Arꢂculo especial | Special arꢀcle  
146  
Rev Argent Cir 2023;115(2):146-151- hꢀp://dx.doi.org/10.25132/raac.v115.n2.1782  
La era de la inteligencia arꢀꢁcial y su impacto en el aprendizaje de  
habilidades quirúrgicas de grado y posgrado: ¿El futuro de la cirugía?  
The age of arꢀꢁcial intelligence and its impact on learning surgical skills: is it the future of surgery?  
María H. Gaitán Buitrago , Marcela Velásquez Salazar , Jorge A. Montes Cardona , Luis F. Mosquera Solano  
Universidad del Quindío. RESUMEN  
Grupo de Interés e  
Invesꢁgación en Cirugía Los cambios en la educación desaꢀan a los profesores sobre cómo enseñar de la mejor manera y  
(
GIICx-UQ). Armenia, mejorar el desempeño de sus estudiantes. En el caso de la cirugía es necesario adquirir habilidades  
Colombia. manuales que reflejen el pensamiento críꢁco y la capacidad de tomar decisiones en situaciones  
complejas, de manera rápida y eficaz. Así, la inteligencia arꢁficial (IA) es una nueva herramienta que  
puede mejorar el desempeño de los estudiantes de grado y posgrado, así como repercuꢁr en mejores  
Los autores declaran no  
tener conflictos  
de interés.  
desenlaces clínicos. El papel que debe desempeñar la enseñanza tradicional y el futuro de la enseñanza  
quirúrgica son cuesꢁones para resolver.  
Conflicts of interest  
None declared.  
Palabras clave: Inteligencia arꢁꢂcial, aprendizajequirúrgico, educación quirúrgica.  
Correspondencia ABSTRACT  
Correspondence:  
Educaꢁonal changes present a challenge for teachers in terms of how to effecꢁvely teach and enhance  
María Helena Gaitán  
Buitrago. student performance. Surgery demands manual dexterity that reflects criꢁcal thinking and the  
E-mail: mhgaitan@ ability to make efficient decisions quickly in complex situaꢁons. Arꢁficial Intelligence (AI) is a tool  
uniquindio.edu.co that can enhance the performance of both undergraduate and graduate students and improve clinical  
outcomes. The role of tradiꢁonal teaching and the future of surgical educaꢁon need to be addressed.  
Keywords: Arꢁꢂcial intelligence, surgical learning, surgical educaꢁon  
Recibido | Received ID ORCID: María H. Gaitán Buitrago, 0000-0002-3794-0413; Marcela Velásquez Salazar, 0000-0003-2556-1202;  
2
3-06-22 Jorge A. Montes Cardona, 0000-0003-1542-8512; Luis F. Mosquera Solano, 0009-0004-3696-2460.  
Aceptado | Accepted  
8-01-23  
1
Gaitán Buitrago MH y cols. La era de la inteligencia arꢁꢂcial y su impacto en el aprendizaje quirúrgico. Rev Argent Cir. 2024;116(2):146-151  
147  
La enseñanza de la cirugía tanto en grado como derna 23-25. Específicamente en el campo de la cirugía, el  
en posgrado es un área compleja de la educación mé- uso de estas tecnologías emergentes podría mejorar la  
dica; está compuesta de la interacción entre el conoci- eficiencia y los resultados de los tratamientos quirúrgi-  
miento cienꢂfico, las habilidades técnicas y no técnicas, cos al recopilar y procesar grandes canꢁdades de datos,  
el acompañamiento teórico-prácꢁco, la prácꢁca delibe- así como proporcionar información úꢁl a lo largo de la  
rada del estudiante, y la experiencia del profesor que atención del paciente, desde la consulta inicial hasta el  
2
6
le ha permiꢁdo idenꢁficar puntos críꢁcos en un proce- tratamiento posoperatorio .  
1
-4  
dimiento y crear “ꢁps” para sus estudiantes , de tal  
Así como puede ser de uꢁlidad para cirujanos  
manera que estos puedan aplicarlos cuando conꢁnúen experimentados, el uso de la IA en el aprendizaje qui-  
su quehacer médico individual, es decir, una delicada rúrgico representa un antes y un después en la forma  
combinación entre arte y ciencia, con el fin de formar como se adquieren dichas habilidades, permite a los  
a través de la mentoría en el profesionalismo y el arte estudiantes desarrollar competencias en entornos con-  
5
-8  
de la cirugía . Esta estrecha relación entre el profesor trolados y personalizados, adaptarse a las necesidades  
y el estudiante cumple con los estándares académicos y individuales incluso desde la formación en grado de  
técnicos, pero cuenta con ese aprendizaje que un arte- medicina2 y mejorar la precisión, eficiencia y seguri-  
sano enseña a su aprendiz; un aprendizaje que requiere dad en la prácꢁca clínica. En ese senꢁdo, según Global  
un alto conocimiento cienꢂfico, autodirigido y delibera- Surgical AI Collaboraꢁve, ocurren 3-5% eventos adver-  
do, pero nutrido por el saber de la motricidad con un sos por año relacionados con procedimientos quirúrgi-  
cos, de los cuales 75% eran prevenibles, lo que repre-  
7-29  
9
,10  
.
