Resumen

Introducción

La formación en cirugía urológica como en la nefrectomía parcial y/o pieloplastia requiere la adquisición progresiva de habilidades técnicas complejas. Para ello, la retroalimentación oportuna y objetiva es un elemento clave. Por otro lado,  la posibilidad de grabar cirugías laparoscópicas y robóticas permite generar evaluaciones más trazables y reproducibles que contribuyen al aprendizaje. Sin embargo, la revisión manual de videos implica una alta carga docente y limita la escalabilidad. La inteligencia artificial (IA), mediante sistemas multi-agente y modelos de lenguaje de gran escala (LLMs), ofrece la posibilidad de optimizar este proceso, automatizando parte de la evaluación y generando retroalimentación inmediata sin sustituir la interacción pedagógica humana.

Material y Métodos

Se desarrolló una herramienta formativa basada en IA multi-agente que combina algoritmos de visión computacional y procesamiento de lenguaje natural. El sistema procesa grabaciones quirúrgicas en entornos de simulación avanzada de nefrectomía parcial y pieloplastia, identificando pasos críticos y evalúando el desempeño técnico. Con ello, se genera una retroalimentación textual inmediata, editable y trazable. Se incorporaron dashboards para seguimiento secuencial de la progresión individual y colectiva de los participantes.

Resultados

La herramienta es capaz de identificar pasos técnicos relevantes y generar retroalimentación estructurada en modelos simulados de cirugía laparoscópica urológica (nefrectomía parcial y pieloplastia). Este enfoque tiene el potencial de acortar los tiempos de análisis frente a la revisión manual, permitiendo entregar retroalimentación de manera más ágil y homogénea. La generación del feedback se basó en cinco criterios de calidad de retroalimentación previamente estudiados y validados por nuestro centro.

Conclusiones

La implementación de una herramienta basada en inteligencia artificial permitió generar retroalimentación estructurada en modelos simulados de cirugía laparoscópica urológica, identificar pasos técnicos relevantes y aplicar a la retroalimentación criterios de calidad previamente validados para evaluar el desempeño. Estos resultados respaldan la factibilidad de integrar IA para apoyar la evaluación y retroalimentación en entornos de simulación.