BENEFICIOS DE LA INTELIGENCIA ARTIFICIAL EN LOS PROGRAMAS DE FORMACIÓN MÉDICA

¿Su próximo profesor es un robot?

La inteligencia artificial, o IA, ya está haciendo incursiones en muchos sectores de la sociedad. En el caso de la sanidad, su alcance influye desde el uso de historiales médicos electrónicos (EMR) hasta la protección de las redes hospitalarias frente a ciberataques.

Esta tecnología también está revolucionando la educación médica, de lo que hablaremos hoy. Exploraremos cómo la IA está transformando la formación de los futuros profesionales sanitarios.

Formación médica tradicional

Los estudiantes de medicina pasan por largos periodos de formación. Una gran parte se centra en consumir la mayor cantidad de información posible, gran parte de ella basada en la memorización. La educación médica tradicional se basa en lo siguiente:

Atención al paciente

Conocimientos médicos

Habilidades interpersonales y de comunicación

Aprendizaje y mejora basados en la práctica

Profesionalidad

Práctica basada en sistemas

La inteligencia artificial (IA) es un término que hace referencia a los programas y algoritmos informáticos diseñados para realizar tareas que normalmente llevan a cabo los seres humanos. Un ejemplo de ello es la automatización de la evaluación de las respuestas escritas, mientras que otro es proporcionar comentarios sobre las interpretaciones de las imágenes médicas.

La inteligencia artificial se refiere a los programas informáticos y algoritmos diseñados para realizar tareas que normalmente hacen las personas. La automatización de la evaluación de respuestas escritas o la retroalimentación sobre interpretaciones de imágenes médicas son algunos ejemplos de su uso en el campo de la medicina.

La inteligencia artificial en la enseñanza de la medicina se basa en los métodos de formación tradicionales y les da su propio giro o dirección en función de sus capacidades únicas.

La inteligencia artificial da la vuelta al aula en la formación médica

Un enfoque prometedor consiste en desviar la atención de las clases tradicionales y la memorización de información. Esta innovadora metodología de "aula invertida", propuesta por el doctor Charles Prober, también director fundador del Stanford Center for Health Education, pretende enseñar a los estudiantes de medicina a resolver intrincados casos de pacientes mediante el aprendizaje práctico.

Recopilar datos y lecturas de todos los recursos disponibles (por ejemplo, el EMR)

Trabajar en su propio tiempo

Introducir sus hallazgos en sus ordenadores médicos y tabletas médicas

Reunirse con profesores y compañeros en un entorno de aula, donde practican la resolución de problemas y el análisis de datos

El enfoque simula cómo se realizan los casos médicos en el mundo real. El objetivo es desarrollar habilidades de pensamiento crítico en lugar de memorizar datos médicos. La atención se centra en la interacción con datos y recursos en lugar de en la memorización. ChatGPT y chatbots similares serían uno de estos recursos. Al igual que las búsquedas en bases de datos forman parte de la rutina de un proveedor, estos programas basados en IA pueden ayudar a los estudiantes de medicina a encontrar, sintetizar y presentar datos relevantes.

Esto es mucho más rápido que los métodos tradicionales, que pueden llevar mucho tiempo y ser frustrantes, ya que a menudo requieren buscar en múltiples fuentes.

Este enfoque tiene una ventaja adicional. Se dedica poco tiempo a familiarizar a los estudiantes de medicina o a los residentes con nuevas tecnologías como la IA, la robótica y la telemedicina. Sin embargo, los futuros profesionales sanitarios las utilizarán sin duda junto con una amplia gama de dispositivos de asistencia.

La tecnología de reconocimiento de voz ya está automatizando la transcripción de entrevistas clínicas. Al mismo tiempo, se están desarrollando programas de historias clínicas electrónicas impulsados por IA que pueden pedir a los proveedores que formulen preguntas específicas en función de los síntomas y sugieran pruebas y diagnósticos. Los sistemas de detección asistida por ordenador (CAD) destinados a radiología se desarrollaron en parte con este objetivo.

El nuevo papel de los proveedores: Maestros de la IA

Otra razón por la que los estudiantes de medicina deberían estudiar inteligencia artificial en su formación médica es para obtener una comprensión básica de los principios subyacentes del programa.

En la actualidad, la formación sobre el uso de HCE suele consistir en breves cursos introductorios ad hoc. Suelen ser específicos de un grupo sanitario concreto o de su hospital. Con este nuevo régimen de formación, el plan de estudios existente se completaría con conocimientos sobre los fundamentos de la IA, la ciencia de los datos y las cuestiones éticas y jurídicas que se planteen.

¿Por qué? La esperanza es que los estudiantes puedan utilizar estos conocimientos fundamentales cuando los equipos médicos queden obsoletos o sean sustituidos. ChatGPT, EMR asistida por IA y CAD son sólo algunos ejemplos de la creciente presencia de la IA en la asistencia sanitaria. Otros, como el uso de la IA para "escuchar" los problemas médicos a partir de la voz de una persona, están por llegar.

Cuestiones que podría abordar este nuevo plan de estudios:

Curso sobre la dependencia excesiva (y cómo evitarla)

Los profesionales pueden acostumbrarse a que las IA se encarguen de muchas de sus funciones, como el diagnóstico, y considerar sus resultados como hechos ("sesgo de automatización"). Es posible que evalúen a los pacientes en función de los resultados de sus entrevistas y pruebas e ignoren todos sus estados físicos y emocionales, lo que podría provocar el verdadero problema.

AI Down (¿Qué sigue?)

¿Qué se hace cuando la IA deja de funcionar? ¿O ya no es capaz de prestar los servicios necesarios, como detectar tumores en una radiografía? Por desgracia, una brecha de ciberseguridad, algo demasiado habitual en la sanidad, podría paralizar un hospital y sus sistemas de IA en momentos críticos. Los proveedores tendrán que saber qué hacer en tales eventualidades.

Alucinación por la IA

"¿Cómo se identifican los datos incompletos o incorrectos utilizados por la IA?" La introducción sesgada de datos en la HCE afecta a los algoritmos de IA, dando lugar a resultados falsos. Los usuarios deben poder anular las decisiones de la IA y notificar los errores para ayudar al modelo a aprender de sus errores en iteraciones posteriores.

Ética de las máquinas

Por último, el uso ético de la inteligencia artificial en la educación médica debería tratarse ampliamente. Piense en decidir entre la calidad de vida de un paciente terminal y la duración de su vida. Los médicos y los pacientes a menudo hacen concesiones a la hora de decidir sobre los tratamientos, y no existe un enfoque único para la atención al paciente.

Reflexiones finales

La inteligencia artificial en la educación médica acerca la IA a los futuros proveedores. La IA en la educación médica puede cambiar la formación de los futuros proveedores siguiendo los pasos de cómo trabaja realmente un proveedor en el mundo real, para entender cómo funciona la IA lo suficientemente bien como para utilizarla como la ayuda que realmente está destinada a ser.

Póngase en contacto con un experto de Cybernet si alguno de estos usos resulta atractivo para su facultad de medicina. Los ordenadores y tabletas médicos, que ya se utilizan en los hospitales, mejorarían aún más la formación de los estudiantes de medicina sobre cómo funciona la medicina en sus (futuros) trabajos.