pág. 5148
INTELIGENCIA ARTIFICIAL EN EL PRIMER
NIVEL DE ATENCIÓN: VIABILIDAD, RETOS
ÉTICOS Y BARRERAS DE IMPLEMENTACIÓN
PARA EL DIAGNÓSTICO DE SALUD MENTAL
EN EL IMSS-BIENESTAR
ARTIFICIAL INTELLIGENCE IN PRIMARY CARE: FEASIBILITY,
ETHICAL CHALLENGES, AND IMPLEMENTATION BARRIERS
FOR MENTAL HEALTH DIAGNOSIS IN IMSS-BIENESTAR
Armando Gómez Palma
Universidad Juárez Autónoma de Tabasco
Luis Angel Montejo García
Universidad Juárez Autónoma de Tabasco
Jorge Emilio Rivera Rodríguez
Universidad Juárez Autónoma de Tabasco
Juan Manuel Monje Ramos
Universidad Juárez Autónoma de Tabasco
Andrea de Guadalupe Gallegos Rubio
Universidad Juárez Autónoma de Tabasco
Luisa Sarai Jeronimo Bautista
Universidad Juárez Autónoma de Tabasco
pág. 5149
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23541
Inteligencia Artificial en el Primer Nivel de Atención: Viabilidad, Retos
Éticos y Barreras de Implementación para el Diagnóstico de Salud Mental
en el IMSS-Bienestar
Armando Gómez Palma1
222E75166@alumno.ujat.mx
https://orcid.org/0009-0006-4336-4260
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Luis Angel Montejo García
Luismonga52@gmail.com
https://orcid.org/0009-0003-9285-3704
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Jorge Emilio Rivera Rodríguez
212e75114@alumno.ujat.mx
https://orcid.org/0009-0008-0299-8974
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Juan Manuel Monje Ramos
jmonge402@gmail.com
https://orcid.org/0009-0009-75598637
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Andrea de Guadalupe Gallegos Rubio
212e75178@alumno.ujat.mx
https://orcid.org/0009-0007-3813-3676
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Luisa Sarai Jeronimo Bautista
212e75252@alumno.ujat.mx
https://orcid.org/0009-0002-3039-0145
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México.
1 Autor principal
Correspondencia: 222E75166@alumno.ujat.mx
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23541
Inteligencia Artificial en el Primer Nivel de Atención: Viabilidad, Retos
Éticos y Barreras de Implementación para el Diagnóstico de Salud Mental
en el IMSS-Bienestar
Armando Gómez Palma1
222E75166@alumno.ujat.mx
https://orcid.org/0009-0006-4336-4260
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Luis Angel Montejo García
Luismonga52@gmail.com
https://orcid.org/0009-0003-9285-3704
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Jorge Emilio Rivera Rodríguez
212e75114@alumno.ujat.mx
https://orcid.org/0009-0008-0299-8974
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Juan Manuel Monje Ramos
jmonge402@gmail.com
https://orcid.org/0009-0009-75598637
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Andrea de Guadalupe Gallegos Rubio
212e75178@alumno.ujat.mx
https://orcid.org/0009-0007-3813-3676
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México
Luisa Sarai Jeronimo Bautista
212e75252@alumno.ujat.mx
https://orcid.org/0009-0002-3039-0145
Universidad Juárez Autónoma de Tabasco,
División Académica de Ciencias de la Salud,
Licenciatura en Médico Cirujano, Villahermosa,
Tabasco, México.
1 Autor principal
Correspondencia: 222E75166@alumno.ujat.mx
pág. 5150
RESUMEN
El presente estudio tiene como objetivo evaluar la viabilidad de implementar herramientas de
Inteligencia Artificial (IA) para el tamizaje y apoyo diagnóstico en salud mental en el primer nivel de
atención del IMSS-Bienestar, considerando sus implicaciones sistémicas, éticas y socioculturales. Ante
una brecha significativa de atención en salud mental en México —donde aproximadamente el 17% de
la población presenta algún trastorno mental y solo una minoría recibe tratamiento (INCyTU, 2018)—
se plantea la IA como una estrategia potencial para fortalecer la capacidad resolutiva en contextos con
escasez de especialistas. Metodológicamente, se desarrolló un marco analítico conceptual basado en una
revisión crítica dirigida de literatura científica (PubMed, SciELO, Google Scholar), documentos
normativos nacionales y reportes institucionales (IMSS-Bienestar, CONEVAL, INEGI). El análisis se
estructuró en tres pilares interdependientes: viabilidad sistémica (infraestructura digital,
interoperabilidad y financiamiento), marco ético-regulatorio (privacidad, sesgo algorítmico y
responsabilidad legal) y barreras de adopción (factores humanos, educativos y culturales). Los hallazgos
indican que, si bien la IA representa una oportunidad estratégica para reducir la brecha de atención y
optimizar recursos, su implementación exitosa requiere fortalecer la conectividad rural, consolidar el
Expediente Clínico Electrónico, desarrollar regulación específica para software médico con IA
adaptativa y establecer programas robustos de capacitación en salud digital. Se concluye que un modelo
híbrido de atención aumentada por IA es la alternativa más viable y éticamente sostenible.
Palabras clave: Inteligencia Artificial, Ética en salud, Salud mental, Primer nivel de atención.
RESUMEN
El presente estudio tiene como objetivo evaluar la viabilidad de implementar herramientas de
Inteligencia Artificial (IA) para el tamizaje y apoyo diagnóstico en salud mental en el primer nivel de
atención del IMSS-Bienestar, considerando sus implicaciones sistémicas, éticas y socioculturales. Ante
una brecha significativa de atención en salud mental en México —donde aproximadamente el 17% de
la población presenta algún trastorno mental y solo una minoría recibe tratamiento (INCyTU, 2018)—
se plantea la IA como una estrategia potencial para fortalecer la capacidad resolutiva en contextos con
escasez de especialistas. Metodológicamente, se desarrolló un marco analítico conceptual basado en una
revisión crítica dirigida de literatura científica (PubMed, SciELO, Google Scholar), documentos
normativos nacionales y reportes institucionales (IMSS-Bienestar, CONEVAL, INEGI). El análisis se
estructuró en tres pilares interdependientes: viabilidad sistémica (infraestructura digital,
interoperabilidad y financiamiento), marco ético-regulatorio (privacidad, sesgo algorítmico y
responsabilidad legal) y barreras de adopción (factores humanos, educativos y culturales). Los hallazgos
indican que, si bien la IA representa una oportunidad estratégica para reducir la brecha de atención y
optimizar recursos, su implementación exitosa requiere fortalecer la conectividad rural, consolidar el
Expediente Clínico Electrónico, desarrollar regulación específica para software médico con IA
adaptativa y establecer programas robustos de capacitación en salud digital. Se concluye que un modelo
híbrido de atención aumentada por IA es la alternativa más viable y éticamente sostenible.
Palabras clave: Inteligencia Artificial, Ética en salud, Salud mental, Primer nivel de atención.
pág. 5151
Artificial Intelligence in Primary Care: Feasibility, Ethical Challenges, and
Implementation Barriers for Mental Health Diagnosis in IMSS-Bienestar
ABSTRACT
This study aims to evaluate the feasibility of implementing Artificial Intelligence (AI) tools for
mental health screening and diagnostic support in the primary care setting of IMSS-Bienestar,
considering systemic, ethical, and sociocultural implications. In Mexico, approximately 17% of the
population experiences a mental disorder during their lifetime, yet only a minority receive treatment
(INCyTU, 2018). Within this context of limited specialist availability and structural inequalities, AI
emerges as a potential strategy to strengthen the diagnostic and operational capacity of primary care
services. A conceptual analytical framework was developed based on a critical, directed literature review
of scientific databases (PubMed, SciELO, Google Scholar), national regulatory documents, and
institutional reports from IMSS-Bienestar and other official agencies. The analysis was structured
around three interdependent pillars: systemic feasibility (digital infrastructure, interoperability, and
financial sustainability), ethical-regulatory framework (data privacy, algorithmic bias, and legal
accountability), and adoption barriers (human, educational, and cultural factors). Findings suggest that
while AI represents a strategic opportunity to reduce the mental health treatment gap and optimize
limited resources, successful implementation requires strengthening rural connectivity, consolidating a
universal Electronic Health Record system, developing specific regulation for adaptive AI-based
medical software, and establishing robust digital health training programs. A hybrid model of AI-
augmented care appears to be the most viable and ethically sustainable pathway for implementation.
