La inteligencia artificial está transformando la simulación sanitaria al permitir la creación rápida y adaptativa de escenarios y el aprendizaje personalizado. Desde la mejora de la eficiencia hasta la alineación con estándares basados en la evidencia, la IA permite a los educadores y simulacionistas innovar, garantizando que la formación sea eficaz y clínicamente relevante.
Colaboración exclusiva con
La inteligencia artificial (IA) es una rama de la informática centrada en simular el comportamiento inteligente y aprendido en máquinas, lo que les permite imitar y adaptarse, e idealmente mejorar, la cognición y las acciones humanas (Patel et al., 2024). Un ejemplo destacado es ChatGPT, un modelo de lenguaje avanzado desarrollado por OpenAI (2024) basado en la arquitectura GPT-4.0. Entrenado con grandes cantidades de datos textuales, ChatGPT utiliza técnicas de aprendizaje profundo para generar respuestas coherentes y contextualmente relevantes a las preguntas, lo que lo convierte en una herramienta versátil para aplicaciones generales y especializadas.
Con la rápida integración de ChatGPT y otras herramientas de IA en la educación sanitaria durante los últimos dos años, el campo se encuentra en una encrucijada crítica. Los alumnos están aprovechando la IA sin una formación exhaustiva ni unas directrices claras, lo que puede dar lugar a un uso indebido, incluida la dependencia de información no verificada o inexacta. La calidad de la IA se basa en los datos introducidos, por lo que pueden producirse inexactitudes. Sin embargo, cuando se utiliza de forma reflexiva, la IA ofrece ventajas sustanciales, como itinerarios de aprendizaje personalizados, preguntas adaptativas, desarrollo de estudios de casos y la capacidad de aclarar conceptos complejos (González, 2024).
Los educadores también se benefician de las capacidades de la IA, especialmente en la optimización de la creación de materiales didácticos. El tiempo necesario para redactar exámenes, elaborar preguntas y diseñar módulos de aprendizaje se ha reducido drásticamente. El tiempo ahorrado permite al educador validar los recursos producidos y aumentar la disponibilidad para interactuar con el alumno.
Para los educadores sanitarios especializados en el aprendizaje basado en la simulación, la llegada de la IA supone un cambio de paradigma. Tradicionalmente, los escenarios de simulación procedían de los fabricantes o eran elaborados minuciosamente por expertos. Si bien estos escenarios deben ajustarse a las mejores prácticas, como las Healthcare Simulation Standards of Best Practice® (HSSOBP) (Watts et al., 2021), su creación requiere mucho trabajo y tiempo.
La IA ha introducido un enfoque innovador en el diseño de simulaciones, que ofrece rapidez y flexibilidad. Mediante la elaboración de indicaciones de alta calidad —instrucciones descriptivas que especifican el público, el nivel de los alumnos, los objetivos, las limitaciones de tiempo, los puntos de decisión y los resultados deseados—, los simuladores pueden generar escenarios novedosos en cuestión de segundos. La IA puede incluso recomendar la modalidad de simulación más adecuada, ya sea un paciente estandarizado (SP), un escenario basado en maniquíes o un entrenador de tareas. Se debe tener precaución al adaptar escenarios generados por IA, ya que pueden contener sesgos ocultos (Gupta, et al., 2022).
Una ventaja adicional es la capacidad de la IA para integrar directrices basadas en la evidencia. Por ejemplo, una indicación que pida a la IA que cree un escenario de deterioro respiratorio que incorpore las normas de la Iniciativa GOLD para la Enfermedad Pulmonar Obstructiva Crónica (2024) para el tratamiento de la EPOC no solo da como resultado un caso realista, sino que también lo alinea con las normas clínicas actuales. La IA también puede generar referencias para respaldar los elementos del escenario, aunque es fundamental verificar la exactitud de estas citas, ya que persisten algunas inconsistencias ocasionales. Solicitar a la IA un nivel de confianza en sus resultados puede mejorar aún más la fiabilidad.
