La IA iguala al experto en feedback clínico pero no cubre liderazgo ni trabajo en equipo
Los avances en inteligencia artificial aplicada a simulación médica demuestran capacidades notables en la evaluación de habilidades técnicas y la generación de retroalimentación individual, pero revelan limitaciones importantes cuando se trata de habilidades no técnicas interpersonales. Obuseh et al. (2025) demostraron que modelos de lenguaje grande (Llama 3.1 y Mistral) pueden analizar transcripciones quirúrgicas para evaluar NTS e identificar comportamientos ejemplares, generando coaching estructurado de forma autónoma. Mirchi et al. (2020) lograron con el Virtual Operative Assistant una precisión del 92% al clasificar expertos versus novatos mediante IA explicable (SVM), proporcionando retroalimentación visual inmediata. El meta-análisis de Wang et al. (2026) confirma a nivel agregado que la IA generativa mejora significativamente las puntuaciones de conocimiento (SMD = 0.99, p = 0.001), aunque con alta heterogeneidad (I2 = 86.7%).
Sin embargo, estas capacidades se concentran en dimensiones individuales y técnicas. Barker et al. (2026) dieron un paso hacia lo interpersonal con VORTeX, una plataforma de RV multiusuario que integra analíticas de LLM para mapear redes de comunicación del equipo quirúrgico, pero el piloto incluyó solo 12 profesionales y no evaluó transferencia. Feigerlova et al. (2025) revelaron una brecha pedagógica crítica: ninguno de los 12 estudios revisados reportó objetivos de aprendizaje ni descripciones de competencias, y solo 3 aplicaron teorías de aprendizaje en el diseño de estrategias con IA. Chance (2025) identificó que la IA combinada con RV mejora la toma de decisiones y la retención, pero los 21 estudios sobre consideraciones éticas señalan preocupaciones no resueltas. Desde la perspectiva de adopción, Zhao et al. (2025) mostraron que la aceptación de agentes educativos con IA depende tanto de factores utilitarios como emocionales (R2 = 0.853), y Gordon et al. (2024) mapearon la distribución geográfica de la investigación en IA y educación médica, sin estudios desde África y con predominancia anglosajona (49.6%).
Para la tesis de Sandra, la implicación es directa: la IA puede potenciar la retroalimentación sobre habilidades técnicas y toma de decisiones del perfusionista, pero el entrenamiento en liderazgo, comunicación de equipo y gestión de crisis requiere componentes de simulación interpersonal que la tecnología actual no reemplaza. Un diseño instruccional que combine IA para feedback técnico individualizado con simulación presencial para NTS interpersonales podría aprovechar lo mejor de ambos enfoques.