Debido a la flexibilidad de la distribución de Weibull y el modelo de riesgos proporcionales (PH), Weibull PH es ampliamente utilizado en el análisis de supervivencia bajo datos censurados a la derecha y datos censurados por intervalos, pero rara vez se investiga bajo datos de estado actual, parcialmente porque hay menos información en los datos de estado actual que en los datos censurados a la derecha y los datos censurados por intervalos. Este documento considera el modelo Weibull PH bajo los datos de estado actual e introduce las variables latentes de Poisson para aumentar los datos, luego utiliza el algoritmo de expectación-maximización (EM) para obtener los estimadores de máxima verosimilitud de los parámetros del modelo. El algoritmo EM se compara con el algoritmo de Newton-Raphson (NR) desde varias perspectivas en los estudios de simulación, y los resultados muestran que el método propuesto tiene varios aspectos destacados, como simplicidad computacional, mejora en la estabilidad de la convergencia y resultados de estimación generales que son comparables o ligeramente mejores en términos de sesgo. Además, se compara el rendimiento del modelo Weibull PH y el modelo PH semiparamétrico bajo dos escenarios de simulación, y se utilizan dos criterios de selección de modelos estándar para la selección de modelos. Los resultados indican que el modelo Weibull PH tiene ventajas significativas cuando el tiempo de falla sigue una distribución de Weibull. Por último, el modelo Weibull PH junto con el algoritmo EM se aplica a datos de tumores de pulmón y datos de calcificación de lentes intraoculares (IOL) con el objetivo de evaluar el impacto de covariables, incluidos factores ambientales y género, en el tiempo de evento y el riesgo.