PERSPECTIVAS ACADÉMICAS

ChatGPT e inteligencia artificial generativa para la

educación médica: impacto potencial y oportunidad
Boscardin, Christy K. PhD; Ginebra, Brian MD, PhD; Golde, Polo Negro; Hauer, Karen E. MD, PhD

ChatGPT ha marcado el comienzo de una nueva era de inteligencia artificial (IA) que ya tiene
consecuencias importantes para muchas industrias, incluidas la atención médica y la educación. Las
herramientas de IA generativa, como ChatGPT, se refieren a la IA diseñada para crear o generar
contenido nuevo, como texto, imágenes o música, a partir de sus parámetros entrenados. Con acceso
gratuito en línea y una interfaz conversacional fácil de usar, ChatGPT acumuló rápidamente más de 100
millones de usuarios en los primeros meses de su lanzamiento. Los titulares recientes en la prensa
popular han despertado preocupaciones relevantes para la educación médica sobre las posibles
implicaciones de las trampas y el plagio en las evaluaciones, así como el entusiasmo por las nuevas
oportunidades de aprendizaje, evaluación e investigación. En esta perspectiva académica, los autores
ofrecen ideas y recomendaciones sobre la IA generativa para educadores médicos basadas en una
revisión de la literatura, incluido el marco de alfabetización en IA. Los autores proporcionan una
definición de IA generativa, presentan un marco de alfabetización en IA y competencias, y ofrecen
consideraciones sobre posibles impactos y oportunidades para optimizar la integración de la IA
generativa para las admisiones, el aprendizaje, la evaluación y la investigación en educación médica para
ayudar a los educadores médicos a navegar y comenzar a planificar. para este nuevo entorno. A medida
que las herramientas de IA generativa continúan expandiéndose, los educadores deben aumentar su
alfabetización en IA a través de la educación y la vigilancia sobre los nuevos avances en la tecnología y
servir como administradores de la alfabetización en IA para fomentar la responsabilidad social y la
conciencia ética en torno al uso de la IA.

Los titulares recientes en la prensa popular y las redes sociales han creado un entusiasmo y una
preocupación palpables por la llegada de tecnologías de inteligencia artificial (IA) generativa, como
ChatGPT, Bard, LLaMA, DALL-E Bing y Stable Diffusion, en muchos dominios, incluida la salud.
cuidado y educación. Para los educadores, la disponibilidad de ChatGPT ha generado alarma debido a
las implicaciones para la evaluación y el potencial de un nuevo mecanismo de trampa y plagio. ChatGPT
puede generar respuestas a indicaciones escritas y responder con precisión preguntas de opción
múltiple. 1 En un artículo de opinión reciente en Inside Higher Ed , Weissman 2 declaró que “lo que el
invierno de 2020 fue para el COVID-19, el invierno de 2023 es para ChatGPT, y la educación superior
nunca volverá a ser la misma”. Algunos distritos escolares grandes de Estados Unidos, incluido el
Departamento de Educación de la ciudad de Nueva York y los distritos escolares unificados de Los
Ángeles, bloquearon temporalmente el acceso a ChatGPT y al sitio web OpenAI para dar espacio y
tiempo a los educadores para que se adapten a este nuevo entorno. Después de la preocupación inicial
por las implicaciones negativas de ChatGPT, existe cierto optimismo cauteloso sobre su utilidad
potencial y la resignación de que ChatGPT llegó para quedarse.

A medida que nos embarcamos en esta nueva era de avances tecnológicos, en esta Perspectiva
Académica, brindamos una definición de IA generativa, introducimos un marco de alfabetización en IA
y competencias, y ofrecemos consideraciones sobre posibles impactos y oportunidades para optimizar la
integración de la IA generativa, como ChatGPT. , para admisiones, aprendizaje, evaluación e
investigación en educación médica para ayudar a los educadores médicos a navegar y comenzar a
planificar este nuevo entorno. Aunque nos centramos en estos cuatro dominios con ejemplos específicos
con fines ilustrativos, enmarcar esta discusión en torno al impacto inmediato y mirar hacia el futuro en
busca de oportunidades de optimización debería extrapolarse a otras actividades dentro de la educación
médica.
¿Qué son ChatGPT, chatbots y IA generativa?

ChatGPT (Chat Generative Pre-Trained Transformer) es una herramienta de inteligencia artificial

lanzada el 20 de noviembre de 2022 por OpenAI como un chatbot basado en web. Los chatbots son
software basado en inteligencia artificial diseñado para imitar la conversación humana a través de texto o
audio, proporcionando respuestas en lenguaje natural a la entrada humana en un formato
conversacional. Aunque la tecnología de predicción del lenguaje detrás de ChatGPT ha estado
disponible desde al menos 2018, ChatGPT proporcionó una interfaz de fácil acceso y fácil de usar que
aprovecha la tecnología de inteligencia artificial existente. Los algoritmos de IA subyacentes detrás de
ChatGPT, los modelos GPT-3/4 de OpenAI, son modelos de lenguaje grande (LLM) capaces de generar
respuestas de texto basadas en patrones aprendidos de datos de texto y, más recientemente, de imágenes
(con GPT-4, lanzado el 14 de marzo de 2023). ). Estos patrones están codificados dentro de la red
neuronal de aprendizaje profundo subyacente del LLM : una colección de neuronas artificiales
modeladas electrónicamente con múltiples capas que imitan la corteza del cerebro humano. El
entrenamiento tiene el efecto de ajustar las interacciones entre neuronas artificiales, y estas interacciones
se almacenan como valores numéricos, también conocidos como parámetros . La IA generativa es un
término utilizado para describir modelos (como los LLM) que generan contenido nuevo, como texto,
imágenes o música, a partir de sus parámetros entrenados. Estos modelos también se pueden actualizar
en función de los comentarios de los usuarios, pero en general no se actualizan automáticamente ni
registran conversaciones anteriores como memoria a largo plazo. La IA generativa, como ChatGPT, se
entrena a través de recursos de Internet, textos publicados e imágenes para generar respuestas a
indicaciones proporcionadas por el usuario en una variedad de estilos conversacionales o académicos,
incluidos artículos de revistas, presentaciones académicas y varios otros formatos (por ejemplo,
poemas). , blogs, códigos de programación y scripts). ChatGPT está disponible de forma gratuita y
obtuvo más de 100 millones de usuarios en los primeros meses de su lanzamiento. 3 Otros LLM
disponibles al momento de esta publicación incluyen BERT de Google (uno de los primeros LLM) y
PaLM 2 (usado en su chatbot Bard), y LLaMA de Facebook (que se puede usar para crear chatbots en
computadoras locales sin requerir una conexión a la nube). ).

