📄 medicina

Feasibility of an AI-Simulated Patient Encounter Delivered in Group and Individual Learning Formats for First-Year Medical Students: A Two-Cohort Pilot Study

Este estudio piloto demuestra que un encuentro con un paciente simulado por IA es factible y aceptable para estudiantes de medicina de primer año tanto en formatos grupales como individuales, produciendo cambios exploratorios positivos en el compromiso y la seguridad psicológica, al tiempo que destaca la necesidad de ensayos aleatorizados más amplios para confirmar estos hallazgos.

Autores originales: Shelley Tischkau, James Lynch, Sean McGinity, Andrew Primous, Elijah Meldrim, Samantha Lynch, Richard Selinfreund

Publicado 2026-09-30

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Shelley Tischkau, James Lynch, Sean McGinity, Andrew Primous, Elijah Meldrim, Samantha Lynch, Richard Selinfreund

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En los primeros años de la facultad de medicina, los estudiantes deben aprender a hablar con los pacientes, hacer las preguntas adecuadas y armar un diagnóstico a partir de una conversación. Esta habilidad se practica tradicionalmente con "pacientes estandarizados", actores entrenados para interpretar un papel específico para que cada estudiante reciba la misma experiencia. Sin embargo, estos actores humanos son costosos y limitados en número. Recientemente, ha surgido una nueva herramienta: la inteligencia artificial. Específicamente, los modelos de lenguaje extensos —sistemas informáticos capaces de generar texto y voz similares a los humanos— ahora pueden actuar como pacientes virtuales. Estos personajes digitales pueden escuchar, responder y mantener una historia médica coherente, ofreciendo a los estudiantes una forma de practicar conversaciones clínicas sin necesidad de que un actor humano esté presente. La pregunta para los educadores no es solo si estas máquinas pueden hablar, sino cómo utilizarlas mejor en el aula. ¿Deben los estudiantes practicar solos o deberían reunirse en grupo para discutir el caso con un profesor?

Investigadores de la Escuela de Medicina de la Universidad del Sur de Illinois se propusieron probar estos dos enfoques diferentes con estudiantes de primer año de medicina. Crearon un escenario médico único y realista que involucraba a un paciente con problemas gastrointestinales y programaron una inteligencia artificial para que interpretara a ese paciente. Luego dividieron a los estudiantes en dos grupos. Un grupo de siete estudiantes se sentó junto en un aula, donde se turnaron para entrevistar al paciente de IA proyectado en una pantalla grande, guiados por un miembro de la facultad. El otro grupo de doce estudiantes fue a espacios privados y completó la misma entrevista exacta en sus propios dispositivos, sin la presencia de un profesor y sin otros estudiantes observando. Antes y después de sus sesiones, todos los estudiantes completaron encuestas para medir qué tan comprometidos se sintieron y qué tan seguros se sintieron al cometer errores o hacer preguntas. Los investigadores también desarrollaron una forma de analizar automáticamente las transcripciones de estas conversaciones para ver qué dijeron realmente los estudiantes.

El estudio encontró que ambos formatos funcionaron bien y fueron aceptables para los estudiantes. Los estudiantes, tanto en el entorno grupal como en el individual, informaron sentirse más comprometidos y con mayor seguridad psicológica después de la experiencia. Este sentido de seguridad es crucial en la formación médica; significa que un estudiante se siente cómodo admitiendo que no sabe una respuesta o intentando una nueva línea de interrogación sin temor a la vergüenza. Si bien el grupo individual mostró un aumento particularmente notable en este sentimiento de seguridad, el estudio fue demasiado pequeño para afirmar con certeza que un formato fuera definitivamente mejor que el otro. Los investigadores señalaron que las cifras no eran lo suficientemente grandes como para demostrar una diferencia entre los dos métodos, por lo que los resultados deben verse como una señal prometedora en lugar de un veredicto final.

Uno de los hallazgos más interesantes surgió al preguntar a los estudiantes qué preferían. Después de probar la versión en solitario, la mayoría de esos estudiantes dijo que preferiría un modelo híbrido: realizar la entrevista de la IA a solas primero, y luego unirse a una discusión grupal con un profesor después. Esto sugiere que los estudiantes valoran la privacidad para practicar y cometer errores por su cuenta, seguidos de la oportunidad de refinar su pensamiento con compañeros e instructores. El estudio también registró una ligera disminución en qué tan preparados se sentían los estudiantes para discutir el caso después, pero los investigadores creen que esto podría significar simplemente que los estudiantes se dieron cuenta de cuánto había por aprender, en lugar de ser un fallo de la herramienta.

