Carta al editor
A propósito de: Formación de la metacompetencia toma de decisiones clínicas coasistida por Inteligencia Artificial en Medicina Interna
Regarding: Development of meta-competence in clinical decision-making assisted by Artificial Intelligence in Internal Medicine
Luis Vivas-Bombino 1 * https://orcid.org/0000-0003-3259-976X
Margarita González Tapia 1 https://orcid.org/0009-0000-7835-0631
1 Policlínico “Cristóbal Labra”. La Habana, Cuba.
*Autor para la correspondencia. Correo electrónico: vicedecano@infomed.sld.cu
Recibido: 5 de mayo 2026.
Aprobado: 25 de mayo 2026.
Editor: Yasnay Jorge Sainz.
Aprobado: Silvio Emilio Niño Escofet.
Estimado Editor:
Tras la lectura del artículo “Formación de la metacompetencia toma de decisiones clínicas coasistida por Inteligencia Artificial en Medicina Interna”, publicado en el Volumen 30 del año 2026,(1) deseo destacar la relevancia de su propuesta y ofrecer algunas reflexiones que considero pertinentes para el debate actual en la educación médica.
El trabajo de Alonso Betancourt y colaboradores aborda un desafío impostergable en la formación de pregrado: cómo integrar la inteligencia artificial (IA) en los escenarios clínicos reales sin que esta sustituya el juicio del profesional, sino potenciándolo. La metacompetencia propuesta —definida como cualidad que integra juicio clínico, análisis de información compleja, priorización de alternativas terapéuticas y uso crítico de la IA, acompañado de autorregulación y reflexión metacognitiva de manera ético-humanista — constituye un concepto novedoso que trasciende los modelos tradicionales de razonamiento clínico.
Uno de los mayores aciertos del estudio es el diseño del procedimiento en seis fases, que incorpora la IA en pase de visita, guardia médica, consulta clínica e interconsulta docente. La combinación de escenarios clínicos reales con apoyo tecnológico, bajo supervisión docente y con espacios explícitos de reflexión metacognitiva, se alinea con investigaciones previas que demuestran la eficacia de la IA para el desarrollo del razonamiento clínico cuando se integra en actividades estructuradas.(2) A diferencia de estudios que utilizan exclusivamente simulaciones o casos teóricos, esta propuesta sitúa al interno en el contexto real de atención, lo que favorece un aprendizaje más auténtico y transferible.
Los resultados cuantitativos son contundentes: la mediana de la metacompetencia total ascendió de 59 a 84 puntos (p<0.001), con mejoras altamente significativas en todas las dimensiones evaluadas. No obstante, cabría preguntarse si estas ganancias se mantienen en el tiempo, dado que la evaluación se realizó inmediatamente después de concluir la rotación. Sería valioso disponer de mediciones de retención a los seis o doce meses.
Asimismo, aunque el estudio menciona la importancia de la reflexión metacognitiva, no se detalla cómo se operacionaliza en la práctica. ¿Se utilizan rúbricas específicas para evaluar la capacidad autorreguladora del interno? ¿Existe algún instrumento validado que permita discriminar entre una reflexión superficial y una profunda? Profundizar en estos aspectos podría enriquecer futuras implementaciones.
Desde una perspectiva ética, el procedimiento asegura que la IA “coasista, pero no reemplace el juicio clínico”. Sin embargo, sería útil explicitar cómo se aborda la posible sobredependencia tecnológica (o “pereza metacognitiva”), un riesgo creciente documentado en la literatura médica actual. (3)
El artículo ofrece una valiosa hoja de ruta para la formación de competencias asistidas por IA en el pregrado de Medicina Interna. Recomiendo su lectura a todos los responsables de la formación clínica, así como la realización de estudios longitudinales que evalúen la perdurabilidad de los resultados y comparen esta estrategia con otras modalidades educativas.
Referencias bibliográficas
1. Alonso Betancourt LA, Silva Velasco E, López Planos Y. Formación de la metacompetencia toma de decisiones clínicas coasistida por Inteligencia Artificial en Medicina Interna. Correo Científico Médico. 2026;30. Disponible en: https://revcocmed.sld.cu/index.php/cocmed/article (5-5-2026).
2. Ouanes K, Farhah N. Effectiveness of artificial intelligence (AI) in clinical decision support systems and care delivery. J Med Syst. 2024;48(1):74. Disponible en: https://psnet.ahrq.gov/issue/effectiveness-artificial-intelligence-ai-clinical-decision-support-systems-and-care-delivery (5-5-2026).
3. Flores-Cohaila JA, Copaja-Corzo C. Pereza metacognitiva: un riesgo emergente en la educación médica en la era de la inteligencia artificial. Educ Med. 2025;26(2):100987. Disponible en: https://www.elsevier.es/es-revista-educacion-medica-10-articulo-pereza-metacognitiva-un-riesgo-emergente-S1575181325000268 (5-5-2026).
Conflicto de intereses
Los autores no declaran conflicto de intereses
Financiamiento
La presente investigación no contó con financiamiento.
Contribución de los autores
Luis Vivas-Bombino: conceptualización, investigación, metodología, administración del proyecto, software.
Margarita González Tapia: visualización, validación, supervisión, redacción, revisión y edición.
Los artículos de la Revista Correo Científico Médico perteneciente a la Universidad de Ciencias Médicas de Holguín se comparten bajo los términos de la Licencia Creative Commons Atribución 4.0 Internacional Email: publicaciones@infomed.sld.cu