maꢁz fenomenológico  
En este senꢁdo, la educación quirúrgica per- senta un segmento de lo informado en la publicación  
sigue disminuir las curvas de aprendizaje, mejorar la Errar es humano, en el que los eventos relacionados  
toma de decisiones, desarrollar el pensamiento críꢁco con la atención médica corresponden a la tercera causa  
y la alerta situacional, así como mejorar el desempe- de muerte en Estados Unidos, lo que ha moꢁvado el  
ño técnico y, por ende, los desenlaces clínicos. Para cambio en políꢁcas de calidad asistencial y seguridad  
3
0
alcanzar este nivel de experꢁcia se sigue un esquema del paciente . Por ende, la educación médica ꢁene un  
de adquisición de habilidades, como el propuesto por alto impacto, específicamente en este caso la educa-  
1
1,12  
22  
en el que se transita desde principiante ción quirúrgica ; y en el caso de los países con medios  
Dreyfus  
hasta experto, mediante instrucción formal y habilidad o bajos ingresos, es una alternaꢁva segura. Dependien-  
1
3
en un sistema de prácꢁca deliberada . En consecuen- do de la estrategia, también puede ser de uꢁlidad en la  
cia, se han desarrollado estrategias educaꢁvas como la formación de los estudiantes ante las limitaciones de  
1
4-17  
31  
simulación , que, con el desarrollo de nuevas tecno- disponibilidad de personal formado o el acceso a cen-  
logías, como el entrenamiento quirúrgico, el aumento tros de prácꢁca por capacidad instalada limitada.  
del rendimiento intraoperatorio, la cirugía robóꢁca y el  
De este modo, la IA permite la retroalimenta-  
telecoaching, permiten el seguimiento a los eventos en ción personalizada y brinda una experiencia quirúrgica  
empo real y anꢁcipación para replantear la conducta inmersiva para la visualización de la anatomía del pa-  
ꢁ
3
2
quirúrgica o alternaꢁvas técnicas haciendo intervencio- ciente , la ejecución de procedimientos quirúrgicos de  
nes in situ.  
diferentes niveles de complejidad, y la medicina robóꢁ-  
De igual manera, el uso de la inteligencia ar- ca 33 que se usa en la actualidad en centros de alto nivel  
ꢁ
ficial (IA) ha logrado una popularidad exponencial. de complejidad. Pero la planificación académica debe  
1
9,34-  
Como consecuencia de la opꢁmización del estudio de considerar la inclusión de la IA dentro del currículo  
3
6
, de una forma estructurada, transversal e integral,  
algoritmos que permiten, en situaciones específicas,  
representar e incluso perfeccionar diferentes procesos que permita a los estudiantes ser retroalimentados y  
cogniꢁvos de los seres humanos, tales como la toma de asesorados sincrónica y asincrónicamente, tanto en am-  
1
8,19  
decisiones y la resolución de problemas , la IA, visión bientes simulados como en escenarios clínicos reales.  
computarizada, realidad aumentada, navegación, vi-  
sualización 3D y machine learning (ML) emergen como  
Es allí donde la IA trasciende el tecnicismo y  
alternaꢁvas educaꢁvas, facilitando el análisis mulꢁmo- permite que la información recolectada mediante gra-  
dal en desempeño técnico, fisiológico y funcional 2  
0-22  
.
baciones de simulaciones, y acompañamiento intrao-  
Todo ello se logra conuna relación entre la edu- peratorio e imágenes radiológicas del paciente facilite  
cación quirúrgica, la innovación y la tecnología, sin per- el análisis de datos para dar retroalimentación y de-  
der de vista el objeꢁvo final: la formación integral del sarrollar tecnologías que aportan información valiosa  
estudiante y mejores desenlaces clínicos. Consecuen- al aprendiz, tanto en casos simulados, como reales.  
