CONSIDERACIONES CURRICULARES, TECNOLÓGICAS Y
PEDAGÓGICAS PARA LA TRANSICIÓN AL NUEVO MODELO
EDUCATIVO EN EL CAMPO DE LA SALUD SOPORTADO POR
INTELIGENCIA ARTIFICIAL (IA)
..................
Samuel X. Pimienta ¹, Martha Liliana Mosquera-Martínez ²
Resumen
Introducción: La tecnología
digital está dando una concepción de inmediatez y precisión, lo que
está
generando un cambio en el paradigma del ejercicio profesional en las
ciencias de la salud, impactando
los ámbitos operativo, administrativo y educativo. Tras la creación de
las políticas de manejo de los datos en salud hubo un cambio en el
paradigma y surgieron interrogantes frente a cuáles son los aspectos
curriculares, tecnológicos y pedagógicos a tomarse en cuenta para la
transición al nuevo modelo educativo en el campo de la salud soportado
por IA.
Resultados: La
inteligencia artificial ha planteado
soluciones en la accesibilidad, equidad en salud, precisión y
eficiencia diagnóstica; de manera paralela
ha creado la necesidad de formación académica de estudiantes y
profesionales de la salud, principalmente impartida por universidades
que proponen cambios curriculares, tecnológicos y pedagógicos
para abordar este paradigma emergente. Estos cambios incluyen la
integración de asignaturas técnicas
y ciencias exactas diferentes a la atención médica (Estadística,
matemática, biomedicina, fundamentos de IA, machine learning, deep
learning, etc.), por otro lado está el uso de recursos y tecnologías
digitales que puede ser abordado desde los Sistemas de Gestión del
Aprendizaje (LMS - Learning
Management Systems) que han permitido una mejora exponencial en la
gestión y ejercicio académico. Sin embargo, ya se puede hablar de la
evolución de LMS llegando a los Sistemas Inteligentes de
Enseñanza (ITS - Intelligent Tutoring Systems), los cuales llevan a la
personalización de la gestión y
el ejercicio académico, a través de la automatización. Consecuentemente
está cambiando el rol del
docente y el estudiante. La implementación de la IA trae consigo
problemas y retos así como limitaciones relacionadas con la cultura y
los beneficios de la interacción humana y la hiperpersonalización
de la educación.
Discusión: Los cambios curriculares, tecnológicos y pedagógicos para la transición
al nuevo modelo educativo en el campo de la salud soportado por inteligencia artificial residen sobre
la triangulación del currículo, la tecnología digital y la pedagogía. El resultado de dicha triangulación
deja en el punto central los sistemas digitales inteligentes de enseñanza, lo que significa el cambio de
paradigma necesario para la educación formal (y no formal) de las ciencias de la salud.
Conclusiones:
La educación en ciencias de la salud y el sistema de salud necesitan
urgentemente cambios innovadores que aprovechen el auge del potencial
tecnológico digital, ciencia de datos e inteligencia artificial.
Los cambios incluyen tres esferas con igual peso e importancia: el
currículo, la tecnología digital y las
estrategias pedagógicas. La sinergia de las tres esferas son los
Sistemas Inteligentes de Enseñanza (ITS,
Intelligent Teaching Systems), que logran la necesaria automatización y
anclaje con las plataformas
operativas que manejan el sistema de salud. Se requiere más
investigación para determinar los efectos a
mediano y largo plazo de estas intervenciones pedagógicas automatizadas.
Palabras clave: Inteligencia Artificial; educación; currículo; Sistemas de Gestión del Aprendizaje; Sistemas Inteligentes de Enseñanza.
..............
¹ MD Msc. Departamento morfofisiología, Universidad de La Sabana, coordinador línea e-ducación en AIpocrates.
²
Enfermera Esp. Estudiante de Msc Tecnologías de la Información y
comunicación en salud. Integrante línea e-ducación en AIpocrates.
CURRICULAR, TECHNOLOGICAL AND PEDAGOGICAL
CONSIDERATIONS FOR THE TRANSITION TO THE NEW
EDUCATIONAL MODEL IN HEALTH SUPPORTED BY ARTIFICIAL
INTELLIGENCE (AI)
Abstract
Introduction: Digital
technology is giving a conception of immediacy and precision, which is
changing the paradigm of professional practice in health sciences,
impacting the operational, administrative, and educational areas. After
the creation of the health data management
policies, questions arise regarding which are the curricular,
technological, and pedagogical
aspects to be considered for the transition to the new educational
model in the health field,
supported by artificial intelligence (AI).
Results:
Artificial Intelligence has offered solutions for
accessibility, equity, precision, and diagnostic efficiency in the
health area. Parallel to these,
it has created the need for academic training of students and health
professionals in these
topics. The training is mainly offered by universities, which are
already proposing curricular,
technological, and pedagogical changes to address this emerging
paradigm in the field. The
proposed curricular changes include the integration of technical
subjects and exact sciences,
other than the usual in medical care (statistics, mathematics,
biomedicine, AI fundamentals,
machine learning, deep learning, etc.). On the other hand, there is the
use of digital resources
and technologies like Learning Management Systems (LMS), which allowed
for an exponential improvement in the management and academic exercise.
Nowadays, we can already talk
about the evolution of LMS to the Intelligent Tutoring Systems (ITS),
which lead to the personalization of management and academic exercise
through automatization. Consequently,
the roles of teachers and students are changing. The implementation of
AI also brings with
it problems and challenges, as well as limitations related to cultural
aspects and benefits of
human interaction and the hyper-personalization of education.
Discussion: The curricular, technological, and pedagogical changes needed for the transition to a new educational model
in the health field, supported by artificial intelligence, reside on the triangulation of curriculum,
digital technology, and pedagogy. In the center of this triangle are the intelligent digital teaching
systems, which are the paradigm shift necessary for formal (and non-formal) education in the
health sciences.
Conclusions:
Health science education and the health system urgently need
innovative changes that harness the rise of digital technology
potential, data science and artificial intelligence. The changes
include three areas with equal weight and importance: the curriculum,
digital technology, and pedagogical strategies. The union of these
three spheres are
the Intelligent Teaching Systems (ITS), which achieve the necessary
automation and anchoring with the operational platforms that manage the
health system. More research is required
to determine the medium and long-term effects of these automated
pedagogical interventions.
Keywords: Artificial Intelligence; education; curriculum; LMS - Learning Management Systems;
ITS - Intelligent Tutoring Systems.
Introducción
El arte, a diferencia de la técnica, es un acto de creación pura,
en el que participa la intuición, lo empírico,
además de otros saberes distintos del saber científico,
y por sobre todas las cosas, una proyección individual.
La medicina es por ello un arte y es imposible que dos
médicos actúen de la misma forma frente al mismo enfermo; es imposible
abarcar la complejidad de un enfermo en su totalidad; es imposible
adivinar el futuro
con claridad meridiana; es imposible que el médico no
se equivoque de vez en cuando (errar es humano) (1).
