Acceso usuarios
Carlos Enrique Hernández Borroto, Orquidia Reyes de Hernández, Yuri Medrano Plana, Verónica A. Franco Solórzano
El desarrollo del juicio clínico es clave en la formación de profesionales de la salud, aunque los sesgos cogniti- vos siguen causando errores frecuentes. Ante esto, la educación médica ha implementado estrategias de reflexión y su- pervisión, aunque varían según el contexto. La inteligencia artificial (IA) promete revolucionar la enseñanza del razona- miento clínico, proponiendo su uso como un ‘espejo cognitivo’ que ayuda a identificar patrones sesgados en el pensamiento del estudiante y fomentar la metacognición. Proponemos integrar la IA en un ecosistema de aprendizaje inteligente adaptativo, que combine arquitectura educativa interdisciplinaria y ética. En este marco, el razonamiento clíni- co se conceptualiza como procesos duales: intuitivo y heurístico (sistema 1); y analítico y deliberativo (sistema 2). Autores como Flavell y Croskerry han destacado la importancia de la metacognición para identificar sesgos y mejorar la toma de decisiones clínicas. La IA se emplearía para reflejar el pensamiento del estudiante, permitiéndole explorar sus patrones y errores mediante simulaciones clínicas y tutorías. Herramientas como el motor de retroalimentación metacognitiva anali- zan decisiones y sugieren reflexiones metacognitivas, promoviendo a los estudiantes a reconsiderar sus decisiones sin so- brevalorar el análisis deliberado. El ecosistema de aprendizaje inteligente adaptativo también ofrece soporte emocional y conexiones globales, fortaleciendo competencias clínicas en un entorno de aprendizaje flexible y personalizado. Sin em- bargo, este enfoque requiere consideración ética sobre la privacidad de datos, transparencia algorítmica y formación do- cente. La conjunción de IA y ecosistema adaptativo representa un avance hacia una educación médica más crítica y glo- balmente conectada.
The development of clinical judgment is crucial in the training of healthcare professionals, though cognitive biases continue to lead to frequent errors. In response, medical education has implemented strategies such as reflection and supervision, though these vary depending on the context. Artificial intelligence (AI) promises to revolutionize the teaching of clinical reasoning by proposing its use as a ‘cognitive mirror’ to help identify biased patterns in students’ thinking and foster metacognition. I propose integrating AI into an adaptive intelligent learning ecosystem that combines interdisciplinary and ethical educational architecture. In this framework, clinical reasoning is conceptualized as dual processes: intuitive and heuristic (system 1) and analytical and deliberative (system 2). Authors like Flavell and Croskerry have emphasized the importance of metacognition in identifying biases and improving clinical decision-making. AI would be used to reflect on the student’s thinking, allowing them to explore their patterns and mistakes through clinical simulations and tutorials. Tools like the metacognitive feedback engine analyze decisions and suggest metacognitive reflections, encouraging students to reconsider their decisions without overvaluing deliberate analysis. The adaptive intelligent learning ecosystem also provides emotional support and global connections, strengthening clinical competencies in a flexible and personalized learning environment. However, this approach requires ethical consideration regarding data privacy, algorithmic transparency, and educator training. The combination of AI and adaptive ecosystem represents a step forward toward more critical and globally connected medical education
