Medicina ambiental e IA, migración y las enfermedades emergentes y reemergentes en México
##plugins.themes.themeEleven.article.main##
Palabras clave
México, Métodos Epidemiológicos , Enfermedades de Transmisión Sexual, Cambio Climático, Vigilancia en Salud Pública
Resumen
México enfrenta un escenario sanitario cada vez más desafiante, caracterizado por el repunte de enfermedades emergentes y reemergentes. Este incremento está vinculado a factores como el cambio meteorológico, la edificación sin control y los flujos migratorios masivos y no regulados. En 2024 se reportaron más de 110 000 casos de dengue, incluso en zonas no endémicas. Esto resalta la necesidad de reforzar la vigilancia epidemiológica, formar especialistas y aplicar políticas públicas integrales que vinculen la salud ambiental y la salud humana, con apoyo de la inteligencia artificial y un enfoque preventivo e intersectorial.
Referencias
1. Magalhães AR, Codeço CT, Svenning JC, Escobar LE, Van de Vuurst P, Gonçalves-Souza T. Neglected tropical diseases risk correlates with poverty and early ecosystem destruction. Infect Dis Poverty. 2023;12(1):32. doi:10.1186/s40249-023-01084-1.
2. Martens P, Hall L. Malaria on the move: human population movement and malaria transmission. Emerg Infect Dis. 2000;6(2):103-9. doi:10.3201/eid0602.000202.
3. Liu M, Liu Y, Po L, Xia S, Huy R, Zhou XN, Liu J. Assessing the spatiotemporal malaria transmission intensity with heterogeneous risk factors: a modeling study in Cambodia. Infect Dis Model. 2023;8(1):253-69. doi:10.1016/j.idm.2023.01.006.
4. Pan American Health Organization (PAHO/WHO). Equidad en salud [Internet]. OPS/OMS. 2025 [citado 2025 Jul 30]. Disponible en: https://www.paho.org/es/temas/equidad-salud
5. Pan American Health Organization (PAHO/WHO). Cambio climático y salud [Internet]. OPS/OMS. 2025 [citado 2025 Ago 4]. Disponible en: https://www.paho.org/es/temas/cambio-climatico-salud
6. Castaño Castaño S. La inteligencia artificial en Salud Pública: oportunidades, retos éticos y perspectivas futuras [Artificial intelligence in Public Health: opportunities, ethical challenges and future perspectives]. Rev Esp Salud Publica. 2025;99:e202503017.
7. Organización Panamericana de la Salud (OPS/OMS). Financiamiento de los sistemas de salud [Internet]. OPS/OMS. 2025 [citado 2025 Ago 4]. Disponible en: https://www.paho.org/es/temas/financiamiento-sistemas-salud
8. Secretaría de Salud. Recursos e inversión en salud. Unidad de Análisis Económico. México: Secretaría de Salud; 2024 sep. Disponible en: https://uae.salud.gob.mx/Documentos/Documentos/Reis2.pdf
9. Tanue EA, Nkweteyim DL, Ondua M, Kwalar GI, Kibu OD, Nyamsi ML, et al. Leveraging AI in digital one health: an inter-university collaboration for emerging and re-emerging infectious disease control in Cameroon. Front Digit Health. 2025;7:1507391. doi:10.3389/fdgth.2025.1507391.
10. Secretaría de Salud. Panorama epidemiológico de dengue. Semana epidemiológica 52 [Internet]. México: Secretaría de Salud; 2022 [citado 2025 May 15]. Disponible en: https://www.gob.mx/cms/uploads/attachment/file/964524/Pano_dengue__SE_52.pdf
11. Wilke ABB, Vasquez C, Carvajal A, Medina J, Chase C, Cardenas G, et al. Proliferation of Aedes aegypti in urban environments mediated by the availability of key aquatic habitats. Sci Rep. 2020;10(1):12925. doi:10.1038/s41598-020-69759-5.
12. Yañez-Santaolalla J, Gómez-Dantés H, Piña-Pozas M, Lloyd LS, Betanzos-Reyes ÁF, Arenas-Monreal L. Tecnologías de la información y comunicación en la educación para la salud en el control del Aedes aegypti. Salud Publica Mex. 2025;67(2):172-9. doi:10.21149/16245.
13. Ibáñez AM, Rozo SV, Urbina MJ. Forced migration and the spread of infectious diseases. J Health Econ. 2021;79:102491. doi:10.1016/j.jhealeco.2021.102491.
14. Kraemer MU, Golding N, Bisanzio D, et al. Utilizing general human movement models to predict the spread of emerging infectious diseases in resource poor settings. Sci Rep. 2019;9:5151. doi:10.1038/s41598-019-41192-3.
