Educación y docencia

La universidad, la medicina y la bioestadística digital en la era de la inteligencia artificial

Las instituciones de educación superior surgieron hace siglos como centros de conservación, organización y transmisión del conocimiento. Durante mucho tiempo, su autoridad se apoyó en interpretar textos, tradiciones y saberes establecidos. La imprenta transformó gradualmente este modelo al ampliar el acceso a las ideas. Después, la Revolución Científica y el pensamiento crítico de la Ilustración, representado por autores como David Hume, ensancharon la libertad intelectual y cuestionaron la dependencia absoluta de la autoridad.

En los siglos XIX y XX surgió la universidad moderna de investigación, primero en Europa y después con extraordinaria fuerza en Estados Unidos. Su misión dejó de limitarse a transmitir el saber acumulado e incorporó la producción sistemática de nuevos descubrimientos. Los laboratorios, los doctorados, las revistas científicas y las colaboraciones entre universidades, gobiernos e industria convirtieron la educación superior en uno de los principales motores de las revoluciones científica, médica y tecnológica de la sociedad moderna.

En la era de la inteligencia artificial, la universidad deberá reinventarse de nuevo para seguir siendo relevante. Muchos docentes ven con preocupación la incorporación de estas tecnologías a la educación. Pero la IA no está destruyendo un sistema plenamente eficaz: está haciendo más visibles las limitaciones de un modelo educativo concebido cuando la información era escasa. Con demasiada frecuencia, ese modelo sigue priorizando la memorización, la uniformidad y la jerarquía frente a la creatividad, la colaboración, el talento individual y la búsqueda de soluciones a los grandes problemas sociales.

Educadores como Ken Robinson defendían que los niños son curiosos, imaginativos y dispuestos a experimentar por naturaleza, pero que los sistemas educativos convencionales pueden debilitar esas cualidades al penalizar el error, premiar la conformidad y priorizar logros estandarizados. Para él, la creatividad no es un don excepcional de unos pocos, sino una capacidad humana fundamental que la educación debe descubrir y desarrollar. Con la llegada de la IA, esta crítica cobra nueva relevancia.

Estas tecnologías pueden ampliar las capacidades individuales, personalizar el aprendizaje y facilitar que personas de cualquier lugar accedan a conocimientos, herramientas y oportunidades antes reservados a una minoría. También pueden ayudar a los estudiantes a explorar ideas a su ritmo, recibir apoyo individualizado y desarrollar talentos que no encajan fácilmente en las estructuras educativas tradicionales. Este potencial solo se hará realidad si se reducen las desigualdades de acceso y se enseña a utilizar la IA de manera crítica, rigurosa y responsable, con conciencia de sus limitaciones.

La educación cambiará profundamente en todo el mundo. Su misión ya no puede limitarse a transmitir contenidos que ahora se recuperan casi al instante. Debe enseñar a formular preguntas importantes, evaluar críticamente la evidencia, distinguir información de conocimiento, integrar disciplinas, razonar bajo incertidumbre y utilizar la IA de forma creativa y responsable. El valor de la universidad estará en construir comunidades capaces de interpretar el conocimiento, cuestionarlo, generar ideas y utilizarlas para transformar la realidad, además de facilitar información.

Esta evolución será especialmente importante en biomedicina. La IA ya puede analizar enormes volúmenes de información, identificar patrones complejos y apoyar la investigación y las decisiones clínicas. Sin embargo, sistemas predictivos cada vez más potentes no resolverán por sí solos los grandes problemas médicos. También debemos decidir qué preguntas plantear, qué datos recoger, qué resultados tienen relevancia clínica y cómo transformar las predicciones en decisiones seguras y eficaces para pacientes y poblaciones.

La formación médica debe evolucionar en dos direcciones complementarias. Por un lado, debe incorporar con mayor profundidad estadística, IA, ciencia de datos, diseño de estudios, inferencia causal, cuantificación de la incertidumbre y otros métodos cuantitativos, esenciales para comprender la medicina actual. Por otro, debe reforzar la comunicación, la empatía, la ética, la escucha atenta y el cuidado humano. Cuanto más potente sea la tecnología, más importante será recordar que la medicina también consiste en comprender, acompañar y cuidar a las personas, además de predecir enfermedades.

En biomedicina, esta nueva educación necesitará una disciplina que conecte IA, estadística, diseño de estudios, cuantificación de la incertidumbre, conocimiento clínico y toma de decisiones. Esta integración es el núcleo de lo que entendemos por Bioestadística digital .

Debemos distinguir claramente qué decisiones deben seguir siendo responsabilidad humana y qué tareas pueden delegarse en sistemas de IA. Esa delegación solo será legítima si comprendemos suficientemente cómo funcionan los algoritmos, qué información usan, en qué supuestos se basan, cuáles son sus límites y qué consecuencias pueden tener sus errores. Una predicción aparentemente precisa no basta: debemos evaluar su fiabilidad, su incertidumbre, sus posibles sesgos y su capacidad para generalizar entre personas, hospitales y entornos clínicos.

La regulación ética será indispensable, pero no suficiente. Los principios generales, los marcos legales y las normas administrativas deben acompañarse de una comprensión matemática, estadística y clínica de los sistemas. No podemos gobernar responsablemente una tecnología que no entendemos. La supervisión humana debe ir más allá de aceptar o rechazar una recomendación algorítmica: debe comprender la evidencia que la respalda, reconocer cuándo puede fallar el sistema e identificar cuándo una decisión requiere experiencia clínica, interpretación del contexto o diálogo directo con el paciente.

Esta transformación exigirá nuevos planes de estudio universitarios y formación continua para miles de profesionales que ya trabajan en medicina, investigación, administración pública e industria. No bastará con formar a una nueva generación: habrá que actualizar a quienes hoy toman decisiones y crear equipos que integren experiencia clínica, matemáticas, estadística, informática, ciencias sociales y conocimiento de los sistemas sanitarios.

En este contexto, la bioestadística debe asumir un papel más amplio. No puede limitarse al análisis retrospectivo de estudios clínicos o bases de datos convencionales. Debe contribuir al diseño, análisis, inferencia estadística y aplicación clínica de datos continuos, longitudinales y multimodales generados por tecnologías digitales. También debe conectarse con la IA y la investigación operativa para transformar las predicciones en decisiones médicas fiables, transparentes y realmente útiles.

La inteligencia artificial no debería restar importancia a la universidad, la medicina o el ser humano. Debería impulsarnos a redefinirlos y orientarlos hacia algo útil, creativo y transformador. Su mayor contribución no será pensar en nuestro lugar, sino permitirnos dedicar más tiempo a lo profundamente humano: formular preguntas, ejercer el juicio, comprender a otros, hablar con pacientes, colaborar entre disciplinas y decidir qué futuro queremos construir. Sobre todo, debería ayudarnos a identificar, desarrollar y potenciar el talento humano allí donde se encuentre.

Opinión y perspectivas

Oxford y la lección del mañana: la institución que no se ve

Artículo de opinión de Marcos Matabuena publicado en un periódico español de ámbito nacional. Explora si las universidades pueden seguir siendo relevantes en la era de la inteligencia artificial.

El futuro de la IA en medicina

En esta entrevista, realizada hace más de un año, Marcos Matabuena anticipó que, pese al rápido avance de la inteligencia artificial, la medicina evolucionaría hacia una cultura más centrada en las personas.

Literatura universal para vivir en la era de la inteligencia artificial