Consolidación del Núcleo Computacional Completado
Unificación de código en mal-core, motor C++ ABM optimizado, suite de 14 evaluadores de calibración (PR gate), pipelines de ingesta satelital (ERA5, CHIRPS, Sentinel-10m) y CLI malariasim.
SISTEMA DE SOPORTE ESPACIAL A DECISIONES (SDSS) · CÓDIGO ABIERTO
Modelado geoespacial y simulación predictiva para la erradicación de la malaria.
Plataforma colaborativa abierta en etapa inicial que integra simulaciones basadas en agentes (ABM), tensores climáticos satelitales y sustitutos neuronales de inferencia ultrarrápida para optimizar intervenciones de salud pública en territorio.
Pipeline Computacional Unificado
01 · Ingesta & Tensores
Datos Satelitales e Hidrológicos
ERA5 (temperatura y vientos), CHIRPS (precipitación), Sentinel-10m DSwX y MERIT DEM.
↓
02 · Generación de Datos (Profesor)
Motor ABM en C++ + 14 Scorers
Simulación estocástica precisa de millones de agentes generando pares de entrenamiento.
↓
03 · Inferencia Operativa (Estudiante)
Emulador U-Net & Asignación Óptima
Predicción mensual 100× más rápida para barrido masivo de escenarios de intervención.
METODOLOGÍA CIENTÍFICA
Descomposición de Peligro vs. Vulnerabilidad.
Siguiendo los avances de Morlighem et al. (2025) y Gbaguidi et al. (2026), MalariaSentinel desacopla la idoneidad del vector de la vulnerabilidad humana para producir mapas conjuntos de riesgo aplicables a toma de decisiones.
Peligro Vectorial (Hazard)
Ecológico & ClimáticoModelado biofísico de idoneidad y dinámica poblacional del mosquito:
- Procesos hidrológicos: Humedad del suelo, escorrentía superficial y charcas temporales (Smith et al. 2024).
- Especies clave: Parametrización térmica diferenciada para An. coluzzii, An. gambiae, An. funestus y An. arabiensis.
- Calendarios agrícolas: Influencia de cultivos de arroz en la proliferación estacional de vectores.
Vulnerabilidad y Exposición
Demográfico & SanitarioFactores humanos que modulan el impacto real y la eficacia de las medidas preventivas:
- Movilidad por fases: Desplazamientos humanos y ganaderos diurnos/nocturnos que alteran el contacto vector-hospedador.
- Resistencia a insecticidas: Mutaciones de insensibilidad y desintoxicación metabólica que reducen el efecto del rociado IRS.
- Cascada de efectividad: Tasa real de uso y durabilidad física de mosquiteros tratados (ITN IG2).
ARQUITECTURA DEL MONOREPO
Estructura técnica consolidada en mal-core.
| Paquete | Nivel | Rol y Responsabilidad | Dependencias |
|---|---|---|---|
mal-core/ |
Producción | Núcleo consolidado: ABM en C++, red neuronal U-Net, predictores, scoring y servidor FastAPI. | mal-commonlib |
mal-commonlib/ |
Producción | Cargadores espaciales (CHIRPS, ERA5, Sentinel, DEM, WorldPop, GLW4), paths y schemas comunes. | — |
mal-execution/ |
Producción | Puntos de entrada CLI (malariasim) y scripts para orquestación de simulaciones batch. |
mal-core + mal-commonlib |
mal-data-explorer/ |
Herramienta | Visualización de coberturas geoespaciales, mapas de idoneidad y análisis de sesgo territorial. | — |
# Descarga de tensores ambientales para un área (perfiles por defecto)
malariasim download --aoi ghana --years 2024,2025
malariasim ingest --aoi ghana --year 2024 --month 6
# Ejecución de simulación ABM estocástica para generar rollouts
malariasim abm --aoi ghana --days 30 --n-rollouts 5
malariasim score --run-dir runs/abm --tier fast
# Entrenamiento del emulador neuronal U-Net con los datos del ABM
malariasim train --run-dir runs/abm --epochs 50
# Predicción rápida de mapas de riesgo mensuales
malariasim predict --aoi ghana --year 2026
malariasim download --aoi ghana --years 2024,2025
malariasim ingest --aoi ghana --year 2024 --month 6
# Ejecución de simulación ABM estocástica para generar rollouts
malariasim abm --aoi ghana --days 30 --n-rollouts 5
malariasim score --run-dir runs/abm --tier fast
# Entrenamiento del emulador neuronal U-Net con los datos del ABM
malariasim train --run-dir runs/abm --epochs 50
# Predicción rápida de mapas de riesgo mensuales
malariasim predict --aoi ghana --year 2026
ESTADO ACTUAL Y NÚCLEO CONSOLIDADO
Avances consolidados en el paquete mal-core.
Todo el sistema principal de simulación, ingesta y evaluación se encuentra ya centralizado en mal-core, preparado para ejecuciones reproducibles y calibración científica continua.
Motor ABM en C++ de Alto Rendimiento
Consolidado en mal-core, simula dinámicas de ciclos gonotróficos y búsqueda de hospedadores con más de 261 tests en C++ y 14 evaluadores de calibración automatizados.
