Introducción. La difusión de la COVID-19 en el mundo ha provocado una avalancha de investigaciones para enfrentarla y atenuar sus efectos, a lo cual han contribuido los estudios de inteligencia artificial.
Objetivos. En este trabajo se muestra cómo pueden aplicarse técnicas de inteligencia artificial, en particular de ciencias de datos y aprendizaje automático, para obtener conocimiento útil en la predicción de la letalidad de la COVID-19.
Métodos. Se analizaron los datos disponibles de pacientes en México hasta el 20 de abril, incluyendo 16 rasgos (físicos y clínicos) sobre cerca de 9000 casos positivos (más de 700 fallecidos), con el foco en identificar patrones que predigan un desarrollo fatal de la enfermedad. Se emplearon técnicas de preparación y visualización de datos, selección de rasgos e inducción de reglas empleando el algoritmo J48, las redes neuronales y la teoría de los conjuntos aproximados.
Resultados. Los patrones encontrados por las diferentes vías empleadas coinciden en la relación fuerte entre varios rasgos de los pacientes en casos de letalidad, entre los cuales se destacan la edad, la obesidad, la hipertensión, la inmunosupresión, la diabetes, los problemas renales y cardíacos. Los resultados pueden ayudar a mejorar la comprensión de la enfermedad y muestran las capacidades de las técnicas de inteligencia artificial para analizar datos desde diferentes perspectivas, como apoyo al trabajo médico.

Introducción. El análisis de escenario desarrolla un proceso sistemático para crear un conjunto de dos a cinco narrativas posibles que describen potenciales evoluciones de áreas clave en condiciones de incertidumbre, frecuentemente acompañados de gráficos. Ayuda a explorar un rango de posibles y plausibles futuros. El contenido del escenario está basado en variables seleccionadas y su interacción, y el escenario se define en términos de estos factores claves o descriptores. 
Objetivos. Se ha desarrollado una propuesta para aplicar el análisis de escenario en el estudio del comportamiento de la COVID-19 en Cuba, en general, y en Villa Clara, en particular.
Métodos. Los factores claves empleados son máxima cantidad de diagnósticos positivos diarios, número de días de duración de la epidemia y cantidad total de diagnósticos positivos al final de la epidemia. Para cada escenario se construyen 3 funciones destinadas a mostrar un comportamiento posible de la epidemia. El proceso para la construcción de las funciones se basa en técnicas de inteligencia artificial, tales como los conjuntos borrosos y las metaheurísticas.
Resultados. Los escenarios construidos muestran concordancia con otros modelos matemáticos y computacionales desarrollados para el caso nacional y provincial, lo cual es importante pues en una modelación en condiciones de incertidumbre, como es esta, la coincidencia de modelos basados en enfoques diferentes es positiva y puede dar más seguridad a los decisores