Simulador de pacientes: cómo los pacientes virtuales con IA están transformando la formación médica

En 1963, un neurólogo llamado Howard Barrows le pagó a una mujer del departamento de arte de la USC para que fingiera tener esclerosis múltiple. Rose McWilliams se convirtió en "Patty Dugger," la primera paciente estandarizada del mundo. Durante las seis décadas siguientes, la educación médica perseguiría el mismo problema fundamental que Barrows intentaba resolver: ¿cómo se puede permitir a los estudiantes practicar el razonamiento clínico sin poner en riesgo a los pacientes reales?

La respuesta ha evolucionado a través de cuatro eras distintas, cada una haciendo la simulación más accesible mientras introducía nuevas concesiones. Los maniquíes nos dieron emergencias repetibles, pero no podían responder. Los actores nos dieron conversaciones reales, pero no podían escalar. El software nos dio escala, pero eliminó las preguntas abiertas que hacen difícil el diagnóstico. Ahora, los simuladores de pacientes basados en inteligencia artificial están derribando las barreras restantes (coste, acceso y realismo conversacional) de formas que importan para cada estudiante de medicina, educador e institución del planeta.

La era de los maniquíes: alta fidelidad, alto coste

La simulación moderna de pacientes comienza con Resusci Anne de Laerdal Medical, introducida en 1960 como herramienta de entrenamiento en RCP. Se estima que 500 millones de personas se han entrenado con alguna versión de Anne, y la American Heart Association atribuye a esas sesiones el mérito de haber salvado aproximadamente 2,5 millones de vidas. En 2001, Laerdal lanzó SimMan, un maniquí programable de cuerpo completo capaz de simular paro cardíaco, anafilaxia y emergencias de vía aérea en tiempo real. La versión mejorada SimMan 3G llegó en 2009.

Son herramientas docentes extraordinarias para habilidades procedimentales. También son extraordinariamente caras. Una sola unidad SimMan 3G cuesta entre 65.000 y 100.000 dólares. El mantenimiento anual, incluyendo licencias de software, reemplazo de sensores y tiempo de técnicos, añade otros 5.000 a 10.000 dólares. Construir un centro de simulación completo cuesta de 200.000 a más de 1,6 millones de dólares, con costes operativos anuales de entre 500.000 y 1 millón de dólares. Y aproximadamente el 65% de las instituciones subestima sus costes de simulación a largo plazo en un 20 a 40%.

En la misma época, el Dr. Michael S. Gordon en la Universidad de Miami estaba desarrollando Harvey, un simulador cardiológico capaz de reproducir casi 50 afecciones cardíacas. Harvey demostró una eficacia notable: los estudios piloto mostraron una mejora media del 32% en las habilidades de exploración a pie de cama con apenas una hora de instrucción. El simulador se utiliza hoy en más de 900 instituciones en 50 países.

Pero los maniquíes tienen un techo duro. No pueden replicar déficits neurológicos, expresiones faciales dinámicas, ni, lo que es más importante, el intercambio de preguntas y respuestas de una conversación clínica real. Se puede practicar la intubación en SimMan. No se puede practicar preguntar a un paciente sobre su dolor torácico y decidir cuál es la pregunta de seguimiento más relevante.

Pacientes estandarizados: realistas pero no escalables

El concepto de paciente estandarizado de Barrows se difundió rápidamente tras aquella primera demostración en la USC. Hoy, actores entrenados para interpretar pacientes son centrales en los exámenes clínicos de todo el mundo. Son parte integral del USMLE Step 2 CS y se utilizan en prácticamente todas las facultades de medicina acreditadas.

El valor educativo es real. Los estudios han demostrado que la formación con pacientes estandarizados produce tasas de aprobado al primer intento del 90,8%, frente al 61,1% de los grupos de role-play, una diferencia estadísticamente significativa. Ningún otro método iguala a los PE para la enseñanza de habilidades comunicativas, lectura del lenguaje corporal y práctica de la empatía en contexto clínico.

El problema es la economía. Los salarios por hora de los pacientes estandarizados varían entre 12 y 50 dólares según la institución: Virginia Tech paga 15 dólares/hora, Johns Hopkins 25 dólares/hora, George Washington University 28 dólares/hora. Pero los salarios son solo una partida. Formar a cada PE cuesta de 500 a 2.000 dólares. La coordinación añade otros 500 a 1.000 dólares. Las instalaciones cuestan de 200 a 500 dólares por sesión. Una sola sesión de cuatro horas con diez pacientes estandarizados cuesta de 2.500 a 5.000 dólares en total.