Keywords: Artificial Intelligence, Health Ethics, Mental Health, Primary Health Care.
Artículo recibido 02 febrero 2026
Aceptado para publicación: 27 marzo 2026
Artificial Intelligence in Primary Care: Feasibility, Ethical Challenges, and
Implementation Barriers for Mental Health Diagnosis in IMSS-Bienestar
ABSTRACT
This study aims to evaluate the feasibility of implementing Artificial Intelligence (AI) tools for
mental health screening and diagnostic support in the primary care setting of IMSS-Bienestar,
considering systemic, ethical, and sociocultural implications. In Mexico, approximately 17% of the
population experiences a mental disorder during their lifetime, yet only a minority receive treatment
(INCyTU, 2018). Within this context of limited specialist availability and structural inequalities, AI
emerges as a potential strategy to strengthen the diagnostic and operational capacity of primary care
services. A conceptual analytical framework was developed based on a critical, directed literature review
of scientific databases (PubMed, SciELO, Google Scholar), national regulatory documents, and
institutional reports from IMSS-Bienestar and other official agencies. The analysis was structured
around three interdependent pillars: systemic feasibility (digital infrastructure, interoperability, and
financial sustainability), ethical-regulatory framework (data privacy, algorithmic bias, and legal
accountability), and adoption barriers (human, educational, and cultural factors). Findings suggest that
while AI represents a strategic opportunity to reduce the mental health treatment gap and optimize
limited resources, successful implementation requires strengthening rural connectivity, consolidating a
universal Electronic Health Record system, developing specific regulation for adaptive AI-based
medical software, and establishing robust digital health training programs. A hybrid model of AI-
augmented care appears to be the most viable and ethically sustainable pathway for implementation.
Keywords: Artificial Intelligence, Health Ethics, Mental Health, Primary Health Care.
Artículo recibido 02 febrero 2026
Aceptado para publicación: 27 marzo 2026
pág. 5152
INTRODUCCIÓN
El sistema de salud de México se enfrenta a una crisis silenciosa pero profunda en materia de salud
mental. Se estima que el 17% de la población presenta al menos un trastorno mental a lo largo de su
vida, y de manera alarmante, solo una de cada cinco personas afectadas recibe algún tipo de
tratamiento. (1) Esta brecha de atención, que se traduce en una demanda creciente y abrumadora de
servicios, es especialmente pronunciada en la población sin seguridad social, un vasto y heterogéneo
grupo demográfico atendido por el Servicio de Salud del Instituto Mexicano del Seguro Social para el
Bienestar (IMSS-Bienestar). Esta institución, es el pilar de la estrategia gubernamental para abordar
las necesidades en salud, opera en un complejo contexto de vulnerabilidad, ruralidad y determinantes
sociales adversos que exacerban la carga de los padecimientos mentales. (2)
El Modelo de Atención a la Salud para el Bienestar (MAS-BIENESTAR), que rige la operación del
organismo, se fundamenta en los principios de la Atención Primaria a la Salud (APS) y la acción
comunitaria, buscando un enfoque preventivo e integral. (3) Sin embargo, la capacidad de este modelo
para responder eficazmente se ve superada por la magnitud del problema y una escasez crítica de
especialistas. México cuenta con solo 0.36 psiquiatras por cada 10,000 habitantes, menos de la mitad
de la recomendación mínima de la Organización Mundial de la Salud (OMS), un déficit que se
agudiza dramáticamente en las zonas rurales donde opera el IMSS-Bienestar. (4)
En este contexto de necesidad y oportunidad, la Inteligencia Artificial (IA) emerge como una
tecnología disruptiva con el potencial de transformar el paradigma de la atención. La capacidad de
la IA para analizar grandes conjuntos de datos, desde registros clínicos hasta patrones de voz y texto,
ofrece una promesa sin precedentes para mejorar la precisión diagnóstica, personalizar los
tratamientos y, fundamentalmente, ampliar el acceso a la atención. Al poder identificar patrones
sutiles que la experiencia clínica de un médico podría pasar por alto, la IA podría convertirse en una
herramienta invaluable para el personal de salud no especializado en el primer nivel de atención,
ofreciendo una solución potencial a la crónica escasez de recursos humanos. (5)
No obstante, la transición de la promesa a la realidad es un camino plagado de desafíos. La idea
central de este análisis sostiene que, si bien la IA presenta una oportunidad histórica para cerrar la
brecha de atención en salud mental dentro del IMSS-Bienestar, su implementación exitosa y ética no
INTRODUCCIÓN
El sistema de salud de México se enfrenta a una crisis silenciosa pero profunda en materia de salud
mental. Se estima que el 17% de la población presenta al menos un trastorno mental a lo largo de su
vida, y de manera alarmante, solo una de cada cinco personas afectadas recibe algún tipo de
tratamiento. (1) Esta brecha de atención, que se traduce en una demanda creciente y abrumadora de
servicios, es especialmente pronunciada en la población sin seguridad social, un vasto y heterogéneo
grupo demográfico atendido por el Servicio de Salud del Instituto Mexicano del Seguro Social para el
Bienestar (IMSS-Bienestar). Esta institución, es el pilar de la estrategia gubernamental para abordar
las necesidades en salud, opera en un complejo contexto de vulnerabilidad, ruralidad y determinantes
sociales adversos que exacerban la carga de los padecimientos mentales. (2)
El Modelo de Atención a la Salud para el Bienestar (MAS-BIENESTAR), que rige la operación del
organismo, se fundamenta en los principios de la Atención Primaria a la Salud (APS) y la acción
comunitaria, buscando un enfoque preventivo e integral. (3) Sin embargo, la capacidad de este modelo
para responder eficazmente se ve superada por la magnitud del problema y una escasez crítica de
especialistas. México cuenta con solo 0.36 psiquiatras por cada 10,000 habitantes, menos de la mitad
de la recomendación mínima de la Organización Mundial de la Salud (OMS), un déficit que se
agudiza dramáticamente en las zonas rurales donde opera el IMSS-Bienestar. (4)
En este contexto de necesidad y oportunidad, la Inteligencia Artificial (IA) emerge como una
tecnología disruptiva con el potencial de transformar el paradigma de la atención. La capacidad de
la IA para analizar grandes conjuntos de datos, desde registros clínicos hasta patrones de voz y texto,
ofrece una promesa sin precedentes para mejorar la precisión diagnóstica, personalizar los
tratamientos y, fundamentalmente, ampliar el acceso a la atención. Al poder identificar patrones
sutiles que la experiencia clínica de un médico podría pasar por alto, la IA podría convertirse en una
herramienta invaluable para el personal de salud no especializado en el primer nivel de atención,
ofreciendo una solución potencial a la crónica escasez de recursos humanos. (5)
No obstante, la transición de la promesa a la realidad es un camino plagado de desafíos. La idea
central de este análisis sostiene que, si bien la IA presenta una oportunidad histórica para cerrar la
brecha de atención en salud mental dentro del IMSS-Bienestar, su implementación exitosa y ética no
pág. 5153
es una mera cuestión de adquisición tecnológica. Por el contrario, exige una profunda y simultánea
transformación de la infraestructura digital, una inversión masiva en la capacitación del capital
humano, y el desarrollo de marcos regulatorios y éticos robustos que protejan a la población. Todo
ello debe realizarse con un rigor excesivo para proteger los principios fundamentales de atención
comunitaria, participación social y enfoque centrado en la persona que constituyen el centro del
modelo MAS-BIENESTAR.