A modo de ilustración, ChatGPT generó este texto en respuesta al mensaje: "¿Cuáles son los posibles
beneficios y desventajas de ChatGPT para la educación médica?"

Los beneficios potenciales de utilizar ChatGPT para la educación médica incluyen su capacidad para
proporcionar experiencias de aprendizaje personalizadas e interactivas, así como su capacidad para
simular escenarios del mundo real e interacciones con pacientes. Además, ChatGPT puede ayudar a los
estudiantes a practicar y mejorar sus habilidades de comunicación, que son esenciales para ser un
proveedor de atención médica eficaz. Los posibles inconvenientes de utilizar ChatGPT para la educación
médica incluyen las limitaciones de su base de conocimientos actual, que puede no estar actualizada con
las últimas investigaciones y mejores prácticas médicas. Además, ChatGPT no puede brindar
experiencia práctica ni exámenes físicos, que son aspectos importantes de la educación médica. Por
último, existe el riesgo de que los estudiantes dependan demasiado de ChatGPT y no desarrollen las
habilidades de pensamiento crítico necesarias para tomar decisiones precisas sobre diagnósticos y
tratamientos.

Este texto generado por ChatGPT constituyó una respuesta razonable y plausible al mensaje. Sin
embargo, la evaluación de la precisión, credibilidad y adecuación de la respuesta requiere juicio
humano. Un inconveniente notable destacado en esta respuesta es el reconocimiento de que ChatGPT
puede no estar actualizado ni ser preciso en la investigación y la práctica médica actuales. Los
educadores también deben ser conscientes de que otras limitaciones importantes de ChatGPT incluyen la
posibilidad de sesgo en las fuentes y los datos de los que se basa, lo que lleva a la generación de
información inexacta o insuficiente. La precisión y validez de la información generada dependen de la
precisión de los datos con los que se entrena el modelo. 4 A pesar de estas limitaciones, con una
planificación cuidadosa, la IA generativa puede ser un recurso potencialmente útil para la educación
médica. Por lo tanto, los educadores deben comprender las limitaciones además de las posibles
oportunidades para minimizar el posible impacto negativo y maximizar los beneficios. Basado en un
marco de alfabetización en IA y competencias de IA para educadores, este artículo crea conciencia sobre
las implicaciones de la IA generativa para la educación médica y proporciona pasos claros y viables para
los educadores.

Marco de alfabetización en IA y competencias en IA

Ampliando la idea de alfabetización digital, la alfabetización en IA ha surgido en los últimos años como
una habilidad esencial dentro de múltiples disciplinas e industrias. 5 Desde la perspectiva de la educación
de las profesiones de la salud, la alfabetización en IA incluye (1) comprender las capacidades de la IA,
incluidas las herramientas para mejorar la atención médica; (2) integrar herramientas de IA en la
enseñanza; y (3) garantizar la inclusión, la equidad y el uso éticamente responsable de la IA para el bien
de la sociedad. Un estudio reciente realizado por Gong et al 6 en China encontró que, a pesar de estar
expuestos a la IA como parte del plan de estudios básico, la mayoría de los estudiantes carecían de
comprensión de la ética básica de la IA o de consideración de la propiedad intelectual asociada con la
IA, lo que destaca la brecha curricular actual en torno a la ética de la IA. . Más recientemente, Russell et
al 7 también destacaron las implicaciones sociales y éticas como parte de 6 competencias básicas para el
uso de herramientas clínicas basadas en IA para profesionales de la salud. Las otras 4 competencias
incluyen conocimientos básicos de IA, análisis de flujo de trabajo para herramientas basadas en IA,
encuentros clínicos mejorados por IA y evaluación basada en evidencia de herramientas basadas en
IA. Estas competencias y la literatura que respalda la integración de la IA como parte de los planes de
estudios de educación médica enfatizan la importancia de conocer los conceptos básicos de la IA y
reconocer los riesgos relacionados con la seguridad y precisión de los datos. Ser capaz de evaluar el uso
adecuado de la IA es una nueva competencia central para los profesionales de la salud. 8,9

Basándonos en estos marcos de alfabetización y competencia en IA, primero proporcionamos una breve
descripción de las capacidades de la IA y el impacto inmediato en la educación médica, incluidas las
posibles cuestiones éticas. Luego analizamos las oportunidades que ofrece la IA generativa en 4 áreas de
la educación médica que representan las principales fases programáticas: (1) selección para la escuela de
medicina y programas de capacitación, (2) aprendizaje, (3) evaluación e (4) investigación para ilustrar el
potencial para implicaciones diversas y amplias en toda la educación médica. Para cada una de las 4
áreas en las que prevemos el impacto más inmediato, identificamos 1 ejemplo de actividad específica
con fines ilustrativos.

