La inteligencia artificial ya llegó a la medicina. La discusión ya no puede limitarse a si reemplazará a los médicos, si redactará notas o si interpretará estudios. La pregunta más importante es más concreta: ¿puede ayudarnos a ordenar un sistema de salud en el que demasiados pacientes no saben por dónde entrar?
En México, esa pregunta no es teórica. Es urgente.
México no falla por falta de talento humano. Tiene médicos de primer nivel, enfermería capacitada, hospitales públicos con gran experiencia, instituciones privadas sofisticadas y una población que ha aprendido a adaptarse a todo ello. Falla en otra parte. El paciente no entra por una sola puerta. No sigue una ruta clara. Muchas veces no recibe el nivel de atención adecuado en el momento oportuno.
Ese es el cuello de botella.
Pensemos en una paciente con dolor de pecho. Puede ir a una farmacia, llamar a un médico conocido, buscar un cardiólogo privado, acudir a urgencias, pedir orientación por WhatsApp o esperar una cita en su institución. Algunas de esas rutas pueden salvarla. Otras pueden perder tiempo. El problema es que demasiadas veces la diferencia depende de la intuición, del dinero, de la suerte o de los contactos.
Eso no es acceso. Es navegación improvisada.
Los números explican la presión. México tiene alrededor de 134 millones de habitantes. La OCDE estima que el país tiene cobertura para el 78% de la población en un conjunto básico de servicios. Pero cobertura no significa capacidad. México gasta 5.9% del PIB en salud, cerca de 1,588 dólares por persona al año, ajustados por poder adquisitivo; tiene 2.7 médicos, 3 enfermeras y apenas 1 cama hospitalaria por cada mil habitantes.
Dicho de forma sencilla: muchas personas tienen algún derecho formal a la atención, pero el sistema tiene poco margen para absorber una demanda mal dirigida. Cada consulta innecesaria ocupa espacio. Cada estudio repetido consume dinero. Cada referencia tardía retrasa a alguien más.
También existe una paradoja privada. La mayoría de la población no cuenta con un seguro privado amplio. Las cifras del sector asegurador sitúan en 2025 el número de personas con seguro de gastos médicos en cerca de 14 millones, es decir, alrededor de uno de cada diez mexicanos. Aun así, millones de personas con afiliación pública siguen pagando consultas, laboratorios, estudios, medicamentos y urgencias en el sector privado.
Otro dato muestra la contradicción. Con base en la Encuesta Nacional de Ingresos y Gastos de los Hogares de 2024, se ha estimado que el 63% de la población declaró afiliación a una institución pública. Aun así, seis de cada diez personas recibieron atención en farmacias o en consultorios privados. El gasto de bolsillo promedio fue de 6,421 pesos por hogar, y los medicamentos representaron más de una tercera parte de ese gasto.
Eso no describe una preferencia, sino una fuga.
Cuando una persona con cobertura pública paga por fuera, la ruta formal ya falló. No fue lo suficientemente rápida, clara ni confiable.
El problema no es que falten puertas. Sobran. El paciente puede empezar en una farmacia, una clínica pública, un hospital privado, urgencias, una aseguradora, una clínica laboral, un instituto nacional, IMSS, ISSSTE, IMSS-Bienestar, un sistema estatal o por la vía más rápida de todas: una red informal por WhatsApp.
El problema es que nadie ordena la entrada.
La solución no empieza con otro hospital ni con otra aplicación. Empieza con una puerta clínica.
Una puerta clínica no es un chatbot decorativo en una página web. Es una forma ordenada de recibir al paciente, entender qué necesita, medir el riesgo, decidir la ruta y dar seguimiento. No reemplaza al médico. Evita que el médico sea usado como filtro caro en un sistema desordenado.
Un modelo serio debe hacer seis cosas.
Primero, capturar la historia antes de la consulta: síntomas, tiempo de evolución, antecedentes, medicamentos, estudios previos, afiliación, ubicación, barreras de acceso y señales de alarma.
Segundo, clasificar la urgencia. Dolor torácico, dificultad respiratoria, déficit neurológico, fiebre en pacientes de riesgo, embarazo de alto riesgo, datos de sepsis, cáncer probable, trauma mayor o síntomas progresivos no pueden perderse en una agenda rutinaria.
Tercero, dirigir al sitio correcto. Una vez descartada la urgencia, la pregunta cambia: ¿dónde se resuelve mejor este problema? La respuesta puede ser autocuidado seguro, atención primaria, renovación supervisada de medicamentos, laboratorio previo, imagen antes de la consulta, teleconsulta, especialista, hospital de segundo nivel o alta especialidad.
Cuarto, preparar al médico. Cuando el paciente llegue, el médico no debe empezar desde cero. Debe recibir una síntesis clara del caso, los riesgos, los estudios disponibles y la razón de la ruta. Eso cambia la consulta: menos tiempo para reconstruir la historia, más tiempo para decidir, explicar y acompañar.
Quinto, proteger la capacidad. Los especialistas y los hospitales de alta complejidad deben atender a quienes realmente necesitan ese nivel de atención. Cada consulta mal dirigida ocupa el lugar de un paciente que sí requería esa atención.
Sexto, cerrar el ciclo. La atención no termina cuando se emite una receta o una referencia. El sistema debe saber si el paciente se hizo el estudio, consiguió el medicamento, entendió el plan, llegó a la consulta, mejoró o empeoró.
Sin seguimiento, la puerta clínica se convierte en una ventanilla.
