La inteligencia artificial en la simulación sanitaria, antes considerada ciencia ficción, está transformando la formación médica. Desde los simuladores virtuales de pacientes hasta los módulos quirúrgicos y de enfermería guiados por IA, la tecnología actual ofrece experiencias de aprendizaje que evolucionan en tiempo real, algo que antes sólo podían conseguir los instructores más expertos. Cuando un estudiante interactúa con un paciente virtual, la IA procesa miles de puntos de datos, desde el tono vocal hasta la precisión del procedimiento, adaptando el escenario sobre la marcha. Esta nueva frontera de la simulación médica tiende un puente entre la teoría y la práctica, creando profesionales sanitarios que no sólo son técnicamente expertos, sino también adaptables y compasivos.
Imagina a una estudiante de medicina practicando un procedimiento complicado: en lugar del maniquí habitual, trabaja con un paciente virtual dotado de Inteligencia Artificial (IA) que responde en tiempo real, proporciona información inmediata e incluso simula complicaciones. No es ciencia ficción, está ocurriendo hoy en las facultades de medicina y está cambiando la forma en que formamos a los profesionales sanitarios.
La evolución de la simulación médica:
El paso de los maniquíes básicos a la simulación con IA probablemente represente un cambio de paradigma en la formación médica. Los medios tradicionales de simulación tenían claras limitaciones. Los pacientes estandarizados sólo pueden simular un número finito de condiciones; los maniquíes no poseen los sutiles cambios fisiológicos que son muy importantes para el aprendizaje, y los estudiantes a menudo tienen que imaginar signos clínicos críticos en lugar de observarlos directamente. Entra la inteligencia artificial, y de repente estas limitaciones empiezan a disolverse. Utilizando simuladores contemporáneos basados en IA, es posible recrear una situación compleja de un paciente que muestre cambios fisiológicos sutiles e incluso reaccione de forma autónoma a lo que hace el estudiante. Se trata de un avance tecnológico que no consiste en mejorar los gráficos o utilizar maniquíes cada vez más realistas, sino en crear experiencias de aprendizaje verdaderamente interactivas que se adapten y respondan a las necesidades de cada alumno.
Dentro del motor de IA: cómo funciona realmente
La IA se distingue de los métodos informáticos tradicionales por su capacidad para emular el pensamiento y la resolución de problemas de tipo humano. Como bien explica el Prof. Hamilton A. en un reciente artículo sobre IA y simulación sanitaria (2024), en pocas palabras, la IA se diferencia de los sistemas informáticos del pasado por cuatro razones principales: (1) aprende de los datos y adapta sus decisiones en función de ese aprendizaje; (2) puede acceder a vastas bases de datos, que a veces representan una parte importante del conocimiento en línea; (3) maneja diversas tareas sin necesidad de programación específica; y (4) puede generar código de forma independiente para completar las tareas cuando sea necesario.
La IA reproduce la inteligencia humana dentro de las máquinas, permitiéndoles realizar funciones como el razonamiento, la resolución de problemas, el aprendizaje, la percepción y la toma de decisiones. Abarca una gran variedad de métodos y aplicaciones, como el procesamiento del lenguaje natural, el aprendizaje automático y la visión por ordenador. Examinémoslos en detalle con algunos ejemplos.
Natural Language Processing
El Natural Language Processing (PLN) es una rama de la IA centrada en capacitar a los sistemas informáticos para analizar, interpretar y comprender el lenguaje humano, tanto hablado como escrito. La PNL procesa entradas de texto o voz para abordar distintos elementos del lenguaje, como la sintaxis (la disposición estructural de palabras y frases) y la semántica (el significado transmitido). Para lograrlo, la PNL aprovecha una mezcla de técnicas, como los métodos basados en reglas, los enfoques estadísticos, el aprendizaje automático y los modelos de aprendizaje profundo, que en conjunto le permiten interpretar el lenguaje y generar respuestas significativas. (Lectura de Turchioe M, et al., 2022)
Furlan R y sus colegas (2021) desarrollaron un simulador de paciente virtual llamado Hepius que, mediante la interacción en lenguaje natural y sistemas de tutoría inteligente, ayudaba a los estudiantes a mejorar sus habilidades de razonamiento diagnóstico clínico sin requerir necesariamente la presencia de tutores humanos ni la necesidad de que el estudiante estuviera junto a la cama de un paciente real. Se creó una interacción en lenguaje natural entre el estudiante y el programa utilizando tres lenguajes de programación distintos para facilitar las tareas de anamnesis, exploración física, solicitud de pruebas médicas y generación de hipótesis diagnósticas. Además, los autores compartieron los resultados preliminares de una evaluación del aprendizaje a corto plazo realizada en estudiantes universitarios tras interactuar con el simulador.
