Inteligencia Artificial en el Aula: Transformando la Enseñanza de Biotecnología y Biomedicina

Tema: El impacto de la Inteligencia Artificial en la educación biotecnológica y biomédica es significativo y transformador. Más allá de la aplicación directa, también es una herramienta útil para el aprendizaje adaptativo y la creación de nuevas conexiones conceptuales dentro de la vasta red de conocimientos para el avance de la biotecnología y biomedicina. 

1. La biotecnología se fundamenta en una interconexión de disciplinas

Los avances en biotecnología y biomedicina han sido significativos gracias a los descubrimientos en ciencia y tecnología. La biotecnología se dedica al aprovechamiento de organismos vivos para la creación de productos, mientras que la biomedicina utiliza principios biológicos y biomédicos para promover la salud humana. Esta disciplina es inherentemente multidisciplinaria, abarcando desde la modificación de sistemas biológicos para el desarrollo de nuevos productos hasta la aplicación de tecnología para abordar desafíos biológicos. Integra áreas tan variadas como la ingeniería de bioprocesos, las tecnologías ómicas, la edición genética, así como las ciencias de materiales, óptica e ingeniería electrónica, con el fin de maximizar el potencial de los sistemas vivos. La innovación en biotecnología se basa en establecer conexiones relevantes dentro de amplias redes de conocimiento, facilitadas por el aprendizaje colaborativo, discusiones y asociaciones entre expertos de diferentes disciplinas. Los profesionales en biotecnología deben adquirir conocimientos no solo de diversas áreas, sino también aprender a crear vínculos significativos entre ellas. Una manera de potenciar este enfoque es innovar en la educación dentro del campo de la biotecnología, utilizando herramientas avanzadas como la Inteligencia Artificial.

2. La Inteligencia Artificial en Biotecnología

La Inteligencia Artificial (IA) se ha integrado de manera significativa en el ámbito de la biotecnología, abordando una amplia gama de desafíos. Entre las aplicaciones más destacadas se encuentran el descubrimiento de nuevos fármacos, la evaluación de la seguridad de estos, así como la genómica funcional y estructural, la proteómica, la metabolómica, y campos como la farmacología, farmacogenética y farmacogenómica, entre otros. El futuro progreso en esta área dependerá en gran medida de la habilidad de los investigadores en biotecnología para implementar efectivamente soluciones avanzadas basadas en IA (Tabla 1).

Tabla 1. La IA en la Biotecnología (Holzinger et al., 2023).

Actualmente, la industria biotecnológica se basa considerablemente en la gestión, filtrado, análisis y compartición de datos. Muchas empresas biotecnológicas y organizaciones de atención médica a nivel global ya poseen vastas bases de datos. Es crucial señalar que el éxito de las aplicaciones de IA que discutimos depende enteramente de la infraestructura digital existente. En el contexto biotecnológico, la transformación digital puede abarcar la adopción de nuevas tecnologías y procesos que mejoren la eficiencia, precisión y velocidad en investigación y desarrollo, además de facilitar la creación de productos y servicios innovadores. Esta transformación puede acelerar el avance y uso de IA en biotecnología al proporcionar acceso a grandes volúmenes de datos ("macrodatos" o big data) y automatizar ciertas tareas, lo que a su vez optimiza la eficiencia y precisión en el desarrollo biotecnológico y biomédico (Tabla 2) (Holzinger et al., 2023).

Tabla 2. Desafíos transversales en investigación biotecnológica-biomédica y la IA (Holzinger et al., 2023).

Existen múltiples áreas emergentes dentro del campo de la IA aplicada a la biotecnología que están siendo objeto de intensa investigación actualmente y es probable que continúen siendo temas centrales en el futuro (Tabla 3).

Tabla 3. Temas de actualidad de la IA en biotecnología y biomedicina (Holzinger et al., 2023).