Para generar estas ideas y recomendaciones, los autores participaron en debates entre ellos y en
reuniones del comité curricular con otros educadores. CKB es un metodólogo de investigación con
experiencia en inteligencia artificial y estadísticas educativas. BG es un hospitalista pediátrico y
candidato a doctorado en educación de profesiones de la salud con experiencia en inteligencia artificial y
aprendizaje automático. PBG es director de datos y análisis y dirige un equipo técnico que supervisa la
implementación de IA en una escuela de educación. KEH es decano asociado de evaluación,
investigador experimentado en educación médica e internista general en ejercicio.

Selección para la escuela de medicina y programas de capacitación

Apuntar

A pesar de algunas pruebas contradictorias en torno a la validez predictiva de los ensayos de solicitud
para el desempeño futuro, 10 declaraciones personales se utilizan ampliamente como información
cualitativa durante la selección de estudiantes de medicina y posgrados en educación médica. Los
comités de admisiones y selección a menudo utilizan declaraciones personales o respuestas a otras
preguntas abiertas para discernir algo que distinga a cada solicitante como persona y garantizar que las
habilidades de escritura y pensamiento analítico de los solicitantes sean suficientes para tener éxito en el
programa. 11

Impacto potencial

Poco después del lanzamiento de ChatGPT, un artículo 12 informó que ChatGPT pudo generar 2 ensayos
universitarios plausibles diferentes para 2 mensajes de ensayo de aplicación diferentes en
aproximadamente 20 minutos. Las respuestas a este informe citaron limitaciones claras de los ensayos
generados por ChatGPT como "impersonales, estándar y 'sin alma'". 13 Guo et al 14 también sugirieron que
las principales diferencias entre los textos generados por humanos y los de ChatGPT son la falta de
expresiones subjetivas. y el lenguaje más formal y objetivo en los textos generados por ChatGPT. A
diferencia de las respuestas a una pregunta de examen que requiere un estilo de escritura académico, las
preguntas de ensayo para declaraciones personales de admisión invitan a una mayor expresividad y
pueden requerir textos que sean lingüísticamente diferentes de las respuestas del examen. Sin embargo,
con actualizaciones continuas y capacitación adicional del modelo actual, anticipamos mejoras rápidas
en la IA generativa, de modo que los usuarios puedan refinar cada vez más el estilo de respuesta
narrativa que buscan, y las diferencias en el estilo lingüístico pueden volverse menos evidentes.

Oportunidad

Las herramientas de IA generativa pueden proporcionar plantillas generales para escribir ensayos y
respuestas escritas a indicaciones, ayudar como editores para revisiones gramaticales y ayudar a
organizar ideas. Para los estudiantes con menos confianza o que necesitan orientación, se pueden utilizar
ChatGPT y herramientas de escritura similares (por ejemplo, Jasper) para crear esquemas y borradores
iniciales. Por lo tanto, la IA generativa puede potencialmente nivelar el campo de juego entre estudiantes
con distintos grados de dominio de la escritura y el lenguaje y acceso a recursos como tutores. A pesar
de las preocupaciones planteadas en torno a la autenticidad de las declaraciones personales creadas por
ChatGPT, el potencial para su uso como servicio de edición gratuito es innegable. 15 Esta capacidad de la
IA generativa debería obligar a los autores de mensajes de ensayo a ser reflexivos, deliberados y
decididos para garantizar que sus mensajes maximicen el potencial de personalización de las respuestas
y minimicen la dependencia excesiva de la asistencia de la IA. Por ejemplo, un mensaje de ensayo para
promover una narrativa personal podría decir: "Describe un desafío personal importante o una
experiencia única que te haya preparado para la escuela de medicina". Este tipo de mensaje requeriría un
pensamiento creativo más allá de la capacidad de ChatGPT para simplemente resumir hechos e
información.

Aprendiendo
Apuntar

Como parte de su desarrollo de habilidades de aprendizaje permanente y aprendizaje autorregulado, los

estudiantes participan en estudios independientes para prepararse para el examen de licencia y otras
oportunidades de aprendizaje durante y después de las pasantías. La mayoría de los estudiantes recurren
a múltiples recursos para su estudio independiente, incluidos libros de texto, literatura primaria, bancos
de preguntas, revisión de la junta y preparación de exámenes, notas de trabajos de curso y casos y
recursos en línea. 16 La práctica de la medicina clínica hoy en día depende de la fácil disponibilidad de
dicha tecnología de la información y, en consecuencia, la capacitación ha puesto menos énfasis en la
memorización y más en el acceso a la información, la revisión, la síntesis y la evaluación crítica. 17

Impacto potencial

Contemplamos cómo ChatGPT (y otras IA generativas) pueden o no ser diferentes de otros recursos de
tecnología de la información utilizados para mejorar el aprendizaje en el aula y en entornos
clínicos. Cuando el usuario lo solicita, ChatGPT puede proporcionar referencias generales, indicando al
usuario libros de texto y recursos en línea, como MedlinePlus y UpToDate. Sin embargo, sigue sin poder
proporcionar detalles específicos sobre las referencias utilizadas para generar respuestas.