temente, sus beneficios han sido aprovechados en una De igual manera, esta información puede ser validada  
importante variedad de áreas, incluyendo la medicina, y estructurada para su implementación académica y  
hasta el punto de que diversos expertos manifiestan clínica, e incluso hacer redes interinsꢁtucionales que  
que la IA está transformando el cuidado de la salud mo- permitan alcanzar el consenso en la uꢁlidad y aplicabili-  
1
48  
Gaitán Buitrago MH y cols. La era de la inteligencia arꢁꢂcial y su impacto en el aprendizaje quirúrgico. Rev Argent Cir. 2024;116(2):146-151  
dad de la IA, así como la estandarización para trasladar delo basado en IA para la educación presenta ciertas  
estos datos a la educación quirúrgica en áreas como la limitaciones. Para empezar, en la actualidad no existe  
evaluación y retroalimentación entre la simulación y el un consenso sobre los diferentes modelos basados en  
quirófano, como por ejemplo el uso de OSATS o la base IA aprobados para su implementación en un sistema  
de datos JIGSAWS. De este modo, la IA puede ayudar a de entrenamiento estandarizado, por lo que su distri-  
eliminar los sesgos en la educación médica 37; más allá bución y uso en grandes escalas todavía representa  
de los temores que la IA pueda suscitar, es una nueva un reto 4 , aunque en general hay una acꢁtud posi-  
5-47  
4
8
herramienta con la capacidad de integrar enormes can- ꢁva de los cirujanos hacia la IA . Además, los métodos  
ꢁ
dades de datos, reconocer patrones y crear modelos tradicionales para análisis de casos y transmisión de  
conocimiento pueden superar a los modelos de apren-  
dizaje automáꢁco basados en la IA 49. Lo anterior se  
sustenta además en que el análisis de una situación en  
parꢁcular está condicionado por los datos previamen-  
te disponibles, por lo que se pueden presentar sesgos  
sistemáꢁcos que modifiquen la solidez de determina-  
da respuesta y/o conducta 50. También es importante  
mencionar la imposibilidad de los modelos basados en  
IA actuales para evaluar otras competencias cruciales  
como el trabajo en equipo interdisciplinario. Finalmen-  
te, se debe reconocer el valor de tener bases técnicas  
y no técnicas sólidas 4 , ya que la pobre estanda-  
rización de dichos sistemas de análisis de datos pue-  
de verse reflejada en un error y tener consecuencias  
que permitan resolver las limitaciones humanas, dismi-  
nuir la carga médica, acelerar la atención, brindar tra-  
tamientos más personalizados y opꢁmizar recursos 38-41  
.
Si bien los estudiantes de grado apenas se  
aventuran en el mundo quirúrgico, el unir la enseñanza  
tradicional con las herramientas tecnológicas actuales  
representa un gran avance en cuanto a su formación  
y en el desempeño profesional quirúrgico que decidan  
tomar. La IA facilita que la educación y la información  
sean precisas al tener acceso a miles de bases de datos  
y a las fuentes bibliográficas más fiables en la actua-  
lidad, con lo que los estudiantes puedan responder a  
todas las dudas de los pacientes y mejorar su confianza.  
Por otra parte, se deben tomar en cuenta los  
,51,52  
3
8
catastróficas .  
Para concluir, el uso de la IA como herramien-  
aspectos bioéꢁcos relacionados con la IA en la forma-  
ción profesional, y la información e imágenes de los pa-  
cientes. Es importante mantener un equilibrio entre el  
uso de la IA y la educación médica integral, previniendo  
la deshumanización de la medicina. En este senꢁdo, un  
gran reto para enfrentar es considerar el profesiona-  
ta para la adquisición de habilidades quirúrgicas está  
ganando popularidad en los úlꢁmos años, ya que ofre-  
ce retroalimentación personalizada con posibilidad de  
creación de estrategias que se enfoquen en la mejoría  
de aspectos débiles del sujeto, inmersión a parꢁr de  
modelos 3D, facilidad en la planificación preoperatoria,  
mejoría del rendimiento frente a métodos tradiciona-  
les de tutoría, y opꢁmización del ꢁempo necesario para  
obtener resultados saꢁsfactorios, y en este senꢁdo, es  
úꢁl de muchas maneras. Sin embargo, es importante  
recalcar que presenta limitaciones considerables, como  
la falta de estandarización, la no superioridad con res-  
pecto a modelos de enseñanza tradicionales en situa-  
ciones parꢁculares, y la necesidad de disponer una gran  
canꢁdad de datos sobre el caso que se va a tratar, para  
obtener una retroalimentación fehaciente y sólida.  
Todo ello evidencia la necesidad de realizar más estu-  
dios que evalúen los métodos tradicionales de apren-  
dizaje y toma de decisiones, así como el impacto de los  
algoritmos basados en IA en la prácꢁca quirúrgica a fin  
de proponer modelos futuros de aprendizaje que apro-  
vechen al máximo los beneficios que esta herramienta  
ofrece y reduzcan las limitaciones que puedan surgir a  
parꢁr de su uso, así como las repercusiones éꢁcas, lo  
cual otorga un papel protagónico al Cirujano Profesor y  
revele cómo la IA sirva a su enseñanza como una herra-  
mienta y no como un objeꢁvo.  
4
2
lismo, la humanización y la empaꢂa en la educación  
quirúrgica mediada por IA 39,43  
.