Los investigadores fueron cuidadosos al declarar que este era un estudio piloto, una prueba preliminar diseñada para ver si la idea funciona y para perfeccionar sus herramientas para un experimento más grande después. No afirmaron haber resuelto el problema de cómo enseñar a los estudiantes de medicina, ni probaron que la IA sea un reemplazo perfecto para los actores humanos. En cambio, demostraron que es posible realizar estos encuentros de IA de diferentes maneras y que los estudiantes están dispuestos a participar. También introdujeron un nuevo método para leer y analizar automáticamente las transcripciones de las conversaciones, lo que podría ayudar a futuros investigadores a medir el desempeño de los estudiantes de manera más objetiva. En última instancia, el trabajo sugiere que la inteligencia artificial puede ser una parte útil de la educación médica, especialmente cuando se utiliza como un escalón hacia el aprendizaje grupal, pero se necesita más investigación con grupos de estudiantes más grandes para confirmar estas observaciones iniciales.

Resumen Técnico: Factibilidad de un Encuentro con un Paciente Simulado por IA en Formatos Grupal e Individual

Planteamiento del Problema

La inteligencia artificial generativa (IA) y los modelos de lenguaje extensos (LLM) se utilizan cada vez más en la educación médica de pregrado (UME) para el aprendizaje basado en problemas (PBL) y el aprendizaje basado en casos (CBL). Sin embargo, la literatura existente sufre de heterogeneidad metodológica, medidas de resultados inconsistentes y una falta de transparencia respecto al diseño instruccional. Específicamente, persisten dos brechas críticas:

Formato de Entrega Instruccional: Rara vez se ha examinado el impacto del formato de entrega (por ejemplo, grupo facilitado frente a individual autodidacta) como una variable educativa independiente.
Transparencia en la Evaluación: Los métodos de evaluación educativa apoyados por IA rara vez se describen con el detalle suficiente para permitir la replicación o validación independiente.

Además, aunque los pacientes simulados por IA ofrecen encuentros conversacionales escalables y consistentes, su integración en diversos entornos de aprendizaje requiere una validación de factibilidad antes de que se puedan realizar afirmaciones de eficacia.

Metodología

Este estudio fue diseñado como un piloto de desarrollo de instrumentos y de factibilidad de dos cohortes realizado en la Southern Illinois University School of Medicine con estudiantes de primer año de medicina (MS1).

Diseño del Estudio y Participantes

Cohortes: Dos cohortes no superpuestas y no aleatorizadas participaron en el mismo caso clínico (patología gastrointestinal) pero bajo diferentes formatos de entrega:
- Cohorte de Grupo ( $n=7$ ): Una sesión facilitada por la facultad donde los estudiantes entrevistaron colaborativamente a un paciente simulado por IA en un entorno de aula con observación de pares.
- Cohorte Individual ( $n=12$ ): Una sesión autodidacta donde los estudiantes completaron el encuentro individualmente en dispositivos personales en espacios privados sin observación de pares.
Variables Confusoras: El estudio reconoció que el formato de entrega estaba totalmente confundido con la pertenencia a la cohorte, las fechas de las sesiones, los procedimientos de reclutamiento, las modalidades de debriefing y las versiones de la plataforma. En consecuencia, las comparaciones entre cohortes se trataron como descriptivas y exploratorias, no causales.
Supervisión Ética: El estudio recibió una determinación de exención por parte del Comité de Revisión Institucional (IRB #24–525). La participación fue voluntaria y no afectó la situación académica.

Intervención

Paciente Simulado por IA: Desarrollado utilizando un LLM comercialmente disponible integrado con tecnologías de voz y avatar conversacional. El sistema mantuvo un marco consistente de presentación clínica y de respuesta en ambos formatos.
Duración: Las sesiones grupales duraron aproximadamente 35 minutos; las sesiones individuales tuvieron una mediana de 31 minutos (rango 17–83).

Instrumentos y Recolección de Datos

Escala de Lenguaje de Seguridad Conductual–Provisional (BSLS-P): Un instrumento de encuesta de desarrollo nuevo y exploratorio administrado antes y después del encuentro. Evaluó:
- Compromiso/Disfrute del Aprendiz
  la Seguridad Psicológica (definida como la capacidad percibida de hacer preguntas y cometer errores sin temor a la vergüenza)
- Motivación para Prepararse
- Preferencia de Formato de Entrega (solo post-encuentro)
- Nota: El instrumento experimentó cambios menores de versión entre las cohortes (Versión 1 vs. Versión 2).
Análisis de Transcripción Automatizado: Se aplicó un flujo de trabajo de dos agentes (Componentes de Comportamiento, Evaluación de Texto Libre, Acción y Tiempo) a las transcripciones de la cohorte individual para demostrar un marco analítico reproducible. Esto no se utilizó para afirmaciones inferenciales en este piloto.
Retroalimentación Cualitativa: La cohorte de grupo proporcionó debriefing verbal; la cohorte individual proporcionó respuestas escritas a consignas opcionales.