15. Gómez-Ponce CA, Pérez-Barragán E, Méndez-Palacios DM, Ramírez-Romero KO, Pérez-Cavazos S. Emerging infectious diseases and migration: a case of leishmaniasis in northern Mexico. Lancet Infect Dis. 2023;23(6):648-50. doi:10.1016/S1473-3099(23)00197-4.
16. Deal A, Halliday R, Crawshaw AF, Hayward SE, Burnard A, Rustage K, et al.; ESGITM. Migration and outbreaks of vaccine-preventable disease in Europe: a systematic review. Lancet Infect Dis. 2021;21(12):e387-e398. doi:10.1016/S1473-3099(21)00193-6.
17. Paniz-Mondolfi AE, Tami A, Grillet ME, Márquez M, Hernández-Villena J, Escalona-Rodríguez MA, et al. Resurgence of vaccine-preventable diseases in Venezuela as a regional public health threat in the Americas. Emerg Infect Dis. 2019;25(4):625-32. doi:10.3201/eid2504.181305.
18. Perez-Ramos JG, McIntosh S, Barrett ES, Velez Vega CM, Dye TD. Attitudes toward the environment and use of information and communication technologies to address environmental health risks in marginalized communities: prospective cohort study. J Med Internet Res. 2021;23(9):e24671. doi:10.2196/24671.
19. Brattig NW, Tanner M, Bergquist R, Utzinger J. Impact of environmental changes on infectious diseases: key findings from an international conference in Trieste, Italy in May 2017. Acta Trop. 2021;213:105165. doi:10.1016/j.actatropica.2019.105165.
20. Zhao AP, Li S, Cao Z, et al. AI for science: predicting infectious diseases. J Saf Sci Resil. 2024;5(2):130-46. doi:10.1016/j.jnlssr.2024.02.002.
21. Kraemer MUG, Tsui JLH, Chang SY, et al. Artificial intelligence for modelling infectious disease epidemics. Nature. 2025;638:623-35. doi:10.1038/s41586-024-08564-w.
22. Zhou HY, Li Y, Li JY, Meng J, Wu A. Harnessing the power of artificial intelligence to combat infectious diseases: progress, challenges, and future outlook. Innov Med. 2024;2(4):100091. doi:10.59717/j.xinnmed.2024.100091.
23. Melchane S, Elmir Y, Kacimi F, Boubchir L. Artificial intelligence for infectious disease prediction and prevention: a comprehensive review. Acta Univ Sapientiae Informatica. 2024;16(2):160-97. doi:10.47745/ausi-2024-0010.
24. Zhou HY, Li Y, Li J, Meng J, Wu A. Unleashing the potential of artificial intelligence in infectious diseases. Natl Sci Rev. 2025;12(3):nwaf004. doi:10.1093/nsr/nwaf004.
25. de la Fuente-Nunez C. AI in infectious diseases: the role of datasets. Drug Resist Updat. 2024;73:101067. doi:10.1016/j.drup.2024.101067.
26. Villanueva Miranda I, Xiao G, Xie Y. Artificial intelligence in early warning systems for infectious disease surveillance: a systematic review. Front Public Health. 2025;13:1609615. doi:10.3389/fpubh.2025.1609615.
27. Bogoch II, Watts A, Thomas-Bachli A, Huber C, Kraemer MUG, Khan K. Pneumonia of unknown aetiology in Wuhan, China: potential for international spread via commercial air travel. J Travel Med. 2020;27(2):taaa008. doi:10.1093/jtm/taaa008.
28. World Health Organization. Epidemic Intelligence from Open Sources. [Internet]. Ginebra: Organización Mundial de la Salud; [citado 2025 Ago 28]. Disponible en: https://www.who.int/initiatives/eios
29. Lewis MD, Pavlin JA, Mansfield JL, O'Brien S, Boomsma LG, Elbert Y, et al. Disease outbreak detection system using syndromic data in the greater Washington DC area. Am J Prev Med. 2002;23(3):180-6. doi:10.1016/s0749-3797(02)00490-7.
30. Rocha FP, Giesbrecht M. Machine learning algorithms for dengue risk assessment: a case study for São Luís do Maranhão. Comput Appl Math. 2022;41(8):393. doi:10.1007/s40314-022-02101-z.
31. Brownstein JS, Rader B, Astley CM, Tian H. Advances in artificial intelligence for infectious disease surveillance. N Engl J Med. 2023;388(17):1597-607. doi:10.1056/NEJMra2119215.
##plugins.themes.themeEleven.article.sidebar##
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan sus derechos de autor y otorgan a la Revista Médica del IMSS el derecho de primera publicación. Los artículos se distribuyen bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional, que permite su difusión siempre que se reconozca al autor y la fuente original.