Ingesta y Tensores Ambientales Diarios
Pipeline robusto en mal-commonlib que procesa series climáticas CHIRPS (34 años), reanálisis ERA5, capas de agua superficial Sentinel-10m y elevación MERIT DEM.
Orquestación Modular & API REST
CLI malariasim unificado con 9 comandos para descarga, ingesta, entrenamiento y predicción, complementado con un servidor FastAPI para integración de servicios.
HERRAMIENTA VISUAL PARA INVESTIGADORES Y NOVELES
Configurador Interactivo de Simulación ABM & Flujo de Datos
Ajusta los parámetros de simulación o selecciona un escenario predefinido. El diagrama vectorial dinámico, las advertencias de datos requeridos y el manifiesto de salidas se actualizarán en tiempo real.
1. Escenarios de Simulación Predefinidos
Prerrequisitos de Datos & Guía de Configuración
Comando CLI Listo para Terminal
GeoTIFFs de Población: 53 archivos
GeoTIFFs de Malaria: 53 archivos (SEIR)
Logs Demográficos: 1 archivo JSON
Animaciones GIF: 2 archivos (.gif)
Transmisión Activa
EMULACIÓN NEURONAL EFICIENTE
Generación masiva de escenarios sin el coste del ABM directo.
Simular millones de mosquitos en el ABM es preciso pero computacionalmente pesado. MalariaSentinel utiliza el ABM como generador de datos para entrenar una red U-Net que predice el estado epidemiológico de forma instantánea.
1. Fase de Entrenamiento (ABM → Dataset)
Generador de Verdad
El motor ABM en C++ ejecuta múltiples rollouts estocásticos con semillas variadas. El constructor de datasets extrae parches de 128×128 y pares temporales t → t+1.
- Generación paralela de rollouts en clusters de cómputo.
- Entrenamiento de arquitectura U-Net (32-64-128-256) con pérdida combinada MSE + soft-Dice.
- Validación estricta de curvas de calibración frente al ABM base.
2. Fase de Producción Operativa (U-Net)
100× Más RápidoEn producción, la U-Net entrenada reemplaza la simulación pesada del ABM. Puede generar mapas de riesgo mensuales en milisegundos y evaluar miles de combinaciones de intervención en tiempo real.
- Inferencia ágil para la toma de decisiones sobre el terreno.
- Exploración interactiva de presupuestos de rociado IRS y mosquiteros.
- Integración directa mediante endpoints REST en el servidor de producción.
HOJA DE RUTA TÉCNICA
Orden de ejecución planificado hacia el producto funcional.
La secuencia de desarrollo responde a dependencias biológicas y computacionales. Las fechas y plazos se definirán progresivamente en función de la acogida y las contribuciones de la comunidad.
Comportamiento Biológico Avanzado y Resistencia a Insecticidas En proceso
• Soporte Multi-Especie de Vectores: Integración de 4 especies de Anopheles (*coluzzii*, *gambiae*, *arabiensis*, *funestus*) con óptimos térmicos y hábitats específicos.
• Resistencia a Insecticidas: Modelado genético y metabólico de resistencia a piretroides que reduce la efectividad de mosquiteros e IRS.
• Movilidad Espacial por Fases: Matrices de movilidad humana y ganadera diurna/nocturna agregadas a la grilla territorial.
Emulación Masiva y Aceleración con Red Neuronal U-Net
Orquestación de ejecuciones concurrentes del ABM para generar datasets de entrenamiento a gran escala, entrenamiento de la red U-Net y sustitución del ABM en producción para generar predicciones en milisegundos.
Ingesta de Incidencia de Campo y Optimización Espacial
Conexión continua con datos epidemiológicos rutinarios (DHIS2) y motor de asignación óptima de mosquiteros IG2 y rociado IRS en micro-cuadrículas de 100m.
Plataforma Centinela Operativa
Aplicación web interactiva completa para ministerios de salud y organizaciones en terreno: simulador visual de políticas sanitarias, evaluación de impacto por distrito y sistema de alertas tempranas estacionales.
CONTRIBUCIÓN ABIERTA
Un proyecto construido por una comunidad multidisciplinar.
Buscamos investigadoras, modeladores e ingenieros que deseen sumar esfuerzos en las distintas ramas técnicas del proyecto.
Epidemiología & Entomología
Ajuste de parámetros biológicos de vectores, frecuencias de resistencia a insecticidas y curvas de picadura.
Ingeniería Geoespacial
Pipelines satelitales automatizados, mallas espaciales Zarr/NetCDF y modelado de cuencas hidrológicas de alta resolución.
Machine Learning & Simulación
Entrenamiento de emuladores U-Net, paralelización en C++ y algoritmos de optimización bayesiana para políticas de salud.
Diseño & Producto
Diseño de experiencia para la plataforma interactiva Centinela, visualización cartográfica de riesgo y accesibilidad.
Clonar el repositorio y sincronizar dependencias de forma reproducible con uv sync --all-packages.
Ejecutar la suite de pruebas y calibración con uv run pytest para verificar la integridad del sistema.
Seleccionar un plan abierto en el repositorio y abrir un Pull Request tras pasar los checks automáticos.
Construyamos juntos el Centinela para la erradicación de la malaria.
Proyecto 100% abierto bajo licencia Apache 2.0. Código, planes de desarrollo y documentación técnica accesibles para toda la comunidad.