3. IA para el Aprendizaje

La IA se refiere a sistemas computacionales que extraen información y aprenden de los datos que reciben. No solo se debe considerar la IA como una herramienta para avanzar en el campo de la biotecnología, sino también como un medio para facilitar un aprendizaje más efectivo. Esto se puede lograr de dos formas destacadas: mediante el Aprendizaje Adaptativo (AL, por su acrónimo en inglés) y fomentando conexiones significativas dentro de las redes de conocimiento (Tabla 4). Cada persona tiene diferentes estilos y necesidades de aprendizaje. La democratización del conocimiento a través de los Cursos Abiertos Masivos en Línea (MOOC, por su acrónimo en inglés) aborda parcialmente esta cuestión, ya que permite a los estudiantes acceder a cursos gratuitos y seleccionar aquellos que les interesan. Sin embargo, este enfoque no soluciona las brechas específicas en el conocimiento de cada estudiante. El AL se centra en crear marcos de aprendizaje personalizados, ajustando el currículo y el estilo de enseñanza según las preferencias individuales y el conocimiento previo. Esto es especialmente relevante para los profesionales en biotecnología, quienes deben superar eficientemente las brechas en conocimientos multidisciplinarios. El AL está siendo impulsado cada vez más por la IA, tanto dentro como fuera del aula. En un entorno educativo, la IA puede combinar datos académicos, sociales y conductuales para ofrecer asesoramiento sobre intervenciones estratégicas, como la enseñanza en tiempo real y la planificación curricular. Fuera del aula, se manifiesta a través de plataformas inteligentes diseñadas para un aprendizaje personalizado, como SmartSparrow, que pueden sustituir a los MOOC tradicionales. Las tecnologías de IA están evolucionando rápidamente y están siendo entrenadas para "pensar" sin necesidad de grandes volúmenes de datos. Pueden analizar publicaciones científicas con rapidez e incluso generar hipótesis automáticamente. Esto implica que la IA puede establecer conexiones dentro de las redes de conocimiento y luego transmitir esa información a estudiantes humanos, permitiendo que estos necesiten invertir significativamente menos tiempo en comparación con métodos tradicionales (Goh y Sze, 2019).

Tabla 4. Inteligencia artificial para el aprendizaje: Cómo la IA puede hacer que los biotecnólogos sean más inteligentes (Goh y Sze, 2019).

4. Herramientas más avanzadas requieren humanos igualmente capacitados 

La educación impulsada por la IA representa un cambio significativo en la forma de aprender, pero también plantea interrogantes sobre cómo deben evolucionar las prácticas educativas en paralelo a la IA, en lugar de depender únicamente de ella. La Taxonomía de Bloom (TB), que clasifica los resultados del aprendizaje (Fig. 1, Panel A), sirve como un marco útil para esta discusión. Según la TB, los resultados más complejos (como la creación) se construyen sobre conocimientos más básicos (como recordar). Las tareas que se fundamentan en aprendizajes de los niveles 1 a 3 de la TB podrían ser realizadas por la IA. Desde la perspectiva de los principiantes, las tecnologías de IA pueden facilitar el avance a través de los niveles de TB más rápidamente, ya que permiten a los estudiantes utilizar IA para completar tareas mientras aprenden conceptos básicos. A medida que los alumnos fortalezcan sus conocimientos en los niveles inferiores, podrán comenzar a aplicar lo aprendido en niveles más altos, colaborando con tecnologías de IA para fomentar la creatividad y la innovación. En este punto, tendrán suficiente conocimiento para evaluar adecuadamente la precisión y el valor de los resultados generados por la IA.  Con esta ventaja que ofrece la IA para potenciar el aprendizaje en los niveles inferiores de TB, es esencial adoptar métodos pedagógicos que se concentren en desarrollar capacidades humanas en los niveles 4 a 6. Esto es crucial para lograr una mejor integración con la educación basada en IA, especialmente al considerar las conexiones que esta tecnología establece dentro del ámbito del conocimiento. La capacidad de actuar es una competencia que se puede enseñar mediante Prácticas de Alto Impacto (HIP, por su acrónimo en inglés). Las HIP enfatizan el uso creativo del conocimiento y el aprendizaje autodirigido, promoviendo un aprendizaje más profundo y significativo a través de la autoexploración y simulaciones prácticas en entornos colaborativos que permiten a los estudiantes desarrollar habilidades comunicativas y dinámicas grupales relevantes para los niveles superiores de TB.  En este contexto, exploramos dos HIP: el aprendizaje experiencial (EL, por su acrónimo en inglés) y el enfoque "Estudiante Como Socio" (SAP, por su acrónimo en inglés) (Fig. 1, Panel B). El EL fomenta el aprendizaje a partir de experiencias auténticas mediante un ciclo continuo de reflexión, conceptualización y acción. Los estudiantes enfrentan desafíos reales donde deben resolver problemas por sí mismos utilizando recursos relevantes sin restricciones disciplinarias. La diversidad de tareas empuja a los estudiantes más allá del conocimiento teórico, involucrándolos activamente y ayudándoles a ganar competencia y confianza.  Los proyectos dentro del enfoque de EL que requieren innovación para crear productos (como dispositivos mecánicos o recetas culinarias) son especialmente beneficiosos para quienes estudian biotecnología, ya que combinan optimización sistemática con pensamiento creativo y diseño intencionado; algo que las prácticas convencionales no logran. El EL también cultiva una conciencia sobre la interconexión entre variables y disciplinas junto con la capacidad para actuar creativamente, características esenciales para adaptarse junto a la IA.  Por otro lado, el enfoque SAP promueve un aprendizaje conjunto y el desarrollo colaborativo del currículo, lo cual profundiza el entendimiento personal al obligar a los estudiantes a considerar temas desde una perspectiva docente. Alcanzar un nivel profundo y competente en el aprendizaje es fundamental para poder actuar efectivamente, ya que fortalece las bases del conocimiento y fomenta relaciones laborales estrechas con mentores y compañeros.

