Maestría en Salud Pública · 2026

Mapa de evidencia científica sobre la inteligencia artificial en la vigilancia epidemiológica en América Latina: una revisión de alcance

La vigilancia epidemiológica en América Latina se ha transformado mediante la integración de la Inteligencia Artificial (IA), impulsada por la necesidad de procesar grandes volúmenes de datos en tiempo real y la urgencia sanitaria de la pandemia por COVID-191[1]. Este avance ha permitido transitar de modelos pasivos y reactivos hacia una vigilancia predictiva y proactiva, incorporando estrategias como el Aprendizaje Automático (Machine Learning), el Procesamiento de Lenguaje Natural (PLN) el modelado predictivo basado en datos, la IA ha pasado de ser una promesa tecnológica a convertirse en una necesidad estratégica para fortalecer la seguridad sanitaria nacional y mejorar la equidad en salud[2]. No obstante, la región aún enfrenta retos estructurales persistentes, como la fragmentación de la información y la falta de interoperabilidad de los datos entre países. Pese al volumen creciente de estudios sobre IA y vigilancia en la última década, no existía hasta ahora una síntesis estructurada que integrara de manera sistemática la evidencia técnica —como precisiones diagnósticas del 98% o pronósticos con semanas de antelación— con sus implicaciones organizacionales y de política pública para América Latina fundamental para la toma de decisiones estratégicas basadas en tecnología de precisión[3]. Ante esta brecha de conocimiento, resulta imperativo delimitar el espectro de soluciones disponibles y sistematizar los resultados para el contexto regional[4]. Por ello, el objetivo de esta revisión de alcance es mapear y analizar la evidencia científica y técnica sobre la aplicación de la IA en la vigilancia epidemiológica en América Latina, definiendo categorías de competencias, capacidades predictivas y aplicaciones prácticas que fundamenten la transición hacia modelos de salud pública de precisión y proactivos[5].