Más allá del coste, los PE tienen limitaciones prácticas. No es fácil simular enfermedades raras. La diversidad demográfica está condicionada por quién esté disponible. Y ningún actor, por bien entrenado que esté, puede producir un soplo cardíaco real para la práctica de la auscultación.

Pacientes virtuales en pantalla: escala sin conversación

El primer simulador de pacientes basado en ordenador, DxR Clinician, surgió en 1992 en la Southern Illinois University. Los profesores Myers y Dorsey construyeron un sistema con más de 120 casos, más de 250 preguntas de entrevista y más de 670 pruebas diagnósticas. Hoy se utiliza en más de 300 facultades de medicina en todo el mundo.

La siguiente generación fue más lejos. Body Interact, lanzado por la empresa portuguesa Take the Wind (fundada en 2008, adquirida posteriormente por Médisup Sciences de Wolters Kluwer), ofrece más de 400 casos con respuestas fisiológicas en tiempo real en 18 especialidades y 11 idiomas. Las condiciones del paciente se deterioran en tiempo real: si no se realiza la intervención correcta, el paciente se descompensa. i-Human Patients, fundada en 2000 y adquirida por Kaplan en 2018, ofrece más de 500 encuentros con pacientes virtuales con avatares animados y una metodología estructurada de razonamiento diagnóstico. Oxford Medical Simulation, fundada en 2017 con 19,7 millones de dólares en financiación, añadió inmersión en realidad virtual con más de 200 escenarios, afirmando una reducción del 74% en tiempo y costes de equipamiento respecto a la simulación tradicional.

Estas plataformas suelen costar a las instituciones entre 10.000 y más de 50.000 dólares anuales en licencias. Es una fracción del presupuesto para maniquíes, pero sigue fuera del alcance de los estudiantes individuales y de las facultades de medicina en entornos con recursos limitados.

La mayor limitación es la interactividad. Los pacientes virtuales en pantalla usan menús predeterminados: haz clic para preguntar sobre el dolor torácico, haz clic para pedir un análisis de sangre, haz clic para examinar el abdomen. El estudiante elige de una lista en lugar de generar sus propias preguntas. Esa distinción importa más de lo que parece. En un encuentro clínico real, decidir qué preguntar es la parte difícil. Los sistemas de menús saltan el paso cognitivo más exigente.

El simulador de pacientes con IA: conversación a escala

Es aquí donde se encuentra el campo ahora, y donde está cambiando más rápido.

Una revisión de alcance de 2025 publicada en el Journal of Medical Internet Research identificó 28 estudios sobre pacientes virtuales basados en modelos de lenguaje grandes. De ellos, el 92,9% se publicó en 2024 o 2025. La investigación proviene de 13 países, liderados por Estados Unidos (21,4%), Alemania (17,9%) y Japón (10,7%). El campo apenas existía hace dos años.

Lo que diferencia a los simuladores de pacientes con IA de sus predecesores en pantalla es la interfaz conversacional. En lugar de seleccionar de un menú, el estudiante escribe (o dice) una pregunta en lenguaje natural, y la IA responde como lo haría un paciente: en términos sencillos, con incertidumbre apropiada, omitiendo la jerga médica que no conocería. El estudiante debe decidir qué preguntar, cómo formularlo y qué hacer con la respuesta. Esto es práctica de razonamiento clínico, no trivial.

Varios productos y proyectos de investigación están haciendo avanzar el concepto. La Geisel School of Medicine de Dartmouth construyó una plataforma abierta AI Patient Actor que soporta 52 idiomas y permite a los educadores crear casos personalizados con rúbricas estructuradas. SimFlow.ai se dirige a los NHS Trusts con simulación vocal de pacientes, afirmando costes un 84% inferiores a los métodos tradicionales. Full Code Medical, que ya cuenta con más de un millón de descargas de su app de simulación, añadió una función "Patient AI" para la toma de historia conversacional junto a sus más de 250 casos acreditados con CME (precio individual: 11,99 dólares/mes o 71,99 dólares/año; institucional: 120 dólares/puesto/año).

