Anales de la RANM

153 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 los modelos estructurados exclusivamente desde la dirección institucional. Innovación: Máster en Salud Digital (MDH) Car y Topol han propuesto un grado innovador en salud digital (21) con varias características clave: un currículo común que reduce la variabi- lidad entre programas, itinerarios alineados con las necesidades reales del sector y se inspira en el modelo del Master in Public Health como título profesional estandarizado orientado a resolver problemas en la práctica. Su enfoque es claramente profesional —centrado en liderazgo y aplicación, más que en investiga- ción— y promueve una interdisciplinariedad real, integrando medicina, ciencias sociales, ingeniería e informática. Además, aspira a un reconocimiento internacional con mecanismos de acreditación que faciliten la movilidad y aporten claridad a los empleadores, va dirigido a perfiles diversos y define competencias claras, reduciendo la incertidumbre sobre la formación en salud digital. Frente a este modelo internacional, el contexto español todavía carece de una certificación formal y homogénea en salud digital, aunque las recientes directrices normativas y las estrategias de formación continuada sectoriales ya reflejan una clara tendencia hacia su próxima estandarización. ¿Pueden enseñar empatía las facultades de medicina? ¿Puede ayudar la IA? Las facultades pueden y deben enseñar empatía, un constructo multidimensional fundamental que entronca con la tradición humanista de la medicina española (2,22-24). Su desarrollo, potenciado por el modelado docente (25), puede medirse con herramientas como la Escala de Jefferson (26). En este marco, la IA resulta clave al optimizar los procesos técnicos, mejorando la actitud y disposición de los estudiantes hacia su integración clínica (27). Diversos autores abogan por reformar la educación médica para priorizar la inteligencia emocional, la comunicación y la empatía junto a las destrezas técnicas, aunque se requiere más evidencia comparativa sobre los enfoques formativos; en EE.UU ., competencias como la empatía se utilizan el proceso de selección de estudiantes de medicina (2). Por otra parte, la IA ha demostrado capacidad para generar respuestas empáticas y compasivas en contextos no clínicos, identificando sentimientos en casos prácticos y sugiriendo pautas comunica- tivas claras (2,23,28-30). No obstante, la extrapo- lación de estos hallazgos a la práctica asistencial real exige cautela. EJEMPLOS ILUSTRATIVOS DE APLICACIÓN PRÁCTICA Utilizaremos dos ejemplos sobre las dos grandes habilidades en la educación médica facilitadas por la IA: el razonamiento clínico crítico y la empatía médica. Crear un momento educativo: cuando hay interac- ción con la IA Sobre el razonamiento clínico crítico, resumimos un caso figurado ( FIGURA 2 ) (31). Figura 2. Estrategia educativa DEFT-AI en la práctica clínica. Elaboración propia, adaptada conceptualmente de Abdulnour et al., 2025 (Cita 31). AI: artificial intelligence; IA: inteligencia artificial. Dx: diagnóstico.