Por el doctor Eddy Pérez-Then, Dr. Med, MSP, MSPH, MBA, PhD
Presidente, Two Oceans in Health
Decano Asociado de Investigación, Facultad de Ciencias de la Salud, Universidad O&M
Miembro de ADOFEM
Miembro del Comité Académico de FEPAFEM
Resumen
La globalización y la celeridad científica están transformando las dimensiones pedagógicas, tecnológicas y geopolíticas de la educación médica. La inteligencia artificial generativa, las redes de cooperación internacional, la acreditación transnacional y la tele-educación amplían las posibilidades formativas, pero a la vez profundizan riesgos de inequidad digital y dependencia estructural. Este artículo analiza las tendencias globales de la educación médica en el siglo XXI, examinando la cooperación Sur-Sur, la colaboración en red, los desafíos éticos de la IA y el impacto de la acreditación global en países de ingresos medios y bajos. Se proponen lineamientos estratégicos para garantizar que el futuro de la educación médica sea global, pero también equitativo, contextualizado y humanista.
I) Introducción
La educación médica contemporánea se desarrolla en un mundo interdependiente donde la movilidad académica, la digitalización y la inteligencia artificial transforman los procesos formativos. Organismos internacionales como la Federación Mundial para la Educación Médica (WFME, por sus siglas en inglés) han impulsado estándares globales para mejorar la calidad y facilitar la movilidad profesional.¹ Paralelamente, la pandemia de COVID-19 aceleró la adopción de educación híbrida, tele-simulación y plataformas digitales,² visibilizando desigualdades en acceso y conectividad.³
En este contexto, la globalización educativa, no puede entenderse solo como intercambio internacional, sino como un proceso que redefine el rol social de las escuelas de medicina, la soberanía académica y la equidad entre regiones, considerándose su impacto en la inclusión de nuevas tendencias educativas, acceso generalizado y aplicación efectiva en el ámbito académico, aspectos que se describen y discuten en las secciones subsiguientes.
II) Tendencias Globales en la Educación Médica
Las tendencias globales en educación médica se centran en la integración de tecnología (como la simulación y el aprendizaje electrónico), métodos de enseñanza más centrados en el estudiante (aprendizaje basado en competencias y en problemas) y un enfoque interdisciplinario que combina las ciencias básicas con la práctica clínica. Además, la globalización, la flexibilidad curricular, el uso de inteligencia artificial, así como un énfasis creciente en la humanización de la atención y la seguridad del paciente, están marcando el rumbo de la educación médica moderna.
En este sentido, la estandarización internacional basada en competencias, incluyendo los modelos como CanMEDS, marco de competencias médicas que describe las habilidades necesarias para que los médicos brinden una atención de alta calidad, centrándose en siete roles interconectados (Experto Médico, Comunicador, Colaborador, Líder, Defensor de la Salud, Erudito y Profesional), así como los estándares de la WFME, que promueven marcos globales que permiten comparar y alinear programas formativos,⁴ facilitan la movilidad profesional, pero también genera tensiones entre homogenización y pertinencia local.
De igual forma, la virtualización e hibridación del aprendizaje clínico, que comprende la expansión de simuladores de alta fidelidad, plataformas de casos clínicos virtuales y tele-simulación, permite complementar la experiencia clínica en contextos con limitaciones de campos clínicos.⁵
Asimismo, los datos educativos globales y ecosistemas digitales compartidos hacen que la educación médica avance hacia repositorios internacionales de simulación, examen clínico objetivo estructurado (OSCE, por sus siglas en inglés) y métricas comparables, creando un ecosistema global de aprendizaje y evaluación,⁶ resaltándose el dominio creciente del inglés académico que, aunque favorece el intercambio científico, la hegemonía lingüística puede reducir diversidad epistémica y limitar la inclusión de comunidades académicas no angloparlantes.⁷
III) Acreditación Transnacional: Calidad Global y Soberanía Académica
La acreditación transnacional, impulsada por agencias reconocidas por WFME, busca armonizar estándares globales de calidad.¹ Dentro de sus beneficios se incluyen:
- Reconocimiento internacional del título médico.
- Mejora de procesos educativos y de gobernanza.
- Incentivo para la rendición de cuentas y transparencia curricular.
