Elsevier Educación Médica entrevista a Juan José Beunza Nuin, Médico especialista en Medicina Interna y Tropical. Catedrático de salud Pública y Educación Interprofesional de la Universidad Europea de Madrid. Director de IASalud, para explorar cómo integrar la IA en la formación sanitaria de forma estructurada, ética y sostenible.
1. Desde una perspectiva institucional, ¿cómo deberían las facultades de medicina comenzar a integrar la IA en sus planes de estudio de forma estructurada y sostenible?
Incorporar tecnología nunca ha sido una buena opción de por sí. No deberíamos comenzar comprando una herramienta ni creando una asignatura aislada. Debemos empezar con una reflexión institucional: ¿qué tipo de profesional sanitario queremos formar para un sistema clínico en el que la IA ya participa en el diagnóstico, la investigación, la gestión y la relación con los pacientes?
Diseñar primero al médico «de la era IA»
El primer paso sería diseñar el médico “del futuro” o “de la IA”, analizar sus competencias tecnológicas y analizar sus competencias humanas a las que la IA puede dañar y/o perjudicar en su desarrollo. Externalizar las habilidades humanas en la IA es un riesgo que hay que valorar seriamente.
En los primeros cursos se podría introducir los fundamentos: qué es la IA, cómo se construyen los modelos, qué significa entrenarlos con datos y cuáles son sus limitaciones. Posteriormente, estos conocimientos deben aplicarse a casos clínicos, investigación, diagnóstico por imagen, documentación sanitaria, salud pública o toma de decisiones. Finalmente, durante las prácticas clínicas, el estudiante debería aprender a utilizar, supervisar y cuestionar sistemas reales o simulados, incluidos los agentes de IA. Sin olvidar que casi seguramente deberá existir periodos de formación donde la IA esté totalmente prohibida para potenciar el desarrollo de habilidades personales.
Cinco pilares para una integración sostenible
Para que el proceso sea sostenible, considero esenciales cinco elementos:
- Liderazgo institucional
- Formación del profesorado
- Colaboración entre medicina, ingeniería, bioética y derecho
- Infraestructura tecnológica segura
- Evaluación continua de los resultados
No se trata de enseñar una plataforma concreta, que probablemente quedará obsoleta, sino de desarrollar capacidades transferibles. La implementación debe ser centrada en las personas, interdisciplinar, transparente, equitativa y sometida a evaluación permanente. Muchos de esos elementos no están presentes en los productos comerciales de mayor impacto en la actualidad. Por eso es esencial el diseño de los planes formativos pensando en las necesidades de nuestro entorno clínico, y no en la oferta comercial existente.
2.¿Cuáles son los principales retos a los que se enfrentan las facultades al adoptar la IA en la educación médica, y cómo pueden superarlos?
Reto 1 — La falta de preparación del profesorado
El primer gran reto es la falta de preparación del profesorado. Muchos docentes conocen profundamente su disciplina clínica, pero no han recibido formación sobre algoritmos, modelos generativos, calidad de los datos o evaluación crítica de sistemas de IA. La respuesta no consiste en convertir a todos los profesores en ingenieros, sino en ofrecerles alfabetización práctica, acompañamiento y espacios seguros de experimentación.
Reto 2 — La velocidad del cambio tecnológico
El segundo reto es la velocidad del cambio tecnológico. Un programa basado exclusivamente en herramientas concretas puede quedar anticuado en pocos meses. Por eso, el currículo debe centrarse en principios duraderos: pensamiento crítico, validación, seguridad, ética, gobernanza, comunicación y responsabilidad profesional.
Otro desafío es la protección de datos. No debe permitirse que estudiantes o profesores introduzcan información clínica identificable en herramientas comerciales sin garantías institucionales. Las facultades necesitan políticas claras sobre privacidad, propiedad intelectual, consentimiento, trazabilidad y usos permitidos.
