Facultad de Ingeniería de Sistemas de la UNTRM impulsa innovación con IA aplicada a la salud
Un egresado de la Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas (UNTRM) desarrolló e implementó un sistema de inteligencia artificial que transforma la gestión de residuos sólidos del Hospital de Apoyo Bagua "Gustavo Lanatta Luján". La tesis de Gabriel Omar Yzquierdo Villalobos, sustentada el martes 14 de julio de 2026, redujo el tiempo diario de procesamiento de datos de 210 a 62 minutos y alcanzó una precisión predictiva del 94%, resultados que superaron con creces el estándar de efectividad planteado por la propia investigación.
Del cuaderno físico al algoritmo: el problema que la IA resolvió
Hasta antes de este sistema, el personal de la Unidad de Residuos Sólidos del Hospital de Apoyo Bagua "Gustavo Lanatta Luján, registraba a mano, en cuadernos y archivos Excel, el pesaje diario de desechos biomédicos y comunes generados en las 26 áreas operativas del nosocomio —desde Sala de Operaciones y UCI hasta Laboratorios y Emergencia—, en sus tres turnos de recolección.
Ese método analógico provocaba pérdida y deterioro de información, duplicidad de registros y cuellos de botella que retrasaban tanto la elaboración de reportes como la planificación logística del servicio. No había forma real de saber qué área generaba qué volumen de residuos ni cuándo.
La solución diseñada por Yzquierdo Villalobos es una plataforma web que centraliza toda esa información en tiempo real. Su núcleo es un modelo de machine learning basado en regresión lineal supervisada que, a partir de los datos históricos acumulados, pronostica de forma autónoma cuántos kilogramos de residuos producirá el hospital a corto, mediano y largo plazo.
Números que hablan solos
El diseño preexperimental aplicado —medición antes y después de la implementación— arrojó resultados validados estadísticamente:
- El tiempo diario invertido en tareas manuales cayó de 210.3 a 62.2 minutos, un ahorro de más de dos horas y media cada día. - El motor predictivo alcanzó una efectividad global del 94.11% y una exactitud promedio por registro del 88.16%. - La coincidencia en el pronóstico del número de bolsas físicas requeridas en campo llegó al 99.02%. - El coeficiente de determinación del algoritmo fue de R²=0.9965, prácticamente un ajuste perfecto. - El índice global de mejora del proceso completo fue de 93.3%, validado por la prueba estadística t de Student (t=64.58; p<0.001).
Todos esos indicadores superaron el umbral de efectividad del 80% que la propia investigación se había fijado como meta.
Ingeniería de Sistemas UNTRM: la carrera que resuelve problemas reales
La tesis fue asesorada por el Dr. Roberto Pérez Astonitas y presentada ante un jurado integrado por el Dr. Roberto Carlos Santa Cruz Acosta como presidente, el Dr. Carlos Alberto Ríos Campos como secretario y el Mg. Eder Nicanor Figueroa Piscoya como vocal, todos de la Escuela Profesional de Ingeniería de Sistemas.
El sistema fue construido íntegramente con tecnología de código abierto: PHP, HTML, CSS, JavaScript y MySQL para la arquitectura web; Python con TensorFlow y FastAPI para el módulo de inteligencia artificial; y Chart.js junto a Dompdf para los tableros analíticos y la exportación de reportes.
Este tipo de investigación ilustra con precisión el perfil que la Facultad de Ingeniería de Sistemas y Mecánica Eléctrica (FISME) de la UNTRM busca formar: profesionales capaces de identificar un problema concreto en una institución pública de Amazonas y resolverlo con herramientas tecnológicas de vanguardia. No es tecnología importada ni adaptada: es un sistema diseñado desde la región, para la región, por alguien que estudió aquí.
