La inteligencia artificial (IA) se está convirtiendo en un tema educativo central en la formación médica de grado, a medida que las herramientas basadas en IA influyen cada vez más en los flujos de trabajo clínicos, los entornos de aprendizaje y la atención al paciente. El desafío ya no consiste simplemente en determinar si la IA debe incluirse en el currículo, sino en definir el alcance que debe tener la alfabetización en IA para los estudiantes de grado y cómo traducirla en resultados educativos que puedan enseñarse, observarse y evaluarse.
Esta revisión narrativa conceptual focalizada sintetizó la literatura sobre alfabetización en IA y conceptos relacionados en la formación médica de grado, mediante una búsqueda estructurada y una síntesis interpretativa, utilizando la educación médica basada en competencias (CBME, por sus siglas en inglés) como marco de interpretación. Se realizaron búsquedas en PubMed y ERIC de literatura en inglés publicada entre el 1 de enero de 2020 y el 15 de abril de 2026. Los registros locales del proceso de selección identificaron 94 registros bibliográficos estandarizados; después de eliminar los duplicados, se examinaron 66 registros, se evaluaron 40 informes a texto completo y 30 publicaciones contribuyeron a la síntesis final.
Se identificaron cinco ámbitos recurrentes: conocimientos fundamentales sobre IA; interpretación y uso clínico aplicado; alfabetización en datos y evaluación crítica; ética, aspectos legales y responsabilidad profesional; y colaboración entre seres humanos e IA y formación profesional. Desde la perspectiva de la CBME, estos ámbitos pueden traducirse en resultados de aprendizaje, tareas contextualizadas, desempeños observables y evidencias para la evaluación programática.
La literatura respalda con mayor solidez la clarificación conceptual, la identificación de ámbitos y su incorporación al currículo, mientras que la evidencia sobre el desarrollo longitudinal, el desempeño observable y las evaluaciones validadas para estudiantes de grado sigue siendo limitada. El marco propuesto, los ejemplos, los hitos y los criterios de las rúbricas constituyen propuestas de diseño basadas en la síntesis de la evidencia y requieren validación empírica antes de utilizarse en evaluaciones de alto impacto.
Fu C, Li J, Fan H, Ren R, Cui K, Zhang Y, et al. AI literacy in undergraduate medical education: a competency-based interpretive framework for curriculum and assessment. Front Med (Lausanne). 2026;13:1871524. doi:10.3389/fmed.2026.1871524.
García Dieguez M. Comentario sobre ¿Alfabetización en IA o competencia profesional? Un marco para integrar la inteligencia artificial al currículo médico. [Internet]. Organización Panamericana de la Salud. Repositorio Bibliográfico. Disponible en: https://campus.paho.org/es/repo/alfabetizacion-ia-competencia-profesional-marco-integrar-inteligencia-artificial-curriculo
García Dieguez M.
CEEProS Universidad Nacional del Sur
Este artículo constituye una excelente lectura para quienes están incorporando inteligencia artificial en la formación médica y desean evitar que su enseñanza se limite al aprendizaje de herramientas tecnológicas. Desde una perspectiva de educación basada en competencias, los autores proponen un marco conceptual que traduce la "alfabetización en inteligencia artificial" en competencias observables, resultados de aprendizaje y estrategias de evaluación. Resulta especialmente útil para diseñadores curriculares, responsables de programas de grado y docentes interesados en integrar la IA de manera longitudinal, ética y alineada con la práctica clínica futura.
La revisión narrativa identificó 30 publicaciones seleccionadas mediante una búsqueda estructurada en PubMed y ERIC (2020-2026). A diferencia de otras revisiones centradas en herramientas de IA, este trabajo analiza cómo definir qué debe aprender un estudiante de medicina sobre inteligencia artificial y cómo evaluar esas competencias dentro del paradigma de la educación basada en competencias. Como principal aporte, propone cinco dominios fundamentales de alfabetización en IA: conocimientos básicos sobre IA; interpretación clínica y uso aplicado; alfabetización en datos y pensamiento crítico; ética, legislación y responsabilidad profesional; y colaboración humano-IA con desarrollo de la identidad profesional. Sobre esta base desarrolla ejemplos de resultados de aprendizaje, actividades educativas, niveles progresivos de desempeño y estrategias de evaluación programática, incluyendo OSCE, portafolios, evaluación en el lugar de trabajo y análisis de casos. El artículo enfatiza que la IA debe incorporarse transversalmente al currículo y no enseñarse como una asignatura independiente.
Aunque la revisión presenta una búsqueda estructurada y una síntesis muy bien organizada, se trata de una revisión narrativa conceptual, por lo que no realiza evaluación formal de calidad metodológica ni análisis de sesgo de los estudios incluidos. Además, las propuestas curriculares, hitos y rúbricas representan modelos derivados de la síntesis de la literatura deben validarse empírica antes de utilizarse en evaluaciones de alto impacto. Los propios autores reconocen que la evidencia sobre evaluación longitudinal del desempeño y desarrollo progresivo de competencias en IA sigue siendo limitada.
- Integrar la IA de forma transversal en asignaturas existentes (razonamiento clínico, ética, medicina basada en evidencia y comunicación), evitando crear una materia aislada.
- Enseñar a interpretar críticamente resultados generados por IA, identificando sesgos, errores, incertidumbre y limitaciones antes de utilizarlos en decisiones clínicas.
- Evaluar competencias mediante tareas auténticas, como análisis de casos con IA, OSCE, portafolios y actividades en el lugar de trabajo, en lugar de depender únicamente de exámenes teóricos.
- Incorporar progresivamente cinco dominios competenciales: fundamentos de IA, aplicación clínica, análisis crítico de datos, responsabilidad profesional y colaboración humano-IA.
- Capacitar a los docentes para supervisar el uso responsable de la IA y proporcionar retroalimentación sobre el razonamiento clínico más que sobre el manejo técnico de las herramientas.