Teniendo en cuenta lo anteriormente expues-  
to, Fazlollahi y cols. 44 realizaron el primer estudio que  
comparó la eficacia de una tutoría quirúrgica guiada  
por inteligencia arꢁficial frente a la instrucción REMO-  
TA de un experto en cirugía, encontrando una mejoría  
del rendimiento durante la prácꢁca y los escenarios de  
simulación de alta fidelidad, cuando fueron guiados por  
un programa de IA. Sin embargo, los sujetos que per-  
tenecían al grupo del instructor humano experimenta-  
ron mayor tranquilidad y confianza durante el entrena-  
miento al compararse con el grupo de la IA, aunque no  
se evidenciaron demandas cogniꢁvas más altas ni peor  
4
4
rendimiento durante el procedimiento . Este estudio  
demostró que la supervisión y la evaluación formaꢁva  
requirieron 53 horas menos al uꢁlizar IA, en compara-  
ción con el modelo de instrucciones por un humano  
experto. A pesar de que los resultados fueron a favor  
del uso de la IA como método de aprendizaje, la mayo-  
ría de la población respondió que preferiría aprender  
tanto de la IA como de la instrucción tradicional. Con lo  
anterior se evidencia la importancia de considerar la IA  
como una herramienta adicional, que no susꢁtuye en  
su totalidad los métodos tradicionales de enseñanza.  
Por otro lado, la implementación de un mo-  
Agradecimientos  
A los estudiantes de GIICx-UQ y a Andrés Felipe Barrios Puerta.  
Gaitán Buitrago MH y cols. La era de la inteligencia arꢁꢂcial y su impacto en el aprendizaje quirúrgico. Rev Argent Cir. 2024;116(2):146-151  
149  
■
ENGLISH VERSION  
Teaching surgery at the undergraduate and throughout the paꢁent’s care, from iniꢁal consultaꢁon  
2
6
postgraduate levels is a complex area of medical to postoperaꢁve management .  
educaꢁon. It involves the interacꢁon of scienꢁfic  
The use of AI is useful not only for experienced  
knowledge, technical and non-technical skills, surgeons but also for surgical learning. It represents a  
theoreꢁcal and pracꢁcal guidance, and the deliberate significant improvement in the way surgical skills are  
pracꢁce of the student. The experience of the professor acquired, allowing students to develop competencies  
is also important, as they can idenꢁfy criꢁcal issues in controlled and personalized environments that  
1
-4  
in a procedure and provide ꢁps to their students . adapt to individual needs even from undergraduate  
This technology improves  
In this way, students can apply these ꢁps to their medical training2  
7-29  
.
individual medical pracꢁce, a delicate combinaꢁon accuracy, efficiency, and safety in clinical pracꢁce.  
of art and science. Mentoring helps students to The Global Surgical AI Collaboraꢁve reports that  
5
-8  
become professionals in the art of surgery . This surgical procedures result in 3-5% of adverse events  
close relaꢁonship between professor and student annually, 75% of which are preventable. This is part of  
meets academic and technical standards and involves what was reported in the publicaꢁon To Err is Human  
a learning process similar to that of an apprenꢁce which highlights healthcare-related events as the third  
learning from a craꢃsman. This process requires a leading cause of death in the United States. As a result,  
high level of self-directed and deliberate scienꢁfic healthcare quality and paꢁent safety policies have been  
3
0
knowledge, supported by the development of motor revised . Therefore, the impact on medical educaꢁon,  
especially surgical educaꢁon in this case, is high22; and  
Surgical educaꢁon aims to shorten learning in the case of middle- and low-income countries, it is a  
curves, improve decision-making, develop criꢁcal safe alternaꢁve. Depending on the strategy, it may be  
thinking and situaꢁonal awareness, and enhance useful to train students, especially given the shortage  
technical performance, ulꢁmately leading to improved of formally trained personnel31 and limited access to  
clinical outcomes. To aꢄain this level of experꢁse, pracꢁce centers.  
9
,10  
.
skills with a phenomenological nuance  
trainees must acquire skills following a model similar  
For instance, AI allows for personalized  
1
1,12  
to that proposed by Dreyfus , in which the transiꢁon feedback and offers an immersive surgical experience  
3
2
from novice to expert is achieved through formal for visualizing paꢁent’s anatomy . It also facilitates  
1
3
training and skills in a system of deliberate pracꢁce . surgical procedures of varying complexity, as well as  
1
4-17  
33  
and roboꢁc medicine , which is currently used in high-  
Educaꢁonal strategies such as simulaꢁon  
new technologies like surgical training improved complexity centers. Academic planning should include  
intraoperaꢁve performance, roboꢁc surgery, and tele- AI in the curriculum in a structured and comprehensive  
coaching have emerged to allow real-ꢁme monitoring way1  
9,34-36  
. This will allow students to receive  
of events and anꢁcipaꢁon to rethink the surgical synchronous and asynchronous feedback and advice in  
approach or technical alternaꢁves in situ.  
both simulated and real clinical scenarios.  
Similarly, the use of arꢁficial intelligence This is where AI goes beyond technicality  
AI) has grown exponenꢁally. Opꢁmizing the study by using informaꢁon collected through simulaꢁon  
(
of algorithms has made it possible to represent and recordings, intraoperaꢁve monitoring, and radiological  
improve various human cogniꢁve processes, such images of the paꢁent to facilitate data analysis.  
