El presente proyecto se enmarca en una línea de investigación relacionada con la aplicación de técnicas de aprendizaje automático, especialmente las redes neuronales artificiales, a la resolución de problemas de las ciencias sociales. El grupo de investigación nuclea a investigadores de la UTN y IIGHI-Conicet, y tiene como uno de sus logros la creación de un software y un modelo computacional que implementa la metodología de estimación del riesgo para la salud de la vivienda urbana desde el enfoque de la vulnerabilidad social, propuesta por el IIGHI-CONICET. Este software denominado RVS (por sus siglas de Riesgo, Vivienda y Salud) se ha desarrollado de basado en redes neuronales artificiales que emula una red conceptual de relación de factores sociales, económicos y demográficos que no se ajusta a los modelos clásicos.
Los demógrafos del IIGHI suponen el dominio de problema como complejo y no lineal; indican además que aún no existen mediciones precisas de causa y efecto para el mismo, por lo que su tratamiento por ecuaciones matemáticas no es posible. Se han utilizando cinco redes de tipo perceptron multicapa trabajando en forma conjunta para calcular un índice de riesgo que permitiría a las autoridades de salud dirigir más acertadamente los fondos disponibles, en la medida que la metodología sea confirmada por trabajo de campo, tarea que está en marcha en algunos países de América Latina.