Modelo de segmentación de riesgo en morbilidad materna extrema mediante técnicas de aprendizaje no supervisado en gestantes de Sucre, Colombia, mediante aprendizaje automático

Abstract

Este estudio desarrolla un modelo de segmentación de riesgo para la identificación de perfiles latentes de morbilidad materna extrema (MME) en gestantes del departamento de Sucre, Colombia, mediante técnicas de aprendizaje automático no supervisado. A partir del análisis de datos clínicos, socioeconómicos y de acceso a servicios de salud provenientes de registros institucionales y del SIVIGILA (2021–2025), se aplicaron procesos de depuración, normalización y reducción de dimensionalidad, seguidos por la implementación de algoritmos de clustering como K-Means, DBSCAN y agrupamiento aglomerativo. La evaluación mediante métricas internas (coeficiente de silueta, Davies–Bouldin y Calinski–Harabasz) permitió identificar estructuras latentes de riesgo clínicamente relevantes. Los resultados evidencian la utilidad del aprendizaje no supervisado para la estratificación temprana del riesgo materno y su potencial como herramienta de apoyo a la toma de decisiones clínicas y a la formulación de políticas públicas orientadas a la prevención de complicaciones maternas graves.