Publicada

La formación avanza de la mano de la innovación tecnológica. La llegada de nuevas herramientas digitales se ha convertido en un punto de inflexión y de reflexión para las aulas, donde muchas de ellas siguen apoyándose en los métodos más tradicionales. Frente a ese escenario, tanto los alumnos como los propios docentes impulsan una transformación profunda que ya empieza a ser objeto de estudio entre los investigadores de distintas partes del mundo. Así, una publicación en la revista BMC Medical Education incide en lo que suponen estos nuevos sistemas para los estudiantes de Ciencias de la Salud, y en concreto para los futuros médicos. Su descubrimiento se centra en esclarecer el 'truco' para aprender de forma más ágil con una herramienta que está al alcance de todos.

La publicación está impulsada por investigadores de la Universidad Médica Segunda de Shandong (China). Bajo el título de Reconstrucción y práctica de un modelo de enseñanza multifactorial mejorado con IA para pruebas de laboratorio de virología, los científicos abordan cómo influye la integración sistemática de la Inteligencia Artificial en el rendimiento académico y práctico de los estudiantes. Para ser más concretos, se centran en el Grado en Inspección Sanitaria y Cuarentena. De hecho, según explican a lo largo de la publicación, el objetivo es superar las limitaciones de los métodos clásicos, donde la actualización de los contenidos "no ha logrado seguir el ritmo del progreso de la industria tecnológica".

La IA se hace hueco entre los estudiantes de Medicina

A lo largo de ocho semanas (32 horas lectivas), el equipo de científicos investigó a dos grupos compuestos por 30 alumnos cada uno. Mientras que el equipo de control recibió la enseñanza más tradicional y convencional (es decir, la basada en libros de texto, clases teóricas y prácticas estándar), el grupo experimental trabajó con un entorno digital asistido por Inteligencia Artificial.

La clave consistía en ofrecer lo que los investigadores denominan como "un plan por estudiante", ajustando el estudio antes, durante y después de cada sesión. Antes de acudir al aula, los alumnos realizaban autoevaluaciones en una plataforma digital y consultaban sus dudas a un asistente de IA entrenado específicamente con los contenidos de la asignatura. Si el sistema detectaba fallos recurrentes, recomendaba automáticamente vídeos explicativos y materiales de refuerzo. A la par, según especifica el texto de BMC Medical Education, la Inteligencia Artificial avisaba al profesor para que insistiera en ese punto durante la clase presencial.

Uno de los ejemplos que pone sobre la mesa la investigación se refiere a lo que sucedía durante las sesiones prácticas. En ellas, los estudiantes trabajaban en un laboratorio virtual en 3D que simulaba paso a paso una prueba de detección de Covid-19. La Inteligencia Artificial monitorizaba sus movimientos en tiempo real y lanzaba alertas inmediatas si cometían errores. Una vez finalizada la clave, el sistema generaba un perfil individualizado para cada alumno: a quienes tenían dificultades les asignaba ejercicios básicos, mientras que a los más avanzados les proponía casos complejos de secuenciación viral.

Los resultados obtenidos al finalizar el módulo mostraron diferencias notables entre ambos grupos. En el examen teórico final, los estudiantes que utilizaron el modelo con IA alcanzaron una nota media de 89,7 puntos sobre 100, frente a los 78,3 puntos del grupo tradicional. La ventaja fue especialmente visible en las preguntas sobre tecnologías de vanguardia, donde el grupo experimental logró un 93,3 por ciento de aciertos frente al 66,7 por ciento de sus compañeros.

En el terreno práctico, la mejora siguió la misma línea. En una prueba estandarizada de simulación virtual realizada en la octava semana, aprobó el 96,7 por ciento de los alumnos formados con IA, frente al 73,3 por ciento del grupo de control. Asimismo, obtuvieron calificaciones significativamente superiores en operaciones estandarizadas de laboratorio (88,6 frente a 75,3 puntos) y en el diseño de planes de emergencia sanitaria (86,3 frente a 69,8 puntos). Además, el 90 por ciento de los estudiantes del grupo experimental alcanzó el nivel de competencia exigido en el manejo de herramientas de IA aplicadas al diagnóstico, y los centros de prácticas externos observaron que tardaban una media de seis días en adaptarse a su puesto de trabajo, tres días menos que los alumnos formados de manera convencional.

No obstante, el propio estudio matiza que esta tecnología no sustituye al esfuerzo ni al profesorado. Por un lado, los alumnos que emplearon el sistema dedicaron una media de 40 minutos más al día al estudio autónomo fuera de clase y participaron un 78,4 por ciento más en las interacciones del aula. Por otro lado, los investigadores advierten de que los modelos de lenguaje pueden cometer errores u omitir detalles críticos de bioseguridad -detectaron imprecisiones en el 3,4 por ciento de las respuestas auditadas-, por lo que recalcan que "la supervisión docente no es una mejora opcional, sino un requisito previo estructural para una integración segura y eficaz de la IA en la educación médica". Además, al tratarse de un estudio realizado en una sola universidad con una muestra reducida de 60 estudiantes y sin asignación aleatoria, sus autores señalan que los resultados deben interpretarse con cautela antes de generalizarlos a toda la educación médica.