Consideraciones curriculares, tecnológicas y pedagógicas para la transición al nuevo modelo educativo en el campo de la salud soportado por inteligencia artificial (IA)
DOI:
https://doi.org/10.56050/01205498.1644Palabras clave:
Inteligencia artificial, educación, currículo, Sistemas de Gestión del Aprendizaje, Sistemas Inteligentes de EnseñanzaResumen
Introducción: La tecnología digital está dando una concepción de inmediatez y precisión, lo que está generando un cambio en el paradigma del ejercicio profesional en las ciencias de la salud, impactando los ámbitos operativo, administrativo y educativo. Tras la creación de las políticas de manejo de los datos en salud hubo un cambio en el paradigma y surgieron interrogantes frente a cuáles son los aspectos curriculares, tecnológicos y pedagógicos a tomarse en cuenta para la transición al nuevo modelo educativo en el campo de la salud soportado por IA. Resultados: La inteligencia artificial ha planteado soluciones en la accesibilidad, equidad en salud, precisión y eficiencia diagnóstica; de manera paralela ha creado la necesidad de formación académica de estudiantes y profesionales de la salud, principalmente impartida por universidades que proponen cambios curriculares, tecnológicos y pedagógicos para abordar este paradigma emergente. Estos cambios incluyen la integración de asignaturas técnicas y ciencias exactas diferentes a la atención médica (Estadística, matemática, biomedicina, fundamentos de IA, machine learning, deep learning, etc.), por otro lado está el uso de recursos y tecnologías digitales que puede ser abordado desde los Sistemas de Gestión del Aprendizaje (LMS - Learning Management Systems) que han permitido una mejora exponencial en la gestión y ejercicio académico. Sin embargo, ya se puede hablar de la evolución de LMS llegando a los Sistemas Inteligentes de Enseñanza (ITS - Intelligent Tutoring Systems), los cuales llevan a la personalización de la gestión y el ejercicio académico, a través de la automatización. Consecuentemente está cambiando el rol del docente y el estudiante. La implementación de la IA trae consigo problemas y retos así como limitaciones relacionadas con la cultura y los beneficios de la interacción humana y la hiperpersonalización de la educación. Discusión: Los cambios curriculares, tecnológicos y pedagógicos para la transición al nuevo modelo educativo en el campo de la salud soportado por inteligencia artificial residen sobre la triangulación del currículo, la tecnología digital y la pedagogía. El resultado de dicha triangulación deja en el punto central los sistemas digitales inteligentes de enseñanza, lo que significa el cambio de paradigma necesario para la educación formal (y no formal) de las ciencias de la salud. Conclusiones: La educación en ciencias de la salud y el sistema de salud necesitan urgentemente cambios innovadores que aprovechen el auge del potencial tecnológico digital, ciencia de datos e inteligencia artificial. Los cambios incluyen tres esferas con igual peso e importancia: el currículo, la tecnología digital y las estrategias pedagógicas. La sinergia de las tres esferas son los Sistemas Inteligentes de Enseñanza (ITS, Intelligent Teaching Systems), que logran la necesaria automatización y anclaje con las plataformas operativas que manejan el sistema de salud. Se requiere más investigación para determinar los efectos a mediano y largo plazo de estas intervenciones pedagógicas automatizadas.
Biografía del autor/a
Samuel X. Pimienta, Universidad de La Sabana
MD Msc. Departamento morfofisiología, Universidad de La Sabana, coordinador línea e-ducación en AIpocrates.
Martha Liliana Mosquera-Martínez, AIpocrates
Enfermera Esp. Estudiante de Msc Tecnologías de la Información y comunicación en salud. Integrante línea e-ducación en AIpocrates.
