Disponible para aclarar dudas cuando un estudiante las tuviera
En una facultad de Medicina de Sancti Spíritus, un estudiante de sexto año convirtió una pregunta sin respuesta en una investigación premiada: ¿puede la inteligencia artificial generativa de código abierto transformar el aprendizaje médico en Cuba? Eligiendo el modelo Llama 3.1 —accesible donde otros no lo son— Carlos Javier Pérez Pérez demostró que una herramienta digital puede acercarse a la precisión de un profesor y estar disponible a cualquier hora del día. Su trabajo no solo responde a un desafío técnico, sino a uno profundamente humano: cómo garantizar que el conocimiento llegue a quienes lo necesitan, sin importar las barreras.
- La educación médica cubana enfrenta una tensión real: contenidos complejos, horarios limitados y acceso restringido a plataformas internacionales de IA dejan a los estudiantes con pocas herramientas de apoyo autónomo.
- Pérez Pérez eligió Llama 3.1 precisamente porque su naturaleza de código abierto esquiva las restricciones que bloquean otros modelos en Cuba, convirtiendo una limitación geopolítica en una oportunidad pedagógica.
- El modelo alcanzó una precisión de 7,84 sobre 10 en preguntas científicas, generó ejercicios personalizados y guió análisis de casos clínicos, funcionando como un tutor disponible las veinticuatro horas.
- La investigación fue reconocida con múltiples premios en eventos científicos y recibió el respaldo entusiasta de directivos y docentes universitarios, validando tanto su rigor como su utilidad práctica.
- El trabajo abre una ruta concreta hacia la personalización del aprendizaje médico en Cuba, en un momento en que el mundo apenas comenzaba a explorar este territorio sin mapas ni precedentes claros.
Carlos Javier Pérez Pérez, estudiante de sexto año de Medicina en Sancti Spíritus, dedicó 2024 a una pregunta que pocas facultades médicas cubanas se habían atrevido a formular: ¿podría un modelo de inteligencia artificial abierto ayudar a los estudiantes a dominar materias tan exigentes como Bioquímica, Metabolismo y Nutrición?
Su respuesta tomó la forma de Llama 3.1, un modelo generativo de código abierto desarrollado por Meta. La elección no fue arbitraria: a diferencia de las plataformas más conocidas, Llama 3.1 no está sujeto a las restricciones internacionales que complican el acceso en Cuba, lo que lo convertía en una herramienta viable y potencialmente transformadora para la educación médica en la isla.
Los resultados fueron prometedores. El modelo alcanzó una precisión de 7,84 sobre 10 al responder preguntas científicas —un rendimiento que Pérez Pérez describe como comparable al de un profesor— y demostró capacidad para explicar contenidos densos, generar ejercicios de autoevaluación y guiar el análisis de casos clínicos reales. Su mayor ventaja: estar disponible en cualquier momento, sin las limitaciones de horario que caracterizan la enseñanza tradicional.
La investigación resonó rápidamente en la comunidad académica. Reconocida con múltiples premios en eventos científicos, el trabajo fue recibido con entusiasmo por directivos y profesores que vieron en él no solo una innovación técnica, sino una respuesta concreta a desafíos reales: fortalecer el aprendizaje autónomo, hacer accesibles los contenidos complejos y personalizar la experiencia educativa sin multiplicar la carga docente.
Lo que hace aún más notable este trabajo es su contexto: cuando Pérez Pérez comenzó, la integración de IA generativa en la enseñanza médica apenas despuntaba a nivel mundial. No había caminos trazados ni mejores prácticas establecidas. Su investigación sugiere que en una facultad de Medicina cubana ya existe experiencia acumulada sobre cómo incorporar estas herramientas de manera responsable en la formación de futuros médicos.
Carlos Javier Pérez Pérez, estudiante de sexto año de Medicina en Sancti Spíritus, pasó 2024 explorando una pregunta que apenas comenzaba a formularse en las facultades médicas cubanas: ¿podría un modelo de inteligencia artificial abierto y accesible ayudar a los estudiantes a dominar materias complejas como Bioquímica, Metabolismo y Nutrición?
Su respuesta llegó en forma de Llama 3.1, un modelo de lenguaje generativo de código abierto desarrollado por Meta. A diferencia de las plataformas de IA más conocidas, Llama 3.1 no depende de restricciones internacionales que limitan su uso en Cuba. Eso lo hacía no solo viable, sino potencialmente transformador para la educación médica en la isla. Pérez Pérez decidió poner a prueba sus capacidades de manera sistemática, evaluando si podía servir como herramienta pedagógica real.
