Wang (2026) — pasajes subrayados
Nota subatómica
Nivel más profundo del vault: los pasajes subrayados en el PDF con el método de colores del asesor, en el orden del documento y con su página. Sirve para volver al texto original sin abrir el PDF. Nota atómica: n-3-7.
Referencia: Wang, C., et al. (2026). The impact of integrating generative artificial intelligence into medical education: A systematic review and meta-analysis of randomized controlled trials. BMC Medical Education, 26, 983. https://doi.org/10.1186/s12909-026-09320-6
Texto completo en la editorial: https://doi.org/10.1186/s12909-026-09320-6
Pasajes subrayados (15)
Por tipo: 🔵 Definición (2) · 🟡 Idea principal (4) · 🟣 Metodología (1) · 🟢 Evidencia (3) · 🔴 Tensión o vacío (3) · 🟠 Cita para usar (2)
🔵 Definición — p. 1
Generative artificial intelligence (GenAI) technologies —exemplified by large language models (LLMs) such as ChatGPT and DeepSeek—have attracted substantial interest in medical education for their capacity to generate content, adapt to individual learners, and support interactive dialogue.
Comentario del asesor: Definicion operativa de GenAI en educacion medica: capacidad generativa, adaptacion al aprendiz e interaccion dialogica. Util para enmarcar la simulacion clinica virtual con IA en perfusion cardiovascular.
🟣 Metodología — p. 1
We conducted this systematic review and meta-analysis of randomized controlled trials (RCTs) to evaluate the effects of GenAI-assisted teaching on knowledge acquisition, clinical skills, and learner attitudes.
Comentario del asesor: Diseno: revision sistematica y meta-analisis de ECAs. PRISMA 2020, PROSPERO CRD420261277187. 6 bases de datos (PubMed, Cochrane, Embase, WoS, CNKI, Wanfang), enero 2020 a febrero 2026. Modelo de efectos aleatorios con REML.
🟢 Evidencia — p. 1
Post-intervention knowledge scores were higher in GenAI groups (SMD = 0.99, 95% CI: 0.49–1.49, P = 0.001; k = 11; I2 = 86.7%; GRADE: low certainty), and so were clinical skill scores (SMD = 1.09, 95% CI: 0.81–1.38, P < 0.001; k = 8; I2 = 41.0%; GRADE: moderate certainty).
Comentario del asesor: Hallazgo central: tamanos de efecto grandes para conocimiento (SMD=0.99) y habilidades clinicas (SMD=1.09). Las habilidades clinicas tienen evidencia mas firme (certeza moderada GRADE, I2 moderado, intervalo de prediccion enteramente positivo).
🟢 Evidencia — p. 1
At follow-up, knowledge retention remained significant (SMD = 0.51, 95% CI: 0.24–0.78, P = 0.010; k = 4; I2 = 0%; GRADE: moderate certainty).
Comentario del asesor: Retencion del conocimiento a mediano plazo (>=2 semanas post-intervencion). Heterogeneidad nula (I2=0%) y certeza moderada GRADE. Solo 4 estudios, pero el intervalo de prediccion (0.10-0.92) es enteramente positivo.
🟠 Cita para usar — p. 2
GenAI may serve as a useful supplement to conventional instruction but should not be adopted as a replacement without evidence from well-powered, pre-registered, multi-centre trials.
Comentario del asesor: Conclusion cautelosa citable: la GenAI como complemento, no sustituto. Posiciona la investigacion de Sandra como contribucion necesaria (ensayo pre-registrado, contexto latinoamericano, dominio especifico de perfusion).
🔴 Tensión o vacío — p. 2
the published evidence tells a mixed story. Certain RCTs have found large gains in knowledge scores and clinical skills, with effect sizes that in some cases went beyond one standard deviation. Other trials, no less carefully designed, have produced null or negative results.
Comentario del asesor: Reconocimiento explicito de inconsistencia en la evidencia. El intervalo de prediccion para conocimiento cruza cero (-0.57 a 2.56), lo que significa que en ciertos contextos la GenAI podria no mejorar o incluso empeorar los resultados.
🔵 Definición — p. 2
What makes GenAI different from the computer-assisted instruction tools that came before it is a combination of capabilities: natural language dialogue, real-time contextual adaptation, on-demand feedback, and the ability to create reasonably realistic clinical simulations
Comentario del asesor: Diferenciacion clave entre GenAI y la instruccion asistida por computador tradicional. Estas cuatro capacidades son exactamente las que Sandra necesita para el sistema de simulacion clinica virtual con IA para perfusionistas.
