26/06/2026
⚠️ Cuando la ayuda tanto que deja de .
Dos publicaciones recientes, una en The Lancet y otra en Nature Medicine, describen tres riesgos del uso de la IA en medicina:
🔹 Deskilling: el médico pierde habilidades al delegar en la IA tareas que antes realizaba por sí mismo.
🔹 Mis-skilling: aprende de forma incorrecta al aceptar sin cuestionar errores de la IA.
🔹 Never-skilling: el más preocupante. El médico nunca desarrolla un razonamiento clínico propio porque, desde el inicio de su formación, una herramienta piensa por él. No pierde una habilidad: nunca la adquiere.
👨🏫 Este último fenómeno preocupa especialmente. El problema no aparece durante la formación, sino años después, cuando el médico debe tomar decisiones sin apoyo tecnológico o frente a casos que ningún algoritmo resuelve.
📊 Un estudio con endoscopistas polacos mostró que, tras usar un sistema de IA durante tres meses para detectar pólipos de colon, su desempeño cayó por debajo del nivel previo cuando la herramienta fue retirada. Eso es deskilling.
⚠️ Pero aún más preocupante es el never-skilling: formar médicos que nunca desarrollan plenamente su juicio clínico.
📚 La evidencia directa en educación médica aún es limitada, pero los expertos proponen un camino claro:
✅ Primero aprender a razonar de forma independiente.
✅ Después desarrollar una mirada crítica sobre la IA.
✅ Finalmente, integrarla de manera supervisada.
🤖 El problema no es la inteligencia artificial.
🎓 Es cómo la incorporamos al proceso de formación.
💡 Una herramienta extraordinaria, introducida demasiado pronto, puede formar médicos que dependan de la tecnología para pensar.
Y cuando la tecnología falla…
🩺 Lo que se necesita no es un algoritmo.
Se necesita un médico que sepa pensar.
📚 Fuentes
•https://doi.org/10.1038/s41591-026-04438-y
•https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(25)02075-6/abstract