Reto 4 — Repensar la evaluación
Finalmente, debemos afrontar el problema de la evaluación. Cuando un estudiante puede generar un texto, un diagnóstico diferencial o una respuesta académica mediante IA, ya no basta con evaluar el producto final. Hay que valorar el proceso: cómo formula el problema, qué fuentes utiliza, cómo contrasta la respuesta, qué errores detecta y cómo justifica su decisión.
Estas dificultades no son únicamente tecnológicas. El informe europeo sobre competencias digitales sanitarias señala carencias de formación, falta de financiación, escasez de tiempo, problemas de infraestructura y desigualdades entre grupos profesionales. También destaca la necesidad de cooperación entre los sectores sanitario y educativo y de revisar periódicamente los programas formativos.
3.¿Qué competencias clave relacionadas con la IA deberían priorizar las facultades para preparar a los futuros profesionales sanitarios en un entorno clínico cada vez más digitalizado?
La primera es la alfabetización en IA. Todo profesional sanitario debería comprender, al menos de manera conceptual, cómo aprende un modelo, qué diferencia existe entre correlación y causalidad, qué son los datos de entrenamiento y por qué un sistema puede producir errores aparentemente convincentes.
La segunda es la alfabetización en datos: saber interpretar la calidad, representatividad y procedencia de los datos. Un modelo no es mejor que los datos y decisiones humanas que han permitido construirlo.
La tercera competencia es la evaluación crítica de herramientas clínicas. El futuro médico deberá preguntarse: ¿este sistema está validado en una población comparable a la de mi paciente?, ¿cuál es su sensibilidad y especificidad?, ¿cómo se integra en el flujo asistencial?, ¿qué ocurre cuando falla?, ¿mejora realmente los resultados clínicos?
La cuarta es el reconocimiento de sesgos, inequidades y problemas de generalización. Los estudiantes deben entender que un algoritmo puede funcionar correctamente en un hospital y de manera deficiente en otro, o presentar resultados diferentes según la edad, el sexo, el origen o las condiciones socioeconómicas de los pacientes.
También deben priorizarse la privacidad, la ciberseguridad, la ética, la regulación y la responsabilidad profesional. Utilizar una recomendación algorítmica no elimina la responsabilidad del clínico. La decisión sanitaria debe continuar siendo comprensible, justificable y supervisada por una persona.
Añadiría una competencia especialmente importante: la comunicación con el paciente. El profesional debe ser capaz de explicar cuándo se ha utilizado IA, qué papel ha desempeñado y cuáles son sus limitaciones, sin delegar en la tecnología la relación terapéutica.
Por último, hay que enseñar a colaborar con sistemas de IA: formular buenas preguntas, verificar resultados, contrastar fuentes y documentar su utilización. No necesitamos profesionales que obedezcan al algoritmo, sino profesionales que sepan cuándo confiar, cuándo dudar y cuándo descartarlo.
"No necesitamos profesionales que obedezcan al algoritmo, sino profesionales que sepan cuándo confiar, cuándo dudar y cuándo descartarlo."
Juan José Beunza Nuin, Catedrático de Salud Pública, Universidad Europea de Madrid | Elsevier Faculty Hub, 2026
4.¿Es, a día de hoy, la utilización de la IA en la enseñanza médica una realidad generalizada o aún queda camino por recorrer?
Es ya una realidad, pero todavía no una realidad homogénea, madura ni plenamente institucionalizada.
La IA se está utilizando para generar casos y preguntas, crear pacientes virtuales, personalizar actividades, proporcionar retroalimentación, apoyar la investigación, diseñar simulaciones y analizar el progreso de los estudiantes. En Estados Unidos y Canadá, el porcentaje de facultades de medicina que declaraban incorporar IA en sus currículos pasó del 53 % en 2023 al 77 % en 2024.
Sin embargo, incorporar alguna actividad relacionada con IA no equivale a disponer de un programa completo. En muchas instituciones encontramos iniciativas impulsadas por profesores concretos, talleres voluntarios o experiencias piloto, pero no siempre existe una secuencia curricular, una política de gobernanza, profesorado formado o un sistema de evaluación. Algunos dicen que estamos en la era de la “pilotitis”.
