La dependencia cada vez mayor de la inteligencia artificial en la medicina ha abierto un debate crítico sobre quién está aprendiendo a razonar y quién simplemente está delegando esa tarea a las máquinas. Si bien los profesionales experimentados pueden sufrir un proceso de "desaprendizaje" (deskilling) tras confiar excesivamente en las recomendaciones de la IA, el problema es aún más profundo cuando los futuros médicos nunca han desarrollado su propio juicio clínico. Este fenómeno, a veces descrito como un riesgo de "nunca aprender" (never‑skilling), se está volviendo realidad para estudiantes, residentes y becarios que acceden a chatbots como OpenEvidence antes de haber consolidado las bases de su raciocinio médico.
El concepto de deskilling se refiere a la pérdida de una habilidad previamente adquirida. En el contexto sanitario, se ha advertido que los médicos veteranos pueden depender demasiado de las alertas de la IA, lo que les lleva a olvidar cómo interpretar los síntomas, evaluar riesgos o integrar la evidencia en un plan de tratamiento. Sin embargo, el escenario más preocupante es el contrario: los aprendices que nunca han dominado las técnicas de pensamiento clínico pueden nunca llegar a dominarlas. Como señala el artículo original del Guardian AI, un profesional que ha olvidado cómo razonar puede recuperarlo con formación adicional, pero un médico que nunca aprendió a hacerlo puede carecer de esa capacidad básica desde el principio.
OpenEvidence, una plataforma de chatbot impulsada por IA y diseñada para apoyar a los clínicos, ilustra esta tensión de forma clara. Dos tercios de los médicos estadounidenses ya hacen uso activo de la herramienta para consultar sobre síntomas inusuales, interacciones farmacológicas o guías clínicas actualizadas. Lo que resulta sorprendente es la velocidad con la que los estudiantes de medicina y los residentes han adoptado la misma práctica, a menudo antes de haber completado sus rotaciones básicas o su formación en historia clínica. La inmediatez de las respuestas – a menudo basadas en la literatura más reciente – es atractiva, pero también puede fomentar un modelo de toma de decisiones rápido y superficial, en el que el estudiante confía en la respuesta del bot en lugar de construir su propio razonamiento.
Los defensores de la IA argumentan que estas herramientas amplían la experiencia humana, especialmente cuando los clínicos están sobrecargados o tienen acceso limitado a recursos. Los chatbots pueden proporcionar información actualizada y basada en evidencia al alcance de la mano, lo que potencialmente mejora la atención al paciente y reduce errores evitables. Sin embargo, el problema radica en el momento y en la profundidad del aprendizaje. Si un estudiante confía constantemente en la IA para resolver un caso sin antes haber elaborado un plan de diferenciación, sin haber practicado la historia clínica o sin haber reflexionado sobre el "por qué" detrás de cada decisión, es probable que no desarrolle las habilidades necesarias para ejercer la medicina de forma autónoma.
Las implicaciones para el ejercicio futuro de la medicina son significativas. Los médicos que carecen de un juicio clínico básico pueden dudar más tarde, cuando las situaciones sean más complejas o cuando la IA no esté disponible, lo que podría poner en riesgo la seguridad del paciente. Además, la confianza ciega en las recomendaciones de la IA puede ocultar sesgos presentes en los datos de entrenamientos de los modelos, lo que lleva a errores sistemáticos que de otro modo podrían ser detectados por un clinico experimentado.
Para mitigar estos riesgos, muchas instituciones están empezando a integrar directrices éticas y educativas en los programas de uso de la IA. Se están desarrollando orientaciones que fomentan un enfoque "centrado en la IA", en el que los estudiantes primero formulan una hipótesis clínica, luego consultan la IA para ampliar o validar su raciocinio, y finalmente revisan críticamente las respuestas. La incorporación de ejercicios de deliberación guiada, simulaciones y evaluaciones de la comprensión de los fundamentos de la IA está ganando terreno en las facultades de medicina.
Los responsables políticos también están prestando atención. En la Unión Europea, la próxima actualización de la regulación de dispositivos médicos podría exigir evaluaciones específicas de los riesgos relacionados con la formación y el aprendizaje. Del mismo modo, en Estados Unidos, la FDA está considerando la inclusión de directrices de seguridad centradas en el usuario para aplicaciones de IA dirigidas a estudiantes de medicina. Estas medidas buscan garantizar que la IA sirva como una herramienta complementaria y no como un sustituto del aprendizaje clínico esencial.
En resumen, si bien la IA ofrece ventajas transformadoras para la práctica médica, su adopción temprana entre los aprendices plantea un dilema educativo fundamental. El desafío no es solo evitar la pérdida de habilidades, sino garantizar que la siguiente generación de médicos adquiera las habilidades de pensamiento crítico que sustentan una atención segura y eficaz. Equilibrar la innovación con una formación sólida y centrada en el ser humano será esencial para el futuro de la medicina.
