Anticipar la enfermedad,
semana a semana
EpiForecast-MX pronostica la incidencia de cuatro padecimientos en las 32 entidades del país a 52 semanas, con 435 modelos y selección automática entre cinco motores de inteligencia artificial.
Tres formas de usarla
¿Buscas el detalle técnico? Resultados, comparación de modelos, artículo MICAI y metodología están en el menú.
Inteligencia artificial al servicio
de la salud pública mexicana
EpiForecast-MX es un proyecto capstone de la Maestría en Inteligencia Artificial Aplicada del Tecnológico de Monterrey, desarrollado en colaboración directa con el Instituto Mexicano del Seguro Social (IMSS).
Su objetivo es generar pronósticos confiables con intervalos de predicción para tres padecimientos neurológicos y de salud mental —Depresión, Parkinson y Alzheimer— y, como cuarto, el Dengue, la primera enfermedad transmitida por vector del proyecto. Las predicciones se desagregan a nivel nacional y por las 32 entidades federativas.
Convertir la vigilancia epidemiológica clásica en pronóstico accionable, semana a semana.
El trabajo parte de los boletines semanales del SINAVE, el Sistema Nacional de Vigilancia Epidemiológica, que abarcan el período 2014–2026 —y el Dengue desde 2018—. A esa base se incorporan variables antes no consideradas, como el género y la entidad geográfica, para afinar la capacidad predictiva.
El resultado es una plataforma que facilita la planificación estratégica de recursos sanitarios y la toma de decisiones informada, transformando datos históricos en anticipación operativa para el sistema de salud.
Cuatro enfermedades, un pipeline
de pronóstico unificado
Depresión
Mayor volumen de casos del portafolio. Tras la re-selección de motores sobre la realidad 2026, la asignación quedó: DeepAR 54, Stacking 31, Prophet 14, Ensemble 12. SMAPE mediano del 16.1% y MASE de 0.57. 100% datos suficientes.
CIE-10: F32 · SMAPE 16.1% · MASE 0.57 · 111 modelosParkinson
Escenario desafiante con baja incidencia donde Prophet captura mejor la estacionalidad. SMAPE mediano del 67.0% y MASE de 0.68 (supera el baseline naive). Tras la re-selección sobre la realidad 2026: Prophet 45, DeepAR 25, Ensemble 23, Stacking 18.
CIE-10: G20 · SMAPE 67.0% · MASE 0.68 · 111 modelosAlzheimer
Ultra-baja incidencia donde un caso de diferencia genera alto SMAPE. MASE de 0.73 (supera el baseline naive). Tras la re-selección sobre la realidad 2026: Ensemble 50, Prophet 35, DeepAR 19, Stacking 7.
CIE-10: G30 · SMAPE 124.2% · MASE 0.73 · 111 modelosDengue
Cuarto padecimiento y primera arbovirosis (transmitida por mosquito), con estacionalidad climática y grandes brotes cada cuatro a cinco años, ligados a El Niño. Se modela en conteos absolutos; en producción quedan DeepAR, Prophet y NB-GLM (el nuevo motor de conteos con regresor de El Niño, el mejor en validación; Ensemble y Stacking no extrapolan la dinámica epidémica). El pronóstico va al ritmo de El Niño: el próximo gran brote se espera hacia 2029.
CIE-10: A97 · SMAPE nac. 20.4% · DeepAR + Prophet + NB-GLM · 99 series productivas · 2018-2026435 modelos optimizados con
cinco motores de IA
Para cada serie se elige automáticamente el mejor motor por SMAPE sobre la realidad 2026 del Boletín SINAVE, con MASE como desempate. La tabla resume la cohorte neurológica (333 modelos).
| Padecimiento | SMAPE mediano | MASE mediano | RMSE mediano | Motor líder | Cobertura |
|---|---|---|---|---|---|
| Depresión F32 · 111 modelos | 16.1% | 0.57 | 8.16 | DeepAR | 100% |
| Parkinson G20 · 111 modelos | 67.0% | 0.68 | 1.62 | Prophet | 100% |
| Alzheimer G30 · 111 modelos | 124.2% | 0.73 | 0.87 | Ensemble | 100% |
Dengue (A97 · 99 series productivas, 2018-2026): SMAPE nacional de 20.4%, con DeepAR, Prophet y NB-GLM (regresor de El Niño) en producción. Pipeline de conteos propio, fuera de la cohorte neurológica.
Un equipo multidisciplinario
uniendo tecnología y salud
Javier Rebull
Juan Carlos Pérez Nava
Luis Gerardo Sánchez
Dra. Grettel Barceló Alonso
Asesora Académica — Tec de Monterrey
Dra. Ruth Pérez
Stakeholder IMSS — Epidemiología
Dra. Lina Díaz Castro
Stakeholder IMSS — Investigación