Aún no ha pasado una década desde que se escribió
el artículo ¿Por qué la medicina sigue siendo un arte?
(2012) (1), y se puede discutir y hasta asegurar que
varias ideas y concepciones de la medicina como un
arte están quedando obsoletas, incluso a la ciudadanía
en general le parece inadmisible la idea de “errar es
humano” por parte del personal de salud, ya que ello
conlleva o puede conllevar la pérdida de un ser querido
o dejar secuelas graves en la salud de los individuos.
La tecnología digital nos está dando una concepción
de inmediatez y precisión de los productos y servicios
debido a los componentes, circuitos electrónicos y al
software que los hacen funcionar, y son exactamente
esas dos palabras inmediatez y precisión las que están
haciendo cambiar el paradigma del ejercicio profesional en las ciencias de la salud, ya que está impactando
los tres principales ámbitos de este campo: el operativo, el administrativo y el educativo.
En 2019 el Foro Económico Mundial creó el Consejo
Global de Medicina de Precisión (2) con el fin de cerrar las brechas de
gobernanza y determinar las políticas de manejo de los datos en salud.
De esa manera se
empieza a sepultar la concepción del ejercicio médico
como un arte que deja las expectativas, resultados y
pronósticos sujetos al azar, y se incluyen cientos de
variables para cada caso particular que permiten personalizar y
predecir la práctica médica y sus efectos
en los pacientes. Adicionalmente mejora la gestión y
eficiencia de los recursos en el sistema de salud.
Consecuentemente a todo este cambio de paradigma
en la gestión y ejercicio laboral en el campo de la salud, surge una pregunta ¿cómo se van a entrenar las
habilidades necesarias para este cambio de paradigma en los estudiantes y profesionales del campo de
la salud, o específicamente cuáles son los aspectos
curriculares, tecnológicos y pedagógicos a tomarse en
cuenta para la transición al nuevo modelo educativo
en el campo de la salud soportado por inteligencia artificial. Se ha realizado esta revisión bibliográfica para
determinar los aspectos mencionados y así concertar
los lineamientos necesarios para proyectar los cambios
en educación superior en ciencias de la salud y en las
instituciones que se dedican al campo de la salud, frente al advenimiento e incorporación de la inteligencia
artificial en todos sus ámbitos (3).
Resultados
Inteligencia artificial (IA) en el campo de
la salud
Inteligencia artificial es una ciencia que surgió a mediados del siglo
XX. Esta ciencia pertenece principalmente
a la informática, pero cubre ciencias de la información,
lingüística, psicología, filosofía, matemáticas y muchas
otras disciplinas; utiliza principalmente sistemas informáticos y
ciencias computacionales para simular las actividades del pensamiento
humano. El objetivo principal
de la inteligencia artificial es buscar que los ordenadores
y dispositivos electrónicos posean: “habilidades para adquirir y
aprender conocimientos y datos, para procesar
datos de toda naturaleza, para comprender el lenguaje,
además de la capacidad para inferir y buscar automáticamente” (4). En
los últimos años han aparecido desarrollos
digitales para el sistema de salud basados en inteligencia
artificial que han sorprendido al personal administrativo
y operativo con una mejor gestión o incluso soluciones
a problemas que previamente pertenecían únicamente al
plano imaginario, tales como (5-9):
- Accesibilidad a la salud en áreas remotas, automatizando la
gestión de citas y a través de telemedicina mejorando el acceso y la
atención,
administrando citas subsiguientes, exámenes
complementarios y procesamiento de imágenes
diagnósticas.
- Equidad en salud. Los prejuicios sistémicos a menudo están
arraigados en los datos, los modelos de
inteligencia artificial podrían reconocer las representaciones de
enfermedades que se ven afectadas
por prejuicios raciales, étnicos o socioeconómicos.
Con un diseño detallado y la implementación de
algoritmos de machine learning se pueden crear
modelos justos que aborden las desigualdades, protejan a las
poblaciones vulnerables, prevengan que
se perpetúen sesgos sociales implícitos en la documentación y registro
de la historia clínica electrónica, y de esta manera crear conjuntos de
datos más
inclusivos para comprender y abordar mejor las disparidades en el
cuidado de la salud (10).
- Precisión y eficiencia diagnóstica. Esta es la categoría que más
rápidamente está creciendo y los
ejemplos son muy numerosos. Uno de ellos es el
diagnóstico automático basado en imágenes, y los
sistemas de inteligencia artificial pueden funcionar tan bien como los
médicos, tal es el caso de estudios en retinopatía diabética que
confirman que
los sistemas de inteligencia artificial tienen una
mayor sensibilidad que los expertos humanos para
detectar retinopatía diabética en imágenes (2,11).
Estos son solo algunos de los ejemplos que evidentemente están marcando
el camino a seguir en el futuro
de la gestión y administración del campo de la salud,
así como la efectividad y eficiencia operativa del personal sanitario.
En contraste, este cambio de paradigma exige la formación académica de
estudiantes
y profesionales de la salud que entiendan el lenguaje, instrucciones,
adaptación, límites, optimización y
personalización de los distintos algoritmos y software
soportados por inteligencia artificial, y mejor aún, que
lideren la creación de estas tecnologías digitales junto con equipos
multidisciplinarios, departamentos de ingeniería, diseño,
planificación, ciencias básicas, etc,
para garantizar el acceso de todos los sectores sociales
a este paradigma emergente (12).
Esta formación académica ya se está desarrollando en
algunas instituciones educativas como el Instituto Duke
de innovación en salud “Estudiantes de medicina trabajan junto con
expertos en datos para desarrollar tecnología mejorada para la atención
médica, diseñada para
médicos”, Universidad de Florida “Residentes de radiología e imagen
trabajan con una empresa basada en tecnología para desarrollar la
detección asistida por computadora para las mamografías”, Facultad de
Medicina
Carle Illinois “Ofrece un curso diseñado por científicos,
clínicos, e ingenieros para aprender acerca de las nuevas
tecnologías”, Instituto Sharon Lund de inteligencia e
innovación “Ofrece un curso de verano sobre todas las
nuevas tecnologías en el campo de la salud, dirigido a
estudiantes de medicina”, Centro de inteligencia artificial en medicina
e imagen de la Universidad de Stanford
“Inclusión de estudiantes de pregrado y posgrado para
resolver problemas de salud con el uso de aprendizaje
automatizado” y el Centro de ingeniería en medicina de
la Universidad de Virginia “Inclusión de estudiantes de
medicina en laboratorios de ingeniería para crear ideas
innovadoras en la atención médica” (3).
La formación académica del personal de la salud actualmente (a
diferencia de otros campos como programación, marketing, diseño que
tienen un fuerte componente de educación no formal) está liderada por
las
instituciones de educación superior o educación formal,
sobre todo universidades. Varias de estas universidades
mencionan los cambios curriculares, tecnológicos y pedagógicos para
abordar este paradigma emergente (7).
Currículo académico
Los cambios curriculares propuestos incluyen la integración de temas y
asignaturas en la preparación académica del personal de la salud, que
hasta ahora históricamente han pertenecido a otras áreas (técnicas y
ciencias exactas) diferentes a la atención médica, pero
que en el contexto de un paradigma emergente multidisciplinario lo
exige (13-35).
- Estadística, matemática básica
- Biomedicina e informática
- Fundamentos de inteligencia artificial, machine
learning y deep learning
- ¿Cómo evaluar literatura que contiene inteligencia
artificial?
- Revisión de artículos de gran impacto en inteligencia artificial y salud
- Aplicaciones clínicas de IA
- Aplicaciones quirúrgicas de IA
- Ética e IA
- Implicaciones médico-legales del uso de IA
- Inequidades en salud por el uso de IA
- Humanización de la medicina e IA
Los currículos deben contar con la inclusión de cátedra
de ciencia de datos, con el objetivo de brindar herramientas al estudiante para decidir en condiciones de
incertidumbre. Así mismo, se debe abrir espacio para
“modelado y análisis de decisiones formales, toma de
decisiones basadas en evidencia y evaluación crítica de
la literatura, metanálisis, minería de datos y detección
de señales” (36).
Otra de las razones por las cuales es necesario el desarrollo de competencias en ciencia de datos es la historia
clínica electrónica (36). Este hecho en particular expone
tres situaciones muy importantes: 1. El estudiante y profesional debe conocer la importancia del uso adecuado
de la HC electrónica. 2. La HC electrónica será parte
fundamental del aprendizaje global, pues permitirá procesar información casi de manera inmediata. 3. Aunque
exista la ciencia de datos, se debe tener profesionales
entrenados en cómo usar la información y procesarla
para toma de decisiones, pues la big data no puede hacer cambios por sí misma (33-41).
Es necesario que los currículos de diversas profesiones
se contacten entre sí; la academia debe propiciar el desarrollo de competencias como el trabajo en equipo y
la comunicación asertiva. Es momento de quebrar el
paradigma de que las ciencias exactas están alejadas
de las ciencias humanas (37). Se debe tener en cuenta
que las decisiones en el futuro no solo serán tomadas
por un médico, serán por un equipo multidisciplinar
que incluye al paciente y la familia (36).
Tecnología digital en educación médica
A los cambios curriculares se suman los cambios en
el uso de recursos y tecnologías digitales en educación
médica, que se organizan paralelamente a la integración de IA y
automatización de los procesos en el sector de la salud, hablamos del
manejo pormenorizado
de los datos generados antes, durante y después del
proceso pedagógico en educación médica y que tiene
que ver con (5-7,13-15):
- Automatización de tareas administrativas docentes.
- Software para brindar una educación personalizada.
- Automatización de la evaluación formativa y sumativa de los estudiantes.
- Detección de temas que necesiten más trabajo en
clases.
- Asistente personal y soporte de aula para los estudiantes.
- Estratificación de la relevancia de la información
según las necesidades del estudiante o del profesional de la salud.
- Uso inteligente de los datos para retroalimentación efectiva a los estudiantes.
La “enseñanza tradicional” usaba poca tecnología, su
base eran instrumentos (pizarra, marcadores, etc.) que
limitaban el ejercicio pedagógico y escasamente permitía generar
innovaciones. Actualmente, gracias a la tecnología digital las
innovaciones han alcanzado un grado
de efervescencia que incluso es abrumadora la cantidad
de recursos educativos digitales en educación médica,
temas como automatización de la evaluación, refuerzo
dirigido, tutorías remotas asincrónicas y sincrónicas,
guías de contenido, retroalimentación efectiva, pertenecen ya al diario
ejercicio tanto de administrativos como
de docentes (17). Este tema extenso de tecnología digital en educación
médica se puede abordar desde diferentes aspectos, pero desde el punto
de vista pedagógico
es útil hablar de los Sistemas de Gestión del Aprendizaje (LMS -
Learning Management Systems), el más
conocido y de mayor uso a nivel mundial es Moodle.
Moodle ha permitido una mejora exponencial en los
tres componentes principales en la gestión y ejercicio
académico: el perfil del estudiante, el campo temático y
las estrategias pedagógicas (18).
El perfil del estudiante (the student model) (13), responde a la
pregunta ¿qué es lo que el estudiante sabe?,
se actualiza a medida que el curso avanza y refleja su
comportamiento académico e interacción con el software educativo
(clicks, tiempo de uso, cumplimiento
de tareas, avance parcial y global, evaluaciones, etc).
El campo temático (the expert model), responde a la
pregunta ¿qué es lo que el estudiante necesita saber?,
y es la estructura que dirige la preparación académica, está alineada a
las necesidades curriculares y sobre
todo a los objetivos pedagógicos y profesionales, dicho
contenido se provee a través de recursos educativos digitales (archivos
pdf, documentos, videos, fotos, infografías, podcast, realidad
aumentada etc.). Por último
el dominio pedagógico (pedagogical model) responde
a la pregunta ¿qué contenido, cuándo se va a proveer
y cómo se va a realizar dichas actividades didácticas?,
es decir, funciona como un puente entre lo que el estudiante sabe y las
acciones didácticas que se deben
realizar para conseguir lo que el estudiante debe saber
o debe lograr en su preparación pedagógica.
Moodle permite una mejora exponencial de los tres
elementos de la gestión y el ejercicio académico, pero
varias instituciones y empresas reportan nuevas propuestas y creaciones
que se considera que son la evolución de los LMS, los Sistemas
Inteligentes de Enseñanza (ITS - Intelligent Tutoring Systems). Los ITS
llevan a la personalización de la gestión y el ejercicio
académico, a través de la automatización: de la evaluación, del
suministro de contenidos a través de recursos
educativos digitales (minado de texto, imágenes y procesamiento natural
del lenguaje), creación de mapas
conceptuales, sistemas de recomendación de temas y
cursos, de las estrategias pedagógicas según los objetivos académicos u
operativos, de la retroalimentación
efectiva y supervisión personalizada de los estudiantes, permitiendo la
evolución de los tres componentes:
el perfil del estudiante, el campo temático y de los recursos digitales
y estrategias pedagógicas (19-24).