En la educación médica (y en la medicina en general), la validez de la información es fundamental para

brindar atención al paciente. Tal validez depende fundamentalmente de la capacidad de rastrear la
evidencia hasta sus orígenes y comprender los contextos que pueden limitar su generalización. La
incapacidad de ChatGPT para proporcionar referencias utilizadas para generar sus respuestas limita
gravemente su usabilidad como herramienta de aprendizaje. Aunque el chatbot de procesamiento de
lenguaje natural que ofrece Microsoft Bing puede enumerar citas de sus respuestas a preguntas clínicas,
en ocasiones (al igual que ChatGPT) puede afirmar que la información errónea es objetiva. 18 Esta
limitación no es sorprendente porque la tecnología de IA subyacente detrás de la predicción del lenguaje
se basa en modelos probabilísticos en los que las respuestas se eligen como las más probables, pero no se
garantiza que sean precisas. Como tal, no se puede confiar en estas herramientas en su forma actual
como herramientas de aprendizaje confiables para la medicina basada en evidencia (Bard, el chatbot de
Google, inicialmente evitó por completo proporcionar resúmenes de información médica).

Oportunidad

A pesar del potencial de inexactitud, estas herramientas pueden parecer tentadoras para que los
estudiantes respondan consultas específicas y sinteticen fácilmente una amplia base de información. Los
educadores deben anticipar que los alumnos utilizarán herramientas de inteligencia artificial generativa
como herramienta de referencia rápida y síntesis de información. Vemos esto como una oportunidad
potencial para que los educadores sigan enfatizando las habilidades de evaluación crítica al evaluar la
información, ya sea de chatbots u otras fuentes. Los riesgos de desinformación y la falta de contexto y
generalización que plantean los chatbots actuales son reales y, al igual que otras fuentes de información
en línea, la verificación independiente es esencial. Sigue siendo igual de importante que los estudiantes
desarrollen habilidades para rastrear evidencia hasta sus fuentes primarias a partir de afirmaciones
proporcionadas por chatbots en comparación con resúmenes y opiniones proporcionadas por expertos
humanos.

Las mejoras continuas en las herramientas de IA generativa también pueden ayudar a los estudiantes a
evaluar la validez y aplicabilidad de las respuestas generadas por IA. Aunque la primera ola de estas
herramientas parece haber enfatizado la novedad de poder imitar las respuestas humanas para mejorar la
credibilidad, la próxima generación de tales herramientas debe centrarse en lo siguiente: (1) citar los
recursos utilizados para generar una respuesta particular ( como referencias utilizadas para generar un
diagnóstico diferencial), (2) proporcionar información contextual para la respuesta (como información
sobre la población para la cual es aplicable un diagnóstico diferencial), y (3) proporcionar transparencia
sobre la certeza de cualquier respuesta dada ( (por ejemplo, proporcionar un porcentaje que indique con
qué firmeza el algoritmo de IA determina que la afirmación es objetiva). La IA generativa puede brindar
oportunidades para que los estudiantes ejerciten habilidades de evaluación e investigación críticas y
ayudar a identificar posibles lagunas en la literatura o el conocimiento actual. Surgirán oportunidades
futuras para que los estudiantes y los médicos en ejercicio incorporen la IA en la generación de
consideraciones diagnósticas y diagnósticos diferenciales para pacientes reales, lo que destaca la
urgencia de que los educadores desarrollen planes para enseñar estas habilidades de evaluación e
investigación. 19

Evaluaciones
Apuntar

Según Epstein, 20 los tres objetivos de la evaluación en la educación médica son (1) motivar y
proporcionar dirección futura en el aprendizaje (retroalimentación), (2) garantizar la competencia del
médico (responsabilidad social) y (3) servir como base para el avance. (educación médica basada en
competencias). De manera similar, la evaluación programática tiene dos propósitos principales: impulsar
el aprendizaje a través de la retroalimentación y emitir juicios sobre la preparación para la
progresión. 21 Imaginamos cómo la IA generativa puede socavar o facilitar estos objetivos de evaluación.

Impacto potencial

Titulares y publicaciones académicas recientes han señalado el potencial de la IA generativa para

cambiar el panorama de la evaluación del conocimiento de alto riesgo. ChatGPT puede generar
respuestas a ensayos o preguntas abiertas aprovechando su capacitación de una amplia gama de fuentes
de información en línea. Los titulares de que ChatGPT puede aprobar exámenes de posgrado de alto
riesgo y producir narrativas indistinguibles del contenido generado por los estudiantes generaron
inmediatamente alarma entre los educadores. 22–24 En educación médica, ChatGPT se desempeñó en o
cerca del umbral de aprobación para los 3 exámenes de licencia médica de los Estados Unidos. 1 Estos
hallazgos, con razón, plantean preocupaciones sobre las trampas y plantean desafíos para las
instituciones académicas a la hora de detectar la deshonestidad. La integridad académica es esencial para
lograr determinaciones válidas sobre la preparación de los estudiantes para avanzar. Aunque los
problemas de seguridad de los exámenes no son nuevos en la educación, las herramientas de inteligencia
artificial generativa como ChatGPT amplían la naturaleza de los problemas de seguridad. Las trampas
han sido un problema de larga data en los exámenes en línea. 25 ChatGPT es un nuevo facilitador de
acceso a información en el contexto de exámenes en línea. Los examinados que acceden a ChatGPT
durante exámenes a libro abierto o mientras realizan exámenes usando computadoras que no están
bloqueadas ni supervisadas cuidadosamente pueden usar ChatGPT para generar borradores de
respuestas. Con los exámenes de preguntas abiertas, ChatGPT genera texto en respuesta a indicaciones
que pueden ser indistinguibles de las respuestas generadas por los estudiantes e indetectables para los
verificadores de plagio. 26 Por lo tanto, los educadores no podrían discernir el verdadero trabajo o el nivel
de comprensión de un estudiante. Es posible que estén disponibles mecanismos para detectar el lenguaje
generado por herramientas como ChatGPT, pero actualmente no se utilizan de forma rutinaria. Una
respuesta común a estas preocupaciones es que los educadores propongan estrategias para evitar que los
estudiantes accedan a información de ChatGPT durante los exámenes. Es posible que sea necesario
actualizar algunos enfoques que ya existen para reflejar el entorno actual de IA. Bloquear las
computadoras durante los exámenes es una estrategia útil para evitar el plagio, leer recursos en línea
durante los exámenes y utilizar herramientas de inteligencia artificial generativa. El fortalecimiento de
los protocolos de supervisión limita aún más la capacidad de los estudiantes para acceder a los recursos
durante los exámenes. Evitar el uso de exámenes para llevar a casa reduce de manera similar el acceso a
ayudas informativas. Las políticas, los códigos de honor y las instrucciones para los estudiantes sobre la
seguridad en los exámenes y las trampas deben abordar los usos permitidos y prohibidos de la IA para
garantizar la transparencia.