Este artículo propone un marco analítico para evaluar la viabilidad de implementar herramientas de
IA para el tamizaje y apoyo al diagnóstico de salud mental en el primer nivel de atención del IMSS-
Bienestar. A través de un análisis crítico, se exploran las condiciones sistémicas, los retos éticos y
las barreras socioculturales que deben ser abordadas para que esta innovación tecnológica se traduzca
en una mejora tangible y equitativa de la salud pública en México.
METODOLOGÍA
Para abordar la complejidad de la implementación de IA en el sistema de salud público mexicano, se
desarrolló un marco analítico conceptual basado en una revisión crítica y dirigida de la literatura. Este
enfoque metodológico permite sintetizar e interpretar evidencia de un universo diverso de
documentos para construir un análisis multidimensional de la viabilidad.
El proceso de revisión incluyó la búsqueda y el análisis de tres tipos de fuentes: 1) Documentos
normativos y de política pública, como la Ley General de Salud, el Reglamento en Materia de
Investigación para la Salud, las Reglas de Operación de programas del IMSS-Bienestar y el Programa
Institucional 2023-2024, para comprender el marco legal y estratégico existente; 2) Informes de
evaluación y datos oficiales de organismos como el Consejo Nacional de Evaluación de la Política
de Desarrollo Social (CONEVAL) y el Instituto Nacional de Estadística y Geografía (INEGI), para
obtener una valoración independiente del desempeño y las capacidades del sistema; y 3) Literatura
científica de bases de datos como PubMed, SciELO y Google Scholar, utilizando palabras clave
como "Inteligencia Artificial en salud", "Viabilidad de salud digital", "Ética en la IA", "Salud mental”
y “Primer nivel de atención”, para contextualizar los hallazgos con la evidencia académica global y
regional.
El marco propuesto (Ilustración 1) estructura el análisis de la viabilidad en tres pilares
es una mera cuestión de adquisición tecnológica. Por el contrario, exige una profunda y simultánea
transformación de la infraestructura digital, una inversión masiva en la capacitación del capital
humano, y el desarrollo de marcos regulatorios y éticos robustos que protejan a la población. Todo
ello debe realizarse con un rigor excesivo para proteger los principios fundamentales de atención
comunitaria, participación social y enfoque centrado en la persona que constituyen el centro del
modelo MAS-BIENESTAR.
Este artículo propone un marco analítico para evaluar la viabilidad de implementar herramientas de
IA para el tamizaje y apoyo al diagnóstico de salud mental en el primer nivel de atención del IMSS-
Bienestar. A través de un análisis crítico, se exploran las condiciones sistémicas, los retos éticos y
las barreras socioculturales que deben ser abordadas para que esta innovación tecnológica se traduzca
en una mejora tangible y equitativa de la salud pública en México.
METODOLOGÍA
Para abordar la complejidad de la implementación de IA en el sistema de salud público mexicano, se
desarrolló un marco analítico conceptual basado en una revisión crítica y dirigida de la literatura. Este
enfoque metodológico permite sintetizar e interpretar evidencia de un universo diverso de
documentos para construir un análisis multidimensional de la viabilidad.
El proceso de revisión incluyó la búsqueda y el análisis de tres tipos de fuentes: 1) Documentos
normativos y de política pública, como la Ley General de Salud, el Reglamento en Materia de
Investigación para la Salud, las Reglas de Operación de programas del IMSS-Bienestar y el Programa
Institucional 2023-2024, para comprender el marco legal y estratégico existente; 2) Informes de
evaluación y datos oficiales de organismos como el Consejo Nacional de Evaluación de la Política
de Desarrollo Social (CONEVAL) y el Instituto Nacional de Estadística y Geografía (INEGI), para
obtener una valoración independiente del desempeño y las capacidades del sistema; y 3) Literatura
científica de bases de datos como PubMed, SciELO y Google Scholar, utilizando palabras clave
como "Inteligencia Artificial en salud", "Viabilidad de salud digital", "Ética en la IA", "Salud mental”
y “Primer nivel de atención”, para contextualizar los hallazgos con la evidencia académica global y
regional.
El marco propuesto (Ilustración 1) estructura el análisis de la viabilidad en tres pilares
pág. 5154
interdependientes, cuya interacción determina el éxito potencial de la iniciativa: 1) Viabilidad
Sistémica, que evalúa las condiciones de infraestructura y organización necesarias para que la
tecnología funcione; 2) Marco Ético-Regulatorio, que analiza la alineación de la tecnología con los
principios de protección de derechos y la normativa vigente; y 3) Barreras de Adopción, que
considera los factores humanos y culturales que determinan la aceptación y sostenibilidad del modelo
a largo plazo. Este enfoque holístico permite una evaluación que trasciende el análisis puramente
técnico de la tecnología para abordar los desafíos de su integración en un sistema técnico complejo.
Ilustración 1. Marco Analítico de Viabilidad de la IA en Salud Pública
Diagrama conceptual, se observan tres pilares interconectados: Extremo superior izquierdo
1) Viabilidad Sistémica (con subcomponentes: Técnica, Operacional, Financiera), extremo
superior derecho 2) Marco Ético-Regulatorio (con subcomponentes: Privacidad de Datos, Sesgo y
Equidad, Responsabilidad), y en la zona inferior 3) Barreras de Adopción (con subcomponentes:
Humana, Educativa, Cultural). Las flechas indican la interdependencia entre los pilares.
Consideraciones Éticas de la Investigación
Este estudio es un análisis documental y conceptual basado exclusivamente en fuentes de acceso
público. No involucró interacción directa con personas ni el manejo de datos personales
identificables. De acuerdo con el Reglamento de la Ley General de Salud en Materia de Investigación
para la Salud, se clasifica como una "investigación sin riesgo". A pesar de ello, se adhiere a los más
altos principios de integridad académica y transparencia metodológica, reconociendo la importancia
interdependientes, cuya interacción determina el éxito potencial de la iniciativa: 1) Viabilidad
Sistémica, que evalúa las condiciones de infraestructura y organización necesarias para que la
tecnología funcione; 2) Marco Ético-Regulatorio, que analiza la alineación de la tecnología con los
principios de protección de derechos y la normativa vigente; y 3) Barreras de Adopción, que
considera los factores humanos y culturales que determinan la aceptación y sostenibilidad del modelo
a largo plazo. Este enfoque holístico permite una evaluación que trasciende el análisis puramente
técnico de la tecnología para abordar los desafíos de su integración en un sistema técnico complejo.
Ilustración 1. Marco Analítico de Viabilidad de la IA en Salud Pública
Diagrama conceptual, se observan tres pilares interconectados: Extremo superior izquierdo
1) Viabilidad Sistémica (con subcomponentes: Técnica, Operacional, Financiera), extremo
superior derecho 2) Marco Ético-Regulatorio (con subcomponentes: Privacidad de Datos, Sesgo y
Equidad, Responsabilidad), y en la zona inferior 3) Barreras de Adopción (con subcomponentes:
Humana, Educativa, Cultural). Las flechas indican la interdependencia entre los pilares.