1
8,19  
.
as decision-making and problem-solving  
The This provides valuable feedback and helps develop  
emergence of AI, computer vision, augmented reality, technologies for trainees in both simulated and real  
navigaꢁon, 3D visualizaꢁon, and machine learning (ML) cases. Similarly, this informaꢁon can be validated and  
has led to their use as educaꢁonal tools that facilitate structured for academic and clinical implementaꢁon.  
mulꢁmodal analysis of technical, physiological, and Inter-insꢁtuꢁonal networks can be established to  
2
0-22  
.
funcꢁonal performance  
reach consensus on the usefulness, applicability, and  
All of this is achieved through a relaꢁonship standardizaꢁon of AI in transferring this data to surgical  
between surgical educaꢁon, innovaꢁon and technology, educaꢁon, including evaluaꢁon and feedback between  
without losing sight of the ulꢁmate goal: comprehensive simulaꢁon and the operaꢁng room, such as the use of  
student training and beꢄer clinical outcomes. As a OSATS or the JIGSAWS database. In this way, AI can help  
3
7
result, its benefits have been harnessed in a wide range eliminate biases in medical educaꢁon . Beyond the  
of fields, including medicine, to the extent that some fears that AI may raise, it is a new tool with the ability  
experts claim that AI is transforming modern healthcare to integrate big data, recognize paꢄerns, and create  
2
3-25  
.
In the field of surgery, emerging technologies have models to overcome human limitaꢁons, reduce medical  
the potenꢁal to improve the efficiency and outcomes burdens, expedite care, provide more personalized  
of surgical treatments by collecꢁng and processing treatments, and opꢁmize resources3  
large amounts of data. This informaꢁon can be useful Although students are just entering the world  
8-41  
.
1
50  
Gaitán Buitrago MH y cols. La era de la inteligencia arꢁꢂcial y su impacto en el aprendizaje quirúrgico. Rev Argent Cir. 2024;116(2):146-151  
4
8
of surgery, the combinaꢁon of tradiꢁonal teaching with aꢅtude toward AI among surgeons . Second,  
current technological tools represents a major step convenꢁonal teaching methods for case analysis and  
forward in terms of their educaꢁon and future surgical knowledge transfer may outperform machine learning  
4
9
performance. AI enables accurate educaꢁon and models based on AI . This is further supported by the  
informaꢁon access by uꢁlizing thousands of databases fact that the analysis of a situaꢁon is influenced by  
and reliable bibliographic sources. This empowers the previously available data; therefore, systemaꢁc  
students to answer paꢁents’ quesꢁons and improve biases may occur which can alter the robustness of  
a response or behavior50. Third, current AI-based  
models cannot assess other criꢁcal competencies, such  
as interdisciplinary teamwork. Finally, it is important to  
recognize the value of having solid technical and non-  
technical foundaꢁons4 , as poor standardizaꢁon  
of data analysis systems can lead to errors and have  
their confidence.  
Professional training should take into account  
bioethical aspects related to AI, paꢁent informaꢁon,  
and imaging test results. It is important to maintain  
a balance between the use of AI and comprehensive  
medical educaꢁon to prevent the dehumanizaꢁon  
of medicine. In this sense, a major challenge is to  
incorporate professionalism, humanizaꢁon, and  
,51,52  
3
8
disastrous consequences .  
In conclusion, the use of AI as a tool for  
4
2
39,43  
surgical skill acquisiꢁon has become increasingly  
popular in recent years. Overall, AI is a useful tool in  
many ways. This model provides personalized feedback  
and allows for the creaꢁon of strategies to improve  
weak areas, as well as immersion from 3D models,  
ease of preoperaꢁve planning, improved performance  
compared to tradiꢁonal tutoring methods, and  
opꢁmizaꢁon of the ꢁme needed to achieve saꢁsfactory  
results. However, it is important to emphasize that it  
has significant limitaꢁons, such as non-standardizaꢁon,  
lack of superiority over tradiꢁonal teaching models in  
certain situaꢁons, and the need to count with a large  
dataset on the case to be treated in order to obtain  
reliable and solid feedback. All these consideraꢁons  
indicate the necessity for addiꢁonal studies to assess  
convenꢁonal learning and decision-making methods, as  
well as the influence of AI-based algorithms in surgical  
pracꢁce. This will lead to the development of future  
learning models that fully uꢁlize this tool and miꢁgate  
any limitaꢁons or ethical implicaꢁons that may arise. It  
is important to note that AI should serve as a tool for  
teaching, rather than a goal, with the teaching surgeon  
playing a leading role.  
empathy into AI in surgical educaꢁon  
.
4
4
Fazlollahi et al. conducted the first study  
comparing the effecꢁveness of AI tutoring systems  
with remote expert instrucꢁon and found beꢄer  
procedural performance during pracꢁce and on high-  
fidelity simulaꢁon scenarios when students were  
guided by an AI program. However, parꢁcipants in the  
instructor group felt more relieved and relaxed during  
training compared to learners in the AI group, although  
there was no evidence of higher cogniꢁve demands or  
4
4
poorer performance during the procedure . This AI  
intervenꢁon saved approximately 53 hours of expert  
supervision and formaꢁve assessment compared to the  
instructorgroup. Althoughtheresultswerefavorablefor  
using AI as a learning method, most students indicated  
a preference for learning from both AI and tradiꢁonal  
instrucꢁon. This shows how important it is to think of AI  
as an addiꢁonal tool that does not completely replace  
the tradiꢁonal methods of teaching.  
On the other hand, the implementaꢁon of an  
AI-based model for educaꢁon has certain limitaꢁons.  
First, there is currently no consensus on the various  
AI-based models that have been approved for  
implementaꢁon in a standardized training system.  
Therefore, their disseminaꢁon and large-scale use  
remain a challenge45-47 despite a generally posiꢁve  
Acknowledgments  
To GIICx-UQ students and Andrés Felipe Barrios Puerta.  
Referencias bibliográꢁcas /References  
1
.
Youngson GG. Teaching and assessing non-technical skills.  
Surgeon [Internet]. 2011;9(Suppl. 1): S35-7. Available from:  
hꢄp://dx.doi.org/10.1016/j.surge.2010.11.004  
6. Trickey AW, Newcomb AB, Porrey M, Wright J, Bayless J,  
Piscitani F, et al. Assessment of Surgery Residents’ Interpersonal  
CommunicaꢁonSkills:ValidaꢁonEvidencefortheCommunicaꢁon  
Assessment Tool in a Simulaꢁon Environment. J Surg Educ  
[Internet]. 2016;73(6): e19-27. hꢄp://dx.doi.org/10.1016/j.  
jsurg.2016.04.016  
2
.
Anderson C, Gupta R, Larson J. Impact of objecꢁvely assessing  
surgeons’ teaching on effecꢁve perioperaꢁve instrucꢁonal  
behaviors. JAMA Surg [Internet]. 2013;148(10):915-22. hꢄp://  
dx.doi.org/10.1001/jamasurg.2013.2144  
7. Marꢁmianakis MA, Michalec B, Lam J, Cartmill C, Taylor JS,  
Hafferty FW. Humanism, the hidden curriculum, and educaꢁonal  
reform: A scoping review and themaꢁc analysis. Acad Med.  
2015;90(11): S5-13.  
3
4
.
.
Min H, Morales DR, Orgill D, Smink DS, Yule S. Systemaꢁc review  
of coaching to enhance surgeons’ operaꢁve performance.  
Surgery. 2015;158(5):1168-91.  
Yule S, Parker SH, Wilkinson J, McKinley A, MacDonald J, Neill A,  
et al. Coaching Non-technical Skills Improves Surgical Residents’  
Performance in a Simulated Operaꢁng Room. J Surg Educ.  
8. O’Sullivan H, van Mook W, Fewtrell R, Wass V. Integraꢁng  
professionalism into the curriculum: AMEE Guide No. 61. Med  
Teach. 2012; 34(2): e64-77.  
2
015;72(6):1124-30.  
9. Alfageme-González MB, Díaz-Serrano J. Esꢁlos de enseñanza:  
punto de parꢁda de la idenꢁdad y el desarrollo profesional  
docente. Roteiro. 2020; 45:1–22.  
5.  
Barr J, Graffeo CS. Procedural Experience and Confidence  
among Graduaꢁng Medical Students. J Surg Educ [Internet].  
2016;73(3):466-73. hꢄp://dx.doi.org/10.1016/j.jsurg.2015.11.014  
10. Planella J. Pedagogía y hermenéuꢁca. Más allá de los datos en la  
Gaitán Buitrago MH y cols. La era de la inteligencia arꢁꢂcial y su impacto en el aprendizaje quirúrgico. Rev Argent Cir. 2024;116(2):146-151  
151  
educación. Rev Iberoam Educ [Internet]. 2001;36/12:12. hꢄp://  
www.rieoei.org/deloslectores/1078Planella.PDF  
Assessment during Virtual Reality Brain Tumor Resecꢁon. J Surg  
Educ. 2020;77(3):643-51.  
1
1
1
1. Tsuda S, Scoꢄ D, Doyle J, Jones DB. Surgical Skills Training and  
Simulaꢁon. Curr Probl Surg. 2009;46(4):271–-370.  
33. Palomares Orihuela RJ. Robot Da Vinci: El quirófano del futuro.  
Perfiles Ing. 2016;2(11):155–-62.  
2. Epstein RM. Assessment in Medical Educaꢁon. N Engl J Med.  
34. Crispin M. Arꢁficial Intelligence in Surgical Educaꢁon and  
Training. Clin Educ Health Prof. 2021;1-11.  
2
007;356:387-96.  
3. Magas CP, Gruppen LD, Barreꢄ M, Dedhia PH, Sandhu G.  
Intraoperaꢁve quesꢁoning to advance higher-order thinking. Am  
J Surg. 2017;213(2):222-6.  
35. Sun L, Yin C, Xu Q, Zhao W. Arꢁficial intelligence for healthcare  
and medical educaꢁon: a systemaꢁc review. Am J Transl Res.  
2023;15(7):4820-8.  