En la investigación académica, la Universidad de Tubinga publicó uno de los primeros estudios de viabilidad usando GPT-3.5 como paciente simulado para la práctica de la anamnesis, un artículo que ha sido citado por más de 94 estudios posteriores. En el Karolinska Institutet, el proyecto SARI combinó la conversación impulsada por LLM con un robot social Furhat, produciendo la primera evidencia cuantitativa de que los pacientes virtuales potenciados por IA superan a las plataformas convencionales basadas en ordenador para el entrenamiento en razonamiento clínico, en un estudio cruzado con 178 estudiantes de medicina. La UC Irvine realizó 360 simulaciones separadas con GPT-4 de exacerbación asmática aguda y comprobó que el 100% cumplía los parámetros básicos de simulación y los requisitos de precisión médica.

Las grandes empresas tecnológicas también están invirtiendo. AMIE (Articulate Medical Intelligence Explorer) de Google, construido sobre Gemini, superó a 20 médicos de atención primaria en precisión diagnóstica durante exámenes clínicos simulados publicados en Nature. Los actores-pacientes del estudio calificaron a la IA por encima en empatía y fiabilidad que a los médicos humanos. MAI-DxO de Microsoft, combinado con o3 de OpenAI, resolvió el 85,5% de los casos de referencia del New England Journal of Medicine: los médicos en ejercicio alcanzaron una media de solo el 20% en el mismo conjunto.

Qué dice la investigación sobre la eficacia de los pacientes virtuales

Los argumentos a favor de los pacientes virtuales no se basan en especulaciones. Varios metaanálisis de gran envergadura han establecido una sólida base de evidencia.

El estudio fundacional es Cook et al. (2010), publicado en Academic Medicine. Analizando 54 estudios, encontraron que los pacientes virtuales producían efectos positivos amplios frente a la ausencia de intervención: tamaños del efecto de 0,94 para conocimiento, 0,80 para razonamiento clínico y 0,90 para otras habilidades. Sin embargo, al compararlos con instrucción no informatizada bien diseñada, los efectos eran insignificantes. La conclusión: los pacientes virtuales funcionan, pero cómo se diseñan importa más que el medio en sí. La repetición hasta el dominio, el feedback mejorado y los casos explícitamente contrastantes mejoraban significativamente los resultados.

Kononowicz et al. (2019) publicaron la revisión más rigurosa metodológicamente en el Journal of Medical Internet Research, siguiendo la metodología Cochrane en 51 ensayos controlados aleatorizados con 4.696 participantes. Encontraron que los pacientes virtuales producían un efecto amplio sobre las habilidades (DME = 0,90) pero solo un efecto pequeño sobre el conocimiento (DME = 0,11) en comparación con la educación tradicional. Las habilidades que más mejoraron fueron el razonamiento clínico y las habilidades procedimentales. Un matiz importante: sustituir la instrucción pasiva por PV producía más beneficios que sustituir los métodos de aprendizaje activo.

Cook et al. (2011), en una revisión masiva separada publicada en JAMA que abarcó 609 estudios y 35.226 participantes, confirmaron que la simulación potenciada por tecnología estaba consistentemente asociada con efectos amplios para conocimiento, habilidades y comportamientos frente a la ausencia de intervención, con efectos moderados sobre los resultados en pacientes reales (d = 0,50). McGaghie et al. (2011) en Academic Medicine demostraron que la simulación con práctica deliberada era superior a la educación clínica tradicional, con un tamaño del efecto global de 0,71.

Más recientemente, un estudio de 2025 de la Universidad de Sonora encontró que más del 90% de los estudiantes valoraron los casos generados por GPT-4 como claros y realistas, el 94% valoró positivamente las respuestas del paciente virtual y el 97% encontró útil el feedback automatizado.

El mensaje de la evidencia es consistente: los pacientes virtuales mejoran las habilidades de razonamiento clínico con tamaños del efecto amplios, y la calidad del diseño de los casos y de los mecanismos de feedback importa más que la sofisticación tecnológica.

Comparación de los enfoques de simulación

No todos los simuladores de pacientes resuelven el mismo problema. Así se comparan los principales enfoques en cinco dimensiones relevantes para la formación médica:

Dimensión	Maniquíes (SimMan, Harvey)	Pacientes estandarizados (actores)	PV en pantalla (Body Interact, OMS)	Simuladores de pacientes con IA
Coste por sesión	160-800 $/hora (instalaciones, personal, equipos)	2.500-5.000 $ por sesión de 4 horas con 10 PE	Coste marginal casi nulo (licencia institucional: 10.000-50.000 $/año)	Menos de 0,05 $ por sesión a precio de consumidor
Accesibilidad	Requiere centro de simulación, horarios programados, personal presencial	Requiere espacio físico, actores formados, programación	Cualquier dispositivo con navegador o app; requiere licencia institucional	Cualquier smartphone; disponible 24/7; sin barreras institucionales
Realismo en la práctica del razonamiento clínico	Fuerte para emergencias y procedimientos; limitado para la anamnesis	El mejor para habilidades comunicativas, empatía, señales no verbales	Los menús estructurados limitan las preguntas abiertas	La conversación libre obliga al estudiante a generar sus propias preguntas
Escalabilidad	Una unidad para 4-8 estudiantes a la vez	Limitada por disponibilidad de actores y espacio físico	Usuarios simultáneos ilimitados dentro de la licencia	Usuarios simultáneos ilimitados; funciona individualmente
Calidad del feedback	Depende de la presencia del instructor y la calidad del debriefing	Feedback del actor sobre comunicación; requiere facilitador formado para el feedback clínico	Puntuación automatizada en rutas predefinidas	Feedback generado por IA con personalización; calidad aún en desarrollo

Los maniquíes siguen siendo insuperables para el entrenamiento procedimental: intubación, RCP, inserción de drenaje torácico. Los pacientes estandarizados siguen siendo el estándar de referencia para las habilidades comunicativas y la lectura de señales no verbales. Las plataformas en pantalla destacan en la evaluación estructurada con puntuación consistente. Los simuladores de pacientes con IA ganan en accesibilidad, coste y la capacidad de practicar razonamiento clínico abierto en cualquier momento y desde cualquier lugar.

La respuesta correcta para la mayoría de las facultades de medicina no es elegir uno sobre los demás. Es usar cada uno donde es más fuerte.

Lo que los simuladores de pacientes con IA aún no pueden hacer

Los límites honestos importan aquí, tanto porque son reales como porque reconocerlos es lo que separa un análisis útil de la promoción.

La exploración física está fuera de alcance. Ningún paciente IA puede dejar que un estudiante palpe un abdomen, ausculte un soplo o practique un examen neurológico. Los maniquíes y los pacientes estandarizados siguen dominando este espacio. Robots sociales como el Furhat del Karolinska cubren parcialmente el vacío proporcionando presencia física con expresiones faciales, pero no pueden simular los elementos táctiles del examen clínico.

Las señales no verbales están ausentes. La mueca de dolor de un paciente real, su vacilación antes de responder, la forma en que protege una zona dolorida: estos son datos diagnósticos que la IA basada en texto simplemente no puede proporcionar. Los sistemas de voz añaden cierta textura emocional a través del tono, pero estamos lejos de la riqueza de un encuentro cara a cara.

La alucinación es un riesgo real. Los LLM ocasionalmente fabrican detalles clínicos: un medicamento que no existe, un valor de laboratorio que contradice el caso. Las tasas de alucinación publicadas van del 0,31% al 5%, comparables a las tasas de error médico en interpretación de imágenes, pero inaceptables si los estudiantes tratan los hallazgos fabricados como hechos. Los sistemas bien diseñados mitigan este riesgo anclando las respuestas de la IA en un documento estructurado del caso, pero el riesgo no es cero.

Se puede reforzar el reconocimiento de patrones. Si los casos son demasiado formulaicos (dolor torácico siempre igual a infarto de miocardio, cefalea con fiebre siempre igual a meningitis), los estudiantes aprenden a asociar patrones en lugar de razonar a través de los diagnósticos diferenciales. La variedad de casos y la variación deliberada en las presentaciones son salvaguardas esenciales.

La base de evidencia es delgada. La mayoría de los estudios involucran de 10 a 50 estudiantes. Ningún simulador de pacientes con IA ha recibido la aprobación de la FDA ni el marcado CE. El campo carece de marcos de evaluación estandarizados. Estamos en los primeros días.

La economía habla por sí sola

El coste es donde el paso de "experimento interesante" a "adopción inevitable" se hace evidente.

Un maniquí de alta fidelidad cuesta de 65.000 a 100.000 dólares por unidad. Una sesión con paciente estandarizado cuesta de 2.500 a 5.000 dólares. Una plataforma institucional de pacientes virtuales cuesta de 10.000 a 50.000 dólares al año. Una app de consumidor basada en IA cuesta de 5 a 12 dólares al mes.

Eso es una reducción de costes de 100 a 1.000 veces en el nivel de consumidor. Y la brecha se amplía con la escala. Los maniquíes y los PE se vuelven más caros por estudiante a medida que crecen las clases (se necesitan más unidades, más actores, más tiempo programado). Los simuladores con IA se vuelven más baratos por estudiante porque el coste marginal de una sesión adicional es de unos céntimos de computación API.

