Generación Universitaria – EL UNIVERSAL

La irrupción de la inteligencia artificial (IA) en la Medicina y las Ciencias de la Salud está transformando la manera en que se investiga, diagnostica y atienden los problemas de salud.

Desde algoritmos capaces de detectar cáncer con una precisión comparable a la de especialistas, hasta sistemas que predicen brotes epidemiológicos en tiempo real, la IA se está consolidando como una herramienta indispensable en la práctica clínica y en la gestión de sistemas sanitarios.

Ante este panorama, resulta urgente que la educación superior integre de manera estructural la formación en IA dentro de sus programas de Ciencias de la Salud. 

Leer también Anuncian acceso gratuito Gemini Pro para universitarios en México

No se trata de una moda: la evidencia clínica acumulada en 2023–2024 muestra mejoras en desempeño diagnóstico y decisiones clínicas cuando los sistemas de IA se validan correctamente en ensayos controlados. Pero, también, revela retos importantes de implementación real como una competencia estratégica y ética que, al integrar estas recomendaciones en la formación universitaria, permitirá a las instituciones educadoras alinearse con las prácticas y requisitos emergentes a escala global.

El primer eje indispensable es la alfabetización digital y técnica. En un futuro inmediato, la capacidad de un médico no se medirá únicamente por su conocimiento clínico, sino también por su habilidad para interpretar herramientas de apoyo basadas en IA.

Entender cómo se entrena un algoritmo, qué significa la precisión en un modelo de predicción o cuáles son los riesgos de sesgos en los datos son parte de las competencias que un profesional debe dominar actualmente.

La Federación Mundial de Educación Médica (WFME) ya ha recomendado que los programas de formación incluyan competencias digitales como un estándar de calidad educativa. Del mismo modo, la OMS subraya que los sistemas sanitarios solo podrán beneficiarse de la IA si los trabajadores de la salud reciben capacitación adecuada en su uso, interpretación y evaluación. Sin este conocimiento técnico, la IA podría convertirse en una “caja negra” que pone en riesgo tanto la seguridad del paciente como la confianza pública en la tecnología.

Adicionalmente, el avance en el diseño de herramientas de análisis de amplios datos genéticos facilita y acerca cada día más la posibilidad de generar soluciones personalizadas que permiten que grupos interdisciplinares de especialistas enriquezcan el enfoque en el manejo de los padecimientos, incorporando no solamente el tratamiento clínico específico, sino diseñando programas de salud personalizada de largo alcance, gracias a la incorporación de bioinformática de alto volumen al manejo de diagnósticos y la definición de tratamientos con perspectivas proyectivas y preventivas.

La tecnología por sí sola no garantiza mejores resultados de salud. Al contrario, si se usa sin cuidado puede reproducir e incluso amplificar inequidades.

En el ámbito educativo, esto significa que los futuros médicos y profesionales de la salud no solo deben saber utilizar una herramienta, sino también cuestionar críticamente: ¿qué sesgos pueden existir en la base de datos?, ¿quién es responsable si ocurre un error clínico?, ¿cómo garantizar que la IA beneficie por igual a comunidades urbanas y rurales?

La inclusión de la ética en la formación sobre IA no es un lujo académico, sino una salvaguarda para evitar que la tecnología se convierta en un nuevo factor de desigualdad. Un especialista de salud en el futuro deberá ser tan competente en interpretar un algoritmo como en detectar sus posibles sesgos y riesgos bioéticos y sociales.

El tercer pilar es la preparación práctica. No basta con enseñar teoría sobre IA; los estudiantes necesitan experiencias simuladas y prácticas que les permitan integrar la tecnología en escenarios clínicos reales. La evidencia reciente, incluida la que recoge revisiones y ensayos clínicos de 2024, muestra tanto beneficios medibles (p. ej., mejor detección en imágenes) como riesgos de implementación (p. ej., pérdida de destreza humana si se delega excesivamente en la máquina). Estos hallazgos subrayan la necesidad de formación que combine práctica técnica con ejercicios de supervisión humana y validación local.

Además, la rápida evolución tecnológica obliga a formar profesionales resilientes y capaces de aprendizaje continuo. La IA que se enseña hoy podría quedar obsoleta en pocos años, por lo que la verdadera competencia será la adaptabilidad: aprender a aprender, actualizarse y mantener una postura crítica frente a cada nueva herramienta.

Leer también Databricks lanza plataforma contra ciberataques impulsada por IA

Sin embargo no basta con integrar la IA como una herramienta preestablecida. El reto que las universidades locales tenemos es el adoptar como prioridad el diseño de soluciones propias adecuadas a la solución de los grandes problemas de salud de nuestras poblaciones mediante plataformas alimentadas con información propia, donde las condiciones de nuestros sistemas de salud, las implicaciones socioculturales de nuestras poblaciones y la configuración genética propia de nuestros países permitan la obtención de resultados dedicados y adecuados a nuestros contextos locales.

La pregunta ya no es si la IA debe integrarse en la educación en Ciencias de la Salud, sino cómo, con qué objetivos, bajo qué enfoque bioético y mediante qué estrategias de desarrollo autónomo.

El reto es claro: la IA nos permitirá cerrar las brechas de acceso a la salud mediante la equidad en el conocimiento y la inteligencia digital. Debemos acelerar la incorporación y el dominio de la tecnología en todos los niveles de formación profesional.

Las universidades que cuenten con mejores equipos humanos para el diseño y la incorporación de la IA en la enseñanza y la formación tendrán una ventaja invaluable e indispensable para mantenerse vigentes; quienes tarden en hacerlo se enfrentarán a una rápida obsolescencia. El tiempo de adaptarse es ahora, porque no podemos darnos el lujo de detener el futuro de la salud en México.