Sin embargo, estudios críticos señalan riesgos importantes como la homogeneización curricular desconectada de prioridades locales de salud,⁸ incremento de brechas entre instituciones con distintas capacidades financieras⁹ y la dependencia de modelos importados desde el Norte Global, considerándose como el desafío más importante adoptar una acreditación global sin perder misión social ni pertinencia local, especialmente en América Latina y el Caribe.10
IV) Equidad Digital y Brecha Tecnológica
La equidad digital es hoy uno de los factores más determinantes para participar en la educación médica global. La brecha se manifiesta en tres niveles:
1. Acceso desigual a infraestructura
Estudiantes de zonas rurales y universidades públicas enfrentan barreras en conectividad, dispositivos y ambientes de estudio adecuados.³
2. Alfabetización digital diferencial
La capacidad docente y estudiantil para manejar simulación, IA o analítica de aprendizaje varía ampliamente entre instituciones.⁶
3. Soberanía tecnológica
El uso de plataformas educativas globales puede comprometer la autonomía institucional y la protección de datos, exigiendo, la equidad digital, políticas públicas, financiamiento solidario y estrategias institucionales que garanticen que la globalización educativa no amplíe desigualdades preexistentes.
V) Colaboración Internacional en Red y Cooperación Sur–Sur
La colaboración internacional en educación médica ha evolucionado hacia modelos horizontales basados en redes que comparten recursos digitales, docentes y evaluación clínica, presentándose las dos formas de dicha colaboración de la forma siguiente.
- Colaboración en red
- Co-docencia internacional sincrónica.
- OSCE distribuidos.
- Simulación clínica compartida.
- Repositorios abiertos de contenidos.
Estas estrategias permiten superar barreras geográficas y diversificar la exposición clínica.⁶
- Cooperación Sur–Sur
Organismos regionales han destacado la importancia de potenciar redes entre países con desafíos sanitarios similares,¹² lo cual permite agenciar lo siguiente:
- Desarrollo de tecnologías educativas adaptadas al contexto.
- Intercambios de enfoques de responsabilidad social.
- Generación de proyectos de investigación en enfermedades desatendidas.
- Reducción de las dependencias verticales de países de altos ingresos.
VI) Tele-educación, tele-simulación y currículos distribuidos
La tele-educación se consolidó como un pilar estructural post-COVID-19,² dando paso a una forma novedosa de socializar el conocimiento, promoviendo la combinación de las estrategias educativas siguientes:
- Teleclases sincrónicas.
- Plataformas asincrónicas.
- Tele-simulación con pacientes estandarizados remotos.
- Clínicas virtuales supervisadas.
Harden et al han descrito estos modelos como “currículos distribuidos” que integran recursos globales sin perder el anclaje local.⁶ De manera particular, la tele-simulación, ha demostrado equivalencia educativa con simulación presencial en numerosos escenarios clínicos.⁵
VII) Inteligencia Artificial Generativa y el Futuro del Razonamiento Clínico
La inteligencia artificial (IA) generativa está redibujando procesos de aprendizaje, evaluación y razonamiento clínico. Paranjape et al, destacan su utilidad para tutoría adaptativa, usos diagnósticos simulados y retroalimentación automática, apuntando el futuro a un modelo de razonamiento aumentado, donde la IA complementa – pero no reemplaza – la toma de decisiones basada en juicio clínico, ética y contexto.¹³
Ahora bien, en medio de la transformación tecnológica que vive la educación médica -caracterizada por inteligencia artificial, simulación avanzada y plataformas digitales – surge una pregunta fundamental: ¿cómo aseguramos que la innovación siga siendo profundamente humana? En un contexto global, marcado por desigualdades estructurales, diversidad cultural y sistemas de salud tensionados, el humanismo y la bioética no son lujos académicos, sino pilares esenciales para garantizar que la revolución digital no se traduzca en nuevas formas de exclusión o deshumanización.14
Es que, la transición hacia entornos virtuales plantea riesgos claros como un menor contacto humano, menos oportunidades de desarrollar empatía y menos exposición al sufrimiento real de los pacientes. Sin embargo, estudios sobre educación humanística han subrayado que la esencia del acto médico es comprender y aliviar el sufrimiento humano, 15-16 algo que ningún algoritmo puede reemplazar. Asimismo, estos estudios sobre educación humanística destacan que la narrativa clínica y la reflexión ética fortalecen la identidad profesional incluso en plataformas digitales.15-16
Conviene destacar, que el uso creciente de inteligencia artificial, analítica de aprendizaje y sistemas digitales exige nuevas formas de regulación y reflexión bioética, siendo necesarios el desarrollo de documentos internacionales que establezcan principios de transparencia, equidad y supervisión humana para guiar la forma de implementación de tecnologías educativas.17 Más aún, los principios bioéticos tradicionales -autonomía, justicia, beneficencia y no maleficencia- deben reinterpretarse frente a algoritmos que pueden influir en decisiones clínicas o educativas sin suficiente supervisión humana.18
En cuanto al futuro del razonamiento clínico debe tenerse en cuenta que la inteligencia artificial generativa ha abierto nuevas formas de aprendizaje clínico, desde la tutoría adaptativa, hasta la simulación de casos, sin embargo, investigaciones sobre razonamiento clínico advierten que la automatización puede reducir la profundidad analítica y aumentar el riesgo de errores si el estudiante confía ciegamente en sistemas digitales.19
Por consiguiente, se necesita formar médicos capaces de usar la IA sin ser usados por la IA, es decir, profesionales que comprendan sus sesgos, examinen críticamente sus recomendaciones y mantengan la responsabilidad ética en la toma de decisiones. El razonamiento aumentado debe entenderse como una alianza entre humano y máquina, no como una delegación del juicio profesional.20
VIII) Conclusión
La globalización educativa ofrece oportunidades sin precedentes para democratizar el aprendizaje y fortalecer la calidad, pero también implica riesgos significativos en equidad, autonomía y justicia social. La educación médica del futuro debe integrar tecnologías avanzadas, redes globales y acreditación internacional, pero con una visión ética que preserve la pertinencia local, la inclusión y la responsabilidad social.