Sistemas de enseñanza con pacientes virtuales, por
ejemplo el proyecto Hanover de Microsoft (25) que
usa machine learning y sistemas de soporte en la
toma de decisiones en cáncer, ayudan a los estudiantes de medicina a
encontrar el mejor plan de tratamiento entre muchos y lograr una
medicina de precisión (26). También hay que añadir la influencia de
la inteligencia artificial en la gerencia de educación
médica en modalidad virtual que incluyen: tecnologías de la
información, centros de almacenamientos
de datos, bibliotecas de recursos de enseñanza, plataformas en la nube,
todo ello mejora el proceso de
entrenamiento, la gestión y evaluación, gestión institucional de
docentes, de gestores de proyectos, de
evaluación al personal, así como el manejo de los
créditos y contenido a enseñar, bases de datos para
educación médica continua (casos clínicos, infografías, resúmenes),
cubrir e identificar las necesidades
básicas de cada estudiante y el establecimiento de un
plan nacional de educación médica continua, con un
sistema de gestión institucional de la información (4).
Los ITS también encuentran aplicaciones en el campo quirúrgico el
proyecto MLASE (Machine Learning to Assess Surgical Expertise), o el
uso de machine learning para la evaluación de las competencias y
habilidades quirúrgicas (27). El auge del aprendizaje
de medicina a distancia o de manera remota, que no
está limitado por tiempo o espacio, puede realizarse
en línea o fuera de ella, sincrónica o asincrónica y
también otras actividades como microblogging, entrenamiento simulado
virtual, enseñanza de la práctica clínica en el pase de revista o en
las rondas a través
de m-learning (aprendizaje a través de dispositivos
móviles) (22,28,29), necesitan de la gestión y registro
de todas estas actividades con ITS.
Pedagogía en ciencias de la salud, antes y
después
El docente en su rol como educador se ha caracterizado por ser emisor de conocimientos, sin embargo,
el cambio social y tecnológico ha impulsado un cambio en dicho rol, el docente del siglo XXI debe guiar
el proceso de adquisición de conocimientos (30-32) y
acompañar la toma decisiones del estudiante, por medio una comunicación bidireccional (33). Así mismo
es necesario el replanteamiento de las metodologías y
estrategias didácticas (34).
Y aunque la tecnología está cambiando el quehacer
educativo, se debe planificar cuidadosamente el uso independiente y autodidacta de los sistemas educativos
digitales y también determinar con claridad los roles a
desempeñar por parte del docente. Es en este contexto
que el docente debe estar enfocado en ser entrenador,
guía y experto temático, el rol que asuma depende de
la etapa educativa del estudiante y moldeado por el
contexto, junto con el currículo y las competencias
pedagógicas enmarcadas, teniendo en cuenta que la
automatización que posibilita la IA definitivamente
favorece los procesos bidireccionales de enseñanza y
aprendizaje (34-35). Además, el docente debe ser tolerante al error y abrir el espacio para que el alumno no
sea recriminado por equivocarse, sino que por el contrario, aprenda a analizar el error, buscar información
confiable en la red y aplicar una solución acertada (36).
La inclusión de la inteligencia artificial en el rol docente también
implica un cambio en sus funciones, mediado por la manera como se
instruye a los estudiantes
y al desarrollo de contenido de e-educación. Pérez y
Herrera (34) proponen ocho diseños sobre los cuales
debe desarrollarse el nuevo enfoque docente:
- Diseño de los contenidos de aprendizaje: Enfoque
basado en la selección de contenidos aptos para el
perfil del estudiante y las necesidades curriculares.
Este diseño debe estar en constante actualización.
- Diseño instruccional: Docente
enfocado en planificación de unidades de contenido según el objetivo
pedagógico propuesto y desarrollo de estrategia pedagógica pertinente
(infografías, videos,
foros, etc.).
- Diseño de cursos en línea: Docente como experto
que desarrolla la estrategia pedagógica y material
educativo para cursos en modalidad virtual o mixta.
- Diseño de aprendizaje:
Docente enfocado en
realizar mapa de necesidades del estudiante, selección de contenidos,
medición de habilidades cognitivas, planeación de objetivos
pedagógicos.
- Diseño pedagógico: El docente en su rol de guía
y facilitador, ayudado por estrategias tecnológicas
digitales. Prima la experiencia del docente para
orientar y estimular el aprendizaje.
- Diseño comunicacional:
Docente como creador
de contenido digital visual para producir conocimiento. (Gamificación,
imágenes interactivas, desarrollos web, infografías, etc…)
- Diseño tecnológico: Docente enfocado en seleccionar la mejor tecnología posible para que el proceso de aprendizaje sea constructivo y dinámico.
- Diseño editorial: Docente enfocado en organizar
y editar el material pedagógico con el objetivo de
que se aumente la interactividad con el estudiante y
haya un mejor aprovechamiento del recurso digital.
Por otro lado, es necesario comprender que la mayoría
de los estudiantes de hoy tienden a ser más asertivos
al comunicarse, pero también centran la atención en sí
mismos de una manera que puede parecer narcisista,
tienen un inadecuado manejo de la frustración, tienen
expectativas altas, la dinámica social ha hecho que tengan más problemas de estrés y ansiedad, se consideran
autosuficientes y frente a los métodos de estudio no les
gusta leer textos largos (37), prefieren lo visual y auditivo, por ello el éxito de las redes sociales (youtube,
instagram, tiktok, facebook). Sin embargo, estas dificultades no limitan su rol en el proceso educativo, pues
esa misma dinámica social los ha hecho dejar de ser
espectadores y pasar al centro del modelo educativo,
el estudiante de hoy no quiere ser consumidor, quiere
ser cocreador de contenido (33) y es allí donde la IA
y los ITS juegan un papel fundamental, pues con su
integración y supervisión automática en los procesos
de enseñanza, el estudiante puede crear, desarrollar,
replantear, analizar y redescubrir nuevas formas de
aprendizaje (38).
Los estudiantes (X,Y,Z o Millennials) que están conformando el ecosistema educativo tienen diferencias
generacionales importantes que se han documentado a
lo largo del tiempo (39-40), estas diferencias realmente
son brechas que han sobrepasado la escala temporal,
llegando a la escala de lo digital. Es por ello que la
tecnología basada en IA que soporta los ITS tiene la
facultad de disminuir o ampliar la brecha dependiendo
de la manera como se aborde (41).
Problemas y retos a resolver por la IA en
educación médica
La implementación de la IA tiene consigo problemas y
retos que pueden enumerarse a continuación:
Problemas:
- El docente decide cómo, cuándo y dónde, usar la
tecnología en el aula, lo que hace que el estudiante
malentienda la utilidad que tiene la tecnología en la vida práctica,
así como la necesidad de ser competente laboralmente al usarla. (33,42)
- Entornos educativos rígidos con metodologías
educativas obsoletas, que dificultan el uso y potencial de la tecnología educativa digital.
- Instituciones educativas con falta de recursos económicos y
brechas sociales que detienen el desarrollo tecnológico, acompañado de
políticas públicas poco equitativas (10).