Referencias bibliográficas
2. Precision Medicine Vision Statement: A Product of the World Economic Forum Global Precision Medicine Council [Internet]. World Economic Forum. [citado 9 de octubre de 2021]. Disponible en:
https://www.weforum.org/reports/precision-medicine-vision-statement-a-product-of-the-world-economic-forum-global-precision-medicine-council/
3. Paranjape K, Schinkel M, Nannan Panday R, Car J, Nanayakkara P. Introducing Artificial Intelligence Training in Medical Education. JMIR Med Educ. 2019 Dec 3;5(2):e16048. doi: 10.2196/16048.
4. Zhao H, Li G, Feng W. Research on Application of Artificial Intelligence in Medical Education. En: 2018 International Conference on Engineering Simulation and Intelligent Control (ESAIC). 2018. p. 340-2.
5. Rampton V, Mittelman M, Goldhahn J. Implications of artificial intelligence for medical education. Lancet Digit Health. 2020 Mar;2(3):e111-e112. doi: 10.1016/S2589-7500(20)30023-6.
6. van der Niet AG, Bleakley A. Where medical education meets artificial intelligence: 'Does technology care?'. Med Educ. 2021 Jan;55(1):30-36. doi: 10.1111/medu.14131. Epub 2020 Mar 30.
7. Han ER, Yeo S, Kim MJ, Lee YH, Park KH, Roh H. Medical education trends for future physicians in the era of advanced technology and artificial intelligence: an integrative review. BMC Med Educ. 2019 Dec 11;19(1):460. doi: 10.1186/s12909-019-1891-5.
8. Webster CS. Artificial intelligence and the adoption of new technology in medical education. Med Educ. 2021;55(1):6-7.
9. Pinto Dos Santos D, Giese D, Brodehl S, Chon SH, Staab W, Kleinert R, et al. Medical students' attitude towards artificial intelligence: a multicentre survey. Eur Radiol. 2019 Apr;29(4):1640-1646. doi: 10.1007/
s00330-018-5601-1. Epub 2018 Jul 6.
10. Luna-Nemecio J. Tecnologías de Información, Comunicación y Conocimiento para el Aprendizaje Digital en tiempos de pandemia: un balance crítico desde los imaginarios de la sostenibilidad. En 2021, p. 35-63.
11. Duong MT, Rauschecker AM, Rudie JD, Chen P-H, Cook TS, Bryan RN, et al. Artificial intelligence for precision education in radiology. Br J Radiol. 2019;92 (1103):20190389.
12. Guimarães B, Dourado L, Tsisar S, Diniz JM, Madeira MD, Ferreira MA. Rethinking Anatomy: How to Overcome Challenges of Medical Education’s Evolution. Acta Med Port. 2017;30 (2):134-40.
13. Park SH, Do K-H, Kim S, Park JH, Lim Y-S. What should medical students know about artificial intelligence in medicine? J Educ Eval Health Prof. 2019;16:18.
14. Sapci AH, Sapci HA. Artificial Intelligence Education and Tools for Medical and Health Informatics Students: Systematic Review. JMIR Med Educ. 2020 Jun 30;6(1):e19285. doi: 10.2196/19285.
15. Wartman SA, Combs CD. Medical Education Must Move From the Information Age to the Age of Artificial Intelligence. Acad Med J Assoc Am Med Coll. 2018;93 (8):1107-9.
16. La Informática Biomédica y la educación de los médicos: un dilema no resuelto | Elsevier Enhanced Reader [Internet]. [citado 6 de octubre de 2021]. Disponible en:
https://reader.elsevier.com/reader/sd/pii/S1575181315000145?token=C1F8893C7DC1EAC804EDC012E42C9B94A-B00C3B9FB8186F5F382210F1E3774AE54CAB5EFF5589D4F57316577FA919A-0E&originRegion=us-east-1
&originCreation=20211006192850
17. Sotero, Victor Dilma, Dalmaris, Dermeval, Diego, Artur, Jorge, Passos, Francisco. A Systematic Review on the Use of Educational Technologies for Medical Education. International Conference on Computer Supported Education; 2019. Report No.: 11.