1
1
1
1
4. Zigmont JJ, Kappus LJ, Sudikoff SN. Theoreꢁcal Foundaꢁons  
Perinatol  
36. Bilgic E, Gorgy A, Yang A, Cwintal M, Ranjbar H, Kahla K, et al.  
Exploring the roles of arꢁficial intelligence in surgical educaꢁon:  
A scoping review. Am J Surg [Internet]. 2022;224(1):205-16.  
hꢄps://doi.org/10.1016/j.amjsurg.2021.11.023  
of  
Learning  
through  
Simulaꢁon. Semin  
hꢄp://dx.doi.org/10.1053/j.  
[
Internet].2011;35(2):47–-51.  
semperi.2011.01.002  
5. McAnena PF, O’Halloran N, Moloney BM, Courtney D, Waldron  
RM, Flaherty G, et al. Undergraduate basic surgical skills  
educaꢁon: impact on aꢅtudes to a career in surgery and surgical  
skills acquisiꢁon. Ir J Med Sci. 2018;187(2):479-84.  
37. Kirubarajan A, Young D, Khan S, Crasto N, Sobel M, Sussman D.  
Arꢁficial Intelligence and Surgical Educaꢁon: A Systemaꢁc Scoping  
Review of Intervenꢁons. J Surg Educ [Internet]. 2021;79(2):500-  
15. Available from: hꢄps://doi.org/10.1016/j.jsurg.2021.09.012  
38. Álvarez Vega M, Quirós Mora LM, Cortés Badilla MV. Inteligencia  
arꢁficial y aprendizaje automáꢁco en medicina. Rev Médica  
Sinerg. 2020;5(8):e557.  
6. Kim S, Dunkin BJ, Paige JT, Eggerstedt JM, Nicholas C, Vassilliou  
MC, et al. What is the future of training in surgery? Needs  
assessment of naꢁonal stakeholders. Surg (United States).  
2
014;156(3):707-17.  
39. Caparrós Galán G, Sendra Portero F. Percepciones de estudiantes  
de Medicina sobre el impacto de la inteligencia arꢁficial en  
radiología. Radiología. 2022;64(6):516-24.  
40. Kiyasseh D, Laca J, Haque TF, Miles BJ, Wagner C, Donoho DA,  
et al. A mulꢁ-insꢁtuꢁonal study using arꢁficial intelligence to  
provide reliable and fair feedback to surgeons. Commun Med.  
2023;3(1):1–-12.  
41. Mirchi N, Bissonneꢄe V, Yilmaz R, Ledwos N, Winkler-Schwartz  
A, Del Maestro RF. The virtual operaꢁve assistant: An explainable  
arꢁficial intelligence tool for simulaꢁon-based training in surgery  
and medicine. PLoS One [Internet]. 2020;15(2):1-15. Available  
from: hꢄp://dx.doi.org/10.1371/journal.pone.0229596  
42. West E, Singer-Chang G, Ryznar R, Ross D, Czekajlo M, Hoang T,  
et al. The Effect of Hyper-Realisꢁc Trauma Training on Emoꢁonal  
Intelligence in Second Year Military Medical Students. J Surg  
Educ [Internet]. 2020;77(6):1422-8. hꢄps://doi.org/10.1016/j.  
jsurg.2020.04.020  
43. Kobus V, Calleꢅ MJ, Santander J. Prevalencia de síntomas  
depresivos, síntomas ansiosos y riesgo de suicidio en estudiantes  
de medicina de la Ponꢁficia Universidad Católica de Chile.  
Rev Chil Neuropsiquiatr [Internet]. 2020;58(4):314-23www.  
sonepsyn.cl  
7. Dehabadi M, Fernando B, Berlingieri P. The use of simulaꢁon in  
the acquisiꢁon of laparoscopic suturing skills. Int J Surg [Internet].  
2
014;12(4):258-68. Available from: hꢄp://dx.doi.org/10.1016/j.  
ijsu.2014.01.022  
1
1
8. Davenport T, Kalakota R. The Potenꢁal for Arꢁficial Intelligence in  
Healthcare. Futur Healthc J. 2019;6(2):94-8.  
9. Chan KS, Zary N. Applicaꢁons and Challenges of Implemenꢁng  
Arꢁficial Intelligence in Medical Educaꢁon: Integraꢁve Review.  
JMIR Med Educ. 2019;5(1):e13930.  
2
2
0. Bissonneꢄe V, Mirchi N, Ledwos N, Alsidieri G, Winkler-Schwartz  
A, Del Maestro RF. Arꢁficial Intelligence Disꢁnguishes Surgical  
Training Levels in a Virtual Reality Spinal Task. J Bone Jt Surg Am.  
2
019;00(e1):1-8.  
1. Fazlollahi AM, Bakhaidar M, Alsayegh A, Yilmaz R, Winkler-  
Schwartz A, Mirchi N, et al. Effect of arꢁficial intelligence tutoring  
vs expert instrucꢁon on learning simulated surgical skills among  
medical students a randomized clinical trial. JAMA Netw Open.  
2
022;5(2): e2149008.  