Los simuladores también pueden aprovechar la IA para garantizar la calidad. Al cargar un resumen de la revisión de una simulación, los educadores pueden solicitar a la IA que lo evalúe utilizando una rúbrica estandarizada, lo que garantiza el rigor y el cumplimiento de las mejores prácticas (Harder, 2023). Aunque la rápida generación de simulaciones es transformadora, la piedra angular del éxito sigue siendo el desarrollo de indicaciones precisas y bien pensadas.
Invertir tiempo en la elaboración de estas indicaciones es esencial para evitar escenarios deficientes y maximizar el potencial de la tecnología.
La integración de la IA también reduce las barreras a la innovación. El profesorado que antes se enfrentaba a recursos o conocimientos limitados en el diseño de simulaciones ahora puede desarrollar escenarios creativos e impactantes que involucran a los alumnos y mantienen la fidelidad a los objetivos educativos. Al cambiar el énfasis de «aprender sobre la tecnología» a «aprender con la tecnología» (Dai et al., 2023), la IA permite una nueva era de educación basada en la simulación que es dinámica y accesible.
A medida que la IA evoluciona, está transformando la simulación sanitaria en una disciplina más eficiente, basada en la evidencia y centrada en el alumno. Al adoptar esta tecnología transformadora, los educadores y los simulacionistas pueden mejorar no solo la calidad de la formación, sino también su relevancia para la práctica clínica real.
Referencias
Dai, Y., Liu, A., & Lim, C. P. (2023). Reconceptualizing ChatGPT and generative AI as a student-driven innovation in higher education. 33rd CIRP Design Conference, 84–90.
Global Initiative for Chronic Obstructive Lung Disease. (2024). Global strategy for the diagnosis, management, and prevention of chronic obstructive pulmonary disease (2024 report). https://goldcopd.org/2024-gold-report/
Gonzalez, L. (2024, September 16). Nursing education in the era of ChatGPT: Implications and opportunities. Online Journal of Issues in Nursing, 29(3). https://doi.org/10.3912/OJIN.Vol29No03PPT76
Gupta, M., Parra, C. M., & Dennehy, D. (2022). Questioning racial and gender bias in AI-based recommendations: Do espoused national cultural values matter? Information Systems Frontiers, 24(6), 1465–1481. https://doi.org/10.1007/s10796-021-10156-2
Harder, N. (2023). Using ChatGPT in simulation design: What can (or should) it do for you? Clinical Simulation in Nursing, 78, A1-A-2. https://doi.org/10.1016/j.ecns.2023.02.01
OpenAI. (n.d.) ChatGPT. https://www.openai.com
Patel, A. P., Bajwa, M., Campbell, K., Huang, J., Park, H. S., Borkowski, A. A., LeMoine, J. E., Hong, E., Calhoun, APatel, A. P., Bajwa, M., Campbell, K., Huang, J., Park, H. S., Borkowski, A. A., LeMoine, J. E., Hong, E., Calhoun, A., Schneidereth, T. A., Deckers, C., Martanegara, A., Morris, M., Bajwa, N., Roye, J., Mallory, L., Duff, J. P., Diaz, D. A., Wawersik, D., Rosati, M., … Gross, I. T. (2024). Future directions for integrating artificial intelligence in simulation-based healthcare [White paper] (I. T. Gross, A. P. Patel, & M. Bajwa, Eds.; ISBN 979-8-9920505-0-9). Myakka City, FL: CHESI LLC. https://aisimhealthcollab.orgWatts, P. I., Rossler, K., Bowler, F., Miller, C., Charnetski, M., Decker, S., et al. (2021). Onward and upward: Introducing the Healthcare Simulation Standards of Best Practice™. Clinical Simulation in Nursing, 58, 1–4. https://doi.org/10.1016/j.ecns.2021.08.006
LEER TAMBIÉN
