El retraso en el crecimiento infantil (stunting) sigue siendo un desafío de salud crucial en Indonesia que afecta directamente la calidad de las futuras generaciones. Esta condición de desarrollo deficiente causada por la desnutrición crónica no solo afecta el físico de los niños, sino también sus habilidades cognitivas y su productividad futura. Ante esta situación, Java Oriental ha comenzado a explorar el uso de la tecnología de inteligencia artificial (IA) para acelerar los esfuerzos de prevención.

Un estudio publicado en Nonlinear Dynamics and Systems Theory (2025) intenta responder a este desafío mediante la construcción de un modelo de predicción de la prevalencia del retraso en el crecimiento basado en datos históricos del Ministerio del Interior para el período 2021-2024. Este enfoque busca transformar los métodos convencionales de naturaleza reactiva en una estrategia más proactiva y dirigida.

En dicha investigación, los expertos compararon dos métodos de aprendizaje automático: Regresión de Vectores de Soporte (SVR) y Árboles de Decisión (Decision Tree). Los resultados de las pruebas mostraron que el método SVR tuvo un desempeño superior con un valor RMSE (Root Mean Square Error) más bajo, de 0,1377 en comparación con el 0,1642 del Árbol de Decisión. La ventaja de SVR radica en su capacidad más estable para mapear relaciones complejas entre variables de datos de salud.

Se proyecta que la implementación de esta tecnología tenga un impacto significativo para los responsables de la toma de decisiones. Con una capacidad de predicción precisa, los gobiernos locales pueden priorizar intervenciones en áreas identificadas como de alto riesgo. Esto garantiza que la asignación de recursos de salud, la educación para mujeres embarazadas y las mejoras en el saneamiento sean precisas y más eficientes antes de que aumenten las cifras de retraso en el crecimiento.

A pesar de ser prometedor, los investigadores enfatizan que existen varios desafíos que deben abordarse, como la integración del sistema con los servicios de salud regionales, la mejora de la calidad de los conjuntos de datos y la alfabetización digital del personal de campo. En el futuro, se espera que este modelo se desarrolle de manera más integral incorporando otras variables de apoyo, como los niveles de pobreza y el acceso al agua potable, para lograr un sistema sólido de prevención del retraso en el crecimiento en Java Oriental.