Una de las principales problemáticas que enfrenta en los últimos años la humanidad corresponde a la variación de la temperatura en el planeta y sus efectos sobre el mismo, según el informe sobre el cambio climático y sus efectos en la biodiversidad en América Latina [CEPAL and Europea, 2017]. Se estima que el cambio climático tendrá efectos directos tanto en los organismos individuales como en las poblaciones y sus ecosistemas. En cuanto a los individuos, se ha encontrado que el cambio climático podría afectar su desarrollo, su fisiología y sus comportamientos durante las fases de crecimiento, reproducción y migración, de acuerdo a [Prillaman, 2022]. De hecho, el cambio climático ha exacerbado más de 200 enfermedades infecciosas y decenas de condiciones no transmisibles [Prillaman, 2022]. Los principales incrementos ocurrirán en epidemias relacionadas con las inundaciones, como, por ejemplo, el cólera. El número de casos debidos a enfermedades, tales como el dengue, la malaria y la fiebre amarilla, que son transmitidas por mosquitos, tienen una alta probabilidad de incrementarse durante los próximos años como consecuencia del calentamiento global ( [Shuman, 2010], [Eikenberry and Gummel 2018]). Los modelos matemáticos y estadísticos han ayudado a entender los efectos del clima en la dinámica de las enfermedades infecciosas, dichos modelos se pueden considerar con enfoques deterministas o estocásticos integrados en entornos estáticos o fluctuantes. Proyectos como el que estamos presentando, tienen objetivo establecer de las fluctuaciones climáticas, las precipitaciones y las partículas contaminantes (como PM10 y PM2.5) cómo la tasa de infección de una enfermedad (Enfermedades Respiratorias Agudas y COVID19) se ve modificada por estas covariables climáticas y ambientales, a través de modelos estocásticos con perturbaciones aleatorias. Las ecuaciones que rigen los modelos meteorológicos y climáticos generalmente son deterministas, sin embargo, existe una sensibilidad extrema a las condiciones iniciales [Parham and Michael, 2010]. De esta manera, las interacciones resultantes son muy complejas y el desarrollo de marcos matemáticos para comprender la interacción entre estos sistemas no es un trabajo fácil, adicionalmente, dichos modelos pueden contener varianzas y grados de incertidumbre no cuantificables. Con el avance computacional y la inteligencia artificial, los modelos deterministas y estocásticos han mejorado sus resultados, gracias al uso de datos disponibles para la manipulación y a nuevas metodologías como la propuesta en [Raissi et al., 2019] y [Shaier et al., 2021]. Sin embargo, dichos estudios no incluyen la relación existente de la propagación de la enfermedad con el cambio climático. De acuerdo a esto, el enfoque que proponemos en el presente proyecto es generar modelos que incluyan como covariables el cambio climático para entender la dinámica de la población infectada bajo una enfermedad en un ecosistema, utilizando modelos estocásticos y su implementación con el uso de inteligencia artificial (IA por sus siglas en inglés) y el aprendizaje automático (ML por sus siglas en inglés). Adicionalmente, el cambio climático puede cambiar el hábitat de especies que se encuentran en alto riesgo, particularmente la del Tiburón Martillo, Sphyrna Lewini quién fue incluido recientemente en la lista de especies amenazadas a nivel mundial, se desea proponer un modelo de Markov oculto para descubrir los comportamientos de los estados latentes, cuantificar los patrones de distribución de los tiburones en respuesta a factores geográficos y los efectos del cambio climático.