Machine Learning
Los algoritmos de Machine Learning (ML) son capaces de «aprender» de los datos sin ser programados explícitamente, y pueden resolver una amplia gama de problemas, como el reconocimiento facial, la traducción automática, la escritura creativa de textos y el diagnóstico médico. En el ámbito de la simulación sanitaria, es interesante el caso presentado por un grupo de investigadores de la Queen’s University de Kingston, Ontario, Canadá, que desarrollaron una plataforma de simulación adaptativa de realidad aumentada (AR) para la formación médica. (Ruberto et al., 2021) El objetivo principal era crear una herramienta de formación más eficaz que, mediante algoritmos de IA, pudiera adaptarse a los distintos niveles de habilidad y respuestas al estrés de los participantes, haciendo que la experiencia de aprendizaje fuera más eficaz y beneficiosa. La plataforma se diseñó para adaptarse dinámicamente a la carga cognitiva de los estudiantes de medicina y los médicos en formación. Los participantes llevaban auriculares de realidad aumentada, que superponían imágenes digitales de un paciente a un maniquí físico. Esto creó un entorno de formación realista e interactivo. Al mismo tiempo, el sistema medía la carga cognitiva de los participantes mediante el seguimiento de la variabilidad de la frecuencia cardiaca y la respuesta galvánica de la piel en tiempo real a través de sensores. Las simulaciones, entonces, evolucionaban según los niveles de estrés y las capacidades cognitivas de los participantes: si un participante mostraba signos de alta carga cognitiva, indicando estrés o agobio, la simulación reducía la gravedad de los síntomas del paciente para gestionar mejor la experiencia de aprendizaje.
En otro estudio realizado por Belmar y sus colegas (2024), los resultados mostraron que desarrollar algoritmos de IA para evaluar ejercicios fundamentales de entrenamiento de simulación laparoscópica no sólo es factible, sino que mejora la precisión de la evaluación: los resultados, de hecho, revelaron que la aplicación de la IA puede tener altos niveles de concordancia con los revisores expertos, que actualmente se consideran el patrón oro en este campo.
En un estudio de 2012 realizado en la Universidad de Carolina del Norte en Chapel Hill, se llevó a cabo una fusión de la tecnología y la evaluación de la destreza quirúrgica. (Watson RA, 2014) Catorce cirujanos experimentados y 10 residentes realizaron dos simulaciones de cirugía vascular (anastomosis venosa). Se siguieron los movimientos de sus manos con un dispositivo, transformando sus acciones en series temporales simbólicas. A continuación, estos datos se utilizaron para entrenar un modelo de aprendizaje automático, conocido como máquina de vectores de apoyo, para distinguir entre movimientos expertos y novatos. El modelo alcanzó una precisión del 83% en la identificación de los niveles de habilidad. Además, un algoritmo utilizado para la compresión de datos, aplicado a los patrones de movimiento de las manos, clasificó ciegamente los patrones de movimiento de las manos en grupos de expertos y novatos con un 70% de precisión, ofreciendo un nuevo enfoque para evaluar objetivamente la competencia quirúrgica.
Computer vision technology
¡Imagina dar a los ordenadores la capacidad de «ver»! La visión por ordenador permite a las máquinas extraer información significativa de las imágenes digitales, realizando tareas como el reconocimiento de imágenes, la detección de objetos, la segmentación de imágenes e incluso la creación de imágenes nuevas.
Islam y Kahol (2011) propusieron un método basado en vídeo para observar los movimientos de la mano y la herramienta quirúrgica del cirujano, tanto en la operación quirúrgica como en el entrenamiento. El método basado en vídeo grabó secuencias continuas de los movimientos de la mano, la postura y la herramienta de los cirujanos durante todo el procedimiento quirúrgico utilizando una cámara de vídeo de bajo coste. Los datos de vídeo se analizaron con un algoritmo de visión por ordenador y se correlacionaron con el nivel de destreza de cada cirujano. Para modelar las habilidades quirúrgicas, un enfoque estocástico procesó los datos, y una técnica de minería de datos desarrolló un modelo independiente del observador basado en mediciones objetivas y cuantitativas de las habilidades. Este sistema de seguimiento sin contacto interfería mínimamente en la realización de las operaciones, además de evitar los problemas de esterilidad.