18. Daly, Chris. A learning management system... or an intelligent tutoring system? Learning Solutions Magazine [Internet]. 2009; Disponible en:
https://www.immagic.com/eLibrary/ARCHIVES/GENERAL/GENPRESS/L109511D.pdf
19. Mousavinasab E, Zarifsanaiey N, R. Niakan Kalhori S, Rakhshan M, Keikha L, Ghazi Saeedi M. Intelligent tutoring systems: a systematic review of characteristics, applications, and evaluation methods. Interact Learn Environ. 2021;29 (1):142-63.
20. Mars M. A systematic review of the effectiveness of videoconference-based tele-education for medical and nursing education. [citado 13 de septiembre de 2021]; Disponible en:
https://core.ac.uk/reader/62635240?utm_source=linkout
21. Sottilare, Robert R Perez. A review of intelligent tutoring system technologies for medical training and education [Internet]. Science and Technology Organization; 2018 p. 140. Disponible en:
https://www.gifttutoring.org/attachments/download/2520/$$TR-HFM-237-ALL.pdf#page=87
22. Suebnukarn S. Intelligent Clinical Training during the COVID-19 Pandemic. En: 2021 18th International Joint Conference on Computer Science and Software Engineering (JCSSE). 2021. p. 1-5.
23. Assessment of Intelligent Tutoring Systems Technologies and Opportunities [Internet]. The Science and Technology Organization; 2018. Disponible en:
https://gifttutoring.org/attachments/download/2520/$$TR-HFM237-ALL.pdf#page=25
24. Exploring the Need for Explainable Artificial Intelligence (XAI) in Intelligent Tutoring Systems (ITS). IUI Workshops´19 [Internet]. 2019;2327. Disponible en:
http://ceur-ws.org/Vol-2327/IUI19WS-ExSS2019-19.pdf
25. Project Hanover [Internet]. Microsoft Research. [citado 9 de octubre de 2021]. Disponible en: https://www.microsoft.com/en-us/research/project/project-hanover/
26. Li H, Chen B, Li J, Liu W, Ren T, Zheng S, et al. Status, problems and countermeasures of artificial intelligence application in medical education. Chin J Evid-Based Med. 2020;20:1092-7.
27. Winkler-Schwartz A, Bissonnette V, Mirchi N, Ponnudurai N, Yilmaz R, Ledwos N, et al. Artificial Intelligence in Medical Education: Best Practices Using Machine Learning to Assess Surgical Expertise in Virtual Reality Simulation. J Surg Educ. 2019 Nov-Dec;76(6):1681-1690. doi: 10.1016/j.jsurg.2019.05.015. Epub 2019 Jun 13.
28. Masters, Ken E Rachel. Mobile technologies in medical education: AMEE Guide No. 105. Medical Teacher [Internet]. 2016; Disponible en:
https://www.tandfonline.com/doi/full/10.3109/0142159X.2016.1141190
29. Chang C-Y, Hwang G-J. Trends of mobile technologyenhanced medical education: a review of journal publications from 1998 to 2016. Int J Mob Learn Organ. 2018;12:373-93.
30. Zúñiga MAR. Gestión educativa del siglo XXI y su influencia de las TIC en el proceso de enseñanza-aprendizaje. Análisis neutrosófico. Rev Asoc Latinoam Cienc Neutrosóficas. 2021;18:23-32.
31. Calderon, Margarita L Héctor. Un cambio imprescindible: el rol del docente en el siglo XXI. Revista Illari. :37-42.
32. Esquerre Ramos LA, Pérez Azahuanche MÁ, Esquerre Ramos LA, Pérez Azahuanche MÁ. Retos del desempeño docente en el siglo XXI: una visión del caso peruano. Rev Educ. diciembre de 2021;45 (2):628-50.
33. Blanco AV, Amigo JC. Revista Interuniversitaria de Formación del Profesorado. 2016;30(2):103-114.
34. Zúñiga P, Hernández M, Conchas E. El nuevo enfoque de participación docente ante los retos y desafíos tecnológicos de la cuarta revolución industrial. 2020;41(11):24.