Consideraciones Éticas de la Investigación
Este estudio es un análisis documental y conceptual basado exclusivamente en fuentes de acceso
público. No involucró interacción directa con personas ni el manejo de datos personales
identificables. De acuerdo con el Reglamento de la Ley General de Salud en Materia de Investigación
para la Salud, se clasifica como una "investigación sin riesgo". A pesar de ello, se adhiere a los más
altos principios de integridad académica y transparencia metodológica, reconociendo la importancia
pág. 5155
de la confidencialidad y la protección de datos como un tema central del análisis.
Viabilidad Sistémica
La capacidad del IMSS-Bienestar para integrar la IA depende de la alineación de su infraestructura
técnica, sus procesos operativos y su estructura financiera.
• Técnica: El sistema de salud mexicano avanza hacia la digitalización con la construcción de
un Expediente Clínico Electrónico (ECE) universal, tomando como base el sistema del IMSS
ordinario, que ya alberga más de 53 millones de expedientes. (6) Este esfuerzo es fundamental, ya que
un ECE funcional es la fuente de datos primordial para cualquier sistema de IA clínica. Sin embargo,
la viabilidad se ve comprometida por dos obstáculos críticos. Primero, la brecha de conectividad:
una conexión a internet estable y de alta velocidad es un requisito para la mayoría de las herramientas
de IA, pero sigue siendo una carencia en muchas de las más de 11,000 unidades rurales del IMSS-
Bienestar. (7) Sin una solución robusta para la conectividad rural, cualquier proyecto de IA a gran
escala está destinado a operar de manera fragmentada. Segundo, la interoperabilidad: la
fragmentación histórica del sistema de salud mexicano dificulta el intercambio fluido de datos entre
niveles de atención, un requisito indispensable para que un diagnóstico de IA en el primer nivel se
traduzca en una referencia efectiva a un especialista en el segundo o tercer nivel. (8) Lograr la
interoperabilidad organizacional es un desafío político y de gobernanza que la tecnología, por sí sola,
no puede resolver.
• Operacional: La integración de la IA en la consulta diaria exige una articulación precisa con
los flujos de trabajo existentes y las Redes Integradas de Servicios de Salud (RISS). Un sistema de IA
que detecta un posible caso de depresión es clínicamente inútil si no activa un protocolo de atención
claro, ya sea una intervención local o una referencia a un especialista, posiblemente vía telemedicina.
(9) Esto requiere que la IA no sea una herramienta aislada, sino un componente integrado en modelos
de gestión de casos como el "Código 100" para riesgo suicida. Además, la viabilidad operacional
depende masivamente de la capacitación digital del personal. Aunque existen plataformas como el
Sistema Educativo de Salud para el Bienestar (SiESABI) y la plataforma Cursos en Línea Masivos
del IMSS (CLIMSS), se necesitaría un currículo específico que enseñe no solo a usar el software,
sino a interpretar críticamente sus resultados y a comunicarlos. (10)
de la confidencialidad y la protección de datos como un tema central del análisis.
Viabilidad Sistémica
La capacidad del IMSS-Bienestar para integrar la IA depende de la alineación de su infraestructura
técnica, sus procesos operativos y su estructura financiera.
• Técnica: El sistema de salud mexicano avanza hacia la digitalización con la construcción de
un Expediente Clínico Electrónico (ECE) universal, tomando como base el sistema del IMSS
ordinario, que ya alberga más de 53 millones de expedientes. (6) Este esfuerzo es fundamental, ya que
un ECE funcional es la fuente de datos primordial para cualquier sistema de IA clínica. Sin embargo,
la viabilidad se ve comprometida por dos obstáculos críticos. Primero, la brecha de conectividad:
una conexión a internet estable y de alta velocidad es un requisito para la mayoría de las herramientas
de IA, pero sigue siendo una carencia en muchas de las más de 11,000 unidades rurales del IMSS-
Bienestar. (7) Sin una solución robusta para la conectividad rural, cualquier proyecto de IA a gran
escala está destinado a operar de manera fragmentada. Segundo, la interoperabilidad: la
fragmentación histórica del sistema de salud mexicano dificulta el intercambio fluido de datos entre
niveles de atención, un requisito indispensable para que un diagnóstico de IA en el primer nivel se
traduzca en una referencia efectiva a un especialista en el segundo o tercer nivel. (8) Lograr la
interoperabilidad organizacional es un desafío político y de gobernanza que la tecnología, por sí sola,
no puede resolver.
• Operacional: La integración de la IA en la consulta diaria exige una articulación precisa con
los flujos de trabajo existentes y las Redes Integradas de Servicios de Salud (RISS). Un sistema de IA
que detecta un posible caso de depresión es clínicamente inútil si no activa un protocolo de atención
claro, ya sea una intervención local o una referencia a un especialista, posiblemente vía telemedicina.
(9) Esto requiere que la IA no sea una herramienta aislada, sino un componente integrado en modelos
de gestión de casos como el "Código 100" para riesgo suicida. Además, la viabilidad operacional
depende masivamente de la capacitación digital del personal. Aunque existen plataformas como el
Sistema Educativo de Salud para el Bienestar (SiESABI) y la plataforma Cursos en Línea Masivos
del IMSS (CLIMSS), se necesitaría un currículo específico que enseñe no solo a usar el software,
sino a interpretar críticamente sus resultados y a comunicarlos. (10)
pág. 5156
• Financiera: Aunque la inversión inicial en el software, hardware y capacitación masiva del
personal es considerable, el análisis costo-beneficio a largo plazo es favorable. Se estima que cada
dólar invertido en el tratamiento de la depresión y la ansiedad, genera un retorno económico de siete
dólares en mejor salud y productividad. (11) Una estrategia de financiamiento viable podría ser la
integración de la infraestructura digital dentro de programas existentes como "La Clínica es Nuestra",
que ya destina recursos a la mejora de equipamiento en el primer nivel y podría ampliarse para incluir
"equipamiento digital" y conectividad, haciendo la inversión más digerible y alineada con las
estrategias actuales.
Tabla 1. La Brecha de Atención en Salud Mental en México
Prevalencia de trastornos
mentales
Recursos asignados
17% de la población Aprox. el 2% del presupuesto de salud y el 0.36% psiquiatras por
cada 10,000 habitantes.
Tabla, se señala el contrasta entre la alta prevalencia de trastornos mentales (17% de la población)
con los escasos recursos asignados (aprox. 2% del presupuesto de salud y 0.36 psiquiatras por cada
10,000 habitantes).
Marco Ético-Regulatorio
La implementación de IA en salud mental debe navegar un complejo panorama ético y legal para
proteger a los pacientes.
• Privacidad y Confidencialidad: La información sobre salud mental es considerada un "dato
personal sensible" por la legislación mexicana en la Ley Federal de Protección de Datos Personales
en Posesión de los Particulares y la Ley General de Protección de Datos Personales en Posesión de
Sujetos Obligados (LFPDPPP y LGPDPPSO), que exige consentimiento verbal y por escrito para su
tratamiento. Esto crea una tensión fundamental con la necesidad de grandes volúmenes de datos para
entrenar modelos de IA precisos. Se requiere un marco legal y ético que permita el uso de información
anonimizada para investigación sin vulnerar los derechos de los pacientes, posiblemente a través de
"sandboxes" regulatorios que permitan la innovación en un entorno controlado.
• Financiera: Aunque la inversión inicial en el software, hardware y capacitación masiva del
personal es considerable, el análisis costo-beneficio a largo plazo es favorable. Se estima que cada
dólar invertido en el tratamiento de la depresión y la ansiedad, genera un retorno económico de siete
dólares en mejor salud y productividad. (11) Una estrategia de financiamiento viable podría ser la
integración de la infraestructura digital dentro de programas existentes como "La Clínica es Nuestra",
que ya destina recursos a la mejora de equipamiento en el primer nivel y podría ampliarse para incluir
"equipamiento digital" y conectividad, haciendo la inversión más digerible y alineada con las
estrategias actuales.
