Los estudiantes de medicina están usando IA antes de aprender a pensar como médicos

Puntos clave

• Aproximadamente dos tercios de los médicos estadounidenses utilizan activamente OpenEvidence, un chatbot de IA diseñado para clínicos, para buscar síntomas, interacciones farmacológicas y directrices de tratamiento.
• Los educadores médicos ahora se preocupan de que los estudiantes que usan IA antes de desarrollar criterio clínico nunca construyan esa capacidad de razonamiento.
• La preocupación tiene un nombre: "nunca-capacitarse", que es distinto de "descualificación", el riesgo ya documentado de que profesionales capacitados olviden habilidades que alguna vez tuvieron.
• A diferencia de un médico que ha llegado a depender de la IA, un médico que nunca aprendió a razonar de forma independiente puede no tener base alguna para recuperarse.

Una herramienta que ayuda a los médicos experimentados a trabajar más rápido puede estar haciendo algo muy diferente cuando la recoge un estudiante de primer año de medicina.

OpenEvidence es un chatbot de IA, similar en estilo a ChatGPT pero diseñado específicamente para clínicos. Responde preguntas sobre síntomas confusos, dosis de medicamentos y directrices de tratamiento, y devuelve respuestas en segundos, basándose en la investigación médica actual. The Guardian AI reportó primero sobre la creciente preocupación entre educadores médicos de que este tipo de herramienta, utilizada en la etapa equivocada de la formación, podría socavar silenciosamente a la próxima generación de médicos.

¿Qué es "nunca-capacitarse" y por qué importa?

Es el riesgo de que un estudiante que depende de la IA antes de desarrollar criterio fundamental nunca lo desarrolle realmente. La "descualificación" describe lo que sucede a un experto que deja de practicar una habilidad que alguna vez tuvo. Esa persona tiene una base; la recuperación es posible. Un estudiante que omite esa base por completo está en una posición diferente.

El razonamiento clínico, el proceso mental de sopesar síntomas, descartar diagnósticos y tomar decisiones bajo incertidumbre, requiere años de práctica deliberada para desarrollarse. No se aprende leyendo una respuesta. Se aprende trabajando en el problema, cometiendo errores y entendiendo por qué.

Cuando una herramienta produce la respuesta correcta en tres segundos, un estudiante puede aprobar la prueba sin pensar.

¿Quién está afectado ahora?

Los estudiantes de medicina, residentes y becarios, es decir, médicos en formación de especialidad de postgrado, son los grupos más en riesgo. Estas son personas en la etapa en la que se supone que se está formando el razonamiento clínico.

Aproximadamente dos tercios de los médicos estadounidenses en práctica ya utilizan OpenEvidence regularmente, lo que significa que los estudiantes están adoptando una herramienta que parece profesionalmente normal. La preocupación no es que la herramienta sea incorrecta. A menudo no lo es. La preocupación es que las respuestas correctas, entregadas sin el trabajo del razonamiento, pueden producir médicos que sean fluidos pidiendo a la IA pero malos pensando sin ella.

¿Qué sucede después?

Ningún organismo regulador ha establecido reglas formales sobre el uso de IA en la formación médica. Esta brecha es importante. Las escuelas de medicina están navegando esto en gran medida individualmente, sin estándares compartidos para cuándo o cómo los estudiantes deben usar herramientas de IA.

Para los pacientes, la pregunta a largo plazo es directa: cuando la IA no está disponible, no es confiable o simplemente se equivoca en un caso inusual, ¿podrá el médico en la sala razonar por su cuenta?

Los expertos que llaman la atención sobre este problema no están argumentando en contra de la IA en medicina. Están argumentando a favor de la secuencia: desarrolla primero el criterio, luego añade la herramienta.

Preguntas comunes

¿Significa esto que la IA es mala para la formación médica?

No necesariamente. La preocupación es sobre el momento, no sobre la tecnología en sí. Un clínico experimentado usando IA para verificar su razonamiento es diferente de un estudiante usándola para saltar el paso del razonamiento por completo.

¿Podrían las escuelas de medicina simplemente prohibir herramientas de IA para estudiantes?

Las prohibiciones son difíciles de hacer cumplir y pueden no ser la respuesta correcta. Los educadores se enfocaron más en diseñar formación que requiere que los estudiantes demuestren su proceso de razonamiento, no solo lleguen a una respuesta correcta.