Author(s): Paul J. Hershberger, Yong Pei, Dean A. Bricker, Timothy N. Crawford, Ashutosh Shivakumar, Angie Castle, Katharine Conway, Raveendra Medaramitta, Maria Rechtin, and Josephine F. Wilson
Year: 2024
Bibliographic Reference: Hershberger, P. J., Pei, Y., Bricker, D. A., Crawford, T. N., Shivakumar, A., Castle, A., Conway, K., Medaramitta, R., Rechtin, M., & Wilson, J. F. (2024). Motivational interviewing skills practice enhanced with artificial intelligence: ReadMI. BMC Medical Education, 24, 237. https://doi.org/10.1186/s12909-024-05217-4
Categoría asignada: Empatía y motivación
Resumen: #
El artículo Motivational Interviewing Skills Practice Enhanced with Artificial Intelligence: ReadMI presenta el uso de un programa impulsado por inteligencia artificial (IA) llamado “ReadMI” para mejorar la formación en habilidades de entrevista motivacional (MI) entre estudiantes de medicina. La entrevista motivacional es una técnica de comunicación centrada en el paciente que se utiliza para aumentar su motivación para realizar cambios de comportamiento, especialmente en el manejo de enfermedades crónicas. Este enfoque ha demostrado ser altamente efectivo, pero es difícil de enseñar y dominar debido a la tendencia de los médicos a adoptar un rol más directivo.
El programa ReadMI está diseñado para abordar estas dificultades utilizando el procesamiento del lenguaje natural y el reconocimiento del habla, evaluando en tiempo real las habilidades de los estudiantes durante sesiones de simulación clínica. La herramienta proporciona métricas sobre aspectos críticos de la MI, como el tiempo de conversación del médico, la proporción de preguntas abiertas a preguntas cerradas, el uso de declaraciones reflexivas y la aplicación de escalas de valoración de importancia, preparación y confianza.
El estudio se llevó a cabo con 125 estudiantes de tercer año de medicina, quienes participaron en sesiones de formación en MI durante sus rotaciones en medicina familiar. Los estudiantes fueron asignados a un grupo de intervención o a un grupo de control. Ambos grupos recibieron retroalimentación de facilitadores después de sus simulaciones, pero solo el grupo de intervención recibió las métricas generadas por ReadMI antes de la segunda ronda de simulaciones. Los estudiantes del grupo de control recibieron las métricas después de completar todas las simulaciones, sin poder integrarlas en tiempo real en su aprendizaje.
Los resultados mostraron que los estudiantes en el grupo de intervención utilizaron significativamente más preguntas abiertas y menos preguntas cerradas en comparación con los del grupo de control. Además, el grupo de intervención mejoró en aspectos clave como la reducción del tiempo de conversación del médico y una mayor proporción de reflexiones frente a preguntas. Los estudiantes que recibieron retroalimentación basada en IA fueron más capaces de adaptar su enfoque, promoviendo una interacción más participativa y empática con el paciente.
Un aspecto destacado del estudio es que ReadMI no solo facilita la retroalimentación objetiva, sino que también reduce la carga cognitiva de los facilitadores, permitiéndoles concentrarse en los aspectos cualitativos de la interacción clínica. Este sistema de entrenamiento en tiempo real demostró ser eficiente y práctico para la adquisición de habilidades, con implicaciones importantes para la formación médica, donde el tiempo para practicar habilidades de comunicación es limitado.
A pesar de estos beneficios, el estudio reconoce varias limitaciones. Por ejemplo, la intervención incluyó dos fuentes de retroalimentación (facilitador y ReadMI), mientras que el grupo de control solo tuvo una, lo que podría haber influido en los resultados. Además, la distribución de los grupos de intervención y control no fue completamente aleatoria, lo que podría haber introducido sesgos en la comparación de habilidades iniciales. También se sugiere que futuras investigaciones incluyan seguimientos a largo plazo para evaluar si las mejoras en las habilidades de MI se mantienen a lo largo del tiempo.
En conclusión, el uso de IA en la formación de habilidades en entrevista motivacional, como se demuestra en el estudio ReadMI, puede ser una herramienta poderosa para aumentar la eficacia de los programas educativos en salud. La capacidad de proporcionar retroalimentación cuantitativa y en tiempo real sobre la calidad de la comunicación permite a los estudiantes ajustar sus enfoques de manera más rápida y efectiva. Al integrar estas tecnologías, las instituciones educativas pueden mejorar la enseñanza de habilidades empáticas y centradas en el paciente, cruciales para el éxito en el manejo de enfermedades crónicas y el bienestar del paciente.
