Diario Oficial de la Federación, No. de publicación 303/2025, Ciudad de México, lunes 10 de noviembre de 2025 (Edición Matutina)

Hallazgo EXPLÍCITO de mayor relevancia del documento. El INPer mandata crear una 'Unidad de inteligencia artificial para la toma de decisiones clínicas complejas' y 'algoritmos de inteligencia artificial que permitan predecir y prevenir complicaciones perinatales prevalentes (enfermedades hipertensivas, hemorragia obstétrica, muerte materna, diabetes gestacional, parto prematuro, entre otras)'. RIESGOS: R1 (Malfunctions): Se trata de IA aplicada a decisiones clínicas de alto riesgo en un dominio crítico (salud materno-fetal y neonatal), donde un falso negativo (no predecir una hemorragia obstétrica o preeclampsia) puede causar muerte materna o neonatal. El programa NO establece requisitos de validación clínica prospectiva, supervisión humana obligatoria, tasas mínimas de sensibilidad/especificidad, ni manejo de 'automation bias' del personal médico. R2 (Discrimination): Los modelos predictivos de complicaciones perinatales se entrenan con datos poblacionales; si el dataset subrepresenta a mujeres indígenas, rurales, migrantes o de bajos recursos (poblaciones prioritarias del propio INPer), el modelo puede subestimar el riesgo en esos grupos y perpetuar brechas de mortalidad materna ya existentes en México. GAPS: No hay mención de evaluación de sesgo, auditoría de equidad, consentimiento informado del uso de IA en la decisión clínica, trazabilidad/explicabilidad de los algoritmos, ni mecanismos de responsabilidad ante error. CONTEXTO MEXICANO: La mortalidad materna en México tiene fuerte gradiente socioeconómico y geográfico; un sistema mal calibrado podría amplificar esa desigualdad. No existe aún una NOM ni marco federal que regule IA clínica.

Hallazgo EXPLÍCITO que complementa y refuerza a H1. El INPer no solo mandata una Unidad de IA para decisiones clínicas (H1), sino que declara expresamente la intención de 'generar modelos de predicción SOCIAL que ayuden a identificar situaciones potenciales de riesgo clínico en la mujer'. Esta misma fórmula se repite en la Estrategia 5.1 ('generar modelos de predicción que ayuden a identificar situaciones potenciales de riesgo clínico en la mujer'). RIESGOS: R2 (Discrimination & Bias): Un 'modelo de predicción social' que perfila a mujeres según factores sociales (escolaridad, ruralidad, etnia, condición migratoria, edad adolescente -todas variables expresamente discutidas en el diagnóstico del propio programa-) para estimar 'riesgo clínico' es exactamente un sistema de scoring/perfilamiento sobre personas. Si se entrena con datos que reflejan las brechas socioeconómicas existentes, puede reproducir y amplificar sesgos contra poblaciones vulnerables, etiquetando a priori a ciertas mujeres como 'de riesgo'. R1 (Malfunctions): Predicciones erróneas (falsos positivos/negativos) sobre riesgo clínico pueden derivar en intervenciones innecesarias o, peor, en la falta de atención por subestimación del riesgo. R3 (Privacy): Inferir 'riesgo' a partir de variables sociales implica tratamiento e inferencia sensible sobre individuos. GAPS: El programa no define qué variables alimentan el 'modelo de predicción social', ni prevé evaluación de sesgo, transparencia, supervisión humana, ni mecanismos de impugnación ante la clasificación de 'riesgo'. CONTEXTO MEXICANO: El perfilamiento social de mujeres embarazadas en un país con fuerte gradiente étnico/socioeconómico en mortalidad materna conlleva alto riesgo de discriminación algorítmica si no se audita la equidad del modelo.