Retos:
- El diseño curricular basado en IA debe estar diseñado para la vida y no para la institución (life long
learning), puesto que el aprendizaje en el siglo XXI
deja de ser individual y está dado por las interacciones sociales (teoría conectividad, Siemens) (33).
- Los entornos educativos que integran IA deben
ser flexibles, inclusivos, personalizados, motivadores o enganchadores y efectivos (38).
- Transformar la didáctica y las metodologías tradicionales de
forma amena, con el objetivo de vencer la resistencia al cambio
tecnológico (34).
- Dejar de lado el criterio de ambiente escolarizado y
abrir la puerta a un ambiente de educación virtual
(o híbrido), en el que componentes como la gamificación tengan el espacio de desarrollarse (43).
- Alfabetización digital como fundamento para el
uso e implementación de educación médica basada en IA.
- Propiciar el desarrollo de competencias en el estudiante
(desarrollar sistemas de identificación precisa de qué conoce y qué
desconoce el estudiante,
que cuestione el conocimiento y desarrolle habilidades de pensamiento
crítico frente a la evidencia
científica) (36).
- Comprender a profundidad procesos mentales
humanos que intervienen en la educación (neurobiología del aprendizaje) tales como: motivación,
memorización, voluntad, concentración, creatividad, toma de decisiones, aprendizaje (44).
Incapacidades y límites de la IA en
educación médica.
La implementación de IA en educación tiene algunas
limitaciones (45), entre ellas: la IA no puede suplir lo
que la cultura por medio de la interacción social brinda al estudiante, en este caso la presencia del docente
facilita nuevas formas de aprendizaje a través de la interacción cultural y social. Por otro lado, el proceso de
aprendizaje puede darse en cualquier entorno y la IA
no tiene el alcance de abordar aquello que esté fuera
del aula, si no se ha planeado con antelación. Teniendo en cuenta que el proceso de aprendizaje va más allá
de la aprobación de un examen o la acumulación de
conocimiento, la IA aún no puede por sí misma plantear el propósito o la ruta completa de aprendizaje que
debe tener el estudiante (hiperpersonalización), pues
está acción la realizan de manera directa los docentes
y la institución académica.
La IA no puede reemplazar la empatía y el acompañamiento que un docente brinda a los estudiantes
cuando hay situaciones en las cuales cambia la dinámica de enseñanza-aprendizaje o en momentos de
crisis (8).
Discusión
Las instituciones de educación superior o universidades han tenido que
adaptarse para mantenerse vigentes (39,46), a pesar de ello, la mayoría
siguen siendo
estratégicamente conservadoras basándose en las tácticas del pasado
(41,42). Esa misma confrontación se
vivió en cada ámbito social en la década de los 70’,
cuando organizaciones como la UNESCO hacían un
llamado para observar los cambios vertiginosos que
estaban ocurriendo sobre los modelos de producción y
formación; estaban alertando sobre el principio de una
revolución que estaba cambiando radicalmente a la
humanidad (39). Históricamente estos cambios se dieron por las
revoluciones industriales, que mencionadas someramente fueron: la
creación de las máquinas a vapor y su efecto sobre la mano de obra, la
llegada de la
electricidad transformando las formas de producción,
la revolución de la tecnología digital y la revolución
4.0 que incluye IA (Inteligencia artificial) y el aumento del poder de
procesamiento de datos (43), esta última revolución está cambiando de
manera radical la
manera como vive y trabaja el ser humano (39), adicionalmente ha hecho
que la sociedad sea cambiante compleja, e incluso caótica y disruptiva
(33,43).
Centrando estos cambios en la educación médica, “la
revolución 4.0 no solo ha permitido la generación de
procedimientos sustentados en los modernos procesos de gestión del
ejercicio académico y la automatización de los mismos, sino que además
ha permitido la generación de novedosos entornos y planteado
nuevas modalidades en la formación” (41,42-46).
Tras vislumbrar dichos cambios evolutivos es necesario aterrizar en los
modelos de educación médica,
que se han ido transformando hasta lo que conocemos hoy, sobre todo en
los aspectos curriculares que,
sorprendentemente, en la mayoría de instituciones de
educación superior siguen siendo casi idénticos a los
de hace más de 100 años (informe Flexner).
En 1908 Abraham Flexer fue convocado por el denominado círculo de
Hopkins para dar su crítica al
sistema educativo estadounidense. En ese entonces
consideraban que la mayor dificultad de la pedagogía en medicina estaba
en la forma tan heterogénea
de impartir el conocimiento, por lo cual se necesitaba de un educador
calificado para examinar el proceso (47). Tras una ardua revisión,
Flexner publica
un informe -que se denominó el Informe Flexner- en
el cual tras una dura crítica al sistema, estructuró de
manera rigurosa los requisitos para la admisión de
los estudiantes a las escuelas de medicina y la constitución de un
currículo que brinde los conocimientos
suficientes en laboratorio, ciencias básicas, clínicas e
investigación. De esa manera se estableció la estructura curricular
basada en ciencias básicas y ciencias
clínicas (componente teórico inicialmente y luego
práctico), así como la “departamentalización” en
múltiples asignaturas (37,47). Aunque el desarrollo
del modelo Flexner ha tenido aciertos y su modelo
fue relativamente fácil de implementar a nivel global,
su estructura ya no brinda los resultados esperados
para la formación del médico del siglo XXI (37), y
menos para el médico del 2030.
Posteriormente, en 1988 se realiza la Declaración de
Edimburgo, que estableció la importancia de brindar
una atención de calidad enfocada en promover la salud y prevenir la enfermedad. Se planteó un modelo
de educación médica integral dándole espacio a la salud comunitaria y a los cambios curriculares, pues se
manifestó la necesidad de implementar la educación
médica continuada, la formación en educación para
los docentes, sistemas evaluativos que permitieran tener seguimiento a competencias, una educación que
a parte de lo científico instruyera en valores y un currículo que diera respuesta a las necesidades sociales,
es decir mantener un diálogo social continuo, conservando la flexibilidad curricular, pues la sociedad no
es estática (48).
Años más tarde y basados en estos principios se realizó
la declaración de Bolonia (1999) sobre la cual se crearon algunos
dominios fundamentales para la práctica
médica, comunicación efectiva (habilidades de comunicación
interpersonal), pensamiento analitico, aprendizaje basado en la
práctica, profesionalismo dado por
virtudes, valores, excelencia y educación continua,
práctica médica costo efectiva para los pacientes (49).
Para ese mismo año, se generó el documento “La
educación superior en el siglo XXI: Líneas estratégicas para su
desarrollo”, en la cual se plantean que
el modelo educativo cambie poniendo al estudiante
en el centro, creando la necesidad de un currículo
diferente que tenga en cuenta la globalización, el desarrollo de
tecnologías (TIC), la virtualización y la
globalización (49).