Oportunidad

Los educadores pueden pasar de un enfoque defensivo y centrado en la seguridad a alternativas creativas
de evaluación que alejen a los alumnos de las oportunidades de utilizar la IA generativa. Por ejemplo, los
proyectos grupales, los productos de trabajo multimedia y las presentaciones o exámenes orales
representan técnicas de evaluación novedosas en muchos entornos. Otra estrategia es incorporar el uso
de herramientas de IA generativa en el proceso de aprendizaje y evaluación. Por ejemplo, para
involucrar y evaluar las habilidades de evaluación crítica de los estudiantes, un educador podría invitar a
los estudiantes a generar respuestas utilizando IA o revisar material generado por IA para criticarlo o
revisarlo.

Los usos formativos de la IA generativa pueden guiar el aprendizaje. 27 Por ejemplo, la IA puede ayudar
a identificar áreas de conceptos erróneos de los estudiantes o lagunas de conocimiento basándose en el
análisis de textos temáticos de los datos de las evaluaciones. Las herramientas de evaluación generadas
por IA son adaptables; pueden proporcionar retroalimentación individualizada, oportuna y continua
basada en la respuesta del alumno a una indicación para guiarlo como lo haría un tutor, como lo ilustra la
nueva herramienta que está probando Khan Academy llamada Khamingo. Dada la importancia de la
retroalimentación oportuna y frecuente como parte integral de la evaluación formativa, la IA generativa
puede aumentar el acceso de los estudiantes a la retroalimentación con menos gasto de tiempo del
profesorado y puede potencialmente fortalecer la profundidad o calidad de la retroalimentación
compartida. 27

Para las evaluaciones sumativas que garantizan la competencia y la preparación para avanzar, la IA
puede facilitar la puntuación y la interpretación de los datos de desempeño. Para las evaluaciones
escritas (por ejemplo, respuestas construidas abiertas) calificadas con rúbricas, la IA generativa puede
automatizar parte de la puntuación y sugerir comentarios narrativos utilizando frases inteligentes para
aliviar la carga de los evaluadores. Aunque la confiabilidad de la puntuación automatizada de ChatGPT
sigue siendo baja en comparación con los evaluadores humanos, 28 con más capacitación y mejoras en el
algoritmo para detectar matices semánticos, la IA generativa puede hacer que la puntuación de las
respuestas a evaluaciones escritas sea más eficiente. Las herramientas de inteligencia artificial podrían
facilitar la puntuación de las notas de los pacientes, prestando atención al educador a la confidencialidad
de la información imputada del paciente.

Las herramientas de inteligencia artificial pueden señalar trayectorias de aprendizaje, identificar patrones
de crecimiento o señalar a los alumnos por debajo de los umbrales de competencia para hacer que las
inferencias de evaluación sean más continuas en lugar de periódicas (solo al final de un período de
aprendizaje). Para los educadores o comités que sintetizan información sobre el desempeño de los
alumnos, la IA puede generar conclusiones resumidas. Por ejemplo, una herramienta de IA generativa
podría generar borradores de párrafos de resumen de evaluación de estudiantes para la evaluación del
desempeño de los estudiantes de medicina utilizando narrativas de supervisores u otras fuentes de datos
basadas en ciertos criterios, como las competencias de la pasantía, o comparar el desempeño de los
residentes con los hitos de la especialidad. Estos resúmenes deberían revisarse manualmente para
determinar si representan con precisión los datos de la evaluación original. Sin embargo, dicho uso en
plataformas abiertas de IA viola los requisitos de privacidad actuales para los datos individuales de los
estudiantes protegidos por la Ley de Privacidad y Derechos Educativos de la Familia, y cualquier uso de
datos de evaluación en herramientas de IA generativa debe cumplir con las políticas y leyes locales.

Investigación
Apuntar

El objetivo principal de la investigación en educación médica es hacer avanzar la ciencia y la evidencia

dentro de nuestro campo de investigación. Los manuscritos de investigación se basan en el cumplimiento
de las convenciones y métodos aceptados de investigación científica, incluida la evaluación crítica de la
literatura, la presentación precisa de los datos y las citas y referencias apropiadas para la información
fuente. A medida que los investigadores comienzan a utilizar ChatGPT en varias fases del proceso de
investigación, la importancia de cumplir con estos protocolos científicos existentes es primordial.

