Grandes modelos de lenguaje en la educación médica basada en competencias
DOI:
https://doi.org/10.22201/fm.30617243e.2024.2.47Resumen
La Inteligencia Artificial (IA), a través de los grandes modelos de lenguaje, LLM (del inglés, Large Languages Models), ofrece nuevas oportunidades en el campo educativo y necesita planes estratégicos para ser aprovechada. La incorporación de este sistema se compromete a aumentar la efectividad y exactitud en la valoración de habilidades clínicas adaptadas a la enseñanza médica. El uso de estas herramientas bien entrenadas podría aumentar la imparcialidad y uniformidad en la evaluación, preparando a los alumnos para los desafíos actuales mediante una formación personalizada. Es importante que los profesores cuenten con acceso a tecnología avanzada y la utilicen de manera efectiva en la enseñanza, lo que implica formación continua y mejora de las instalaciones educativas. El Examen Clínico Objetivo Estructurado (ECOE) se ha posicionado como una herramienta crucial, siendo reconocido como el estándar principal para evaluar habilidades clínicas del alumno. En medicina educativa, se han investigado últimamente aplicaciones de IA como BioBERT, Med-PaLM2 y GPT-4. La comunicación natural entre el estudiante y un sistema de inteligencia artificial podría generar una experiencia más envolvente si es bien entrenada. El ECOE y sus variantes tienen la capacidad de convertirse en herramientas más efectivas, creando un ambiente de aprendizaje que se adapte de manera más adecuada a los retos actuales donde será cada vez más difícil que el alumno en formación pueda acceder suficiente tiempo a los hospitales e interactuar con pacientes reales. Es necesario incorporar la inteligencia artificial en la enseñanza médica, y superar los obstáculos técnicos y prácticos, con la finalidad de mejorar la educación y adaptar la experiencia de aprendizaje, para garantizar un futuro tecnológicamente avanzado, pero también ético, inclusivo y humano.
Referencias
Bogo, M., Regehr, C., Katz, E., Logie, C., Tufford, L., & Litvack, A. (2012). Evaluating an Objective Structured Clinical Examination (OSCE) Adapted for Social Work. Research on Social Work Practice, 22(4), 428–436. https://doi.org/10.1177/1049731512437557
Booth, G. J., Ross, B., Cronin, W. A., McElrath, A., Cyr, K. L., Hodgson, J. A., Sibley, C., Ismawan, J. M., Zuehl, A., Slotto, J. G., Higgs, M., Haldeman, M., Geiger, P., & Jardine, D. (2023). Competency-Based Assessments: Leveraging Artificial Intelligence to Predict Subcompetency Content. Academic Medicine, 98(4), 497–504. https://doi.org/10.1097/ACM.0000000000005115
Bradley, P. (2006). The history of simulation in medical education and possible future directions. Medical Education, 40(3), 254–262. https://doi.org/10.1111/J.1365-2929.2006.02394.X
Chimea, T. La, Kanji, Z., & Schmitz, S. (2020). Assessment of clinical competence in competency-based education PRACTICAL IMPLICATIONS OF THIS RESEARCH. Can J Dent Hyg, 54(2), 83–91.
Desai, P. V., Howell, H. B., McGrath, M., Ramsey, R., Lebowitz, J., Trogen, B., Cha, C., Pierce, K. A., & Zabar, S. (2023). Zoom Objective Structured Clinical Exams: Virtually the Same as the Real Thing? Academic Pediatrics, 23(2), 483–488. https://doi.org/10.1016/j.acap.2022.11.004
Espinosa-Vázquez, O., Sánchez-Mendiola, M., Leenen, I., Martínez-González, A., & Mx, C. (2020). Evaluación del desarrollo de la competenciaclínica en odontopediatría con el examen clínico objetivo estructurado. Investigación En Educación Médica, 9(34), 53–62. https://doi.org/10.22201/facmed.20075057e.2020.34.19198
Goldhamer, M. E. J., Pusic, M. V, Nadel, E. S., Co, J. P. T., & Weinstein, D. F. (2024). Promotion in Place: A Model for Competency-Based, Time-Variable Graduate Medical Education. Academic Medicine : Journal of the Association of American Medical Colleges. https://doi.org/10.1097/ACM.0000000000005652
Han, E. R., Yeo, S., Kim, M. J., Lee, Y. H., Park, K. H., & Roh, H. (2019). Medical education trends for future physicians in the era of advanced technology and artificial intelligence: an integrative review. BMC Medical Education, 19(1). https://doi.org/10.1186/S12909-019-1891-5
Harden, R. M. (2016). Revisiting “Assessment of clinical competence using an objective structured clinical examination (OSCE).”Medical Education, 50(4), 376–379. https://doi.org/10.1111/MEDU.12801
Harden, R. M. G., Downie, W. W., Stevenson, M., & Wilson, G. M. (1975). Assessment of clinical competence using objective structured examination. British Medical Journal, 1(5955), 447. https://doi.org/10.1136/BMJ.1.5955.447
Hopwood, J., Myers, G., & Sturrock, A. (2020). Twelve tips for conducting a virtual OSCE. Med Teach, 43(6), 1–4. https://doi.org/10.1080/0142159x.2020.1830961
Hurtubise, L., & Roman, B. (2014). Competency-based curricular design to encourage significant learning. Current Problems in Pediatric and Adolescent Health Care, 44(6), 164–169. https://doi.org/10.1016/J.CPPEDS.2014.01.005
Johannesson, E. (2012). Learning manual and procedural clinical skills through simulation in health care education.