Lo que encontró fue prometedor. El modelo demostró una precisión de 7,84 sobre 10 al responder preguntas científicas, un rendimiento que Pérez Pérez describe como prácticamente equiparable al de un profesor. Pero la precisión fue solo parte de la historia. Llama 3.1 mostró capacidad para explicar contenidos densos, generar ejercicios de autoevaluación personalizados y guiar a los estudiantes a través del análisis de casos clínicos reales. Lo más significativo: podía hacerlo en cualquier momento del día, disponible para aclarar dudas cuando un estudiante las tuviera, sin las limitaciones de horario que caracterizan la enseñanza tradicional.
Pérez Pérez explicó a Radio Sancti Spíritus que la elección de un modelo abierto no fue casual. Los grandes modelos de lenguaje que la mayoría de las personas conoce como inteligencia artificial generativa vienen cargados de restricciones y límites impuestos por sus desarrolladores. Llama 3.1, al ser de recursos abiertos, permitía experimentar sin esas barreras, lo que lo convertía en un candidato ideal para explorar aplicaciones educativas en un contexto donde el acceso a otras plataformas es complicado.
Los resultados de la investigación resonaron rápidamente en la comunidad académica. El trabajo fue reconocido con múltiples premios en eventos científicos, validación que refleja tanto la novedad del enfoque como su potencial práctico. Los directivos y profesores de la universidad respondieron con entusiasmo, viendo en el proyecto no solo una innovación técnica, sino una respuesta a desafíos reales de la educación médica: cómo fortalecer el aprendizaje autónomo, cómo hacer que los contenidos complejos sean más accesibles, cómo personalizar la experiencia educativa sin multiplicar la carga de trabajo docente.
Lo que hace particularmente notable este trabajo es su timing. Cuando Pérez Pérez comenzó su investigación en 2024, la exploración de modelos de inteligencia artificial generativa en la enseñanza médica apenas despuntaba a nivel mundial. No había un camino trazado, no había mejores prácticas establecidas. Trabajaba en territorio sin mapear, lo que amplifica tanto el riesgo como el mérito de lo que logró. Su investigación sugiere que en Sancti Spíritus, en una facultad de Medicina cubana, ya existe experiencia acumulada sobre cómo integrar estas herramientas de manera responsable y efectiva en la formación de futuros médicos.
Notable Quotes
Es equiparable, prácticamente, a las respuestas que daría un profesor— Carlos Javier Pérez Pérez, investigador
Mostró un rendimiento casi equiparable al de esos modelos a los cuales no podemos acceder tan fácilmente, e incluso demostró capacidad de corrección y un gran potencial para la educación personalizada— Carlos Javier Pérez Pérez
The Hearth Conversation Another angle on the story
¿Por qué eligió específicamente Llama 3.1 en lugar de explorar otras opciones de IA?
La razón fundamental fue la accesibilidad. En Cuba, muchas plataformas de IA tienen restricciones que las hacen prácticamente inaccesibles. Llama 3.1 es código abierto, lo que significa que funciona sin esas barreras. Eso lo hacía viable para nosotros.
¿Qué tan diferente fue el rendimiento de Llama 3.1 comparado con lo que usted esperaba?
Honestamente, fue sorprendente. Obtuvimos una precisión de 7,84 sobre 10, que es casi equiparable a lo que daría un profesor. No esperábamos que fuera tan preciso, especialmente en respuestas a dudas científicas complejas.
¿Cuál fue el aspecto más valioso que descubrió durante la investigación?
La disponibilidad constante. Un estudiante puede consultar dudas a cualquier hora del día y recibir respuestas correctas. Eso cambia la dinámica del aprendizaje autónomo. No tienes que esperar a la próxima clase.
¿Cómo reaccionaron los profesores cuando vieron los resultados?
Muy positivamente. Vieron que no se trataba de reemplazar la docencia, sino de complementarla. El modelo puede manejar explicaciones repetitivas y autoevaluación, liberando tiempo para que los profesores se enfoquen en lo que realmente requiere interacción humana.
¿Qué significa que esto haya sido premiado múltiples veces?
Significa que la comunidad académica reconoció que estábamos abordando un problema real con una solución viable en el contexto cubano. No era solo teoría; era algo que podía implementarse de inmediato.
¿Qué viene después para este proyecto?
El trabajo abre puertas para aplicaciones más amplias en educación médica. Ahora sabemos que es posible. La pregunta siguiente es cómo escalar esto y adaptarlo a otras disciplinas médicas.