El desafío central no es internacionalizar por internacionalizar, sino construir una educación médica global realmente equitativa, solidaria y orientada al bienestar de las naciones y de sus diferentes conglomerados poblacionales.
Reconocimiento del uso de IA, agradecimiento y reclamo de autoría
El autor reconoce el apoyo de herramientas de inteligencia artificial, incluyendo ChatGPT, Gemini AI y Napkin IA, para la redacción y estructuración del texto. Se agradece la colaboración de la Dra. Marija Miric, Directora Ejecutiva de Two Oceans in Health por sus aportes editoriales y conceptuales, incluyendo la selección de herramientas de IA para ilustrar mejor las especificidades del artículo. El contenido del artículo fue ideado, desarrollado, revisado y editado íntegramente por el autor, quien asume la plena responsabilidad por la versión final.
Referencias
- World Federation for Medical Education. (2020). WFME Global Standards for Quality Improvement of Medical Education. WFME.
- Rose, S. (2020). Medical student education in the time of COVID-19. JAMA, 323(21), 2131–2132.
- UNESCO. (2021). Digital learning and inequalities: Global Education Monitoring Report. UNESCO.
- Frank, J. R., Snell, L., & Sherbino, J. (Eds.). (2015). CanMEDS 2015 Physician Competency Framework. Royal College of Physicians and Surgeons of Canada.
- Issenberg, S. B., et al. (2005). Features and uses of high-fidelity medical simulations that lead to effective learning. Medical Teacher, 27(1), 10–28.
- Harden, R. M., & Hart, I. R. (2002). An international virtual medical school (IVIMEDS): The future for medical education? Medical Teacher, 24(3), 261–267.
- Montgomery, S. L. (2013). Does science need a global language? English and the future of research. University of Chicago Press.
- Boelen, C., & Woollard, R. (2011). Social accountability and accreditation: A new frontier for educational institutions. Medical Education, 45(1), 71–77.
- Frenk, J., Chen, L., Bhutta, Z. A., et al. (2010). Health professionals for a new century. The Lancet, 376(9756), 1923–1958.
- Altbach, P. (2016). Globalization and the university: Realities in an unequal world. Tertiary Education and Management, 22(1), 1–14.
- European Commission. (2020). Ethics guidelines for trustworthy AI. European Union.
- Pan American Health Organization. (2019). Human resources for health 2030 strategy. PAHO.
- Paranjape, K., Schinkel, M., Panday, N. R., Car, J., & Nanayakkara, P. (2019). Introducing artificial intelligence training in medical education. JMIR Medical Education, 5(2), e16048.
- Pellegrino, E. D. (2002). Professionalism, profession and the virtues of the good physician. The Mount Sinai Journal of Medicine, 69(6), 378–384.
- Cassell, E. (2004). The nature of suffering and the goals of medicine. Oxford University Press.
- Branch, W. T. (2010). The road to professionalism: Reflective practice and reflective learning. Patient Education and Counseling, 80(3), 327–332.
- European Commission. (2020). Ethics guidelines for trustworthy AI. Publications Office of the European Union.
- Beauchamp, T., & Childress, J. (2013). Principles of biomedical ethics (7th ed.). Oxford University Press.
- Norman, G., & Eva, K. (2010). Diagnostic error and clinical reasoning. Medical Education, 44(1), 94–100.
- Shortliffe, E. H., & Sepúlveda, M. J. (2018). Clinical decision support in the era of artificial intelligence. JAMA, 320(21), 2199–2200.
fecha:
