedades zoonóticas en 2025 y un tiempo de detección reducido de 4,6 a 2,8 días, según un estudio revisado por pares.
Senegal enfrenta brotes recurrentes de enfermedades zoonóticas, como la fiebre del Valle del Rift, que a menudo se propagan silenciosamente entre animales, personas y el medio ambiente antes de que los sistemas de vigilancia oficiales las detecten, retrasando la respuesta.
La División de Vigilancia y Respuesta de Vacunas del Ministerio de Salud y Acción Social, en colaboración con la red de investigación AI4PEP bajo la dirección del Dr. Boly Diop y el Prof. Sylvain Landry B. Faye, construyó la plataforma de Una Sola Salud Surveillance-Santé-Sénégal (3S). Cuenta con tres módulos vinculados: Taggàt, un chatbot de IA que ayuda a los miembros de la comunidad a identificar posibles síntomas zoonóticos; Jottali, un sistema de alerta basado en el reporte comunitario; y Gëstu, un panel interactivo de monitoreo para las autoridades sanitarias. Se puso a prueba en los distritos sanitarios de Podor (Saint-Louis, fronterizo con Mauritania), Kédougou (región minera fronteriza) y Pikine (zona urbana de Dakar).
Una evaluación revisada por pares, publicada en Frontiers in Tropical Diseases (2026) y que cubre el funcionamiento del piloto entre abril y octubre de 2025, halló 330 alertas emitidas, de las cuales 144 (43,6 %) fueron validadas; las alertas humanas validadas representaron cerca del 75 % del total, y el resto fueron señales animales, vegetales y ambientales. El reporte digital redujo el tiempo medio de detección en un 39 %, de 4,6 días con la vigilancia convencional a 2,8 días, y en algunos casos señaló indicios hasta diez días antes de la confirmación oficial.
La misma evaluación reportó limitaciones operativas reales: un retraso medio de validación de alertas de 34,1 horas y demoras en la investigación rural de entre 48 y más de 72 horas, con una confirmación de laboratorio que aún tarda de cuatro a cinco días, lo que indica que la capa de IA acelera la detección, pero la cadena de respuesta que la rodea sigue siendo un cuello de botella.
Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.
¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
De dónde se obtuvo la información de esta práctica, y cuándo.
Somalia
La plataforma HungerMap Live del PMA, asistida por IA y desarrollada con Google.org, cubre más de 50 países y ayudó …
Suiza
La SPSP integra análisis genómico con IA para detectar variantes de patógenos en Suiza. Con mandato de la Oficina Federal …
Sierra Leona
Statistics Sierra Leone y la alianza GRID3 usan detección de contornos de edificios mediante aprendizaje automático sobre imágenes satelitales para …
Sudán
HungerMap LIVE, del PMA, usa modelos de aprendizaje automatico para estimar la inseguridad alimentaria donde las encuestas de campo son …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.