\n<\/p>\n
\n l’essentiel<\/span> En Francia, solo **14%** de los m\u00e9dicos respetaron su obligaci\u00f3n de formaci\u00f3n continua en **2023**. Este dato es alarmante, especialmente en un contexto donde los conocimientos m\u00e9dicos est\u00e1n en constante evoluci\u00f3n. El problema no solo afecta a los individuos; el **desperdicio de recursos en salud** representa el **20% del presupuesto** de la **Seguridad Social**. Seg\u00fan la encuesta ENEIS 3 del Ministerio de Salud, m\u00e1s de la mitad de los eventos indeseables graves ocurridos en hospitales en 2019 podr\u00edan haberse evitado. Adem\u00e1s, se estima que hasta el **15% de los diagn\u00f3sticos** realizados en Francia son err\u00f3neos o incompletos.<\/p>\n Un sistema confuso.<\/strong> Desde la reforma del **Desarrollo Profesional Continuo** (DPC) en **2016**, los m\u00e9dicos enfrentan una confusi\u00f3n considerable debido a la proliferaci\u00f3n de diferentes **dispositivos**: ANDPC, Orden, HAS y sociedades cient\u00edficas. Esta multiplicaci\u00f3n de formatos, que incluye desde e-learning hasta congresos y auditor\u00edas, acaba m\u00e1s por desorientar que por motivar a los profesionales.<\/p>\n Falta de sanciones.<\/strong> A diferencia de los ********pilotos de l\u00edneas********, que son evaluados regularmente bajo riesgo de suspensi\u00f3n de licencia, los m\u00e9dicos no enfrentan sanciones concretas. Esta falta de consecuencias se refleja en los datos: el informe ENEIS 3 indica que de 61 eventos graves que deb\u00edan ser reportados a las autoridades, solo uno fue efectivamente reportado.<\/p>\n Formaciones inadecuadas.<\/strong> Con el aumento de la carga laboral, los programas de formaci\u00f3n a menudo son demasiado generales y no satisfacen las necesidades reales en la pr\u00e1ctica diaria.<\/p>\n Dispositivos poco eficaces.<\/strong> Las **Revisiones de Morbi-Mortalidad** (RMM), que deber\u00edan servir para el an\u00e1lisis colectivo de casos complejos y errores, muestran limitaciones. Diversos estudios indican que su impacto en la mejora de la calidad de la atenci\u00f3n es marginal. Sin metodolog\u00edas s\u00f3lidas, seguimiento objetivo de pr\u00e1cticas y una cultura de devoluci\u00f3n de experiencias sin culpa, estas reuniones son a menudo formales y sin efectos tangibles.<\/p>\n La **HAS** realiza un trabajo notable en la elaboraci\u00f3n de recomendaciones, pero su comunicaci\u00f3n sobre la **acreditaci\u00f3n** revela una excesiva confianza. En su sitio web, afirma que la acreditaci\u00f3n asegura el “mantenimiento de competencias, incluso la adquisici\u00f3n de nuevas”. Sin embargo, la palabra “garant\u00eda” implica una seguridad en los resultados que no se puede cumplir.<\/p>\n La acreditaci\u00f3n, aunque bien estructurada, depende del compromiso voluntario del m\u00e9dico. Aunque favorece y apoya la pr\u00e1ctica, no garantiza resultados. Esta sobreestimaci\u00f3n por parte de las instituciones muestra una brecha entre la normativa y la eficacia real.<\/p>\n Las investigaciones son claras: la auto-evaluaci\u00f3n m\u00e9dica falla. Un estudio en el JAMA demuestra que los m\u00e9dicos tienden a sobreestimar su competencia, especialmente aquellos con m\u00e1s brechas en su conocimiento.<\/p>\n Un caso reciente ilustra este sesgo: cuando el **IA ChatGPT-4** analiza casos complejos, alcanza una precisi\u00f3n del **92%**. Sin embargo, cuando los m\u00e9dicos la utilizan como ayuda, su rendimiento se estanca en un **76%**, frente al **74%** sin asistencia. Esto revela que los m\u00e9dicos conf\u00edan en su juicio por encima de las sugerencias de la m\u00e1quina, a pesar de que esta \u00faltima puede ser correcta. Esta resistencia a aceptar informaci\u00f3n que desaf\u00eda la experiencia establecida est\u00e1 en el n\u00facleo del problema.