EL MÉDICO DEL FUTURO ANTE LA IRRUPCIÓN DE LA INTELIGENCIA ARTIFICIAL
Description
La inteligencia artificial (IA) ya no es una tecnología periférica en medicina. En 2026, más de cuatro de cada cinco médicos encuestados por la American Medical Association declaraban utilizar alguna forma de IA en su actividad profesional, mientras la Organización Mundial de la Salud advertía de que la incorporación de estas herramientas a los sistemas sanitarios europeos está avanzando mucho más rápido que la formación de los profesionales. Sólo una minoría de países ofrece educación estructurada en IA antes de la titulación o durante la vida profesional (1,2).
El reto, por tanto, no consiste en decidir si el médico debe aceptar o rechazar la IA. Consiste en definir qué tipo de médico debe formarse para una práctica clínica en la que los algoritmos resumirán historias, propondrán diagnósticos, interpretarán imágenes, anticiparán riesgos, redactarán documentos, buscarán evidencia y participarán en decisiones clínicas. La evidencia disponible muestra una realidad dual: determinados sistemas pueden alcanzar resultados comparables a médicos no expertos y mejorar algunas tareas cuando se utilizan como apoyo, pero siguen existiendo errores, sesgos, alucinaciones, problemas de generalización y riesgos de automatización cognitiva. La colaboración médico-IA ofrece beneficios reales, pero no automáticos (3-9).
Este artículo analiza la transición. El medico, a muy corto plazo, deberá conservar competencia clínica independiente, dominar una alfabetización funcional en IA, saber evaluar críticamente sus resultados, comprender los fundamentos de datos y validación, manejar cuestiones éticas y regulatorias, y adquirir competencias de integración de herramientas en el flujo asistencial. Las universidades y centros docentes deberían incorporar una formación longitudinal, práctica y evaluable en IA desde el grado hasta la formación continuada, con un principio esencial: primero construir razonamiento clínico humano; después entrenar el razonamiento aumentado. Un currículo por etapas, herramientas docentes concretas, nuevos modelos de evaluación y una arquitectura institucional de gobernanza, acceso seguro y formación del profesorado (10-24).
Palabras clave: inteligencia artificial; educación médica; razonamiento clínico; competencias; formación universitaria; seguridad del paciente; automatización; sesgo; evaluación; gobernanza.
Abstract (English)
Artificial intelligence (AI) is no longer a peripheral technology in medicine. In 2026, more than four out of five physicians surveyed by the American Medical Association reported using some form of AI in their professional practice, while the World Health Organization warned that the integration of these tools into European healthcare systems is advancing far more rapidly than the training of healthcare professionals. Only a minority of countries provide structured AI education either before graduation or during continuing professional development (1,2).
The challenge, therefore, is not to decide whether physicians should accept or reject AI. Rather, it is to define what kind of physician should be trained for a form of clinical practice in which algorithms will summarize medical records, suggest diagnoses, interpret images, predict risk, draft clinical documents, retrieve evidence, and participate in clinical decision-making. The available evidence reveals a dual reality: certain systems can achieve performance comparable to that of non-expert physicians and can improve selected tasks when used as decision-support tools; however, errors, bias, hallucinations, limited generalizability, and the risks associated with cognitive automation remain. Human-AI collaboration offers genuine benefits, but these benefits are neither automatic nor guaranteed (3-9).
This article examines that transition. In the very near future, physicians will need to retain independent clinical competence while developing functional AI literacy, the ability to critically appraise AI-generated outputs, an understanding of the fundamentals of data and validation, competence in addressing ethical and regulatory issues, and the skills required to integrate AI tools safely and effectively into clinical workflows. Universities and teaching institutions should therefore incorporate longitudinal, practical, and assessable AI training from undergraduate medical education through continuing professional development, guided by one essential principle: first build human clinical reasoning; then train augmented reasoning. This will require a staged curriculum, specific educational tools, new assessment models, and an institutional framework for governance, secure access, and faculty development (10-24).
Keywords: artificial intelligence; medical education; clinical reasoning; competencies; undergraduate medical education; patient safety; automation; bias; assessment; governance.