Hallazgo EXPLÍCITO. El INPer crea un 'Laboratorio de Inteligencia Artificial Aplicada a la Salud y Telemedicina' para llevar el conocimiento al primer nivel de atención mediante telemedicina y simuladores. RIESGOS: R1: La transferencia de modelos de IA desde un instituto de tercer nivel hacia el primer nivel (donde el contexto de pacientes, equipamiento y prevalencias difiere) implica riesgo de aplicación fuera del dominio de entrenamiento, produciendo recomendaciones inadecuadas a personal de salud menos especializado. R3: La telemedicina y los laboratorios de IA en salud implican procesamiento de datos clínicos sensibles (incluyendo de salud reproductiva, dato especialmente protegido). El programa no define salvaguardas de privacidad, anonimización, ni límites de uso secundario de los datos para entrenar modelos. GAPS: Falta de un marco de protección de datos personales sensibles en salud para entrenamiento de IA; ausencia de gobernanza sobre quién accede a los datos del Laboratorio de IA. CONTEXTO MEXICANO: La Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados (DOF 20/03/2025) aplica, pero no contempla específicamente datasets para entrenamiento de IA ni inferencias sensibles.

Hallazgo EXPLÍCITO. El INCan desarrollará 'modelos predictivos de respuesta a terapia mediante inteligencia artificial aplicada a datos multiómics', en conjunto con compartir y analizar biobancos y datos genómicos con IMSS, ISSSTE e INMEGEN, y con la contribución al Registro Nacional del Cáncer con Base Poblacional. RIESGOS: R3 (Muy Alta): Los datos genómicos y multiómicos son los datos personales más sensibles que existen (revelan predisposiciones, parentesco y características inmutables). Su integración en biobancos compartidos entre instituciones y un registro poblacional, alimentando modelos de IA, crea riesgo de reidentificación, inferencias sensibles y uso secundario sin consentimiento. El programa solo menciona 'lineamientos para el consentimiento informado en estudios de secuenciación genómica'. R2: Los modelos de predicción de respuesta a terapia entrenados con poblaciones no representativas pueden orientar decisiones de tratamiento que discriminen a grupos subrepresentados. R1: Errores en la predicción de respuesta terapéutica pueden conducir a elección de tratamientos oncológicos subóptimos. GAPS: No hay regulación específica sobre biobancos genómicos, gobernanza del Registro Nacional del Cáncer, ni límites al uso de datos genómicos para entrenar IA. CONTEXTO MEXICANO: México carece de una ley específica de datos genómicos; el riesgo de explotación de bases genómicas de poblaciones mexicanas (incluidas indígenas) por terceros o proveedores extranjeros es relevante (soberanía de datos).

Hallazgo EXPLÍCITO. El INSP incorpora 'inteligencia artificial aplicada a la epidemiología' y 'análisis avanzado de datos para la toma de decisiones' en su oferta académica, vinculado al objetivo de 'robustecer la interoperabilidad de los sistemas de información en salud' e 'integrar bases de datos nacionales para análisis conjunto'. RIESGOS: R9: La IA aplicada a la epidemiología y la interoperabilidad/integración de bases de datos nacionales de salud crean la infraestructura técnica para vigilancia sanitaria poblacional. Aplicada a poblaciones sensibles (migrantes -mencionados expresamente-, comunidades indígenas), puede derivar en seguimiento de grupos vulnerables. R3: La integración de bases nacionales de salud incrementa el riesgo de perfilamiento e inferencias sensibles sobre individuos. R1: Modelos epidemiológicos erróneos pueden orientar mal la asignación de recursos sanitarios. GAPS: La integración nacional e interoperabilidad de datos de salud no se acompaña de límites de finalidad, controles de acceso ni supervisión de un órgano de protección de datos. CONTEXTO MEXICANO: La inclusión de población migrante en registros nacionales 'para facilitar la planeación' es de doble filo: útil para la salud, pero riesgosa si se comparte con autoridades migratorias o de seguridad.

Hallazgo EXPLÍCITO de menor severidad. El convenio Salud-Puebla mide la capacitación de responsables estatales mediante un 'Curso de Inteligencia Artificial para su aplicación en la Salud Pública', dirigido a responsables de violencia de género y sexual. RELEVANCIA: Evidencia la incorporación institucional de IA en la formación de operadores de salud pública en un ámbito sensible (violencia de género). Es un indicador de adopción más que de despliegue operativo, por lo que la severidad es Media. RIESGO R1: Si la capacitación promueve el uso de IA en la identificación de casos de violencia sin criterios de validación, podría inducir confianza indebida (automation bias) en herramientas no auditadas. GAP: No se especifica el contenido, los criterios de calidad ni los límites del uso de IA enseñado en el curso.

