La investigación aplicada basada en datos y modelos predictivos se ha convertido en un eje estratégico para fortalecer la competitividad de los sectores productivos. En este contexto, el doctor Arturo Yee Rendón, investigador de la Facultad de Informática Culiacán de la Universidad Autónoma de Sinaloa (UAS), destacó que la correcta integración entre datos, modelos matemáticos y su aplicación práctica permite generar soluciones con impacto real en ámbitos como la salud y la gestión empresarial, entre otros.

El dato es la parte medular en la generación de modelos predictivos”, señaló el académico.

Explicó que, si bien los modelos aprenden a partir de la información proporcionada, los datos suelen presentarse incompletos o con inconsistencias. Por ello, es indispensable realizar procesos de limpieza y preprocesamiento antes de utilizarlos. Asimismo, subrayó que la calidad de la información es determinante, ya que los datos sesgados pueden conducir a resultados erróneos.

Aplicaciones destacadas

· Área médica: Se han desarrollado modelos capaces de identificar patrones específicos en imágenes clínicas, como microcalcificaciones en mamografías, para apoyar la detección oportuna del cáncer. Asimismo, se trabaja en el análisis de expedientes clínicos para evaluar la efectividad de tratamientos oncológicos y en la detección de melanoma mediante técnicas avanzadas de procesamiento de imágenes.

· Ámbito económico-administrativo: Se han implementado modelos matemáticos y técnicas de aprendizaje supervisado y no supervisado para analizar la calidad en el servicio, especialmente en el sector hotelero. “Estos modelos permiten identificar perfiles de usuarios y comprender patrones de comportamiento que apoyan la toma de decisiones estratégicas, con el propósito de que las empresas sean más competitivas al conocer las necesidades reales de los clientes”, reiteró.

Rigor científico e interdisciplinariedad

El también miembro del Sistema Nacional de Investigadoras e Investigadores puntualizó que todo modelo debe pasar por un proceso estructurado que incluye la recolección, transformación y validación de datos, así como la evaluación de su desempeño mediante métricas específicas. “Es fundamental comprobar que el modelo realmente generaliza el conocimiento y no solo memoriza datos”, afirmó.

Finalmente, el doctor Yee Rendón hizo un llamado a fortalecer la colaboración interdisciplinaria dentro de la UAS y con otros sectores. Consideró que la ciencia de datos y la inteligencia artificial no se limitan a las ingenierías, sino que pueden potenciar investigaciones en múltiples áreas, contribuyendo así al desarrollo regional y nacional de los sectores productivos.