Pero según el Dr. Martínez, del Instituto de Salud Oriental, la verdadera magia se hace posible con la integración de las tres tecnologías: El Natural Language Processing permite a los pacientes virtuales entablar una conversación realista, comprendiendo no sólo lo que dicen, sino cómo lo dicen. El análisis continuo mediante algoritmos de aprendizaje automático, con cambios sutiles en los escenarios, proporciona el grado justo de desafío. Quizá lo más impresionante sea que la tecnología de visión por ordenador observa y analiza los movimientos de los alumnos durante los procedimientos, proporcionando ahora una orientación que antes requería la supervisión constante del profesorado. «Lo que me asombra», dice el Dr. Martínez, »es cómo estas tecnologías funcionan juntas a la perfección. Cuando un estudiante realiza un procedimiento, el sistema no se limita a marcar casillas. Comprende toda la interacción -la técnica, la comunicación, la toma de decisiones- igual que lo haría un instructor experimentado».
Cuando lo virtual se une a la realidad: Algunas historias de éxito
La formación médica está experimentando una auténtica transformación con el uso de la realidad virtual y aumentada (VR y AR), especialmente en la educación quirúrgica. Estas herramientas crean entornos tridimensionales inmersivos en los que los estudiantes de medicina y los residentes pueden practicar habilidades complejas de forma parecida a la vida real. Los estudios han demostrado que los estudiantes formados en VR pueden completar los procedimientos mucho más rápido y con mayor precisión que los que utilizan métodos tradicionales, a veces hasta un 43% más rápido. Esto no sólo ahorra tiempo, sino que también hace que la formación sea más asequible, ya que los sistemas de VR reducen la necesidad de costosos montajes de prácticas reales.
El Imperial College de Londres ha integrado la realidad virtual (VR) en su formación médica para preparar a los estudiantes para situaciones de emergencia como paradas cardiacas y ataques graves de asma. Estas simulaciones de VR proporcionan a los estudiantes una experiencia realista y práctica en la que pueden tomar decisiones críticas sin la presión de las consecuencias de la vida real. Según la Dra. Risheka Walls, este enfoque permite a los estudiantes desarrollar confianza y habilidades prácticas en un entorno de «espacio seguro». La estudiante de quinto año Thivyaa Gangatharan destacó cómo la VR le ayudó a pasar del aprendizaje teórico a la acción práctica, creando recuerdos duraderos de los procedimientos de emergencia. El éxito del programa ha atraído una amplia atención y está previsto que se amplíe con el apoyo de NHS England.
El toque humano en la formación digital
Uno de los aspectos más inspiradores de la IA en la simulación médica es su papel en la mejora, no en la sustitución, de las conexiones humanas en la formación sanitaria. Por ejemplo, las simulaciones de pacientes virtuales con IA ofrecen a los estudiantes un espacio seguro para practicar habilidades de comunicación y empatía, preparándoles para manejar conversaciones difíciles con sensibilidad y comprensión antes de conocer a pacientes reales. Los estudios demuestran que, tras entrenarse con estos pacientes virtuales, los estudiantes demuestran más confianza e inteligencia emocional, lo que puede mejorar la calidad de sus interacciones en la vida real.
Con el Virtual Dementia Tour (VDT ), los profesionales sanitarios pueden experimentar los retos sensoriales y cognitivos a los que se enfrentan los pacientes con demencia. Esta formación inmersiva ayuda a los profesionales a desarrollar la empatía, lo que cambia radicalmente su forma de atender a los pacientes con demencia. Como dijo un participante: «Comprender la demencia desde dentro me ha hecho más paciente y compasivo en mis interacciones». Este tipo de formación pone de relieve el poder único de la IA para crear experiencias que profundicen la comprensión y la empatía de los cuidadores.
En plataformas como Body Interact, los pacientes virtuales responden de forma realista con señales emocionales y síntomas en evolución, lo que permite a los estudiantes de medicina practicar la atención compasiva en un entorno sin riesgos. Esta experiencia ayuda a los estudiantes a salvar la distancia entre las habilidades técnicas y las habilidades más suaves e intuitivas que son esenciales para la atención compasiva. Un estudiante dijo que practicar con pacientes virtuales era «como tener acceso ilimitado a pacientes reales», pero con la posibilidad de cometer errores y aprender de ellos sin consecuencias, lo que fomenta tanto la competencia como la empatía.
El camino por recorrer: Retos y promesas
Una revisión reciente de Mir MM et al. (2023) destaca el creciente papel de la IA, señalando los avances en la detección de errores, la medicina personalizada y el aprendizaje adaptativo que favorecen el desarrollo personalizado de los estudiantes. Sin embargo, siguen existiendo retos, especialmente en torno al sesgo y a la necesidad de algoritmos más refinados y libres de errores.