Esto no es solo un argumento tecnológico. Es un argumento de diseño. La atención ya se está trasladando fuera del hospital. La pregunta es si se moverá con orden o por abandono. Sin una puerta clínica, reubicar la atención puede convertirse en otro desorden. Con una puerta clínica, se convierte en una estrategia.
Este modelo ya empezó. En Utah, por ejemplo, un programa piloto utilizó inteligencia artificial para apoyar la renovación de recetas. La mayoría de los casos fue enviada a revisión médica con recomendación de renovar, y los médicos coincidieron con esa recomendación en la gran mayoría. En otros casos, el sistema solicitó más información o escaló al paciente debido a datos de riesgo, necesidad de laboratorio o falta de seguimiento reciente.
La lección no es que la inteligencia artificial deba recetar por sí sola. La lección es más útil: puede funcionar como primera capa de clasificación si incorpora reglas, límites, auditoría y revisión humana.
También muestra el riesgo. En Estados Unidos ya existe una discusión sobre “médicos de inteligencia artificial”, prescripción automatizada y productos digitales de salud. Algunos ven acceso y eficiencia. Otros advierten que el sistema puede confiar demasiado pronto en una tecnología que todavía no merece ese nivel de autonomía.
Ambas posturas tienen razón. La inteligencia artificial puede mejorar el acceso. También puede causar daño si se usa sin control.
La velocidad del cambio exige prudencia. Empresas líderes en inteligencia artificial han advertido que los modelos avanzan tan rápido que las reglas de seguridad pueden quedarse atrás. Para la salud, la lección es clara: no basta con validar una herramienta una vez y asumir que seguirá siendo la misma.
Una puerta clínica basada en inteligencia artificial debe tener control de versiones, auditoría continua, revisión humana en puntos de riesgo, criterios claros para suspenderla y evaluación de ciberseguridad. Si se cambia el modelo, debe repetirse la validación. Si cambia el desempeño, debe poder pausarse.
La medicina no puede adoptar la inteligencia artificial como si fuera una aplicación administrativa más. Cuando una herramienta clasifica síntomas, orienta urgencias, prepara consultas o sugiere renovar medicamentos, ya forma parte del acto clínico.
La pregunta no es solo qué puede hacer. La pregunta es quién la vigila, cómo se mide, cuándo escala, cuándo se detiene y quién responde si falla.
México no debe copiar el modelo más agresivo. Debe construir uno propio: clínico, gradual, auditable y diseñado para su realidad. Esa discusión también debe darse en México: no como copia de reglas extranjeras, sino como una política propia para usar inteligencia artificial en salud con seguridad, utilidad clínica y responsabilidad.
El primer paso no es sustituir al médico. Es ordenar la demanda.
México debería empezar por procesos de alto volumen y bajo riesgo: historia clínica inicial, renovación supervisada de medicamentos, seguimiento de síntomas crónicos, revisión de estudios ya realizados, educación del paciente, identificación de señales de alarma, preparación para la consulta y navegación hacia el nivel de atención adecuado.
Después debe avanzar por líneas clínicas concretas: diabetes, hipertensión, embarazo, dolor musculoesquelético, salud mental, rehabilitación, tamizaje de cáncer, pediatría y urgencias de baja complejidad. Cada línea necesita sus propias preguntas, señales de alarma, criterios de escalación, tiempos máximos y métricas.
Sin medición, no hay mejora.
Los indicadores deben ser simples: tiempo desde el primer contacto hasta el sitio correcto de atención; pacientes dirigidos correctamente desde la primera entrada; estudios repetidos; urgencias evitables; referencias incompletas; gasto de bolsillo por servicios que debieron resolverse en la ruta cubierta; tiempo médico dedicado a reconstruir historias clínicas.
Sin esos datos, no hay transformación, solo hay tecnología.
La oportunidad para México es enorme porque el paciente ya vive en un sistema híbrido. Se mueve entre lo público, lo privado, la farmacia, el laboratorio, la aseguradora, la empresa y la recomendación familiar. La inteligencia artificial no tiene que inventar esa realidad. Tiene que ordenarla.
El Estado puede usarla para clasificar mejor la demanda y proteger recursos limitados. Los sistemas públicos pueden usarla para reducir las filas, detectar urgencias reales y evitar estudios duplicados. Las aseguradoras pueden usarla para orientar al paciente antes de que el costo aumente. Los empleadores pueden usarla para mejorar el acceso y reducir el ausentismo. Los hospitales privados pueden usarla para ofrecer algo más valioso que camas: navegación, certeza y rutas de atención responsables.
El futuro no será del hospital con la tecnología más visible. Será del sistema que logre que el paciente correcto llegue al lugar correcto antes.
México no necesita otra promesa abstracta de cobertura. Necesita acceso efectivo: que una persona pueda entrar, ser entendida, ser clasificada, ser dirigida, ser atendida y ser seguida sin convertirse en su propio coordinador médico.
La inteligencia artificial no resolverá por sí sola los problemas de salud en México. Pero puede ayudar a resolver uno de sus fallos más antiguos: la entrada desordenada al sistema.
Ese debe ser el primer proyecto: no un médico artificial ni otra aplicación, sino una puerta clínica que ordene la entrada, proteja al paciente, respete el juicio médico y pueda medirse con resultados.
La medicina mexicana no necesita menos médicos. Necesita usar mejor el juicio médico que ya tiene. Para eso, primero debe dejar de perder pacientes en la entrada.