<\/p>\n En pa\u00edses como el **Reino Unido** y **Estados Unidos**, la formaci\u00f3n continua est\u00e1 acompa\u00f1ada de an\u00e1lisis de casos, simuladores cl\u00ednicos y retrospectivas estructuradas. A diferencia de las RMM en Francia, estas pr\u00e1cticas se fundamentan en metodolog\u00edas s\u00f3lidas, evaluaciones objetivas, y una cultura aut\u00e9ntica de retorno donde el error es visto como aprendizaje, no como sanci\u00f3n. Los m\u00e9dicos comparten dudas y revisan decisiones sin temor al estigma.<\/p>\n La evaluaci\u00f3n por pares y sistemas de medici\u00f3n objetiva est\u00e1n reemplazando gradualmente la deficiente auto-evaluaci\u00f3n. Como resultado, en contextos donde estas iniciativas est\u00e1n bien estructuradas, los \u00edndices de errores graves y el n\u00famero de incidentes disminuyen dr\u00e1sticamente.<\/p>\n La **IA** ya est\u00e1 transformando la formaci\u00f3n m\u00e9dica mediante sistemas de ayuda a la decisi\u00f3n cl\u00ednica (CDSS). Estos sistemas, integrados en los expedientes electr\u00f3nicos, analizan autom\u00e1ticamente los datos para identificar discrepancias con recomendaciones, alertar sobre interacciones medicamentosas y sugerir diagn\u00f3sticos diferenciales.<\/p>\n Formaci\u00f3n personalizada.<\/strong> Las plataformas m\u00e1s avanzadas emplean IA para dise\u00f1ar itinerarios formativos adaptados a cada m\u00e9dico. Analizando prescripciones y diagn\u00f3sticos, estos sistemas identifican autom\u00e1ticamente \u00e1reas que requieren formaci\u00f3n. Algunas incluso generan casos cl\u00ednicos basados en los errores m\u00e1s frecuentes del profesional, sortando as\u00ed los l\u00edmites de la auto-evaluaci\u00f3n.<\/p>\n C\u00edrculo virtuoso.<\/strong> Los CDSS se han convertido en laboratorios de aprendizaje. Cada interacci\u00f3n genera datos sobre las \u00e1reas de incertidumbre del m\u00e9dico, sus sesgos cognitivos y lagunas de conocimiento. Esta informaci\u00f3n alimenta m\u00f3dulos de formaci\u00f3n espec\u00edficos, creando un entorno de mejora continua.<\/p>\n M\u00e1s all\u00e1 de la tecnolog\u00eda, se necesita un cambio cultural en el \u00e1mbito m\u00e9dico. Como dijo Henry Ford: “El \u00fanico error verdadero es aquel del cual no aprendemos nada”. La medicina en Francia sigue estando marcada por un enfoque donde el error es sin\u00f3nimo de falta profesional en lugar de ser considerado una oportunidad de aprendizaje. En otras naciones, los m\u00e9dicos analizan sus pr\u00e1cticas en equipo, comparten dudas y cuestionan decisiones sin poner en riesgo su competencia. Esta cultura de retroalimentaci\u00f3n a\u00fan est\u00e1 por desarrollarse en Francia. La IA puede desempe\u00f1ar un papel fundamental en esta transformaci\u00f3n, facilitando un an\u00e1lisis an\u00f3nimo de datos y concentr\u00e1ndose en la mejora en lugar de la penalizaci\u00f3n. Los expertos coinciden en que la inteligencia artificial no reemplazar\u00e1 a los m\u00e9dicos, pero aquellos que dominen su uso sustituir\u00e1n a los que lo ignoren.<\/p>\n
\n\u00c0penas el **14%** de los m\u00e9dicos franceses cumplen con su obligaci\u00f3n de formaci\u00f3n continua. Este fracaso amenaza la calidad de la atenci\u00f3n m\u00e9dica y tiene un alto costo para la **Seguridad Social**. Vincent Misrai, m\u00e9dico, y Alena Bruchon, ingeniera en tecnolog\u00edas innovadoras, proponen en esta tribuna una reflexi\u00f3n sobre c\u00f3mo la **inteligencia artificial** podr\u00eda mejorar esta situaci\u00f3n.\n<\/p>\nLas ra\u00edces del problema<\/h2>\n
Cuando las instituciones sobreestiman sus dispositivos<\/h2>\n
El peligro de la auto-evaluaci\u00f3n<\/h2>\n
Lecciones del extranjero<\/h2>\n
Inteligencia artificial como soluci\u00f3n<\/h2>\n
Un cambio de cultura necesaria<\/h2>\n