Para los estudiantes individuales, las implicaciones son directas: práctica ilimitada de razonamiento clínico por el precio de un café al mes, disponible a las 2 de la madrugada antes de un examen, sin necesidad de reservar un centro de simulación ni coordinarse con compañeros. Para las facultades de medicina en países de ingresos bajos y medios, donde un centro de simulación puede costar más que todo el presupuesto departamental, los simuladores de pacientes con IA eliminan una barrera que ha existido desde que Barrows le pagó a Rose McWilliams por actuar.

El mercado global de simulación médica alcanzó los 3.500 millones de dólares en 2025 y se prevé que llegue a 7.230 millones en 2030, con una tasa de crecimiento anual compuesto del 15,6%. Los segmentos de mayor crecimiento indican hacia dónde se dirige el dinero: la simulación basada en web lidera con un CAGR del 17,3%, y la simulación con pacientes virtuales le sigue con un 16,6%. Los segmentos basados en hardware crecen más lentamente. El mercado se está moviendo del hierro al software.

Dónde encaja HeyDoctor

HeyDoctor se construyó en torno a una creencia específica: que la habilidad clínica más valiosa, el razonamiento diagnóstico, debería practicarse a diario, no trimestralmente.

El formato es sencillo. Cada día a medianoche UTC, un nuevo caso clínico se publica. Cada jugador en el mundo ve al mismo paciente. Se entrevista al paciente IA mediante conversación libre, se solicitan exploraciones complementarias y se envía un diagnóstico de una lista curada de condiciones. Se dispone de tres intentos y cuarenta mensajes. Una puntuación premia la eficiencia clínica: cuantas menos preguntas se necesiten, más alta es la posición en el ranking.

El paciente IA está anclado en un Documento de Caso Clínico estructurado que contiene el perfil clínico completo: demografía, historia clínica, revisión por sistemas, hallazgos exploratorios, resultados de investigaciones. La IA responde solo a partir de este documento. Habla en lenguaje sencillo, responde lo que un paciente real sabría y nunca revela el diagnóstico. Los resultados de las exploraciones (analíticas, imagen, ECG) provienen directamente de la base de datos, no del modelo de lenguaje, eliminando el riesgo de alucinación para los datos clínicos objetivos.

Este diseño es intencionado. Al separar la interacción conversacional (donde los LLM destacan) de los datos clínicos factuales (donde pueden alucinar), HeyDoctor obtiene los beneficios de la conversación impulsada por IA sin el mayor riesgo. A 4,99 dólares al mes, pone un paciente IA diario en el bolsillo de cada estudiante de medicina.

No es un sustituto de SimMan ni de una rotación clínica real. Es un hábito diario que ejercita el músculo del razonamiento entre esas experiencias de mayor fidelidad, del mismo modo que Duolingo no reemplaza la inmersión pero construye la práctica diaria que hace productiva la inmersión.

Qué viene después

Los simuladores de pacientes con IA no van a reemplazar a los maniquíes, los pacientes estandarizados ni las rotaciones clínicas. Cada método enseña algo que los demás no pueden. Lo que hace la IA es llenar el enorme vacío entre las sesiones de simulación programadas: el 99% de la semana del estudiante en que no está en un centro de simulación pero podría estar practicando razonamiento clínico en su teléfono.

Las condiciones para la adopción ya están dadas. El 100% de las facultades de medicina acreditadas en Estados Unidos usa simulación. Casi el 79% de los estudiantes de medicina ya usa herramientas de IA generativa. La penetración del aprendizaje móvil entre los estudiantes de medicina supera el 85%. La demanda existe. La oferta de simuladores de pacientes con IA accesibles y bien diseñados es lo que está poniéndose al día.

La investigación publicada en los últimos dos años sugiere que hemos superado la fase de prueba de concepto. La cuestión ya no es si los pacientes virtuales con IA pueden enseñar razonamiento clínico (los metaanálisis muestran tamaños del efecto de 0,80 a 0,94 para exactamente eso) sino con qué rapidez las mejores implementaciones llegarán a los estudiantes que más las necesitan.

Si la historia de la simulación de pacientes enseña algo, es que cada generación amplió el acceso en un orden de magnitud. Los maniquíes sacaron la simulación del quirófano. Los pacientes estandarizados la llevaron a cada facultad de medicina. Las plataformas en pantalla la llevaron a cada ordenador del campus. Los simuladores de pacientes con IA la están llevando al bolsillo de cada estudiante.

El paciente le recibirá ahora.