Análisis Estadístico

Intracohorte: Los cambios de pre a post se analizaron mediante pruebas $t$ para muestras pareadas (distribución normal) o pruebas de Wilcoxon de rangos con signo para muestras no normales.
Comparaciones Múltiples: Se aplicó la corrección de la Tasa de Falso Descubrimiento (FDR) de Benjamini–Hochberg en las comparaciones de las subescalas.
Entre Cohortes: Se realizaron comparaciones descriptivas utilizando pruebas de suma de rangos de Wilcoxon, sin extraer inferencias causales debido a las variables confusoras.
Uso de IA: Se utilizó IA generativa (Claude Opus 5) para asistencia editorial en la redacción del manuscrito, pero todos los análisis estadísticos y tablas de datos fueron preparados de forma independiente por un coautor a partir de los datos brutos.

Resultados Clave

Hallazgos Cuantitativos

Factibilidad: Ambas cohortes completaron con éxito los encuentros con el paciente simulado por IA y las encuestas pre/post sin eventos adversos ni exclusiones técnicas.
Seguridad Psicológica y Compromiso: Ambas cohortes mostraron cambios direccionalmente positivos en la Seguridad Psicológica y el Compromiso.
- Cohorte Individual: Se observó el mayor efecto en la subescala de Seguridad Psicológica (Wilcoxon $r = 0.62$ ). Esto alcanzó significancia estadística antes de la corrección ( $P = .026$ ) pero no sobrevivió a la corrección de FDR (ajustado $P = .20$ ).
- Cohorte de Grupo: Mostró cambios direccionales positivos, pero ninguna comparación permaneció estadísticamente significativa tras la corrección de FDR.
Motivación para Prepararse: Se observó un descenso modesto en ambas cohortes. El análisis a nivel de ítem sugirió que esto fue impulsado por un único ítem de la encuesta en lugar de una tendencia de dominio general, lo que potencialmente indica una recalibración de las expectativas post-encuentro.
Comparación Entre Cohortes: No se encontraron diferencias estadísticamente significativas entre la Cohorte de Grupo y la Cohort Individual en ninguna subescala después de la corrección de FDR. Existían diferencias direccionales pero se consideraron únicamente descriptivas.

Preferencias de los Aprendices

Preferencia por el Modelo Híbrido: En la cohorte individual, la preferencia modal para el aprendizaje futuro se desplazó de un 42% a un 58% por un modelo "híbrido": completar primero un encuentro de IA en solitario, seguido de una discusión grupal facilitada por la facultad.
Retroalimentación Cualitativa: Los participantes describieron la simulación como atractiva y valiosa para practicar el razonamiento clínico en un entorno seguro. Enfatizaron el valor de la práctica independiente seguida de una retroalimentación estructurada de la facultad para abordar conceptos erróneos.

Desarrollo de Instrumentos y Flujos de Trabajo

El estudio implementó con éxito la BSLS-P como una herramienta provisional para medir la seguridad psicológica y el compromiso en contextos de IA.
El flujo de análisis de transcripción automatizado fue implementado y descrito, demostrando la factibilidad de una codificación conductual escalable y reproducible, aunque sigue en desarrollo y requiere validación independiente frente a calificaciones de expertos humanos.

Contribuciones Clave

Demostración de Factibilidad: El estudio confirma que los encuentros con pacientes simulados por IA son implementables en la práctica tanto en formatos de grupo facilitados como en formatos individuales autodidactas para estudiantes de MS1.
Transparencia Metodológica: El artículo proporciona una descripción detallada de un instrumento de encuesta provisional (BSLS-P) y un flujo de análisis de transcripción automatizado, abordando la brecha en la literatura respecto a los métodos de evaluación replicables en la educación por IA.
Exploración de Formatos: Introduce el formato de entrega instruccional como una variable distinta, sugiriendo que un enfoque híbrido (práctica de IA en solitario + discusión de grupo) puede alinearse mejor con las preferencias de los estudiantes.

Significado y Afirmaciones

Los autores enmarcan explícitamente este trabajo como un piloto de factibilidad y un estudio de desarrollo de instrumentos, no como un ensayo de eficacia comparativa.

Afirmaciones Modestas: Los autores establecen que los cambios observados de pre a post son exploratorios y generadores de hipótesis. No afirman que un formato sea superior al otro o que la intervención de IA mejore definitivamente los resultados educativos, citando el pequeño tamaño de la muestra, la falta de aleatorización y las variables confusoras.
Significancia: La principal significancia radica en demostrar que:
1. Los pacientes simulados por IA pueden integrarse en la UME sin fallos técnicos.
2. Los estudiantes perciben estos encuentros como psicológicamente seguros y atractivos.
3. Un modelo instruccional híbrido es preferido por los estudiantes, lo que respalda la integración de la IA como un suplemento, en lugar de un reemplazo, de la instrucción tradicional guiada por la facultad.
4. Las herramientas descritas (BSLS-P y el flujo de análisis de transcripción) proporcionan una base para futuros estudios aleatorizados con la potencia adecuada requeridos para validar estos hallazgos preliminares.

El artículo concluye que, si bien los hallazgos son prometedores, la investigación futura debe incluir ensayos aleatorizados multicéntricos, validación psicométrica formal de la BSLS-P y validación independiente del flujo de análisis de transcripción frente a calificaciones de expertos humanos.