En el año 2004, como parte del ejercicio académico de
repensar la educación y por ende el modelo pedagógico,
nace el proyecto “Alfa Tuning América-Latina”, metodología internacional que tiene como objetivo lograr
que los modelos educativos de América Latina sean
compatibles, comparables y competitivos, en términos
de desarrollo de competencias, enfoques de enseñanza
(formas de aprendizaje y evaluación de competencias),
créditos académicos y calidad de los programas (50).
Algunos de los elementos de los tres últimos modelos
fueron acogidos por algunas universidades, pero fue
difícil la implementación y su mantenimiento, ya que
era económicamente poco viable y menos comercial.
Actualmente, existe la concepción y apreciación por
parte del personal médico, de que la vida académica
universitaria durante el pregrado tiene como objetivo
el entrenamiento para un examen específico que les
dará el ingreso a una especialidad de alto alcance profesional y económico.
Los cambios curriculares, tecnológicos y pedagógicos
para la transición al nuevo modelo educativo en el
campo de la salud soportado por inteligencia artificial
residen sobre la triangulación que debe iniciar con el
currículo como ruta, la tecnología digital como motor
y la pedagogía como conductor.
A los nuevos modelos educativos se deben incorporar
transformaciones pedagógicas que contengan currículos basados en
investigación e innovación. La innovación no solo se refiere a las
diferentes modalidades
académicas (mixta, presencial, virtual) o a la adherencia de cambios en
la tecnología digital del aprendizaje (e-education, gamificación, big
data) (46,46), sino
también a la integración con temas y asignaturas que
asistan y refuercen el entendimiento de estadística,
matemática básica, fundamentos de inteligencia artificial, aprendizaje
automatizado y aprendizaje profundo, posibles aplicaciones de la
inteligencia artificial en
ciencias clínicas o ciencias quirúrgicas, manejo y procesamiento de
grandes cantidades de datos en salud,
ética de la inteligencia artificial en salud, así como la
ética del dato en salud, historia clínica electrónica y
registro adecuado de los datos (46). Y en este punto
hay una pregunta importante, ¿por qué un estudiante o
profesional en el campo de la salud debería saber sobre
matemática, datos, Inteligencia Artificial? La palabra
clave es la interdisciplinariedad, la construcción de
tecnología digital basada en inteligencia artificial que
de soluciones a los problemas operativos, educativos
y administrativos del sector de la salud a través de la
automatización y el análisis de grandes cantidades de
datos, no se da gracias únicamente a ingenieros que
desde el punto de vista técnico construyen software,
pero que no tienen el componente experiencial para
identificar de primera mano los detalles y dificultades
de los procesos en salud, pero que el personal de salud
entrenado en estas áreas técnicas si pueden generar
aportes necesarios interdisciplinarios y con el sinergismo suficiente
llegar a soluciones más elaboradas para
resolver problemas complejos en salud.
El mercado laboral también está cambiando frente a
la incursión de IA en salud, esta es otra razón para
la adaptación de currículos universitarios, deben ser
dinámicos y no solo alinearse a la realidad, sino estar planteados de tal manera que tengan la posibilidad
de autoadaptación a largo plazo (34,43); la academia
debe tener una visión de alto, largo y ancho alcance de
tal manera que el currículo sea funcional a lo largo del
tiempo. Esta propuesta de currículo adaptable requiere
de una flexibilidad para integrar la educación no formal, la sociedad y las opciones de empleo, como un
sistema dinámico y efectivo (43).
Hay que tener en cuenta que el desarrollo social y tecnológico van a
ritmo que puede ser inviable seguirle
el paso, es allí donde se requiere repensar la forma
como la universidad plantea el currículo (43,46). En
ese contexto existen propuestas con fórmulas innovadoras para la
formación profesional como F + I + D +i (Formación, Investigación,
Desarrollo e innovación),
que están a la vanguardia de las universidades más
innovadoras del mundo. El Instituto Tecnológico de
Massachuset incluye en esta fórmula IA + ii (Inteligencia Artificial e
innovación inteligente). Estás fórmulas están acompañadas de la
libertad del estudiante
para seleccionar su plan curricular, puede ser rígido,
semiflexible y flexible (46). El currículo rígido es el que
se conoce comúnmente, en el quedan libres algunos
créditos para elección del estudiante; el semiflexible,
aparte de los créditos da la libertad de escoger un área
de especialización, mientras que el flexible ofrece opciones de
movilidad.
La universidad no solo debe trabajar en el desarrollo
curricular moderno, sino que debe introducir el lenguaje digital soportado en inteligencia artificial (41),
es decir trabajar en el desarrollo de la alfabetización
digital.
Una vez establecido el currículo se deben sentar los
lineamientos académicos, o sea el resultado de la interacción entre el
currículo y pedagogía, que sugiere
a las instituciones educativas dirigir la formación académica hacia la
empleabilidad o la posibilidad del desarrollo empresarial del
estudiante, no en la única posibilidad de acumular conocimientos. En
ese contexto
los lineamientos académicos dictan (36,46): organizar
la información más que acumular información (andamiaje a través de la
psicología cognitiva del aprendizaje), aprender a cuestionar y hacerse
preguntas retadoras, descubrir y hacerse consciente de lo que se sabe
y de lo que se ignora de la temática, aprender dónde
buscar información, cómo buscarla, procesar datos
teóricos y el uso de la información para la resolución
de problemas.
En última instancia tenemos la interacción entre pedagogía y tecnología
digital o EdTech. En este aspecto
se deben tener en cuenta las tecnologías de la información y
comunicación de las que se dispone para planificar el proceso
pedagógico a seguir, esto es, la planificación previa de las
tecnologías digitales disponibles
condiciona la estrategia pedagógica a usarse y permite un rango
previsible de los resultados esperados luego
de la implementación académica, y no en sentido contrario (lo que
usualmente se realiza), que se planifica la
estrategia pedagógica a usarse y posteriormente se va
utilizando los recursos tecnológicos que se encuentren
disponibles (se los deja en segundo plano), dejando
elementos al azar que condicionan los resultados esperados del proceso
académico y el funcionamiento del
proceso pedagógico.
Figura 1. Componentes principales en la construcción del proceso académico en ciencias de la salud
De esta manera se constituye la unión entre currículo,
pedagogía y tecnología digital, cuya conjunción determina la formación
de los Sistemas Digitales Inteligentes de Enseñanza (ITS - Intelligent
Teaching Systems)
que significa el cambio de paradigma necesario para
la educación formal (y no formal) de las ciencias de
la salud. Este tipo de innovación educativa permite la
identificación de problemas complejos por parte de los
estudiantes y se incentiva un aprendizaje “justo a tiempo”, llevándolo
a una situación de reflexión y evolución. Las universidades dejan de
ser un objetivo, pues
pasa a ubicarse en la red social propiciando un conocimiento vigente
con la realidad colectiva (46) (33).
