Machine learning revela brechas en financiamiento de salud global

Un equipo de investigadores publicó en la revista Nature un estudio que aplica técnicas de aprendizaje automático para rastrear y analizar las disparidades en la distribución de fondos destinados a la salud global. La herramienta permite identificar con mayor precisión qué regiones y enfermedades reciben menos financiamiento del que necesitan.

El modelo fue entrenado con datos de múltiples fuentes de ayuda internacional, incluyendo organismos multilaterales, gobiernos donantes y fundaciones privadas. Según los autores, los algoritmos lograron detectar patrones de subfinanciamiento que los métodos tradicionales de análisis habían pasado por alto durante años.

Entre los hallazgos más relevantes, el estudio señala que ciertas enfermedades endémicas en África subsahariana y el sudeste asiático concentran una fracción desproporcionadamente baja de los recursos globales, en comparación con su carga real sobre la población. Los investigadores advierten que esta brecha se ha mantenido relativamente estable durante la última década.

Los autores proponen que la metodología desarrollada pueda ser adoptada por organismos como la OMS y el Banco Mundial para orientar decisiones de asignación de fondos de manera más equitativa. El código y los datos del modelo fueron publicados en acceso abierto para facilitar su uso por parte de gobiernos y organizaciones no gubernamentales.