Impacto potencial

Ya existen algunas recomendaciones sobre cómo utilizar ChatGPT para formular esquemas para trabajos
de investigación. 29 ChatGPT puede acelerar el proceso de identificación y revisión de listas potenciales
de fuentes de revisión de literatura y ayudar a parafrasear textos. Varias publicaciones y preimpresiones
que atribuyen la autoría a la IA generativa han provocado un debate entre editores de revistas e
investigadores sobre la conveniencia de citar a ChatGPT como autor de las publicaciones. Algunos
editores de revistas, incluidos los de Nature y Science, se han opuesto a incluir a AI como coautor
porque herramientas como ChatGPT no cumplen con las pautas de autoría actuales, no pueden asumir la
responsabilidad de un estudio y no tienen la capacidad de aceptar la coautoría. 30 Como se analizó
anteriormente, los posibles inconvenientes de confiar en herramientas como ChatGPT en la
investigación son la falta de referencias y citas claras de fuentes de información. Aunque algunas fuentes
de información se pueden extraer de ChatGPT cuando se solicita, la versión actual de la herramienta
hace que verificar y vincular citas específicas con las respuestas generadas sea un desafío y limita la
utilidad de ChatGPT como herramienta de búsqueda de literatura.

Oportunidad

Dejando a un lado las autorías, existen algunos usos potenciales de la IA generativa en el proceso de
investigación, incluido el inicio del proceso de escritura, la formulación de preguntas de investigación
tempranas y la identificación de lagunas en el conocimiento actual. Los investigadores siguen siendo
responsables de la transparencia y exactitud de la información que reportan con citas y referencias
apropiadas. Como anticipamos mejoras en las herramientas de IA generativa, será importante fomentar
la divulgación completa sobre el papel de la IA generativa durante el proceso de investigación. JAMA
Network publicó recientemente cambios en sus pautas de autoría que establecen que el uso de IA para
crear contenido o ayudar en la escritura debe incluirse en las secciones de reconocimiento y/o métodos
que aclaran los criterios de calificación para la autoría. 31 Otra oportunidad de aprovechar las
herramientas de IA para la investigación es durante el proceso de revisión de la literatura. Al acceder al
alcance más amplio de la literatura que ofrecen las herramientas de inteligencia artificial más allá de las
bases de datos tradicionales, podemos aportar nuevas perspectivas e ideas al campo que antes no se
habían aprovechado o se habían pasado por alto. 32
Recomendaciones Recursos útiles
Recomendaciones para
educadores
Aumentar el • Atewell S. Cómo la IA generativa está impactando la forma en que trabajamos. Centro Nacional de IA en la
conocimiento de la IA Educación Terciaria; 6 de julio de 2023. Consultado el 16 de julio de
2023. https://nationalcentreforai.jiscinvolve.org/wp/ .
• Biblioteca del Colegio Comunitario de Santa Fe. Ayuda para profesores: guía completa de recursos de
ChatGPT: tareas de redacción. Consultado el 16 de julio de
2023. https://libraryhelp.sfcc.edu/Chat-GPT/revised-assignments .
Comprender el • Tolsgaard MG, Pusic MV, Sebok-Syer SS, et al. Los fundamentos de la inteligencia artificial en la investigación
panorama actual del uso en educación médica: Guía AMEE No. 156. Med Teach. 2023;45(6):565–573.
de la IA en la educación • Russell RG, Novak LL, Patel M et al. Competencias para el uso de herramientas basadas en inteligencia
médica artificial por parte de profesionales sanitarios. Acad Med. 2023;98(3):348–356.
Revisar estrategias para • Holmes W, Tuomi I. Estado del arte y práctica de la IA en la educación. Eur J Educa. 2022;57 (4):542–570.
una integración exitosa • ISTÉ. Exploración de IA para educadores: poner a educadores y estudiantes en el asiento del
de la IA en la educación conductor. Consultado el 16 de julio de 2023. https://www.iste.org/areas-of-focus/AI-in-education .
• McCoy LG, Nagaraj S, Morgado F, Harish V, Das S, Celi LE. ¿Qué necesitan saber realmente los estudiantes de
medicina sobre la inteligencia artificial? NPJ Dig Med. 2020;3:86.
Conviértase en • Enseñe en línea CA. Sobre nosotros. Consultado el 16 de julio de 2023. https://teachonline.ca/about-us .
administradores del uso • Katznelson G, Gerke S. La necesidad de una ética de la IA sanitaria en la educación de las facultades de
ético de la IA medicina. Educadora en ciencias de la salud avanzada. 2021;26:1447–1458.
Recomendaciones para
instituciones
Revisar y revisar las • Centro Nacional de IA. Consideraciones sobre la redacción al crear consejos o políticas sobre el uso de la
políticas escolares (y IA. Consultado el 16 de julio de
crear nuevas políticas 2023. https://nationalcentreforai.jiscinvolve.org/wp/2023/02/14/considerations-on-wording-ai-advice/ .
según sea necesario) • Universidad de California. Principios de privacidad de datos de aprendizaje de la Universidad de
con respecto al uso de la California. https://www.ets.berkeley.edu/sites/default/files/general/
IA generativa. uc_learning_data_principles_final03.05.2018.pdf . Consultado el 16 de julio de 2023.
Apoyar el desarrollo del • Universidad Estatal de Texas. Inteligencia artificial (IA) en el mundo académico: recursos para el
profesorado sobre IA y profesorado. Consultado el 16 de julio de 2023. https://www.facdv.txst.edu/Teaching-Learning/ai-resources-
proporcionar recursos faculty.html .
para la enseñanza. • ISTÉ. Exploración de IA para educadores: poner a educadores y estudiantes en el asiento del
conductor. Consultado el 16 de julio de 2023. https://www.iste.org/areas-of-focus/AI-in-education .
Ofrecer herramientas de • OpenAI. Clasificador de texto AI. Consultado el 16 de julio de 2023. https://platform.openai.com/ai-text-
verificación de classifier .
información para • Copias de fugas. Detector de contenido de IA. Consultado el 16 de julio de 2023. https://copyleaks.com/ai-
detectar originalidad y content-detector .
plagio a los profesores. • Abeja. Los 15 mejores verificadores de plagio de IA para detectar contenido generado por
ChatGPT. Consultado el 16 de julio de 2023. https://beebom.com/best-ai-plagiarism-checkers/ .