Conclusiones
La educación en ciencias de la salud y el sistema de salud necesitan
urgentemente cambios innovadores que
aprovechen el auge del potencial tecnológico digital,
ciencia de datos e inteligencia artificial que catapulten
el ahorro de recursos, la automatización de procesos
y la eficiencia de los sistemas en congruencia con la
cuarta revolución industrial. Los cambios incluyen
tres esferas con igual peso e importancia: el currículo,
la tecnología digital y las estrategias pedagógicas. El
currículo es uno de los primeros cambios a realizarse,
es decir el camino a recorrer; la tecnología digital es
el motor que permite avanzar por dicho camino, por
último la pedagogía, que es el conductor que permite
de manera segura llevar el proceso, cumplir los objetivos pedagógicos,
operativos e institucionales. La sinergia de las tres esferas son los
Sistemas Inteligentes
de Enseñanza (ITS - Intelligent Teaching Systems),
que logran la necesaria automatización y anclaje con
las plataformas operativas que manejan el sistema de
salud, dichas plataformas estipulan las competencias
cognitivas y pedagógicas que requiere el mercado y las
comunican a las instituciones académicas para la posterior preparación
del talento humano en salud adecuado para las necesidades del mercado.
En la misma
dirección se obtiene más tiempo para que el cuerpo
docente dedique esfuerzos en desarrollar habilidades
que son difíciles de forjar únicamente en el aula de clase (empatía,
trabajo en equipo, pensamiento crítico).
Se requiere más investigación para determinar los efectos a mediano y largo plazo de estas intervenciones
pedagógicas automatizadas, el impacto en el trabajo
individual y en equipo, así como las necesidades emocionales que surgen de estos nuevos paradigmas en
educación en ciencias de la salud.
Referencias
1.
Meskó B. The Real Era of the Art of Medicine Begins with Artificial
Intelligence. J Med Internet Res. 2019 Nov 18;21(11):e16295. doi:
10.2196/16295.
2. Precision Medicine Vision Statement: A Product of the World Economic
Forum Global Precision Medicine Council [Internet]. World Economic
Forum. [citado 9 de octubre de 2021]. Disponible en:
https://www.weforum.org/reports/precision-medicine-vision-statement-a-product-of-the-world-economic-forum-global-precision-medicine-council/
3. Paranjape K, Schinkel M, Nannan Panday R, Car J, Nanayakkara P.
Introducing Artificial Intelligence Training in Medical Education. JMIR
Med Educ. 2019 Dec 3;5(2):e16048. doi: 10.2196/16048.
4. Zhao H, Li G, Feng W. Research on Application of Artificial
Intelligence in Medical Education. En: 2018 International Conference on
Engineering Simulation and Intelligent Control (ESAIC). 2018. p. 340-2.
5. Rampton V, Mittelman M, Goldhahn J. Implications of artificial
intelligence for medical education. Lancet Digit Health. 2020
Mar;2(3):e111-e112. doi: 10.1016/S2589-7500(20)30023-6.
6. van der Niet AG, Bleakley A. Where medical education meets
artificial intelligence: 'Does technology care?'. Med Educ. 2021
Jan;55(1):30-36. doi: 10.1111/medu.14131. Epub 2020 Mar 30.
7. Han ER, Yeo S, Kim MJ, Lee YH, Park KH, Roh H. Medical education
trends for future physicians in the era of advanced technology and
artificial intelligence: an integrative review. BMC Med Educ. 2019 Dec
11;19(1):460. doi: 10.1186/s12909-019-1891-5.
8. Webster CS. Artificial intelligence and the adoption of new technology in medical education. Med Educ. 2021;55(1):6-7.
9. Pinto Dos Santos D, Giese D, Brodehl S, Chon SH, Staab W, Kleinert
R, et al. Medical students' attitude towards artificial intelligence: a
multicentre survey. Eur Radiol. 2019 Apr;29(4):1640-1646. doi: 10.1007/
s00330-018-5601-1. Epub 2018 Jul 6.
10. Luna-Nemecio J. Tecnologías de Información, Comunicación y
Conocimiento para el Aprendizaje Digital en tiempos de pandemia: un
balance crítico desde los imaginarios de la sostenibilidad. En 2021, p.
35-63.
11. Duong MT, Rauschecker AM, Rudie JD, Chen P-H, Cook TS, Bryan RN, et
al. Artificial intelligence for precision education in radiology. Br J
Radiol. 2019;92 (1103):20190389.
12. Guimarães B, Dourado L, Tsisar S, Diniz JM, Madeira MD, Ferreira
MA. Rethinking Anatomy: How to Overcome Challenges of Medical
Education’s Evolution. Acta Med Port. 2017;30 (2):134-40.
13. Park SH, Do K-H, Kim S, Park JH, Lim Y-S. What should medical
students know about artificial intelligence in medicine? J Educ Eval
Health Prof. 2019;16:18.
14. Sapci AH, Sapci HA. Artificial Intelligence Education and Tools for
Medical and Health Informatics Students: Systematic Review. JMIR Med
Educ. 2020 Jun 30;6(1):e19285. doi: 10.2196/19285.
15. Wartman SA, Combs CD. Medical Education Must Move From the
Information Age to the Age of Artificial Intelligence. Acad Med J Assoc
Am Med Coll. 2018;93 (8):1107-9.
16. La Informática Biomédica y la educación de los médicos: un dilema
no resuelto | Elsevier Enhanced Reader [Internet]. [citado 6 de octubre
de 2021]. Disponible en:
https://reader.elsevier.com/reader/sd/pii/S1575181315000145?token=C1F8893C7DC1EAC804EDC012E42C9B94A-B00C3B9FB8186F5F382210F1E3774AE54CAB5EFF5589D4F57316577FA919A-0E&originRegion=us-east-1
&originCreation=20211006192850
17. Sotero, Victor Dilma, Dalmaris, Dermeval, Diego, Artur, Jorge,
Passos, Francisco. A Systematic Review on the Use of Educational
Technologies for Medical Education. International Conference on
Computer Supported Education; 2019. Report No.: 11.
18. Daly, Chris. A learning management system... or an intelligent
tutoring system? Learning Solutions Magazine [Internet]. 2009;
Disponible en:
https://www.immagic.com/eLibrary/ARCHIVES/GENERAL/GENPRESS/L109511D.pdf
19. Mousavinasab E, Zarifsanaiey N, R. Niakan Kalhori S, Rakhshan M,
Keikha L, Ghazi Saeedi M. Intelligent tutoring systems: a systematic
review of characteristics, applications, and evaluation methods.
Interact Learn Environ. 2021;29 (1):142-63.
20. Mars M. A systematic review of the effectiveness of
videoconference-based tele-education for medical and nursing education.
