Médico aumentado vs. IA autónoma: Redefiniendo las competencias esenciales para la práctica del futuro
Descargar
Resumen
La inminente consolidación de la inteligencia artificial (IA) y los modelos de lenguaje grande (LLM) en el ámbito clínico ha superado las expectativas futuristas, estableciendo una nueva realidad operativa que redefine los sistemas de salud. Sin embargo, la educación médica persiste en un notable desfase estructural, manteniéndose aferrada a modelos curriculares tradicionales que carecen de los fundamentos conceptuales necesarios para afrontar esta transición tecnológica. Esta discrepancia genera una brecha crítica que exige urgentemente la evolución del perfil de egreso hacia el concepto de "médico aumentado", una competencia que opera bajo el paradigma de la "inteligencia híbrida". Este enfoque no busca competir con la autonomía computacional, sino integrar el juicio clínico y ético con la potencia de procesamiento de datos, salvaguardando al profesional de riesgos latentes como la erosión de habilidades (skill decay) y el sesgo de automatización derivado de una dependencia tecnológica acrítica. En este contexto, se propone una reestructuración de las competencias esenciales basada en tres pilares insustituibles: la Alfabetización Algorítmica y de Datos, indispensable para comprender la funcionalidad y detectar sesgos en la IA; la Ética Aplicada y el Humanismo Digital, que revalorizan la empatía y la comunicación compleja frente a la máquina; y el Razonamiento Crítico, necesario para actuar como auditor experto ante errores y "alucinaciones" del sistema. A pesar de las barreras impuestas por la baja preparación docente y la saturación curricular, se concluye que la excelencia médica futura no residirá en la retención enciclopédica de información, sino en la sabiduría para gestionar herramientas avanzadas, garantizando así una práctica clínica profunda, segura y esencialmente humana.Referencias
Pupic N, Ghaffari-zadeh A, Hu R, Singla R, Darras K, Karwowska A, et al. An evidence-based approach to artificial intelligence education for medical students: A systematic review. PLOS Digit Health. 2023;2(11):e0000255. https://doi.org/10.1371/journal.pdig.0000255
Dave M, Patel N. Artificial intelligence in healthcare and education. Br Dent J. 2023;234(10):761-4. https://doi.org/10.1038/s41415-023-5845-2
Khakpaki A. Advancements in artificial intelligence transforming medical education: a comprehensive overview. Med Educ Online. 2025;30(1):2542807. https://doi.org/10.1080/10872981.2025.2542807
Tolentino R, Baradaran A, Gore G, Pluye P, Abbasgholizadeh-Rahimi S. Curriculum Frameworks and Educational Programs in AI for Medical Students, Residents, and Practicing Physicians: Scoping Review. JMIR Med Educ. 2024;10:e54793. https://doi.org/10.2196/54793
Tozsin A, Ucmak H, Soyturk S, Aydin A, Gozen AS, Al Fahim M, et al. The Role of Artificial Intelligence in Medical Education: A Systematic Review. Surg Innov. 2024. https://doi.org/10.1177/15533506241248239
Weidener L, Fischer M. Teaching AI Ethics in Medical Education: A Scoping Review of Current Literature and Practices. Perspect Med Educ. 2023;12(1):399-410. https://doi.org/10.5334/pme.954
Gordon M, Daniel M, Ajiboye A, Uraiby H, Xu NY, Bartlett R, et al. A scoping review of artificial intelligence in medical education: BEME Guide No. 84. Med Teach. 2024;46(4):446-70. https://doi.org/10.1080/0142159X.2024.2314198
Shaw K, Henning MA, Webster CS. Artificial Intelligence in Medical Education: a Scoping Review of the Evidence for Efficacy and Future Directions. Med Sci Educ. 2025;35:1803-16. https://doi.org/10.1007/s40670-025-02373-0
