Educación e docencia

A universidade, a medicina e a bioestatística dixital na era da intelixencia artificial

As institucións de educación superior xurdiron hai séculos como centros de conservación, organización e transmisión do coñecemento. Durante moito tempo, a súa autoridade apoiouse en interpretar textos, tradicións e saberes establecidos. A imprenta transformou gradualmente este modelo ao ampliar o acceso ás ideas. Despois, a Revolución Científica e o pensamento crítico da Ilustración, representado por autores como David Hume, ensancharon a liberdade intelectual e cuestionaron a dependencia absoluta da autoridade.

Nos séculos XIX e XX xurdiu a universidade moderna de investigación, primeiro en Europa e despois cunha forza extraordinaria nos Estados Unidos. A súa misión deixou de limitarse a transmitir o saber acumulado e incorporou a produción sistemática de novos descubrimentos. Os laboratorios, os doutoramentos, as revistas científicas e as colaboracións entre universidades, gobernos e industria converteron a educación superior nun dos principais motores das revolucións científica, médica e tecnolóxica da sociedade moderna.

Na era da intelixencia artificial, a universidade deberá reinventarse de novo para seguir sendo relevante. Moitos docentes ven con preocupación a incorporación destas tecnoloxías á educación. Pero a IA non está a destruír un sistema plenamente eficaz: está a facer máis visibles as limitacións dun modelo educativo concibido cando a información era escasa. Con demasiada frecuencia, ese modelo segue priorizando a memorización, a uniformidade e a xerarquía fronte á creatividade, a colaboración, o talento individual e a procura de solucións aos grandes problemas sociais.

Educadores como Ken Robinson defendían que os nenos son curiosos, imaxinativos e dispostos a experimentar por natureza, pero que os sistemas educativos convencionais poden debilitar esas calidades ao penalizar o erro, premiar a conformidade e priorizar logros estandarizados. Para el, a creatividade non é un don excepcional duns poucos, senón unha capacidade humana fundamental que a educación debe descubrir e desenvolver. Coa chegada da IA, esta crítica cobra nova relevancia.

Estas tecnoloxías poden ampliar as capacidades individuais, personalizar a aprendizaxe e facilitar que persoas de calquera lugar accedan a coñecementos, ferramentas e oportunidades antes reservados a unha minoría. Tamén poden axudar os estudantes a explorar ideas ao seu ritmo, recibir apoio individualizado e desenvolver talentos que non encaixan facilmente nas estruturas educativas tradicionais. Este potencial só se fará realidade se se reducen as desigualdades de acceso e se ensina a utilizar a IA de maneira crítica, rigorosa e responsable, con conciencia das súas limitacións.

A educación cambiará profundamente en todo o mundo. A súa misión xa non pode limitarse a transmitir contidos que agora se recuperan case ao instante. Debe ensinar a formular preguntas importantes, avaliar criticamente a evidencia, distinguir información de coñecemento, integrar disciplinas, razoar baixo incerteza e utilizar a IA de forma creativa e responsable. O valor da universidade estará en construír comunidades capaces de interpretar o coñecemento, cuestionalo, xerar ideas e utilizalas para transformar a realidade, ademais de facilitar información.

Esta evolución será especialmente importante na biomedicina. A IA xa pode analizar enormes volumes de información, identificar patróns complexos e apoiar a investigación e as decisións clínicas. Porén, sistemas preditivos cada vez máis potentes non resolverán por si sós os grandes problemas médicos. Tamén debemos decidir que preguntas formular, que datos recoller, que resultados teñen relevancia clínica e como transformar as predicións en decisións seguras e eficaces para pacientes e poboacións.

A formación médica debe evolucionar en dúas direccións complementarias. Por unha banda, debe incorporar con maior profundidade estatística, IA, ciencia de datos, deseño de estudos, inferencia causal, cuantificación da incerteza e outros métodos cuantitativos, esenciais para comprender a medicina actual. Pola outra, debe reforzar a comunicación, a empatía, a ética, a escoita atenta e o coidado humano. Canto máis potente sexa a tecnoloxía, máis importante será lembrar que a medicina tamén consiste en comprender, acompañar e coidar as persoas, ademais de predicir enfermidades.

Na biomedicina, esta nova educación precisará unha disciplina que conecte IA, estatística, deseño de estudos, cuantificación da incerteza, coñecemento clínico e toma de decisións. Esta integración é o núcleo do que entendemos por Bioestatística dixital .

Debemos distinguir claramente que decisións deben seguir sendo responsabilidade humana e que tarefas poden delegarse en sistemas de IA. Esa delegación só será lexítima se comprendemos suficientemente como funcionan os algoritmos, que información usan, en que supostos se basean, cales son os seus límites e que consecuencias poden ter os seus erros. Unha predición aparentemente precisa non abonda: debemos avaliar a súa fiabilidade, a súa incerteza, os seus posibles nesgos e a súa capacidade para xeneralizar entre persoas, hospitais e contornos clínicos.

A regulación ética será indispensable, pero non suficiente. Os principios xerais, os marcos legais e as normas administrativas deben acompañarse dunha comprensión matemática, estatística e clínica dos sistemas. Non podemos gobernar responsablemente unha tecnoloxía que non entendemos. A supervisión humana debe ir máis alá de aceptar ou rexeitar unha recomendación algorítmica: debe comprender a evidencia que a apoia, recoñecer cando pode fallar o sistema e identificar cando unha decisión require experiencia clínica, interpretación do contexto ou diálogo directo co paciente.

Esta transformación esixirá novos plans de estudo universitarios e formación continua para miles de profesionais que xa traballan na medicina, na investigación, na administración pública e na industria. Non abondará con formar unha nova xeración: haberá que actualizar a quen hoxe toma decisións e crear equipos que integren experiencia clínica, matemáticas, estatística, informática, ciencias sociais e coñecemento dos sistemas sanitarios.

Neste contexto, a bioestatística debe asumir un papel máis amplo. Non pode limitarse á análise retrospectiva de estudos clínicos ou bases de datos convencionais. Debe contribuír ao deseño, á análise, á inferencia estatística e á aplicación clínica de datos continuos, lonxitudinais e multimodais xerados por tecnoloxías dixitais. Tamén debe conectarse coa IA e coa investigación operativa para transformar as predicións en decisións médicas fiables, transparentes e realmente útiles.

A intelixencia artificial non debería restar importancia á universidade, á medicina ou ao ser humano. Debería impulsarnos a redefinilos e orientalos cara a algo útil, creativo e transformador. A súa maior contribución non será pensar no noso lugar, senón permitirnos dedicar máis tempo ao profundamente humano: formular preguntas, exercer o xuízo, comprender os demais, falar cos pacientes, colaborar entre disciplinas e decidir que futuro queremos construír. Sobre todo, debería axudarnos a identificar, desenvolver e potenciar o talento humano alí onde se atope.

Opinión e perspectivas

Oxford e a lección do mañá: a institución que non se ve

Artigo de opinión de Marcos Matabuena publicado nun xornal español de ámbito nacional. Explora se as universidades poden seguir sendo relevantes na era da intelixencia artificial.

O futuro da IA en medicina

Nesta entrevista, realizada hai máis dun ano, Marcos Matabuena anticipou que, malia o rápido avance da intelixencia artificial, a medicina evolucionaría cara a unha cultura máis centrada nas persoas.

Literatura universal para vivir na era da intelixencia artificial