[citado 13 de septiembre de 2021]; Disponible en:
https://core.ac.uk/reader/62635240?utm_source=linkout
21. Sottilare, Robert R Perez. A review of intelligent tutoring system
technologies for medical training and education [Internet]. Science and
Technology Organization; 2018 p. 140. Disponible en:
https://www.gifttutoring.org/attachments/download/2520/$$TR-HFM-237-ALL.pdf#page=87
22. Suebnukarn S. Intelligent Clinical Training during the COVID-19
Pandemic. En: 2021 18th International Joint Conference on Computer
Science and Software Engineering (JCSSE). 2021. p. 1-5.
23. Assessment of Intelligent Tutoring Systems Technologies and
Opportunities [Internet]. The Science and Technology Organization;
2018. Disponible en:
https://gifttutoring.org/attachments/download/2520/$$TR-HFM237-ALL.pdf#page=25
24. Exploring the Need for Explainable Artificial Intelligence (XAI) in
Intelligent Tutoring Systems (ITS). IUI Workshops´19 [Internet].
2019;2327. Disponible en:
http://ceur-ws.org/Vol-2327/IUI19WS-ExSS2019-19.pdf
25. Project Hanover [Internet]. Microsoft Research. [citado 9 de octubre de 2021]. Disponible en: https://www.microsoft.com/en-us/research/project/project-hanover/
26. Li H, Chen B, Li J, Liu W, Ren T, Zheng S, et al. Status, problems
and countermeasures of artificial intelligence application in medical
education. Chin J Evid-Based Med. 2020;20:1092-7.
27. Winkler-Schwartz A, Bissonnette V, Mirchi N, Ponnudurai N, Yilmaz
R, Ledwos N, et al. Artificial Intelligence in Medical Education: Best
Practices Using Machine Learning to Assess Surgical Expertise in
Virtual Reality Simulation. J Surg Educ. 2019 Nov-Dec;76(6):1681-1690.
doi: 10.1016/j.jsurg.2019.05.015. Epub 2019 Jun 13.
28. Masters, Ken E Rachel. Mobile technologies in medical education:
AMEE Guide No. 105. Medical Teacher [Internet]. 2016; Disponible en:
https://www.tandfonline.com/doi/full/10.3109/0142159X.2016.1141190
29. Chang C-Y, Hwang G-J. Trends of mobile technologyenhanced medical
education: a review of journal publications from 1998 to 2016. Int J
Mob Learn Organ. 2018;12:373-93.
30. Zúñiga MAR. Gestión educativa del siglo XXI y su influencia de las
TIC en el proceso de enseñanza-aprendizaje. Análisis neutrosófico. Rev
Asoc Latinoam Cienc Neutrosóficas. 2021;18:23-32.
31. Calderon, Margarita L Héctor. Un cambio imprescindible: el rol del docente en el siglo XXI. Revista Illari. :37-42.
32. Esquerre Ramos LA, Pérez Azahuanche MÁ, Esquerre Ramos LA, Pérez
Azahuanche MÁ. Retos del desempeño docente en el siglo XXI: una visión
del caso peruano. Rev Educ. diciembre de 2021;45 (2):628-50.
33. Blanco AV, Amigo JC. Revista Interuniversitaria de Formación del Profesorado. 2016;30(2):103-114.
34. Zúñiga P, Hernández M, Conchas E. El nuevo enfoque de participación
docente ante los retos y desafíos tecnológicos de la cuarta revolución
industrial. 2020;41(11):24.
35. Zou T-T, Li L, Liu B, Huang H-L, Zhou Y-P, Wu L. The Influence and
Countermeasures of the Era of Network and Digital Technology on the
General Education of Medical Students. DEStech Trans Soc Sci Educ Hum
Sci [Internet]. 2020 [citado 9 de octubre de 2021];0 (icssm).
Disponible en: http://www.dpi-proceedings.com/index.php/dtssehs/article/view/34300
36. Friedman CP, Donaldson KM, Vantsevich AV. Educating medical
students in the era of ubiquitous information. Med Teach. 2016;38
(5):504-9.
37. Buja LM. Medical education today: all that glitters is not gold. BMC Med Educ. 2019;19 (1):110.
38. León Rodríguez G de la C, Viña Brito SM. La inteligencia artificial
en la educación superior. Oportunidades y amenazas. INNOVA Res J.
2017;2 (8.1):412-22.
39. Aretio LG. Necesidad de una educación digital en un mundo digital. RIED Rev Iberoam Educ Distancia. 2019;22 (2):9-22.
40. Differences in motives between Millennial and Generation X medical
students - Borges - 2010 - Medical Education - Wiley Online Library
[Internet]. [citado 13 de septiembre de 2021]. Disponible en:
https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2923.2010.03633.x
41. Ocaña-Fernández Y, Valenzuela-Fernández LA, GarroAburto LL.
Inteligencia artificial y sus implicaciones en la educación superior.
Propósitos Represent. 2019;7 (2):536-68.
42. O’Doherty D, Dromey M, Lougheed J, Hannigan A, Last J, McGrath D.
Barriers and solutions to online learning in medical education – an
integrative review. BMC Med Educ. 2018;18:130.
43. Martínez Ruiz X, Martínez Ruiz X. Presentación. La industria 4.0 y
las pedagogías digitales: aporías e implicaciones para la educación
superior. Innov Educ México DF. 2019;19 (79):7-12.
44. Expósito Gallardo M del C, Ávila Ávila R. Aplicaciones de la
inteligencia artificial en la Medicina: perspectivas y problemas.
ACIMED. 2008;17 (5):0-0.
45. The Benefits and the Limitations of Machine Learning in Education
[Internet]. Getting Smart. 2018 [citado 4 de octubre de 2021].
Disponible en:
https://www.gettingsmart.com/2018/02/05/the-benefits-and-the-limitations-of-machine-learning-in-education/
46. Pedroza Flores R. La universidad 4.0 con currículo inteligente 1.0
en la cuarta revolución industrial / The university 4.0 with
intelligent curriculum 1.0 in the fourth industrial revolution. RIDE
Revista Iberoamericana para la Investigación y el Desarrollo Educativo.
2018;9 (17):168-94.
47. Duffy TP. The Flexner Report ― 100 Years Later. Yale J Biol Med. 2011;84 (3):269-76.
48. Gual, Arcadi Nu Jesús. Declaración de Edimburgo, ¡25 años! 4:186-9.
49. González, Mónica L Pilar. Modelos educativos en medicina y su evolución histórica. 2015. 20:256-65.
50. Universidad de Deusto U de G. Tuning América Latina. Reflexiones y
perspectivas de la educación superior en América Latina [Internet].
Bilbao; Disponible en:
http://tuningacademy.org/wp-content/uploads/2014/02/TuningLAIII_Final-Report_SP.pdf
Recibido: 12 de Noviembre, 2021
Aceptado: 22 de Noviembre, 2021
Correspondencia:
Samuel X. Pimienta
quantumgenese@gmail.com