Tabla 1. La Brecha de Atención en Salud Mental en México
Prevalencia de trastornos
mentales
Recursos asignados
17% de la población Aprox. el 2% del presupuesto de salud y el 0.36% psiquiatras por
cada 10,000 habitantes.
Tabla, se señala el contrasta entre la alta prevalencia de trastornos mentales (17% de la población)
con los escasos recursos asignados (aprox. 2% del presupuesto de salud y 0.36 psiquiatras por cada
10,000 habitantes).
Marco Ético-Regulatorio
La implementación de IA en salud mental debe navegar un complejo panorama ético y legal para
proteger a los pacientes.
• Privacidad y Confidencialidad: La información sobre salud mental es considerada un "dato
personal sensible" por la legislación mexicana en la Ley Federal de Protección de Datos Personales
en Posesión de los Particulares y la Ley General de Protección de Datos Personales en Posesión de
Sujetos Obligados (LFPDPPP y LGPDPPSO), que exige consentimiento verbal y por escrito para su
tratamiento. Esto crea una tensión fundamental con la necesidad de grandes volúmenes de datos para
entrenar modelos de IA precisos. Se requiere un marco legal y ético que permita el uso de información
anonimizada para investigación sin vulnerar los derechos de los pacientes, posiblemente a través de
"sandboxes" regulatorios que permitan la innovación en un entorno controlado.
pág. 5157
• Sesgo Algorítmico y Equidad: Este es quizás el riesgo más agudo. Un modelo de IA
entrenado con datos de poblaciones urbanas podría discriminar o diagnosticar erróneamente a las
diversas poblaciones indígenas y rurales que atiende el IMSS-Bienestar, cuyas expresiones de
malestar emocional pueden diferir del modelo biomédico occidental. Para mitigar este riesgo, es
imperativo un enfoque de IA culturalmente pertinente, que incluya la creación de datasets diversos
y la participación comunitaria en el diseño y validación de las herramientas, asegurando que los
algoritmos no perpetúen las desigualdades existentes.
• Responsabilidad y Vacío Regulatorio: Si un sistema de IA comete un error diagnóstico,
¿quién es el responsable? Esta pregunta carece de una respuesta clara. El dilema se agrava por un vacío
regulatorio: la normativa de la Comisión Federal para la Protección Contra Riesgos Sanitarios
(COFEPRIS) para "Software como Dispositivo Médico" (SaMD), como la Norma Oficial Mexicana
(NOM) 241-SSA1-2025, no está diseñada para las especificidades de la IA adaptativa, que aprende
y cambia con el tiempo. (12) Es urgente desarrollar una regulación específica para dispositivos
médicos con IA que defina responsabilidades a lo largo de todo el ciclo de vida del producto, desde
su desarrollo hasta su vigilancia post-comercialización.
Tabla 2. Matriz de Retos Ético-Regulatorios Clave
Reto Ético Riesgo Específico en IMSS-Bienestar Estrategia de Mitigación
Prioritaria
Privacidad de Datos Uso de datos de salud mental sin
consentimiento explícito para entrenar
modelos.
Desarrollar un marco de gobernanza
de datos para investigación que
permita el uso de datos
anonimizados bajo
estrictos protocolos de seguridad.
Sesgo Algorítmico Diagnósticos erróneos en poblaciones
indígenas y rurales por falta de
representatividad en los datos de
entrenamiento.
Creación de datasets cultural y
lingüísticamente diversos con
participación comunitaria y
auditorías de equidad del
algoritmo.
• Sesgo Algorítmico y Equidad: Este es quizás el riesgo más agudo. Un modelo de IA
entrenado con datos de poblaciones urbanas podría discriminar o diagnosticar erróneamente a las
diversas poblaciones indígenas y rurales que atiende el IMSS-Bienestar, cuyas expresiones de
malestar emocional pueden diferir del modelo biomédico occidental. Para mitigar este riesgo, es
imperativo un enfoque de IA culturalmente pertinente, que incluya la creación de datasets diversos
y la participación comunitaria en el diseño y validación de las herramientas, asegurando que los
algoritmos no perpetúen las desigualdades existentes.
• Responsabilidad y Vacío Regulatorio: Si un sistema de IA comete un error diagnóstico,
¿quién es el responsable? Esta pregunta carece de una respuesta clara. El dilema se agrava por un vacío
regulatorio: la normativa de la Comisión Federal para la Protección Contra Riesgos Sanitarios
(COFEPRIS) para "Software como Dispositivo Médico" (SaMD), como la Norma Oficial Mexicana
(NOM) 241-SSA1-2025, no está diseñada para las especificidades de la IA adaptativa, que aprende
y cambia con el tiempo. (12) Es urgente desarrollar una regulación específica para dispositivos
médicos con IA que defina responsabilidades a lo largo de todo el ciclo de vida del producto, desde
su desarrollo hasta su vigilancia post-comercialización.
Tabla 2. Matriz de Retos Ético-Regulatorios Clave
Reto Ético Riesgo Específico en IMSS-Bienestar Estrategia de Mitigación
Prioritaria
Privacidad de Datos Uso de datos de salud mental sin
consentimiento explícito para entrenar
modelos.
Desarrollar un marco de gobernanza
de datos para investigación que
permita el uso de datos
anonimizados bajo
estrictos protocolos de seguridad.
Sesgo Algorítmico Diagnósticos erróneos en poblaciones
indígenas y rurales por falta de
representatividad en los datos de
entrenamiento.
Creación de datasets cultural y
lingüísticamente diversos con
participación comunitaria y
auditorías de equidad del
algoritmo.
pág. 5158
Responsabilidad Ausencia de un marco legal claro ante un
error diagnóstico de la IA.
Desarrollo de una regulación
específica por parte de COFEPRIS
para SaMD con IA adaptativa que
defina el ciclo de
vida y las responsabilidades.
Tabla simplificada con tres filas: 1) Privacidad de Datos, 2) Sesgo Algorítmico, 3) Responsabilidad.
Las columnas serían "Riesgo Específico en IMSS-Bienestar" y "Estrategia de Mitigación Prioritaria".
Barreras de Adopción
La tecnología más sofisticada puede fracasar si no se superan las barreras humanas y culturales.
• Factor Humano (Confianza y Deshumanización): La principal barrera es la resistencia al
cambio por parte del personal de salud, a menudo basada en una desconfianza legítima hacia la
precisión de la IA y el temor a que la tecnología deshumanice la relación médico-paciente. La
confianza no se construye con estadísticas, sino con transparencia, aplicabilidad y la demostración
de que la IA es una herramienta de apoyo que libera tiempo para la atención empática.
• Factor Educativo (Alfabetización en IA): El personal de salud actual carece, en su mayoría,
de formación en competencias digitales avanzadas. Se requiere un programa de capacitación masivo
que vaya más allá del uso de un software y que fomente una interpretación crítica de
los resultados algorítmicos, entendiendo sus limitaciones y el riesgo de falsos positivos. Plataformas
como SiESABI o CLIMSS podrían ser el vehículo para este esfuerzo, pero necesitarían un currículo
específico y robusto. (13)
• Factor Cultural (Estigma y Aceptación Pública): El estigma asociado a la salud mental en
México puede hacer que algunos pacientes prefieran la privacidad de un chatbot, pero también puede
generar rechazo si la tecnología se percibe como una forma de atención de "segunda clase". (5) La
aceptación pública requiere campañas de comunicación y educación comunitaria que desmitifiquen
tanto la salud mental como la tecnología, enmarcando la IA como una herramienta de apoyo, no de
reemplazo.
Responsabilidad Ausencia de un marco legal claro ante un
error diagnóstico de la IA.
Desarrollo de una regulación
específica por parte de COFEPRIS
para SaMD con IA adaptativa que
defina el ciclo de
vida y las responsabilidades.
