Estudiantes.
Por qué los estudiantes de Medicina tendrán que estudiar Inteligencia Artificial para el MIR
La rápida expansión de herramientas como ChatGPT obliga a revisar los planes de estudio de las facultades de Medicina
Un estudio de la Universidad de Navarra define competencias y objetivos de aprendizaje para formar a futuros médicos capaces de utilizar la IA sin comprometer el razonamiento clínico ni la seguridad del paciente
Y además: Los médicos echan el freno a la IA que detecta el cáncer con la cara: "No discriminamos con análisis, tampoco con el rostro"
La inteligencia artificial (IA) ha irrumpido en la práctica médica a una velocidad que amenaza con dejar desfasados los planes de estudio tradicionales. La aparición de herramientas de inteligencia artificial generativa como ChatGPT ha cambiado tanto la forma de aprender Medicina como las posibilidades de aplicar esta tecnología en la asistencia sanitaria. Ante este escenario, una investigación publicada en Frontiers in Digital Health plantea la necesidad urgente de incorporar competencias específicas de IA a la formación universitaria de los futuros facultativos.
El trabajo propone un marco formativo con siete competencias y 37 objetivos de aprendizaje que los estudiantes deberían adquirir durante el grado. Su finalidad es que los médicos recién graduados no solo conozcan estas herramientas, sino que sepan utilizarlas de manera profesional, crítica y ética.
La investigación parte de una brecha educativa: los modelos de lenguaje de gran tamaño, como ChatGPT, comenzaron a popularizarse a finales de 2022, mientras que buena parte de los estudios previos sobre competencias en IA para estudiantes de Medicina se habían elaborado antes de su lanzamiento. Los autores consideran que las capacidades de estos sistemas han transformado el escenario y hacen necesario actualizar las recomendaciones educativas.
De aprender Medicina a saber evaluar la IA
Para elaborar su propuesta, el equipo de la Universidad de Navarra recurrió a un método Delphi modificado, desarrollado en cuatro rondas entre mayo de 2024 y enero de 2025. En las tres primeras participaron 14 estudiantes de Medicina y dos profesores, mientras que la última contó con diez expertos internacionales en educación médica e inteligencia artificial.
El proceso permitió consensuar las competencias y los objetivos que deberían orientar la formación. Una de las principales novedades es que los conocimientos sobre IA no se reservan para los últimos cursos ni se limitan a su aplicación clínica: sus fundamentos deben enseñarse desde el primer año.
Entre los objetivos iniciales figuran definir qué es la IA, comprender cómo se entrenan sus sistemas y conocer conceptos como el aprendizaje automático, el aprendizaje profundo y los modelos de lenguaje. También se plantea enseñar a formular instrucciones eficaces (prompts) y reconocer los errores y sesgos de la información generada por estas herramientas.
El objetivo es evitar que los futuros médicos acepten automáticamente las respuestas de un sistema tecnológico. Los estudiantes deben aprender a contrastar sus resultados, valorar sus limitaciones y mantener su capacidad de razonamiento independiente.
El riesgo de delegar el razonamiento clínico
La propuesta adquiere especial relevancia cuando la IA pasa del entorno educativo a la atención sanitaria. El marco elaborado por los investigadores incluye objetivos relacionados con el apoyo al diagnóstico, la planificación de tratamientos, la monitorización de pacientes, la documentación clínica y la investigación médica.
Sin embargo, utilizar estas aplicaciones exige conocer sus riesgos. El estudio incorpora estrategias para prevenir la dependencia excesiva de la IA y preservar el razonamiento clínico propio, además de aprender a evaluar la exactitud de sus respuestas antes de emplearlas en la práctica asistencial.
Los autores advierten de que "la confianza excesiva en estas herramientas puede perjudicar la calidad del razonamiento y de la toma de decisiones clínicas". Por ello, la formación debe preparar a los estudiantes para identificar errores, reconocer sesgos y saber cuándo no confiar en una respuesta automatizada.
La investigación también subraya que la incorporación de estas tecnologías no debe relegar la dimensión humana de la Medicina. Entre las competencias propuestas figuran la protección de datos, el consentimiento informado, la transparencia sobre el uso de IA y la comunicación con los pacientes. También se contempla mantener una atención centrada en la persona, con empatía y decisiones compartidas, incluso cuando el paciente acude a consulta con información obtenida mediante herramientas de inteligencia artificial.
Una formación transversal durante toda la carrera
Los investigadores proponen distribuir estos aprendizajes a lo largo del grado, en lugar de concentrarlos en una única asignatura. Los fundamentos se abordarían desde primero, mientras que los contenidos más relacionados con la práctica clínica se incorporarían progresivamente a las etapas preclínica y clínica.
Esta integración transversal permitiría adaptar los objetivos a las asignaturas existentes y reforzar las competencias conforme los estudiantes avanzan hacia la atención directa a pacientes. El marco incluye, además, el trabajo interdisciplinar con científicos de datos, ingenieros y otros profesionales, así como la actualización continua ante la aparición de nuevas herramientas.
No obstante, el estudio no demuestra todavía que aplicar este modelo mejore el aprendizaje, el razonamiento clínico o los resultados de salud. Sus autores reconocen que serán necesarios estudios posteriores para evaluar su implantación y sus efectos. Así, se concluye que, aunque la investigación no plantea específicamente una modificación del examen MIR, sí ofrece una hoja de ruta para que las facultades adapten la formación de quienes deberán ejercer en un sistema sanitario cada vez más condicionado por estas tecnologías.
