Avanzando la educación en investigación de ciencia de datos en África mediante innovaciones impulsadas por datathones

Por qué esto importa para la salud en África

En toda África, los investigadores están recopilando grandes cantidades de información sanitaria, desde visitas a clínicas hasta recuentos de mosquitos e imágenes satelitales. Sin embargo, sin personas formadas para interpretar estos datos, muchos hallazgos que podrían salvar vidas permanecen inaccesibles. Este artículo describe una forma nueva de capacitar rápidamente a jóvenes científicos en África occidental mediante “datathones”: eventos intensivos en equipo donde los participantes analizan datos reales sobre la malaria y convierten su trabajo en investigación publicable. El enfoque muestra cómo programas breves y específicos pueden potenciar la experiencia local y ayudar a garantizar que los datos africanos se usen para resolver problemas de salud africanos.

Un nuevo tipo de evento de aprendizaje

Los autores diseñaron un modelo de formación en dos fases dentro de la iniciativa Data Science for Health Discovery and Innovation in Africa. Primero se celebró una “semana de fundamentos” híbrida, abierta a unos 50 participantes de 14 países, muchos de ellos conectándose de forma remota. Durante esta fase, los participantes aprendieron programación, gestión de datos y habilidades analíticas básicas usando herramientas gratuitas o ampliamente disponibles, como R, Python y software de cartografía. El enfoque fue la práctica activa más que las conferencias, con ejercicios que guiaban a los asistentes paso a paso en tareas analíticas reales. Quienes completaron la mayor parte de las sesiones obtuvieron un certificado y se hicieron elegibles para la segunda fase presencial.

Convertir estadísticas en herramientas más inteligentes

La mayoría de los asistentes ya conocía algo de estadística tradicional, por lo que los instructores usaron esa familiaridad como puente hacia métodos más recientes a menudo agrupados bajo inteligencia artificial y aprendizaje automático. En lugar de tratar estos métodos como “cajas negras” misteriosas, la formación mostró cómo derivan de ideas conocidas. Por ejemplo, un estudio de caso comparó la regresión lineal ordinaria —un pilar de la estadística— con una regresión al estilo de aprendizaje automático que divide los datos en conjuntos de entrenamiento y prueba y utiliza validación cruzada para comprobar el rendimiento. Otro ejercicio comparó el trazado manual de objetos en imágenes satelitales con métodos automatizados de clasificación de imágenes que pueden detectar tejados de casas mucho más rápida y precisamente. Estas demostraciones lado a lado ayudaron a los participantes a ver cuándo conviene usar técnicas clásicas y cuándo el aprendizaje automático aporta valor real.

Dentro del datathon

Tras la fase de fundamentos, 15 participantes viajaron a Bamako, Mali, para un datathon presencial de cinco días celebrado en un centro especializado en bioinformática. Trabajaron con un rico almacén de datos sobre la malaria construido a partir de un estudio de larga duración en Mali, Senegal y Gambia que había seguido a miles de personas, hogares, mosquitos y visitas a clínicas durante varios años. Los participantes se organizaron en cinco equipos pequeños que combinaban habilidades en programación, epidemiología y trabajo clínico. Guiados por mentores, cada grupo eligió su propia pregunta de investigación —por ejemplo, por qué algunos niños portan el parásito de la malaria sin síntomas, o cómo cambia el riesgo de malaria según la temporada y la ubicación— y luego limpiaron, enlazaron y analizaron las capas de datos relevantes.

De una semana intensa a un impacto duradero

A lo largo de la semana, los equipos presentaron avances diarios ante jueces que puntuaron los proyectos según la calidad científica y los métodos. Al final, los grupos ofrecieron presentaciones finales e informes escritos, y se otorgaron premios a los mejores trabajos. Crucialmente, el datathon no terminó con el evento. Cada equipo fue emparejado con un mentor sénior y se integró en un calendario rotatorio de reuniones en línea para convertir su proyecto en un artículo científico completo en torno a un año. El programa también puso de relieve retos del mundo real: coordinar viajes internacionales, afrontar barreras lingüísticas entre hablantes de inglés y francés, y asegurar que las científicas tuvieran las mismas oportunidades de postularse, asistir y liderar equipos. A pesar de estos obstáculos, los participantes informaron de alto compromiso y disfrute, y los autores señalan una fuerte creación de redes y colaboración entre países.

Qué significa esto para el futuro

Este estudio muestra que los datathones cuidadosamente planificados pueden ofrecer mucho más que un curso intensivo de programación. Al combinar una preparación estructurada, acceso a datos de salud locales de alta calidad y mentoría sostenida, el modelo ayuda a que jóvenes investigadores africanos aprendan haciendo ciencia real que importa para sus comunidades. Los autores sostienen que programas similares podrían adaptarse a otras enfermedades y regiones, especialmente donde universidades u hospitales ya disponen de instalaciones informáticas básicas. A largo plazo, estos esfuerzos pueden convertir datos infrautilizados en evidencias para mejores políticas de salud, al tiempo que forman una nueva generación de científicos con habilidades en datos en todo el continente.

Cita: Doumbia, S., Kane, F., Diabate, O. et al. Advancing data science research education in Africa through datathon-driven innovations. Sci Rep 16, 11527 (2026). https://doi.org/10.1038/s41598-026-41474-7

Palabras clave: formación en datathon, ciencia de datos en salud, investigación sobre la malaria, desarrollo de capacidades en África, educación en aprendizaje automático