Tabla simplificada con tres filas: 1) Privacidad de Datos, 2) Sesgo Algorítmico, 3) Responsabilidad.
Las columnas serían "Riesgo Específico en IMSS-Bienestar" y "Estrategia de Mitigación Prioritaria".
Barreras de Adopción
La tecnología más sofisticada puede fracasar si no se superan las barreras humanas y culturales.
• Factor Humano (Confianza y Deshumanización): La principal barrera es la resistencia al
cambio por parte del personal de salud, a menudo basada en una desconfianza legítima hacia la
precisión de la IA y el temor a que la tecnología deshumanice la relación médico-paciente. La
confianza no se construye con estadísticas, sino con transparencia, aplicabilidad y la demostración
de que la IA es una herramienta de apoyo que libera tiempo para la atención empática.
• Factor Educativo (Alfabetización en IA): El personal de salud actual carece, en su mayoría,
de formación en competencias digitales avanzadas. Se requiere un programa de capacitación masivo
que vaya más allá del uso de un software y que fomente una interpretación crítica de
los resultados algorítmicos, entendiendo sus limitaciones y el riesgo de falsos positivos. Plataformas
como SiESABI o CLIMSS podrían ser el vehículo para este esfuerzo, pero necesitarían un currículo
específico y robusto. (13)
• Factor Cultural (Estigma y Aceptación Pública): El estigma asociado a la salud mental en
México puede hacer que algunos pacientes prefieran la privacidad de un chatbot, pero también puede
generar rechazo si la tecnología se percibe como una forma de atención de "segunda clase". (5) La
aceptación pública requiere campañas de comunicación y educación comunitaria que desmitifiquen
tanto la salud mental como la tecnología, enmarcando la IA como una herramienta de apoyo, no de
reemplazo.
pág. 5159
CONCLUSIÓN
La implementación de la Inteligencia Artificial para el diagnóstico de salud mental en el primer nivel
del IMSS-Bienestar no es una solución mágica a los problemas de accesibilidad y atención inmediata
para la población mexicana, pero sí representa una de las herramientas más potentes para comenzar a
cerrar la abismal brecha de atención en México. El análisis a través del marco propuesto revela que un
enfoque puramente tecnológico, que ignore las brechas de infraestructura, los vacíos regulatorios y
las barreras humanas, está destinado al fracaso.
El camino más prometedor y realista es la adopción de un modelo híbrido de atención aumentada por
IA (Ilustración 2). En este modelo, la IA no reemplaza al clínico, sino que potencia sus capacidades.
Se encarga del tamizaje a gran escala, la priorización de casos y la automatización de tareas, liberando
el tiempo del personal de salud para que se dedique a lo que solo un ser humano puede hacer: la
empatía, la construcción de una alianza terapéutica y la toma de decisiones clínicas informadas por
la tecnología, pero guiadas por el juicio profesional.
Ilustración 2. Modelo Híbrido de Atención Aumentada por IA en el Primer Nivel
Diagrama de flujo, se muestra a un paciente interactuando con una herramienta de tamizaje de IA.
El resultado (nivel de riesgo) es revisado por un médico/enfermero de primer nivel, quien integra
esta información con su juicio clínico para decidir el plan de acción: 1) Manejo en primer nivel, 2)
Interconsulta por telemedicina, o 3) Referencia a segundo nivel a través de la RISS.
Para que este modelo sea una realidad, es imperativo que cualquier iniciativa de implementación
comience con proyectos piloto en regiones con mayor capacidad instalada, supeditada a un plan
nacional de conectividad rural y al desarrollo de un marco ético-regulatorio robusto. La inversión en
tecnología debe ir de la mano con una inversión paralela y decidida en el fortalecimiento del capital
CONCLUSIÓN
La implementación de la Inteligencia Artificial para el diagnóstico de salud mental en el primer nivel
del IMSS-Bienestar no es una solución mágica a los problemas de accesibilidad y atención inmediata
para la población mexicana, pero sí representa una de las herramientas más potentes para comenzar a
cerrar la abismal brecha de atención en México. El análisis a través del marco propuesto revela que un
enfoque puramente tecnológico, que ignore las brechas de infraestructura, los vacíos regulatorios y
las barreras humanas, está destinado al fracaso.
El camino más prometedor y realista es la adopción de un modelo híbrido de atención aumentada por
IA (Ilustración 2). En este modelo, la IA no reemplaza al clínico, sino que potencia sus capacidades.
Se encarga del tamizaje a gran escala, la priorización de casos y la automatización de tareas, liberando
el tiempo del personal de salud para que se dedique a lo que solo un ser humano puede hacer: la
empatía, la construcción de una alianza terapéutica y la toma de decisiones clínicas informadas por
la tecnología, pero guiadas por el juicio profesional.
Ilustración 2. Modelo Híbrido de Atención Aumentada por IA en el Primer Nivel
Diagrama de flujo, se muestra a un paciente interactuando con una herramienta de tamizaje de IA.
El resultado (nivel de riesgo) es revisado por un médico/enfermero de primer nivel, quien integra
esta información con su juicio clínico para decidir el plan de acción: 1) Manejo en primer nivel, 2)
Interconsulta por telemedicina, o 3) Referencia a segundo nivel a través de la RISS.
Para que este modelo sea una realidad, es imperativo que cualquier iniciativa de implementación
comience con proyectos piloto en regiones con mayor capacidad instalada, supeditada a un plan
nacional de conectividad rural y al desarrollo de un marco ético-regulatorio robusto. La inversión en
tecnología debe ir de la mano con una inversión paralela y decidida en el fortalecimiento del capital
pág. 5160
humano y de las redes de servicios, asegurando que la innovación tecnológica sirva para consolidar,
y no para socavar, los principios de atención comunitaria y centrada en la persona, que definen al
MAS-BIENESTAR. La verdadera transformación digital en salud no se trata de comprar software,
sino de construir capacidades sistémicas para un futuro más equitativo y saludable.
Recomendaciones:
1. Políticas Públicas y Regulación: Crear una NOM específica para "Software como
Dispositivo Médico con Inteligencia Artificial/Machine Learning" Y establecer un Comité Nacional
de Ética en IA para la Salud. Inversión e Infraestructura:
2. Lanzar un "Plan Nacional de Conectividad para la Salud Rural y acelerar la consolidación
del Expediente Clínico Electrónico (ECE) universal.
3. Capital Humano y Gestión del Cambio: Diseñar e implementar un “Plan Nacional de
Capacitación en Salud Digital e IA”. Utilizando plataformas existentes como SiESABI, se
debe crear un currículo obligatorio y continuo para todo el personal de salud del IMSS- Bienestar.
4. Gobernanza del Modelo e Implementación Piloto: Iniciar con un Proyecto Piloto de
Investigación-Acción Participativa. Se recomienda seleccionar una o dos regiones operativas con una
infraestructura digital y de conectividad relativamente más sólida (por ejemplo, estados con
experiencia previa en telemedicina, como Sonora).
REFERENCIAS BIBLIOGRÁFICAS
1. INCyTU. Salud mental en México. [Internet].; 2018 [citado 2025 Abril 9]. Disponible
en: https://observatoriodiscapacidad.documenta.org.mx/wp- content/uploads/2020/10/INCyTUSalud-
Mental-en-Mexico.pdf.
2. IMSS Bienestar. Servicios de Salud del Instituto Mexicano del Seguro Social para el
Bienestar. [Internet].; 2024 [Citado 2025 Abril 17].
Disponible en:
https://imssbienestar.gob.mx/assets/docs/normatividad_interna/PROGRAMA_INSTITUCIO
NAL_SSIMSSBIENESTAR_23_24_170124.pdf.
