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

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.