Anales de la RANM

155 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 1. Una empresa de información sanitaria anunció colaboración con una empresa tecnológica para integrar la IA generativa mediante un LLM en la historia clínica electrónica. 2. Hace poco, el Dr. S recibió un mensaje en el portal por parte de un paciente que pregun- taba por los límites de presión arterial para la hipertensión en la diabetes. 3. Con poco tiempo debido a las citas con pacientes y otras tareas administrativas, el Dr. S utiliza el LLM para redactar una respuesta a la pregunta del paciente. Revisa rápido el borrador creado por el LLM y se lo envía al paciente. 4. Más tarde ese mismo día, el Dr. S lee un artículo que la American Diabetes Associa- tion publicó la semana anterior sobre los nuevos valores límite de PA y se da cuenta de que estos valores son diferentes a los incluidos en el mensaje redactado por el LLM. 5. El Dr. S se siente frustrado por los datos desactualizados utilizados en el LLM y cree que enviar un mensaje corregido al paciente comprometerá su relación con él y su confianza en su experiencia clínica. Este caso refleja las tensiones éticas que pueden surgir en relación con los diferentes valores que los desarrolladores de tecnología y la profesión médica tienen hacia sus destinatarios. Surgen preguntas éticas fundamentales, como ¿qué implica para la formación? Los estudiantes deben aprender a usar, verificar y rendir cuentas del uso de la IA en la clínica. La confianza se produce sólo si se ha verificado antes la respuesta. ¿QUÉ LIMITACIONES TIENE LA IA EN LA EDUCACIÓN MÉDICA? Se sintetizan en la TABLA 5 (35,36). Una es el riesgo de dependencia prematura del estudiante respecto a la IA, antes de haber consolidado sus competencias clínicas básicas. Esta sobreconfianza puede disminuir el razona- miento crítico y la autonomía, especialmente en un contexto donde el entrenamiento diagnóstico es todavía limitado y los sistemas tecnológicos pueden fallar (37). Hay limitaciones que afectan a la integridad académica. Garantizar que las evaluaciones reflejen el conocimiento real del estudiante exige un acompañamiento docente continuo y evalua- ciones centradas en el proceso, no solo en el producto final. Algunos autores subrayan la importancia del tutor como guía formativa a lo largo del aprendizaje (38). Los desafíos éticos y de privacidad requieren un manejo responsable de datos clínicos y una sólida alfabetización en ética digital. Además, es necesario “mantener al humano en el circuito”, con el médico (y el profesor) como supervisor y garantía ética (39,40). Tabla 5. Algunas limitaciones de la inteligencia artificial generativa en la educación médica y ciencias de la salud y estrategias para mitigarlas Limitación Implicación Solución Dependencia excesiva del estudiante de la IA. Riesgo de pérdida de razona- miento clínico, menor autonomía y aprendizaje superficial. Entrenar primero habilidades clínicas sin IA; uso supervisado; actividades que exijan análisis y toma de decisiones. Integridad académica comprometida. Dificultad para garantizar que las evaluaciones reflejen el conoci- miento real del estudiante. Evaluaciones auténticas (ECOE, casos orales, simulaciones); seguimiento docente continuo; trazabilidad del proceso de aprendizaje Desafíos éticos y de privacidad. Posible exposición de datos sensibles y uso inapropiado de información clínica. Formación en ética digital; anonimi- zación estricta; uso de plataformas seguras y aprobadas institucional- mente. Información incorrecta o sesgada generada por la IA. Riesgo de incorporar errores clínicos o sesgos en la toma de decisiones. Enseñar verificación de fuentes; fomentar pensamiento crítico; revisión docente en tareas clínicas simuladas Falta de transparencia en el funcionamiento de la IA (“caja negra”). Dificultad para comprender cómo se generan las respuestas y sus limitaciones. Alfabetización en IA; explicar modelos, sesgos y límites; promover uso reflexivo y no determinista. Elaboración propia, a partir de literatura citada en el texto. IA: inteligencia artificial.