3. Secretaría de Salud. Módulo de atención a la salud para el bienestar. [Internet]. [Citado 2025
humano y de las redes de servicios, asegurando que la innovación tecnológica sirva para consolidar,
y no para socavar, los principios de atención comunitaria y centrada en la persona, que definen al
MAS-BIENESTAR. La verdadera transformación digital en salud no se trata de comprar software,
sino de construir capacidades sistémicas para un futuro más equitativo y saludable.
Recomendaciones:
1. Políticas Públicas y Regulación: Crear una NOM específica para "Software como
Dispositivo Médico con Inteligencia Artificial/Machine Learning" Y establecer un Comité Nacional
de Ética en IA para la Salud. Inversión e Infraestructura:
2. Lanzar un "Plan Nacional de Conectividad para la Salud Rural y acelerar la consolidación
del Expediente Clínico Electrónico (ECE) universal.
3. Capital Humano y Gestión del Cambio: Diseñar e implementar un “Plan Nacional de
Capacitación en Salud Digital e IA”. Utilizando plataformas existentes como SiESABI, se
debe crear un currículo obligatorio y continuo para todo el personal de salud del IMSS- Bienestar.
4. Gobernanza del Modelo e Implementación Piloto: Iniciar con un Proyecto Piloto de
Investigación-Acción Participativa. Se recomienda seleccionar una o dos regiones operativas con una
infraestructura digital y de conectividad relativamente más sólida (por ejemplo, estados con
experiencia previa en telemedicina, como Sonora).
REFERENCIAS BIBLIOGRÁFICAS
1. INCyTU. Salud mental en México. [Internet].; 2018 [citado 2025 Abril 9]. Disponible
en: https://observatoriodiscapacidad.documenta.org.mx/wp- content/uploads/2020/10/INCyTUSalud-
Mental-en-Mexico.pdf.
2. IMSS Bienestar. Servicios de Salud del Instituto Mexicano del Seguro Social para el
Bienestar. [Internet].; 2024 [Citado 2025 Abril 17].
Disponible en:
https://imssbienestar.gob.mx/assets/docs/normatividad_interna/PROGRAMA_INSTITUCIO
NAL_SSIMSSBIENESTAR_23_24_170124.pdf.
3. Secretaría de Salud. Módulo de atención a la salud para el bienestar. [Internet]. [Citado 2025
pág. 5161
Abril 24]. Disponible en https://www.salud.cdmx.gob.mx/conoce-mas/mas-bienestar.
4. Senyacen J. Salud mental: Presupuesto y política nacional. [Internet].; 2024 [Citado 2025
Abril 24]. Disponible en: https://ciep.mx/salud-mental-presupuesto-y-politica-nacional/.
5. Alhuwaydi AM. Explorando el rol de la inteligencia artificial en la atención de salud mental:
tendencias actuales y direcciones futuras: una revisión narrativa para una visión integral. [Internet].;
2024 [Citado 2025 Abril 24]. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC11127648/.
6. Robledo Z. Expediente Clínico Electrónico del IMSS será el origen para construir un
sistema unviersal que almacene historial de toda la población.. [Internet].; 2024 [Citado 2025 Abril
26]. Disponible en: https://www.imss.gob.mx/prensa/archivo/202411/067.
7. Chueke D. Qué barreas persisten tras la pandemia de COVID-19 para la adopción de la
telemedicina en Latinoamética. [Internet].; 2023 [Citado 2025 Abril 25]. Disponible en:
https://telehealthandmedicinetoday.com/index.php/journal/article/view/423/987.
8. IBM México. Interoperabilidad en Salud. [Internet]. [Citado 2025 Mayo 2]. Disponible en:
https://www.ibm.com/mx-es/topics/interoperability-in-healthcare.
9. CENETEC Difusión. Obervatorio de Telesalud. [Internet]. [Citado 2025 Mayo 20].
Disponible en: https://cenetec-difusion.com/observatoriotelesalud/?p=539220.
10. IMSS Bienestar. SIESABIA-UVA Virtual. [Internet]. [Citado 2025 Mayo 25]. Disponible
en: https://educacion.imssbienestar.gob.mx/siesabiaulavirtual/course/index.php?categoryid=24&
perpage=20&browse=courses&page=1.
11. WHO. La inversión en el tratamiento de la depresión y la ansiedad tiene un rendimiento del
400%. [Internet].; 2023 [Citado 2025 Junio 13]. Disponible
en: https://www.who.int/es/news/item/13-04-2016-investing-in-treatment-for-depression-
and- anxiety-leads-to-fourfold-return.
12. Secretaría de Salud. COFEPRIS refuerza la regulación sanitaria con nuevos
lineamientos. [Internet]. [Citado 2025 Junio 10. Disponible en:
https://www.gob.mx/salud/prensa/060- cofepris-refuerza-la-regulacion-sanitaria-con-
nuevoslineamientos-para-garantizar-buenas- practicas-de-fabricacion-de-farmacos-medicamentos-
Abril 24]. Disponible en https://www.salud.cdmx.gob.mx/conoce-mas/mas-bienestar.
4. Senyacen J. Salud mental: Presupuesto y política nacional. [Internet].; 2024 [Citado 2025
Abril 24]. Disponible en: https://ciep.mx/salud-mental-presupuesto-y-politica-nacional/.
5. Alhuwaydi AM. Explorando el rol de la inteligencia artificial en la atención de salud mental:
tendencias actuales y direcciones futuras: una revisión narrativa para una visión integral. [Internet].;
2024 [Citado 2025 Abril 24]. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC11127648/.
6. Robledo Z. Expediente Clínico Electrónico del IMSS será el origen para construir un
sistema unviersal que almacene historial de toda la población.. [Internet].; 2024 [Citado 2025 Abril
26]. Disponible en: https://www.imss.gob.mx/prensa/archivo/202411/067.
7. Chueke D. Qué barreas persisten tras la pandemia de COVID-19 para la adopción de la
telemedicina en Latinoamética. [Internet].; 2023 [Citado 2025 Abril 25]. Disponible en:
https://telehealthandmedicinetoday.com/index.php/journal/article/view/423/987.
8. IBM México. Interoperabilidad en Salud. [Internet]. [Citado 2025 Mayo 2]. Disponible en:
https://www.ibm.com/mx-es/topics/interoperability-in-healthcare.
9. CENETEC Difusión. Obervatorio de Telesalud. [Internet]. [Citado 2025 Mayo 20].
Disponible en: https://cenetec-difusion.com/observatoriotelesalud/?p=539220.
10. IMSS Bienestar. SIESABIA-UVA Virtual. [Internet]. [Citado 2025 Mayo 25]. Disponible
en: https://educacion.imssbienestar.gob.mx/siesabiaulavirtual/course/index.php?categoryid=24&
perpage=20&browse=courses&page=1.
11. WHO. La inversión en el tratamiento de la depresión y la ansiedad tiene un rendimiento del
400%. [Internet].; 2023 [Citado 2025 Junio 13]. Disponible
en: https://www.who.int/es/news/item/13-04-2016-investing-in-treatment-for-depression-
and- anxiety-leads-to-fourfold-return.
12. Secretaría de Salud. COFEPRIS refuerza la regulación sanitaria con nuevos
lineamientos. [Internet]. [Citado 2025 Junio 10. Disponible en:
https://www.gob.mx/salud/prensa/060- cofepris-refuerza-la-regulacion-sanitaria-con-
nuevoslineamientos-para-garantizar-buenas- practicas-de-fabricacion-de-farmacos-medicamentos-
pág. 5162
ydispositivos-medicos?idiom=es.
13. IMSS. Innovación Educativa IMSS. [Internet].; 2022 [Citado 2025 Junio 14]. Disponible
en: https://innovacioneducativa.imss.gob.mx/sitio_wp/educacion-a-distancia/.
