Por: Mag. Rosa Carolina Freyre Camborda, docente de la Escuela Profesional de Tecnología Médica – Especialidad Terapia Física y Rehabilitación, Universidad Continental, Perú.
Publicación: 20/09/2026
¿Y si un paciente digital pudiera enseñar a pensar, decidir y actuar como fisioterapeuta a un alumno? Esa es la apuesta de FisioIA+, una experiencia de innovación pedagógica desarrollada con estudiantes del sexto ciclo de la carrera de Terapia Física y Rehabilitación, en el curso de Terapia Física en Afecciones de la Salud I. La propuesta surgió ante la necesidad de fortalecer el razonamiento clínico, la toma de decisiones terapéuticas y la integración teórico-práctica mediante experiencias de aprendizaje más dinámicas, personalizadas y seguras, en respuesta a un problema recurrente en la enseñanza de las ciencias de la salud: los estudiantes suelen memorizar teoría antes de enfrentarse a un caso clínico real, y cuando llega ese momento, la falta de experiencia y el temor a equivocarse frente a un paciente pueden limitar su aprendizaje.
Frente a este reto, FisioIA+ propone otro camino; mediante el uso de la inteligencia artificial generativa, simulación clínica interactiva, aprendizaje basado en problemas, análisis colaborativo de casos y retroalimentación inmediata asistida por IA, se diseñaron pacientes digitales inteligentes capaces de recrear escenarios clínicos de afecciones musculoesqueléticas y funcionales, y de evolucionar dinámicamente según las decisiones de los estudiantes: si el diagnósticos y la intervención son acertados, el paciente virtual evoluciona favorablemente; si no lo son, el sistema lo refleja en su evolución clínica y entrega retroalimentación inmediata. Bajo este esquema, 130 estudiantes, distribuidos en los periodos académicos 2025–I, 2025–II y 2026-I, practicaron el razonamiento clínico frente a casos de patologías reumatológicas, pacientes gran quemados, patologías oncológicas y del suelo pélvico, sin comprometer en ningún momento la seguridad de pacientes reales.
La experiencia combinó metodologías activas – aprendizaje basado en problemas, análisis colaborativo de casos y retroalimentación asistida por inteligencia artificial – con herramientas de analítica del aprendizaje (learning analytics) que permitieron al docente monitorear, en tiempo real, cómo pensaban y decidían sus estudiantes ante cada escenario clínico simulado.
Resultados
Los resultados obtenidos mediante rúbricas de desempeño clínico y encuestas de percepción aplicadas durante los tres periodos académicos, muestran una mejora consistente en las competencias evaluadas:
- Participación activa en clase: de 62 % a 91 % (+29 puntos)
- Razonamiento clínico: de 58 % a 88 % (+30 puntos)
- Toma de decisiones terapéuticas: de 55 % a 86 % (+31 puntos)
- Integración teórico-práctica: de 60 % a 89 % (+29 puntos)
- Seguridad en la sustentación clínica: de 52 % a 84 % (+32 puntos)
La percepción estudiantil también fue muy positiva: el 96% consideró que la simulación clínica aumentó su participación, el 94% señaló que la experiencia favoreció su aprendizaje clínico y el 97% recomendaría implementar FisioIA+ en otros cursos.
Más allá de las cifras, los estudiantes ganaron algo difícil de medir: la posibilidad de equivocarse sin consecuencias. Al interactuar con un paciente digital, podían replantear una hipótesis clínica, corregir una intervención o repetir un caso las veces que fuera necesario. Esto redujo la ansiedad asociada a la práctica clínica inicial y fortaleció su confianza para argumentar decisiones terapéuticas frente a sus compañeros y docentes.
Cierre o conclusiones
FisioIA+ demuestra que la inteligencia artificial no reemplaza al docente ni al criterio clínico: los potencia. El docente mantuvo su rol de facilitador y mediador del aprendizaje, mientras la tecnología asumió tareas de simulación y retroalimentación que resultarían difíciles de ofrecer de manera personalizada a varios estudiantes al mismo tiempo.
La experiencia deja además una hoja de ruta para el futuro: incorporar realidad virtual, ampliar la variedad y complejidad de los casos clínicos, y dar seguimiento longitudinal a los estudiantes hasta sus prácticas preprofesionales, para verificar si estas competencias se sostienen en escenarios reales. Por ahora, FisioIA+ es un buen recordatorio de que, bien utilizada, la inteligencia artificial puede convertirse en un aliado pedagógico capaz de formar profesionales de la salud más seguros, reflexivos y preparados para tomar decisiones que, algún día, involucrarán a pacientes reales.
Referencias:
Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1), 38. https://doi.org/10.1186/s41239-023-00408-3
Dairo, Y. M., Hunter, K., & Ishaku, T. (2024). The impact of simulation-based learning on the knowledge, attitude and performance of physiotherapy students on practice placement. BMC Medical Education, 24, 786. https://doi.org/10.1186/s12909-024-05718-2
Hersh, W., & Hollis, K. F. (2024). Results and implications for generative AI in a large introductory biomedical and health informatics course. npj Digital Medicine, 7, 247. https://doi.org/10.1038/s41746-024-01251-0
Lowe, S. W. (2024). The role of artificial intelligence in physical therapy education. Bulletin of Faculty of Physical Therapy, 29(13). https://doi.org/10.1186/s43161-024-00177-8
Rezayi, S., Ghotbi, N., Shahmoradi, L., Raisi Ardali, Z., & Choobsaz, H. (2024). Design specifications and capabilities of a 3D simulation software for clinical education of physiotherapy students in the neurology department. BMC Medical Education, 24, 944. https://doi.org/10.1186/s12909-024-05547-3
Sánchez-Gómez, S., et al. (2024). Physiotherapy education: Simulation-based learning on biopsychosocial training in chronic pain – A mixed-methods study. Fisioterapia, 46(6), 325-333. https://doi.org/10.1016/j.ft.2024.09.002