De hecho, con estos avances surgen cuestiones aún importantes: ¿cómo garantizamos que los sistemas de IA no tengan prejuicios en su enseñanza? ¿Cómo conservamos el elemento humano crítico en la educación médica al tiempo que aprovechamos estas nuevas herramientas increíblemente potentes? Las respuestas evolucionan tan rápidamente como la propia tecnología.
Lo que es obvio es que estamos en medio de una transformación básica de cómo preparamos a los profesionales sanitarios. La cuestión ya no es si la IA transformará la educación médica; ¡ya lo ha hecho! El verdadero reto ahora es cómo utilizar estas herramientas de la forma más eficaz para formar profesionales sanitarios que no sólo estén capacitados, sino que también sean compasivos, adaptables y estén equipados para las exigencias de la medicina del futuro.
El futuro es ahora: Subirse a la ola de la IA en la formación sanitaria
Si echamos la vista atrás para ver hasta dónde ha llegado la simulación médica y hacia dónde se dirige, una cosa está clara: no se trata de una tendencia tecnológica más en la formación sanitaria. Estamos hablando de la transformación fundamental de cómo prepararemos a la próxima generación de profesionales sanitarios.
Los estudiantes, que antes se limitaban a imaginar síntomas y reacciones de los pacientes, ahora experimentan escenarios reales mediante simulaciones avanzadas, con lo que tienen la oportunidad de practicar repetidamente y recibir información objetiva al instante.
El impacto de tal transformación va mucho más allá de los confines de las instituciones o especialidades individuales, la simulación basada en IA no sólo está mejorando las habilidades técnicas, sino que también está formando profesionales seguros de sí mismos, empáticos y adaptables, preparados tanto para los retos rutinarios como para los complejos.
La cuestión que debemos afrontar ya no es la adopción de estas tecnologías, sino cómo desplegarlas mejor al servicio tanto del educador como del educando. A menos que se indique lo contrario, la simulación con IA va a hacer que la educación sanitaria sea más accesible, eficaz y receptiva a las necesidades tanto de los estudiantes como de los pacientes.
Referencias
1. Mir MM, Mir GM, Raina NT, et al. Application of Artificial Intelligence in Medical Education: Current Scenario and Future Perspectives. J Adv Med Educ Prof. 2023;11:133-140.
2. Furlan R, et al. A Natural Language Processing-Based Virtual Patient Simulator and Intelligent Tutoring System for the Clinical Diagnostic Process: Simulator Development and Case Study. JMIR Med Inform. 2021 Apr 9;9(4):e24073
3. Ruberto AJ, et al. The future of simulation-based medical education: Adaptive simulation utilizing a deep multitask neural network. AEM education and training, 2021:5(3):e10605
4. Watson RA. Use of a machine learning algorithm to classify expertise: analysis of hand motion patterns during a simulated surgical task. Acad Med. 2014;89(8):1163-1167.
5. Islam G, Kahol K. Application of computer vision algorithm in surgical skill assessment. 7th International Conference on Broadband Communications and Biomedical Applications, Melbourne, VIC, Australia, 2011:108-111
6. Belmar F, et al. Artificial intelligence in laparoscopic simulation: a promising future for large-scale automated evaluations. Surg Endosc. 2023 Jun;37(6):4942-4946
7. Peters AL, Van der Drift G, Van Osch M, et al. The effectiveness of virtual and mixed reality for emergency care training: A systematic review. IEEE Access. 2020;8:58773-58789. https://ieeexplore.ieee.org/document/8993789
8. Mcdougall EM, Shalhoub J, Gautam G, et al. Virtual reality simulation curriculum to teach open emergency surgery. Journal of Surgical Research. 2021;268:1-5. https://www.journalofsurgicalresearch.com/article/S0022-4804(21)00416-9/abstract
9. Williams L. Inside a virtual reality emergency simulator. The MDU Journal. 2023. https://www.themdu.com/for-students/features/this-is-what-its-like-inside-a-virtual-reality-emergency-simulator
10. Kardong-Edgren S, Breitkreuz K, Werb M, et al. Evaluating the usability of virtual simulations for nursing education. ASCILITE Proceedings. 2023;2(1):45-52.
https://publications.ascilite.org/index.php/APUB/article/view/683
11. Beville PK. Virtual Dementia Tour®: A breakthrough technology changing the way we deliver dementia care. NextAvenue. 2022. https://www.nextavenue.org/take-virtual-dementia-tour/
12. BodyInteract. The role of virtual patients in developing communication and empathy skills. BodyInteract Blog. 2023. https://bodyinteract.com/blog/communication-empathy-virtual-patients/
LEER TAMBIÉN