🟡 Idea principal — p. 2
Learning opportunities are unevenly distributed and depend on patient case mix. Access to standardized patients is con strained. The quality of bedside supervision varies by rotation, and faculty time is increasingly limited as curri cula expand
Comentario del asesor: Justificacion estructural para la IA en educacion clinica. Este argumento aplica con mayor fuerza en perfusion cardiovascular en America Latina, donde las oportunidades de practica son aun mas escasas y concentradas geograficamente.
🟡 Idea principal — p. 11
Trials that embedded GenAI within structured formats such as PBL, case-based mod ules, or supervised rotations reported bigger and more consistent effects than those offering open-ended AI access
Comentario del asesor: Hallazgo moderador clave para el diseno instruccional: la integracion estructurada de GenAI produce mejores resultados que el acceso abierto. Sandra debe disenar la simulacion clinica virtual con IA dentro de un formato pedagogico estructurado, no como herramienta libre.
🟡 Idea principal — p. 11
Skill acquisition, unlike factual recall, depends on repeated practice: working through cases, making decisions, receiving feedback, then trying again. GenAI suits this pattern because it gives students an active role; they have to search for information, frame questions, and reason their way through problems
Comentario del asesor: Argumento teorico central: la GenAI se alinea con el ciclo de adquisicion de habilidades clinicas (practica repetida, retroalimentacion, iteracion). Directamente relevante para las habilidades no tecnicas (PINTS) en perfusion cardiovascular.
🟢 Evidencia — p. 11
Luo et al. [14] found that their LLM-based digital patient raised history-taking scores across every subdomain they measured (demo graphics, present illness, past history, etc.), with voicebased feedback that correlated well with human raters (r = 0.88).
Comentario del asesor: Evidencia de que un paciente digital basado en LLM mejora habilidades de anamnesis con alta correlacion con evaluadores humanos. Modelo analogico para el diseno de pacientes virtuales en simulacion de perfusion cardiovascular.
🔴 Tensión o vacío — p. 11
GenAI can halluci nate, producing inaccurate clinical recommendations or unsupported references, which poses risks for evidencebased medicine training
Comentario del asesor: Riesgo critico para simulacion clinica: las alucinaciones de la IA pueden generar recomendaciones clinicas incorrectas. En perfusion cardiovascular, donde las decisiones son de alto riesgo, este problema requiere mecanismos de validacion especificos en el diseno del sistema.
🟡 Idea principal — p. 11
Liu et al. [12] reported the biggest improvements in deepcomprehension items in targeted lung cancer therapy, not in basic knowledge questions, which aligns with the idea that GenAI does more for the upper tiers of Bloom’s taxonomy than for memorization.
Comentario del asesor: La GenAI beneficia mas las habilidades de orden superior (analisis, evaluacion) que la memorizacion. Implicacion importante: las competencias no tecnicas (comunicacion, trabajo en equipo, toma de decisiones) que Sandra estudia son precisamente de ese nivel taxonomico.
🔴 Tensión o vacío — p. 12
16 of 20 studies were con ducted in China, and educational systems, assessment cultures, and regulatory environments for AI tools differ internationally in ways that may affect generalisability.
Comentario del asesor: Concentracion geografica extrema (80% China). Limita la generalizabilidad a America Latina. Esto refuerza la relevancia de la tesis de Sandra: no existen estudios de GenAI en educacion clinica en el contexto latinoamericano, y menos en perfusion cardiovascular.
🟠 Cita para usar — p. 13
Practical implementation requires deliberate curricular integration, adequate infrastructure support, AI literacy training for both educators and learners, and realistic acknowledgement of the technology’s limitations, includ ing variable output accuracy and susceptibility to hal lucination.
Comentario del asesor: Frase citable para la seccion de implicaciones practicas de la tesis: nombra los cuatro requisitos para implementar GenAI en curriculos clinicos. Sandra puede usar esto para justificar el componente de formacion docente en su propuesta.
Colores según el método de subrayado del asesor. Pasajes extraídos automáticamente de las anotaciones del PDF; la página corresponde a la numeración del archivo, que puede diferir de la paginación de la revista.