Conclusiones

La IA generativa tiene el potencial de ser una herramienta valiosa para educadores, estudiantes e
instituciones. Sin embargo, las preocupaciones sobre la precisión de la información generada, el
potencial de sesgo y el uso ético de la herramienta deben considerarse cuidadosamente para una
adopción exitosa dentro de la educación médica. En la Tabla 1 , proporcionamos una lista de
recomendaciones y recursos para que los educadores médicos y las instituciones aumenten la
alfabetización en IA para la adopción óptima de herramientas de IA generativa como
ChatGPT. Anticipamos cambios más significativos en la educación médica más allá de lo que hemos
descrito en este artículo a medida que el uso de la IA generativa se expanda y las herramientas
mejoren. Como educadores, necesitamos aumentar nuestra alfabetización en IA a través de la educación
y la vigilancia sobre los nuevos avances tecnológicos. Además, los educadores deben ser
administradores de la alfabetización en IA para fomentar la responsabilidad social y la conciencia ética
sobre el uso de la IA entre nuestros alumnos. 5,33

Tabla 1 - Recomendaciones para integrar la IA generativa en la educación médica

Abreviatura: AI, inteligencia artificial.
Referencias
1. Kung TH, Cheatham M, Medinilla A, et al. Rendimiento de ChatGPT en USMLE: potencial para la
educación médica asistida por IA utilizando modelos de lenguaje grandes. medRxiv. Preimpresión
publicada en línea el 20 de diciembre de 2022. doi:10.1101/2022.12.19.22283643

 Citado aquí |

 Google Académico

2. Weissman J. ChatGPT es una plaga para la educación [opinión]. Consultado el 8 de marzo de

2023. https://www.insidehighered.com/views/2023/02/09/chatgpt-plague-upon-education-opinion .

 Citado aquí |

 Google Académico

3. Reuters. ChatGPT establece un récord para la base de usuarios de más rápido crecimiento: nota del
analista. Consultado el 22 de marzo de 2023. https://www.reuters.com/technology/chatgpt-sets-record-
fastest-growing-user-base-analyst-note-2023-02-01/ .

 Citado aquí |

 Google Académico

4. Topol EJ. Medicina de alto rendimiento: la convergencia de la inteligencia humana y artificial. Nat
Med. 2019;25(1):44–56.

 Citado aquí |

 Google Académico

5. Ng DTK, Leung JKL, Chu SKW, Qiao MS. Conceptualización de la alfabetización en IA: una
revisión exploratoria. Comput Educ Artific Intell. 2021;2:100041.

 Citado aquí |

 Google Académico

6. Gong X, Tang Y, Liu X, et al. Educación en inteligencia artificial K-9 en Qingdao: problemas,
desafíos y sugerencias. En: Actas de la Conferencia Internacional IEEE 2020 sobre Redes, Sensación y
Control (ICNSC). IEEE; 2020: 1–6.

 Citado aquí

7. Russell RG, Lovett Novak L, Patel M, et al. Competencias para el uso de herramientas basadas en
inteligencia artificial por parte de profesionales sanitarios. Acad Med. 2023;98(3):348–356.

 Citado aquí |
  Google Académico

8. McCoy LG, Nagaraj S, Morgado F, Harish V, Das S, Celi LA. ¿Qué necesitan saber realmente los
estudiantes de medicina sobre la inteligencia artificial? NPJ Dígito Med. 2020;3:86.

 Citado aquí |

 Google Académico

9. Lomis K, Jeffries P, Palatta A, et al. Inteligencia artificial para educadores de profesiones

sanitarias. Perspectiva NAM. 2021;2021. doi:10.31478/202109a.

 Citado aquí |

 Google Académico

10. Dong T, Kay A, Artino AR, et al. Ensayos de solicitud y desempeño futuro en la facultad de
medicina: ¿están relacionados? Enseñar aprender medicina. 2013;25(1):55–58.

 Citado aquí |

 Google Académico

11. Cowen VS, Kaufman D, Schoenherr L. Una revisión de la escritura creativa y expresiva como
herramienta pedagógica en la educación médica. Educación Médica. 2016;50(3):311–319.

 Citado aquí |

 Google Académico

12. Así es como Forbes consiguió que la IA ChatGPT escribiera dos ensayos universitarios en 20
minutos. Consultado el 8 de marzo de
2023. https://www.forbes.com/sites/emmawhitford/2022/12/09/heres-how-forbes-got-the-chatgpt-ai-to-
write-2-college-essays- en 20 minutos/?sh=6dea74a756ad .

 Citado aquí |

 Google Académico

13. ¿ChatGPT eliminará el ensayo de admisión a la universidad? Consultado el 8 de marzo de

2023. https://www.saraharberson.com/blog/chatgpt-college-admissions-essay .

