Fazlollahi, A. M., Bakhaidar, M., Alsayegh, A., Yilmaz, R., Winkler-Schwartz, A., Mirchi, N., Langleben, I., Ledwos, N., Sabbagh, A. J., Bhola, R., & Del Maestro, R. F. (2022). Effect of artificial intelligence tutoring vs expert instruction on learning simulated surgical skills among medical students: A randomized clinical trial. JAMA Network Open, 5(2), e2149008. https://doi.org/10.1001/jamanetworkopen.2021.49008
Resumen del artículo
Ensayo clínico aleatorizado de tres brazos publicado en JAMA Network Open que compara un tutor de inteligencia artificial (Virtual Operative Assistant), la instrucción remota de un experto y un grupo control sin retroalimentación, durante el aprendizaje de una resección tumoral simulada en NeuroVR por estudiantes de medicina. El tutor de IA seleccionaba métricas de error y entregaba retroalimentación al final de cada repetición.
De acuerdo con la descripción disponible, el grupo con tutoría de IA superó al grupo con instrucción experta y al control en las métricas de desempeño, y el uso del tutor no aumentó la carga cognitiva de los participantes. Es el ensayo que abrió la serie de trabajos del grupo de McGill sobre IA instruccional en simulación, y su sucesor de 2024 (n-3-10) pasó de retroalimentación posterior a retroalimentación en tiempo real.
Ideas clave
- Nivel de evidencia: ECA con publicación en revista de alto impacto, lo que le da peso como antecedente empírico.
- Retroalimentación posterior seleccionada por IA: la IA decide qué métricas mostrar al aprendiz según sus errores, una forma temprana de adaptatividad.
- Carga cognitiva no afectada: a diferencia del ensayo de 2024, la retroalimentación post hoc no incrementó la carga, lo que sugiere que el momento de entrega importa.
- Experto remoto como comparador: la instrucción experta fue a distancia, detalle que matiza la comparación con la instrucción presencial.
Citas textuales relevantes
Nota metodológica: no se encontró el PDF de este artículo en las carpetas de referencias (ni en subrayados ni en la carpeta general). Esta nota se basa en el resumen y en la descripción de la guía maestra, y las ideas clave carecen de número de página. Se requiere el PDF (correo al autor ya redactado) antes de citar literalmente.
Conexión con la tesis de Sandra
Aporte del autor: demostración experimental de que un tutor de IA puede producir mejor aprendizaje que un experto en simulación sin sobrecargar cognitivamente al aprendiz. Lectura propia para la tesis: junto con n-3-10, este ECA forma el par de evidencia de nivel alto que Sandra necesita en el Cap 2 para sostener que la retroalimentación adaptativa por IA es un mecanismo instruccional eficaz, y no solo una promesa. El contraste entre ambos ensayos sobre carga cognitiva (sin efecto con retroalimentación posterior, efecto adverso con retroalimentación continua) es una pista de diseño directa para el Cap 3: la simulación para perfusionistas podría combinar alertas mínimas durante el escenario de CEC con retroalimentación detallada al terminar, y el NASA-TLX (n-5-2) permitiría verificar cuál modalidad resulta menos demandante. La limitación evidente es que ambos ensayos miden destrezas técnicas y no las dimensiones del PINTS (n-1-9).
Preguntas orientadoras
- ¿En qué momento entregará la simulación de Sandra la retroalimentación de IA (durante o después del escenario) y cómo justificará la elección con la diferencia de carga cognitiva entre este ECA y el de 2024?
- Si la muestra fue de estudiantes sin experiencia quirúrgica, ¿qué cambia al trasladar el modelo a perfusionistas en ejercicio que ya dominan la técnica pero no necesariamente las NTS?
- ¿Cómo se adaptaría la lógica de “métricas de error seleccionadas por IA” a comportamientos no técnicos observables durante la CEC?
Conexiones
- Subárea: Simulación virtual IA
- Notas relacionadas: n-3-10, n-3-3, n-3-9, n-5-2
- Autores: Fazlollahi, Bakhaidar, Alsayegh, Yilmaz, Winkler-Schwartz, Mirchi, Langleben, Ledwos, Sabbagh, Bhola, Del Maestro
Notas fusionadas (depuración 2026-09-28)
- Davidovic et al. (2025), misma serie McGill: modelo híbrido IA + humano y frecuencia de retroalimentación como métrica de proceso.
Mi reflexión
Graba tu reflexión de voz o escríbela usando los controles que aparecen abajo.