La irrupción de la inteligencia artificial (IA) en la formación de los profesionales sanitarios ha impulsado el desarrollo de pacientes virtuales capaces de simular entrevistas clínicas, responder a preguntas y recrear escenarios asistenciales cada vez más realistas.
Sin embargo, el entusiasmo por estas herramientas todavía choca con "importantes carencias académicas que limitan la solidez de la evidencia disponible". Así lo analiza un estudio publicado en BMC Medical Education, del grupo Springer Nature, que concluye que dos debilidades metodológicas reducen actualmente el potencial educativo de estos pacientes virtuales: la ausencia de un marco pedagógico consistente y la falta de instrumentos estandarizados para evaluar su impacto.
Sin una base pedagógica común
La investigación, una revisión sistemática de la literatura científica, analizó 15 estudios que evaluaban el uso de pacientes virtuales impulsados por IA generativa en disciplinas como Medicina, Enfermería, Farmacia, Radiología o la formación de primeros intervinientes. En conjunto, los trabajos incluían 645 participantes, aunque los autores subrayan que la evidencia disponible sigue siendo "heterogénea" y, en muchos casos, basada en intervenciones de corta duración y con muestras reducidas.
Los investigadores reconocen que los pacientes virtuales muestran resultados prometedores para mejorar competencias como el razonamiento clínico, la comunicación con el paciente o la confianza del estudiante. No obstante, advierten de que buena parte de los estudios "presenta limitaciones que dificultan extraer conclusiones sólidas sobre su eficacia real en la práctica clínica".
La primera gran limitación detectada es la escasa fundamentación educativa de los proyectos analizados. Según el estudio, la mayoría de las experiencias se desarrollan sin apoyarse en teorías consolidadas del aprendizaje o en modelos pedagógicos que orienten el diseño de las simulaciones. Los autores sostienen que existe una "falta general de una teoría educativa subyacente", lo que dificulta comprender qué elementos de estas herramientas favorecen realmente el aprendizaje y cuáles deberían mejorarse.
La segunda gran debilidad señalada por los investigadores afecta directamente a la calidad de la evidencia científica. El estudio destaca la falta de medidas estandarizadas y de instrumentos validados para evaluar los resultados educativos. En concreto, 13 de los 15 estudios revisados no informaban sobre la fiabilidad o la validez de las herramientas utilizadas para medir el aprendizaje de los participantes. Además, nueve investigaciones carecían de grupo control o no comparaban la situación antes y después de la intervención, dificultando atribuir las mejoras observadas exclusivamente al uso de pacientes virtuales.
Para los autores, esta situación hace que muchas conclusiones deban interpretarse con cautela. Aunque los estudiantes suelen mostrar una elevada satisfacción y perciben estas plataformas como útiles, todavía "existen pocas evidencias robustas de que las habilidades adquiridas se trasladen posteriormente a la atención de pacientes reales". La revisión señala expresamente que siguen existiendo dudas sobre la "transferibilidad" de estas competencias al entorno clínico.
Una tecnología con margen de mejora
A estas limitaciones metodológicas se suman otras de carácter tecnológico. El estudio recuerda que los pacientes virtuales "aún presentan dificultades para reproducir con fidelidad la comunicación no verbal, la evolución dinámica de los síntomas o la complejidad emocional propia de una consulta real". Asimismo, los modelos de IA pueden generar errores factuales o sesgos en determinados contextos clínicos, aspectos que obligan a mantener supervisión humana durante su utilización docente.
Pese a ello, los investigadores consideran que "estas herramientas representan una oportunidad relevante para ampliar la formación sanitaria gracias a su capacidad para ofrecer escenarios escalables, interactivos y estandarizados". Como conclusión, proponen avanzar hacia estudios más rigurosos, con diseños experimentales sólidos, métricas comunes y una mayor integración de teorías educativas. Solo así, sostienen, podrá determinarse con precisión el verdadero impacto de los pacientes virtuales generados por inteligencia artificial en la formación de los futuros profesionales sanitarios.