Anales de la RANM

147 A N A L E S R A N M R E V I S T A F U N D A D A E N 1 8 7 9 INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN MÉDICA Banegas JR, et al. An RANM. 2026;143(02): 145 - 159 Ante la sobrecarga exponencial de informa- ción, la educación médica debe evolucionar de la memorización a la curaduría —entendida como la selección, evaluación y contextualiza- ción crítica de la información—, así como a la interpretación y la supervisión crítica de la IA como herramienta, no como sustituto. Este enfoque fomenta la alfabetización algorítmica, el juicio crítico y la evaluación de sesgos y limita- ciones, con posibles implicaciones en habilidades clínicas como la empatía (7). Aunque una asignatura transversal de 40 horas es un inicio factible, se corre el riesgo de aislar la IA de la práctica real. Por ello, se aconseja una integra- ción longitudinal para garantizar un aprendizaje profundo (6-8). Esta integración debería tener una lógica progresiva y competencial, de modo que la alfabetización inicial, el análisis crítico y la aplica- ción clínica supervisada se incorporen de forma gradual al currículo. Esta transición reestruc- tura el tiempo hacia una gestión del conocimiento distribuida a lo largo de los seis años de carrera, conforme al imperativo curricular de Wartman y Combs (9). En la práctica, esto implica introducir fundamentos digitales en los ciclos básicos (1.º-3.º) y aplicar el análisis clínico aumentado por IA generativa en los rotatorios hospitalarios (4.º-6.º), logrando una asimilación progresiva y adaptada al desarrollo del estudiante (10,11). La formación en IA en educación médica plantea el reto de capacitar tanto a docentes como a estudiantes, combinando expertos en IA con profesorado clínico y básico formado en competen- cias digitales. La preparación del profesorado es aún desigual y requiere programas estructurados de formación docente que integren aspectos éticos, pedagógicos y prácticos (8). Por último, es también un desafío empoderar al estudiante mediante aprendizaje personalizado y el desarrollo de la autonomía cognitiva y la competencia profesional (2,6-8). ¿QUÉ MODOS HAY PARA QUE LOS EDUCADORES MÉDICOS PUEDAN UTILIZAR LA IA Y EVALUAR LAS COMPETENCIAS EN IA? La integración de tecnologías inmersivas e IA generativa en la educación médica (¿cómo se enseña?) ( TABLA 2 ) exige un cambio hacia aulas invertidas, donde los docentes gestionan el alcance y los límites de estas herramientas (7,12-14). Entonces, ¿eliminará la IA la clase magistral? La respuesta corta es no, pero la obligará a evolucionar. La IA podría asumir las tareas de síntesis de datos, Tabla 1. Retos a la introducción de la inteligencia artificial en la educación médica y soluciones tentativas Retos Respuesta pedagógica Alineación con Schubert (niveles y marco conceptual) ¿Aumentará la carga de trabajo o deben sustituirse contenidos? Aplicar el principio de economía docente: integrar la IA reempla- zando contenidos redundantes. Necesidad de rediseño curricular: la formación en IA requiere adapta- ción estructural de los programas existentes. ¿Debe pasarse desde la memori- zación a la gestión del conoci- miento? La memorización total es inviable ante la explosión de datos. Promo- ver la gestión crítica de la infor- mación apoyada en IA. Énfasis en competencias de uso crítico y comprensión de IA, no en conocimiento técnico profundo para todos. ¿Cuándo introducir la IA en el currículo? Integración longitudinal en asignaturas existentes, evitando su tratamiento como contenido aislado. Formación progresiva según etapas (grado, posgrado, desarrollo profe- sional) y niveles de competencia. ¿Quién debe aprender IA? Todos los estudiantes de medicina, con distintos niveles de profundi- dad. Modelo de tres niveles de compe- tencia: alfabetización básica, uso clínico crítico, expertise avanzado ¿Quién debe enseñarla? Modelo mixto: expertos en IA + formación progresiva del profesorado (clínico y básico). Enfoque interdisciplinar: colabo- ración entre clínicos y especialistas en datos/IA. ¿Cómo desarrollar la competen- cia en IA? Personalización del aprendizaje y desarrollo de autonomía cogni- tiva. Formación orientada a uso seguro, evaluación de riesgos, sesgos y limitaciones de la IA. Tabla híbrida elaborada a partir de Schubert et al. (cita 6), integrando su modelo de niveles de competencia en IA con un enfoque pedagógico basado en retos. IA: inteligencia artificial.