35. Zou T-T, Li L, Liu B, Huang H-L, Zhou Y-P, Wu L. The Influence and Countermeasures of the Era of Network and Digital Technology on the General Education of Medical Students. DEStech Trans Soc Sci Educ Hum Sci [Internet]. 2020 [citado 9 de octubre de 2021];0 (icssm).
Disponible en: http://www.dpi-proceedings.com/index.php/dtssehs/article/view/34300
36. Friedman CP, Donaldson KM, Vantsevich AV. Educating medical students in the era of ubiquitous information. Med Teach. 2016;38 (5):504-9.
37. Buja LM. Medical education today: all that glitters is not gold. BMC Med Educ. 2019;19 (1):110.
38. León Rodríguez G de la C, Viña Brito SM. La inteligencia artificial en la educación superior. Oportunidades y amenazas. INNOVA Res J. 2017;2 (8.1):412-22.
39. Aretio LG. Necesidad de una educación digital en un mundo digital. RIED Rev Iberoam Educ Distancia. 2019;22 (2):9-22.
40. Differences in motives between Millennial and Generation X medical students - Borges - 2010 - Medical Education - Wiley Online Library [Internet]. [citado 13 de septiembre de 2021]. Disponible en:
https://onlinelibrary.wiley.com/doi/10.1111/j.1365-2923.2010.03633.x
41. Ocaña-Fernández Y, Valenzuela-Fernández LA, GarroAburto LL. Inteligencia artificial y sus implicaciones en la educación superior. Propósitos Represent. 2019;7 (2):536-68.
42. O’Doherty D, Dromey M, Lougheed J, Hannigan A, Last J, McGrath D. Barriers and solutions to online learning in medical education – an integrative review. BMC Med Educ. 2018;18:130.
43. Martínez Ruiz X, Martínez Ruiz X. Presentación. La industria 4.0 y las pedagogías digitales: aporías e implicaciones para la educación superior. Innov Educ México DF. 2019;19 (79):7-12.
44. Expósito Gallardo M del C, Ávila Ávila R. Aplicaciones de la inteligencia artificial en la Medicina: perspectivas y problemas. ACIMED. 2008;17 (5):0-0.
45. The Benefits and the Limitations of Machine Learning in Education [Internet]. Getting Smart. 2018 [citado 4 de octubre de 2021]. Disponible en:
https://www.gettingsmart.com/2018/02/05/the-benefits-and-the-limitations-of-machine-learning-in-education/
46. Pedroza Flores R. La universidad 4.0 con currículo inteligente 1.0 en la cuarta revolución industrial / The university 4.0 with intelligent curriculum 1.0 in the fourth industrial revolution. RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo. 2018;9 (17):168-94.
47. Duffy TP. The Flexner Report ― 100 Years Later. Yale J Biol Med. 2011;84 (3):269-76.
48. Gual, Arcadi Nu Jesús. Declaración de Edimburgo, ¡25 años! 4:186-9.
49. González, Mónica L Pilar. Modelos educativos en medicina y su evolución histórica. 2015. 20:256-65.
50. Universidad de Deusto U de G. Tuning América Latina. Reflexiones y perspectivas de la educación superior en América Latina [Internet]. Bilbao; Disponible en:
http://tuningacademy.org/wp-content/uploads/2014/02/TuningLAIII_Final-Report_SP.pdf
Cómo citar
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Medicina
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Copyright
ANM de Colombia
Los autores deben declarar revisión, validación y aprobación para publicación del manuscrito, además de la cesión de los derechos patrimoniales de publicación, mediante un documento que debe ser enviado antes de la aparición del escrito. Puede solicitar el formato a través del correo revistamedicina@anmdecolombia.org.co o descargarlo directamente Documento Garantías y cesión de derechos.docx
Copyright
ANM de Colombia
Authors must state that they reviewed, validated and approved the manuscript's publication. Moreover, they must sign a model release that should be sent.