Hallazgo EXPLÍCITO. El INPer rediseñará programas académicos de especialidades médicas para incluir IA y capacitará a profesores y residentes en herramientas basadas en IA. RELEVANCIA: Institucionaliza la IA en la formación médica de alta especialidad. La severidad es Media porque es formación, no despliegue clínico directo; sin embargo, sienta las bases para el uso clínico de IA por personal en formación. RIESGO R1: La capacitación debe incluir alfabetización crítica sobre limitaciones, alucinaciones y sesgos de los sistemas de IA, para evitar dependencia acrítica. GAP: No se mencionan competencias en evaluación crítica, ética y supervisión de la IA.

Hallazgo IMPLÍCITO (gap) de alta criticidad. El Acuerdo designa a fiscales facultados para requerir, a concesionarios de telecomunicaciones, la conservación obligatoria de metadatos de comunicaciones por 24 meses (12 en tiempo real + 12 adicionales), la 'localización geográfica, en tiempo real, de los equipos terminales', la 'ubicación digital del posicionamiento geográfico de las líneas telefónicas' y la 'intervención de comunicaciones privadas'. RELEVANCIA IA: Aunque no menciona IA, este es el insumo y la infraestructura típica sobre la cual operan sistemas de análisis masivo, geolocalización y vigilancia predictiva (R9). La retención masiva de metadatos de toda la población y la entrega en tiempo real, sin que el documento exija control judicial previo para los metadatos (solo se reserva la autorización judicial para la intervención de contenido), habilita procesamiento automatizado a gran escala. Es precisamente el escenario de 'análisis masivo de actividad' e 'integración de bases de datos' de la taxonomía R9, y de 'vigilancia masiva' / 'retención indefinida de datos' de R3. GAPS: No hay mención de límites algorítmicos, prohibición de cruce automatizado con otras bases, control judicial sobre metadatos de geolocalización, ni supervisión de un órgano garante. La conservación de 24 meses de datos de toda la ciudadanía es desproporcionada bajo estándares interamericanos. CONTEXTO MEXICANO: La SCJN ya ha analizado la constitucionalidad de la retención de datos y la geolocalización (antecedentes de la LFTR 2014). La capacidad de fiscalías estatales para realizar análisis masivo conlleva riesgo de uso contra periodistas, activistas u opositores, en un contexto de débiles controles.

Hallazgo IMPLÍCITO. El convenio Salud-Puebla emplea 'chatbots' para comunicación bidireccional con la población a fin de fomentar estilos de vida saludables. Los chatbots modernos suelen apoyarse en modelos de lenguaje (IA generativa). RIESGOS: R8: Los chatbots dirigidos a 'grupos específicos de la población' implican personalización de mensajes; en salud, hay riesgo de información imprecisa o de sustituir orientación humana. R3: La interacción por SMS/chatbot con segmentación de la población implica tratamiento de datos personales y de salud. GAP: No se especifica si los chatbots usan IA, qué salvaguardas de exactitud de la información tienen, ni cómo se protegen los datos de los usuarios. Severidad Media por ser comunicación informativa, no decisión clínica.

Hallazgo IMPLÍCITO de tecnología habilitante. La implementación del Expediente Clínico Electrónico (ECE) interoperable y los sistemas integrales de gestión clínica son la base de datos sobre la cual el propio INPer planea aplicar IA (ver H1-H3). La acumulación e interoperabilidad de datos clínicos sensibles constituye el sustrato de futuros usos de IA. RIESGOS: R3: Concentración e interoperabilidad de datos clínicos sensibles sin que el documento detalle controles de acceso, cifrado o límites de uso secundario para entrenamiento de modelos. R1: La dependencia de sistemas integrados implica que errores o caídas afecten la continuidad de la atención. GAP: El ECE/SIGIn no se acompaña de salvaguardas explícitas de privacidad ni de reglas sobre su reutilización para IA. Severidad Media (infraestructura habilitante, no decisión automatizada).