2
2. Guerrero DT, Asaad M, Rajesh A, Hassan A, Butler CE. Advancing  
Surgical Educaꢁon: The Use of Arꢁficial Intelligence in Surgical  
Training. Am Surg. 2023;89(1):49-54.  
2
2
3. Yu K-H, Beam AL, Kohane IS. Arꢁficial intelligence in healthcare.  
Nat Biomed Eng. 2018;2: 719-31.  
44. Ausꢁn PC, Tu J V., Lee DS. Logisꢁc regression had superior  
performance compared with regression trees for predicꢁng in-  
hospital mortality in paꢁents hospitalized with heart failure. J  
Clin Epidemiol [Internet]. 2010;63(10):1145-55. hꢄp://dx.doi.  
org/10.1016/j.jclinepi.2009.12.004  
4. Kavian JA, Wilkey HL, Patel PA, Boyd CJ. Harvesꢁng the Power of  
Arꢁficial Intelligence for Surgery: Uses, Implicaꢁons, and Ethical  
Consideraꢁons. Am Surg. 2023;1–3.  
2
2
5. Petrone P. Arꢁficial intelligence and arꢁficial neural networks.  
Rev Colomb Cir. 2023;38(3):407-12.  
45. Buckley CE, Kavanagh DO, Traynor O, Neary PC. Is the skillset  
obtained in surgical simulaꢁon transferable to the operaꢁng  
theatre? Am J Surg [Internet]. 2014;207(1):146-57. Available  
from: hꢄp://dx.doi.org/10.1016/j.amjsurg.2013.06.017  
46. Traynor OJ, O’Connell PR. The Past, Present and Future of Surgical  
Educaꢁon in Ireland. Indian J Surg [Internet]. 2022;84(Suppl  
1):S147-52. Available from: hꢄps://doi.org/10.1007/s12262-  
021-02988-8.  
6. Pucchio A, Rathagirishnan R, Caton N, Gariscsak PJ, Del Papa J,  
Nabhen JJ, et al. Exploraꢁon of exposure to arꢁficial intelligence  
in undergraduate medical educaꢁon: a Canadian cross-secꢁonal  
mixed-methods study. BMC Med Educ. 2022;22(1):815.  
7. Liu P ran, Lu L, Zhang J yao, Huo T tong, Liu S xiang, Ye Z wei.  
Applicaꢁon of Arꢁficial Intelligence in Medicine: An Overview.  
Curr Med Sci. 2021;41(6):1105-15.  
2
47. Dumon KR, Traynor O, Broos P, Gruwez JA, Darzi AW, Williams  
NN. Surgical educaꢁon in the new millennium: the European  
perspecꢁve. Surg Clin North Am. 2004; 84: 1471-91.  
2
2
8. Masters K. Arꢁficial intelligence in medical educaꢁon. Med  
Teach. 2019;41(9):976-80.  
9. Park JJ, Tiefenbach J, Demetriades AK. The role of arꢁficial  
intelligence in surgical simulaꢁon. Front Med Technol.  
48. Voskens FJ, Abbing JR, Ruys AT, Ruurda JP, Broeders IAMJ. A  
naꢁonwide survey on the percepꢁons of general surgeons on  
arꢁficial intelligence. Arꢁf Intell Surg. 2022;2: 8-17.  
2
022;4(December):1076755.  
3
0. Kohn LT, Corrigan JM, Donaldson MS. To Err Is Human [Internet].  
Vol. 126, Commiꢄee on Quality of Health Care in America;  
Insꢁtute of Medicine. 1999. hꢄp://www.journals.cambridge.  
org/abstract_S095026880100509X  
49. Pakkasjärvi N, Luthra T, Anand S. Arꢁficial Intelligence in Surgical  
Learning. Surgeries (Switzerland). 2023;4(1):86– -97.  
50. Capelli G, Verdi D, Frigerio I, Rashidian N, Ficorilli A, et al. White  
paper: ethics and trustworthiness of arꢁficial intelligence in  
clinical surgery. Arꢁf Intell Surg. 2023;3(2):111-22.  
3
1. Bhaꢁa MB, Namazi B, Maꢄhews J, Thomas C, Doster D, Marꢁnez C, et  
al. Use of arꢁficial intelligence to support surgical educaꢁon personnel  
shortages in low- and middle-income countries: developing a safer  
surgeon. Glob Surg Educ-J Assoc Surg Educ [Internet]. 2023;2(1):1-8.  
hꢄps://doi.org/10.1007/s44186-023-00142-4  
51. Navarro F, González S, Gabrielli M. Evaluación de las habilidades  
no técnicas en cirugía. Rev Cir (Mex). 2019;71(4):359-65.  
52. Alvarado IJ, Henríquez RJP, Casꢁllo RR, Sosa BJ, León FF, Varas CJ,  
et al. Programa Pionero de Simulación en Sutura para Estudiantes  
de Medicina de Pregrado. Rev Chil Cirugía. 2015;67(5):480-5.  
3
2. Siyar S, Azarnoush H, Rashidi S, Del Maestro RF. Tremor