 Citado aquí |

 Google Académico
14. Guo B, Zhang X, Wang Z, et al. ¿Qué tan cerca está ChatGPT de los expertos humanos? Corpus de
comparación, evaluación y detección. arXiv. Preimpresión publicada en línea el 18 de enero de 2023.
doi:10.48550/arxiv.2301.07597

 Citado aquí |

 Google Académico

15. Biswas S. ChatGPT y el futuro de la redacción médica. Radiología. 2023;307(2):e223312.

 Citado aquí |

 Google Académico

16. Tipo T, Olvet DM, Farina G, et al. Hábitos de lectura y estudio de estudiantes de medicina sobre
prácticas y resultados de desempeño: un estudio multiinstitucional. Educación en ciencias
médicas. 2021;31(6):1957–1966.

 Citado aquí |

 Google Académico

17. Cutrer WB, Spickard WA 3.º, Triola MM, et al. Explotando el poder de la información en la
educación médica. Enseñanza médica. 2021;43(suplemento 2):S17–S24.

 Citado aquí |

 Google Académico

18. El motor de búsqueda ChatGPT de Bing está inventando cosas TecnologíaRadar. Consultado el 22 de
marzo de 2023. https://www.techradar.com/news/bings-chatgpt-powered-search-engine-is-making-stuff-
up-and-throwing-tantrums .

 Citado aquí |

 Google Académico

19. Liang H, Tsui BY, Ni H, et al. Evaluación y diagnóstico preciso de enfermedades pediátricas
mediante inteligencia artificial. Nat Med. 2019;25(3):433–438.

 Citado aquí |

 Google Académico

20. Epstein RM. Evaluación en educación médica. N Inglés J Med. 2007;356(4):387–396.

 Citado aquí |

 Google Académico
21. van der Vleuten CPM, Schuwirth LWT, Driessen EW, et al. Un modelo de evaluación programática
adecuado a su propósito. Enseñanza médica. 2012;34(3):205–214.

 Citado aquí |

 Google Académico

22. Terwiesch T. ¿Chat GPT obtendría un MBA de Wharton? Papel blanco. Consultado el 22 de marzo
de 2023. https://mackinstitute.wharton.upenn.edu/2023/would-chat-gpt3-get-a-wharton-mba-new-white-
paper-by-christian-terwiesch/ .

 Citado aquí |

 Google Académico

23. Choi JH, Hickman KE, Monahan A, Schwarcz DB. ChatGPT va a la facultad de derecho. Soc Sci
Res Netw J. Publicado en línea el 23 de enero de 2023. doi:10.2139/ssrn.4335905

 Citado aquí |

 Google Académico

24. Hung AJ, Chen J, Che Z, et al. Utilizar el aprendizaje automático y métricas de rendimiento
automatizadas para evaluar el rendimiento de la prostatectomía radical asistida por robot y predecir los
resultados. J Endourol. 2018;32(5):438–444.

 Citado aquí |

 Google Académico

25. Noorbehbahani F, Mohammadi A, Aminazadeh M. Una revisión sistemática de la investigación sobre

las trampas en los exámenes en línea de 2010 a 2021. Educ Inf Technol. 2022;27(6):8413–8460.

 Citado aquí |

 Google Académico

26. Algodón D, Algodón P, Shipway JR. Chatear y hacer trampa: garantizar la integridad académica en
la era de ChatGPT. EdArXiv. Preimpresión publicada en línea el 10 de enero de 2023.
doi:10.35542/osf.io/mrz8h.

 Citado aquí |

 Google Académico

27. Cardona MA, Rodríguez RJ, Ishmael K. La inteligencia artificial y el futuro de la enseñanza y el
aprendizaje: ideas y recomendaciones. Oficina de Tecnología Educativa, Departamento de Educación de
EE.UU.; 25 de mayo de 2023.

 Citado aquí |
  Google Académico

28. Khademi A. ¿Pueden ChatGPT y Bard generar elementos de evaluación alineados? Un análisis de
confiabilidad frente al desempeño humano. J Appl Aprender Enseñar. 2023;6(1):1–39.

 Citado aquí |

 Google Académico

29. Turban S. ¿Cómo cambiará ChatGPT la redacción de artículos de investigación? Consultado el 8 de

marzo de 2023. https://www.lumiere-education.com/post/how-will-chatgpt-change-research-paper-
writing .

 Citado aquí |

 Google Académico

30. Stokel-Walker C. ChatGPT figura como autor en artículos de investigación: muchos científicos lo
desaprueban. Naturaleza. 2023;613(7945):620–621.

 Citado aquí |

 Google Académico

31. Flanagin A, Bibbins-Domingo K, Berkwits M, Christiansen SL. “Autores” no humanos e

implicaciones para la integridad de las publicaciones científicas y el conocimiento
médico. JAMA. 2023;329(8):637–639.

 Citado aquí |

 Google Académico

32. Tolsgaard MG, Boscardin CK, Park YS, Cuddy MM, Sebok-Syer SS. El papel de la ciencia de datos
y el aprendizaje automático en la educación de las profesiones de la salud: aplicaciones prácticas,
contribuciones teóricas y creencias epistémicas. Práctica teórica de la educación en ciencias de la salud
avanzada. 2020;25(5):1057–1086.

 Citado aquí |

 Google Académico

33. Laupichler MC, Aster A, Schirch J, Raupach T. Alfabetización en inteligencia artificial en la

educación superior y de adultos: una revisión de la literatura sobre el alcance. Comput Educ Artific
Intell. 2022;3:100101.

 Citado aquí |

 Google Académico