Johnston, S. C. (2018). Anticipating and Training the Physician of the Future: The Importance of Caring in an Age of Artificial Intelligence. Academic Medicine : Journal of the Association of American Medical Colleges, 93(8), 1105–1106. https://doi.org/10.1097/ACM.0000000000002175
Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics,36(4), 1234–1240. https://doi.org/10.1093/BIOINFORMATICS/BTZ682
Martínez-González, A., Lifshitz-Guinzberg, A., Trejo-Mejía, J. A., Torruco-García, U., Fortoul-Van Der Goes, T. I., Flores-Hernández, F., Peña-Balderas, J., Martínez-Franco, A. I., Hernández-Nava, A., Elena-González, D., & Sánchez-Mendiola, M. (2017). Evaluación diagnóstica y formativa de competencias en estudiantes de medicina a su ingreso al internado médico de pregrado. Gaceta Medica de Mexico, 153(1), 6–15.
Martínez-González, A., Sánchez-Mendiola, M., Méndez-Ramírez, I., & Trejo-Mejía, J. A. (2016). Grado de competencia clínica de siete generaciones de estudiantes al término del internado médico de pregrado. Gaceta Médica de México, 152(5), 679–687. www.anmm.org.mx
Mejía, J. A. T., González, A. M., Ramírez, I. M., López, S. M., Pérez, L. C. R., & Mendiola, M. S. (2014). Evaluación de la competencia clínica con el examen clínico objetivo estructurado en el internado médico de la Universidad Nacional Autónoma de México. Gaceta Medica de Mexico, 150(1), 8–17.
Mendiola, M. S. (2023). ChatGPT y educación médica: ¿estrella fugaz tecnológica o cambio disruptivo? Investigación En Educación Médica, 12(46), 5–10. https://doi.org/10.22201/FM.20075057E.2023.46.23511
Pereira, D. S. M., Falcão, F., Nunes, A., Santos, N., Costa, P., & Pêgo, J. M. (2023). Designing and building OSCEBot ® for virtual OSCE -Performance evaluation. Medical Education Online, 28(1). https://doi.org/10.1080/10872981.2023.2228550
Richardson, D., Kinnear, B., Hauer, K. E., Turner,T. L., Warm, E. J., Hall, A. K., Ross, S., Thoma,B., & Van Melle, E. (2021). Growth mindset in competency-based medical education. Medical Teacher, 43(7), 751–757. https://doi.org/10.1080/0142159X.2021.1928036
Ryan, M. S., Lomis, K. D., Deiorio, N. M., Cutrer, W. B., Pusic, M. V., & Caretta-Weyer, H. A. (2023). Competency-Based Medical Education in a Norm-Referenced World: A Root Cause Analysis of Challenges to the Competency-Based Paradigm in Medical School. Academic Medicine : Journal of the Association of American Medical Colleges, 98(11), 1251–1260. https://doi.org/10.1097/ACM.0000000000005220
Salas-Medina, D. L., Isela Martínez-Martínez, K., King, S., María Méndez-Puga, A., & Sahagún-Padilla, M. Á. (2017). Escenarios de simulación como estrategia de aprendizaje: la experiencia Save Stan.
Schumacher, D. J., Kinnear, B., Carraccio, C., Holmboe, E., Busari, J. O., van der Vleuten, C., & Lingard, L. (2024). Competency-based medical education: The spark to ignite healthcare’s escape fire. Medical Teacher, 46(1). https://doi.org/10.1080/0142159X.2023.2232097
Spadafore, M., Yilmaz, Y., Rally, V., Chan, T. M., Russell, M., Thoma, B., Singh, S., Montiero, S., Pardhan, A., Martin, L., Monrad, S. U., & Woods, R. (2024). Using Natural Language Processing to Evaluate the Quality of Supervisor Narrative Comments in Competency-Based Medical Education. Academic Medicine : Journal of the Association of American Medical Colleges. https://doi.org/10.1097/ACM.0000000000005634
Waisberg, E., Ong, J., Masalkhi, M., Kamran, S. A., Zaman, N., Sarker, P., Lee, A. G., & Tavakkoli, A. (2023). GPT-4: a new era of artificial intelligence in medicine. Irish Journal of Medical Science, 192(6), 3197–3200. https://doi.org/10.1007/S11845-023-03377-8
Wass, V., Van Der Vleuten, C., Shatzer, J., & Jones, R. (2001). Assessment of clinical competence. Lancet, 357(9260), 945-949.https://doi.org/10.1016/S0140-6736(00)04221-5
Weiwen Xue, V., Lei, P., Cho, W. C., & William Cho, C. C. (2023). The potential impact of ChatGPT in clinical and translational medicine. Clinical and Translational Medicine, 13(3), e1216. https://doi.org/10.1002/CTM2.1216