Figura 1. Ilustración de los resultados de aprendizaje (Goh y Sze, 2019). La taxonomía de Bloom es una clasificación de los resultados de aprendizaje desde el básico (Recordar; nivel 1) hasta el profundo (Crear; nivel 6) (Panel A). Resultados de aprendizaje alcanzados por las pedagogías de aprendizaje experiencial (EL) y de estudiante como socio (SAP), y cómo se aplican a la educación en biotecnología (Panel B). Tanto el EL como el SAP alcanzan el nivel 6 de la taxonomía de Bloom [ilustrado en A)] en el sentido de que ambos requieren que los estudiantes creen un producto final basado en su iniciativa y creatividad, basándose en el conocimiento adquirido previamente. 

A pesar del apoyo que brinda la IA, seguirá existiendo una brecha entre teoría y acción porque al final se trata de un desafío humano. La IA puede facilitar el proceso educativo mediante el aprendizaje automático o al ofrecer nuevas perspectivas. El verdadero avance radica en formar individuos autónomos con un enfoque en el aprendizaje profundo y la acción creativa. Estas habilidades son enseñables mediante HIPs y son particularmente valiosas porque aumentan la participación estudiantil al personalizar su experiencia educativa sin centrarse excesivamente en calificaciones o créditos. Esto es particularmente relevante para la biotecnología, donde el aprendizaje autodirigido y la capacidad para trabajar en equipo interdisciplinario son esenciales debido a su naturaleza colaborativa y dinámica (Goh y Sze, 2019).

Figura 1. Resultados de aprendizaje alcanzados por las pedagogías de aprendizaje experiencial (EL) y de estudiante como socio (SAP), y cómo se aplican a la educación en biotecnología (Panel B). Tanto el EL como el SAP alcanzan el nivel 6 de la taxonomía de Bloom [ilustrado en A)] en el sentido de que ambos requieren que los estudiantes creen un producto final basado en su iniciativa y creatividad, basándose en el conocimiento adquirido previamente. 

5. Elementos clave de las Tecnologías de la Información y la Comunicación (TIC) en la evolución de la educación biomédica (Altintas y Sahiner, 2024)

• Avances tecnológicos en la formación biomédica: La incorporación de tecnologías innovadoras, como la realidad virtual (RV), la realidad aumentada (RA) al igual que la IA, está revolucionando la enseñanza médica al ofrecer experiencias de aprendizaje inmersivas y participativas.

• Aprendizaje a través de simulaciones: Las herramientas de simulación contribuyen a perfeccionar las habilidades prácticas, aumentar la retención del conocimiento y fomentar la participación de los estudiantes, permitiendo que practiquen procedimientos médicos complejos en entornos seguros y realistas.

• Adopción de dispositivos móviles: La implementación de tecnologías móviles en la educación médica facilita una retroalimentación instantánea, el acceso a recursos educativos y el aprendizaje continuo, lo que hace que el proceso educativo sea más dinámico y accesible.

• Papel de la inteligencia artificial en la educación: La IA es crucial para personalizar la formación médica, mejorar las habilidades diagnósticas y estimular el pensamiento crítico. Incluir una formación estructurada en IA dentro de los programas educativos es vital para preparar a los futuros profesionales de la salud.