Además, existe una diferencia entre el ritmo de adopción clínica y el ritmo educativo. En 2026, la OMS informó de que casi tres cuartas partes de los países de la Unión Europea ya utilizaban IA en diagnóstico, mientras seguía señalando la necesidad de acelerar la capacitación de los profesionales.
Por tanto, podríamos decir que hemos superado la etapa de preguntarnos si la IA debe entrar en las facultades. La cuestión ahora es cómo integrarla con rigor, seguridad y propósito educativo. Queda camino por recorrer, especialmente para transformar experiencias aisladas en estrategias institucionales sostenibles.
5.Finalmente, en su experta opinión, ¿cuáles son las principales líneas o tendencias que marcarán el futuro de la IA en el campo de la educación sanitaria?
1.Personalización del aprendizaje.
La primera gran tendencia será la personalización del aprendizaje. Los sistemas podrán adaptar casos, preguntas y explicaciones al nivel del estudiante, detectar dificultades concretas y ofrecer retroalimentación inmediata. El reto será evitar que esa personalización encierre al alumno en itinerarios excesivamente automatizados.
2.Pacientes virtuales multimodales.
La segunda será el desarrollo de pacientes virtuales multimodales. Los estudiantes podrán entrenarse con pacientes capaces de conversar, mostrar síntomas, aportar pruebas diagnósticas y reaccionar ante distintas decisiones. Esto permitirá practicar situaciones infrecuentes, complejas o de alto riesgo sin comprometer la seguridad de una persona real
3. La evalucacion
La tercera será una transformación profunda de la evaluación. Perderán peso las tareas centradas únicamente en reproducir información y ganarán importancia la resolución de problemas, la argumentación, la verificación de evidencias y la capacidad de detectar errores producidos por la IA.
4. La IA como piloto clínico
La cuarta tendencia será la incorporación de la IA como copiloto clínico y educativo. Los estudiantes aprenderán no solo medicina, sino también a trabajar con sistemas que resumen historias clínicas, estructuran información, generan hipótesis o ayudan a preparar encuentros con pacientes. La competencia diferencial no será producir una respuesta rápidamente, sino supervisar su calidad.
También veremos una mayor integración entre IA, simulación, realidad virtual y dispositivos de monitorización, especialmente en cirugía, urgencias, enfermería y formación interprofesional.
5. La gobernanza
Otra línea decisiva será la gobernanza. Las facultades crearán comités, entornos tecnológicos seguros, catálogos de herramientas autorizadas y mecanismos para auditar sesgos, privacidad, impacto educativo y seguridad. La innovación sin gobernanza dejará de ser aceptable. Y aquí creo que ganará mucho peso el despliegue de soluciones locales, con modelos open source adaptados al idioma, contexto y tareas locales. Esto requiere inversiones iniciales importantes en hardware, pero garantiza de manera absoluta la privacidad de los datos manejados, tanto en el ámbito educativo como en el clínico.
6. Las competencias humanas
Finalmente, crecerá la importancia de las competencias humanas. Cuanta más capacidad técnica tengan los sistemas, más valiosos serán el juicio clínico, la empatía, la escucha, la comunicación, la deliberación ética y la responsabilidad. La IA no debería conducirnos hacia una medicina menos humana. Bien utilizada, debería liberar tiempo y capacidad cognitiva para que los profesionales puedan ejercer una medicina más atenta, personalizada y humana. Por eso es importante enfocar el desarrollo y despliegue de la IA hacia las personas y no solo hacia el beneficio comercial de unas pocas empresas desarrolladoras.
En definitiva, el futuro no será una competición entre el profesional sanitario y la inteligencia artificial. Será una diferencia entre quienes sepan utilizarla de manera crítica, ética y responsable y quienes no hayan sido preparados para hacerlo.
