Anales de la RANM

154 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 situación de un encuentro clínico entre un médico residente y un paciente que se queja de sibilancias, en presencia de una tutora (educadora), ésta observa que el residente saca su teléfono móvil para consultar puntualmente una IA. Al acabar la entrevista, la tutora aplica la llamada estrategia DEFT-AI ( Diagnosis/Evidence/ Feedback/Teaching-Artificial Intelligence ), para crear un momento educativo en el que promover el razonamiento clínico y el uso responsable de la IA. La conversación sería la siguiente: D. Diagnóstico Pregunta (P) de la tutora: ¿Qué IA usaste? Respuesta (R) del residente: versión gratuita de ChatGPT en mi móvil. P: ¿ Qué prompt usaste? R. ¿Cuál es el diagnóstico diferencial de sibilancias? ¿cuál sería el mejor test diagnóstico y plan terapéu- tico? E. Evidencia P: ¿Cómo verificaste el resultado de la IA? R: No lo hice, me parecía razonable y confío en la IA . F. Feedback P: ¿Cómo puedes mejorar tu uso de la IA? R: Debería verificarlo la próxima vez . T. Teaching Llega el momento de la tutorización, y la educadora le enseña al residente: Considera la IA como consultor: dale información de quién (roles), dónde (contexto) y qué (preguntas), que explique su razonamiento, repregunta, autorre- flexiona y busca errores . Y llega el momento final, con un consejo de oro al residente: Recomendación Verifica y después confía . Cualquier modelo de LLM comete errores a pesar de su brillantez. Por tanto, hay que confiar, pero verificar (30,32). Verificar lo que el LLM dice, pidiéndole una explicación más detallada, más fácil de verificar y, en general, solicitando las fuentes de donde se ha obtenido la información, por ejemplo, fuentes primarias y guías clínicas. Modelos como DEFT-AI son útiles en la formación MIR, facilitando que valoren la IA de forma directa, y la IA ya está incorporándose en la formación de residentes (33). Además, resulta urgente estandarizar la enseñanza de competen- cias en IA en el entrenamiento de otras especia- lidades sanitarias, como enfermería (EIR) o psicología (PIR). Caso de estudio -Enseñanza de bioética de la IA en atención sanitaria Presentamos, en 5 momentos, un caso de estudio sobre cuestiones éticas específicas en la implemen- tación de la IA en asistencia sanitaria ( FIGURA 3 ) (34). Figura 3. Estudio de caso bioético: el dilema de la alucinación. LLM: modelo de lenguaje grande. ADA: American Diabetes Association. Caso de paciente con hipertensión y diabetes; conclusión ética: la velocidad de la inteligencia artificial generativa puede comprometer la integridad sin revisión humana meticulosa. Ela- boración propia, adaptada conceptualmente de Barry et al., 2025 (Cita 34).