• Incorporación de la salud digital: Integrar tecnologías de salud digital en los currículos es fundamental para equipar a los estudiantes ante las cambiantes demandas del sector sanitario, mejorar los resultados en atención al paciente y asegurar que los profesionales médicos puedan desenvolverse eficazmente en el entorno digital actual.

• Sugerencias para educadores: Un currículo bien estructurado, el desarrollo profesional continuo para los docentes y una infraestructura adecuada son esenciales para lograr una integración exitosa de tecnologías avanzadas en la educación médica.

6. Incorporación del modelo de conversación generativo ChatGPT como herramienta educativa en biomedicina y biotecnología

Desde su lanzamiento al público en noviembre de 2022, ChatGPT, una inteligencia artificial generadora de texto ha captado una atención considerable en el ámbito educativo, destacándose especialmente como un recurso para desarrollar habilidades comunicativas entre estudiantes de medicina y biotecnología, así como un apoyo en entornos de aprendizaje basados en problemas (Thomae et al., 2024). La versión ChatGPT-3.5 ha demostrado su efectividad en diversas tareas, particularmente en la redacción de artículos científicos. Sus aplicaciones incluyen la mejora del vocabulario, la reescritura de textos para evitar el plagio, la formulación de hipótesis, la creación de palabras clave y títulos, el resumen de artículos, la simplificación del lenguaje técnico y la conversión de textos informales a un estilo más académico, además de ayudar en la interpretación de datos. Las capacidades de ChatGPT en la escritura relacionada con biotecnología y biomedicina han mostrado su potencial para optimizar varios aspectos del proceso de redacción, siendo útil para enriquecer el vocabulario, sugerir alternativas lingüísticas y mejorar la gramática. No obstante, es fundamental que los profesionales en biomedicina y biotecnología realicen una revisión exhaustiva y validaciones humanas para asegurar la precisión y relevancia del contenido cuando consideren utilizar la IA como un recurso complementario en su escritura (Dergaa et al., 2024)."

7. Conclusiones

La inteligencia artificial está transformando no solo la forma en que se investiga y aplica el conocimiento en el mundo real, sino también cómo se imparte la enseñanza en biotecnología y biomedicina. Esta sinergia está preparando a los estudiantes para enfrentar los desafíos del futuro con herramientas modernas y efectivas. La IA no solo sirve como catalizador para impulsar innovaciones en biotecnología, sino que también se convierte en un recurso esencial para el aprendizaje. Aunque la inteligencia artificial puede simplificar los procesos educativos, su combinación con prácticas pedagógicas de alto impacto producirá resultados significativamente mejores en términos de innovación. El campo de las aplicaciones de la IA ha crecido enormemente; su éxito es evidente en la vida cotidiana en múltiples áreas (como asistentes de voz como Alexa y Siri, el traductor DeepL, así como ChatGPT, el sistema innovador de OpenAI que sorprende por su rendimiento). Todos estos sistemas están a disposición del sector biotecnológico y, además, se están construyendo ecosistemas de IA tan amplios que tienen la capacidad de renovarse continuamente. Para el futuro, es crucial abogar por una inteligencia artificial equitativa, promover la ciencia abierta y facilitar el acceso a datos abiertos: creando ecosistemas de IA que beneficien a toda la humanidad.

8. Bibliografía

Altintas L., Sahiner M. 2024. Transforming medical education: the impact of innovations in technology and medical devices. Expert Rev. Med. Devices. 21(9): 797-809. https://doi.org/10.1080/17434440.2024.2400153

Dergaa I., Ben Saad H., Glenn J.M., Ben Aissa M., Taheri M., Swed S., Guelmami N., Chamari K. 2024. A thorough examination of ChatGPT-3.5 potential applications in medical writing: A preliminary study. Medicine, 103:40(e39757). 

http://dx.doi.org/10.1097/MD.0000000000039757

Goh W.W.B., Sze C.C. 2019. AI Paradigms for Teaching Biotechnology. Trends Biotechnol., 37(1): 1-5. https://doi.org/10.1016/j.tibtech.2018.09.009

Holzinger A., Keiblinger K., Holub P., Zatloukal K., Müller H. 2023. AI for life: Trends in artificial intelligence for biotechnology. New Biotechnology, 74:  16-24. https://doi.org/10.1016/j.nbt.2023.02.001

Thomae A.V., Witt C.M., Barth J. 2024. Integration of ChatGPT Into a course for medical students: Explorative study on teaching scenarios, students’ perception, and applications. JMIR Med. Educ., 10: e50545. doi: 10.2196/50545