Otras referencias
1. Esau. El impacto de la salud mental en México [Internet]. México: OMA; 2024 [citado
17 abril 2025]. Disponible en: https://omatlantis.com/salud-y-medicina/el-impacto-de-la-salud-
mental-en-mexico10585.html
2. José L. Beneficios del internet satelital para la salud [Internet]. México: SatByte; [citado
25 de abril 2025]. Disponible en: https://www.satbyte.com.mx/internet/beneficios-del-internet-
satelital-para-la-salud/
3. El Economista. La alianza Viasat-CFE-TIT lleva internet a las zonas rurales
[Internet]. Ciudad de México: El Economista; 2024 [citado 2 de mayo 2025].
Disponible en: https://www.eleconomista.com.mx/los-especiales/La-alianza-Viasat-
CFE-TIT- llevainternet-a-las-zonas-rurales-20240301-0002.html
4. Zurita J. Proyecto para dotar de conectividad a una región marginada en México
Diagnóstico de conectividad [Internet].México: Instituto Federal de Telecomunicacione; 2023
[citado 2 de mayo 2025]. Disponible
en: https://centrodeestudios.ift.org.mx/admin/files/estudios/1705017510.pdf
5. HHS Telehealth. Guías de mejores prácticas: Telesalud rural [Internet]. HRSA; [citado 2
de mayo 2025]. Disponible en: https://telehealth.hhs.gov/es/proveedores/guias-de-mejores-
practicas/la-telesaludrural/comenzando
6. Polanco S. Crisis de salud mental en zonas rurales [Internet]. MHA; 2025 [citado 2 de
mayo 2025]. Disponible en:
https://mhanational.org/es/resources/rural-mental-health-crisis/
7. HL7. Interoperabilidad en salud [Internet]. México: HL7; 2023 [citado 2 de mayo 2025].
Disponible en: https://hl7mx.org/interoperabilidad/
8. IMSS Educación. Telemedicina [Internet]. México: IMSS; 2017 [citado 2 de mayo 2025].
ydispositivos-medicos?idiom=es.
13. IMSS. Innovación Educativa IMSS. [Internet].; 2022 [Citado 2025 Junio 14]. Disponible
en: https://innovacioneducativa.imss.gob.mx/sitio_wp/educacion-a-distancia/.
Otras referencias
1. Esau. El impacto de la salud mental en México [Internet]. México: OMA; 2024 [citado
17 abril 2025]. Disponible en: https://omatlantis.com/salud-y-medicina/el-impacto-de-la-salud-
mental-en-mexico10585.html
2. José L. Beneficios del internet satelital para la salud [Internet]. México: SatByte; [citado
25 de abril 2025]. Disponible en: https://www.satbyte.com.mx/internet/beneficios-del-internet-
satelital-para-la-salud/
3. El Economista. La alianza Viasat-CFE-TIT lleva internet a las zonas rurales
[Internet]. Ciudad de México: El Economista; 2024 [citado 2 de mayo 2025].
Disponible en: https://www.eleconomista.com.mx/los-especiales/La-alianza-Viasat-
CFE-TIT- llevainternet-a-las-zonas-rurales-20240301-0002.html
4. Zurita J. Proyecto para dotar de conectividad a una región marginada en México
Diagnóstico de conectividad [Internet].México: Instituto Federal de Telecomunicacione; 2023
[citado 2 de mayo 2025]. Disponible
en: https://centrodeestudios.ift.org.mx/admin/files/estudios/1705017510.pdf
5. HHS Telehealth. Guías de mejores prácticas: Telesalud rural [Internet]. HRSA; [citado 2
de mayo 2025]. Disponible en: https://telehealth.hhs.gov/es/proveedores/guias-de-mejores-
practicas/la-telesaludrural/comenzando
6. Polanco S. Crisis de salud mental en zonas rurales [Internet]. MHA; 2025 [citado 2 de
mayo 2025]. Disponible en:
https://mhanational.org/es/resources/rural-mental-health-crisis/
7. HL7. Interoperabilidad en salud [Internet]. México: HL7; 2023 [citado 2 de mayo 2025].
Disponible en: https://hl7mx.org/interoperabilidad/
8. IMSS Educación. Telemedicina [Internet]. México: IMSS; 2017 [citado 2 de mayo 2025].
pág. 5163
Disponible en: http://educacionensalud.imss.gob.mx/telemedicina/
9. CONASAMA. Hospital psiquiátrico Fray Bernardino Álvarez [Internet]. Gobierno de
México; [citado 20 de mayo 2025]. Disponible en:
https://www.gob.mx/conasama/articulos/hospital-psiquiatrico-fray-bernardino-
alvarez362887?idiom=es
10. HHS Telehealth. Cómo utilizo la telesalud para salud mental [Internet]. HHS; [citado 20
de mayo 2025]. Disponible en: https://telehealth.hhs.gov/es/pacientes/recursos- adicionales/como-
utilizo-la-telesalud-parala-atencion-de-la-salud-mental
11. Secretaría de Salud. Moodle DGCES [Internet]. México: SSA; 2025 [citado 25 de mayo
2025]. Disponible en: http://moodle.dgces.salud.gob.mx/
12. IMSS. Sin salud mental no hay salud [Internet]. Gobierno de México; [citado 25 de mayo
2025]. Disponible en: https://www.gob.mx/imss/articulos/sin-salud-mental-no-hay-
saludhttps://www.imss.gob.mx/prensa/archivo/202502/081
13. Innovación Educativa IMSS. Educación a distancia [Internet]. México: IMSS; 2022
[citado 26 jun 2025]. Disponible en: https://innovacioneducativa.imss.gob.mx/sitio_wp/educacion-
a-distancia/
14. Gobierno de México. COFEPRIS autoriza primer software de alta tecnología para
tratamiento de infarto al miocardio [Internet]. COFEPRIS; [citado 10 jun 2025]. Disponible en:
https://www.gob.mx/cofepris/articulos/cofepris-autoriza-primer-software-de-alta-
tecnologiapara-tratamiento-de-infarto-al-miocardio
Disponible en: http://educacionensalud.imss.gob.mx/telemedicina/
9. CONASAMA. Hospital psiquiátrico Fray Bernardino Álvarez [Internet]. Gobierno de
México; [citado 20 de mayo 2025]. Disponible en:
https://www.gob.mx/conasama/articulos/hospital-psiquiatrico-fray-bernardino-
alvarez362887?idiom=es
10. HHS Telehealth. Cómo utilizo la telesalud para salud mental [Internet]. HHS; [citado 20
de mayo 2025]. Disponible en: https://telehealth.hhs.gov/es/pacientes/recursos- adicionales/como-
utilizo-la-telesalud-parala-atencion-de-la-salud-mental
11. Secretaría de Salud. Moodle DGCES [Internet]. México: SSA; 2025 [citado 25 de mayo
2025]. Disponible en: http://moodle.dgces.salud.gob.mx/
12. IMSS. Sin salud mental no hay salud [Internet]. Gobierno de México; [citado 25 de mayo
2025]. Disponible en: https://www.gob.mx/imss/articulos/sin-salud-mental-no-hay-
saludhttps://www.imss.gob.mx/prensa/archivo/202502/081
13. Innovación Educativa IMSS. Educación a distancia [Internet]. México: IMSS; 2022
[citado 26 jun 2025]. Disponible en: https://innovacioneducativa.imss.gob.mx/sitio_wp/educacion-
a-distancia/
14. Gobierno de México. COFEPRIS autoriza primer software de alta tecnología para
tratamiento de infarto al miocardio [Internet]. COFEPRIS; [citado 10 jun 2025]. Disponible en:
https://www.gob.mx/cofepris/articulos/cofepris-autoriza-primer-software-de-alta-
tecnologiapara-tratamiento-de-infarto-al-miocardio