{rfName}
Ap

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

3

Altmetrics

Investigadores/as Institucionales

Garcia Sanchez, Francisco JavierAutor o Coautor

Compartir

19 de marzo de 2025
Publicaciones
>
Artículo
Sí

Application of Artificial Intelligence as an Aid for the Correction of the Objective Structured Clinical Examination (OSCE)

Publicado en: Applied Sciences-Basel. 15 (3): 1153- - 2025-02-01 15(3), DOI: 10.3390/app15031153

Autores:

Luordo, Davide; Torres Arrese, Marta; Tristan Calvo, Cristina; Shani Shani, Kirti Dayal; Rodriguez Cruz, Luis Miguel; Garcia Sanchez, Francisco Javier; Lagares Gomez-Abascal, Alfonso; Rubio Garcia, Rafael; Delgado Jimenez, Juan; Perez Carreras, Mercedes; Diez Lobato, Ramiro; Granizo Martinez, Juan Jose; Tung-Chen, Yale; Villena Garrido, Ma Victoria
[+]

Afiliaciones

12 Octubre Univ Hosp, Madrid 28041, Spain - Autor o Coautor
Alcorcon Fdn Hosp, Alcorcon 28922, Spain - Autor o Coautor
Autonomous Univ Madrid, Dept Med, Madrid 29040, Spain - Autor o Coautor
Infanta Cristina Univ Hosp, Madrid 28981, Spain - Autor o Coautor
Univ Complutense Madrid, Dept Med, Madrid 28040, Spain - Autor o Coautor
Ver más

Resumen

The assessment of clinical competencies is essential in medical training, and the Objective Structured Clinical Examination (OSCE) is an essential tool in this process. There are multiple studies exploring the usefulness of artificial intelligence (AI) in medical education. This study explored the use of the GPT-4 AI model to grade clinical reports written by students during the OSCE at the Teaching Unit of the 12 de Octubre and Infanta Cristina University Hospitals, part of the Faculty of Medicine at the Complutense University of Madrid, comparing its results with those of human graders. Ninety-six (96) students participated, and their reports were evaluated by two experts, an inexperienced grader, and the AI using a checklist designed during the OSCE planning by the teaching team. The results show a significant correlation between the AI and human graders (ICC = 0.77 for single measures and 0.91 for average measures). AI was more stringent, assigning scores on an average of 3.51 points lower (t = -15.358, p < 0.001); its correction was considerably faster, completing the analysis in only 24 min compared to the 2-4 h required by human graders. These results suggest that AI could be a promising tool to enhance efficiency and objectivity in OSCE grading.
[+]

Palabras clave

Ai in healthcareAi-assisted gradingArtificial intelligenceClinical competency assessmentDigital osce evaluationHuman-ai comparison in gradingHuman–ai comparison in gradingMedical educationMedical report evaluatioMedical report evaluationObjective structured clinical examination (osce)

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Applied Sciences-Basel debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2025, se encontraba en la posición 50/179, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Engineering, Multidisciplinary. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Engineering (Miscellaneous).

[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-05:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 42.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 42 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 7.
  • El número de menciones en la red social X (antes Twitter): 10 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: http://hdl.handle.net/20.500.14352/122244
[+]

Objetivos del proyecto

La aportación persigue los siguientes objetivos: analizar la aplicabilidad del modelo de inteligencia artificial GPT-4 para la corrección de informes clínicos en el examen OSCE; comparar los resultados de la corrección automática con la evaluación realizada por expertos humanos y un evaluador inexperto; determinar la correlación entre las calificaciones otorgadas por la inteligencia artificial y los evaluadores humanos, evidenciada por un ICC de 0.77 en medidas individuales y 0.91 en medidas promedio; evaluar la rigurosidad del sistema AI, que asignó puntuaciones en promedio 3.51 puntos más bajas (t = -15.358, p < 0.001); y valorar la eficiencia temporal, destacando que la corrección automática se realizó en 24 minutos frente a las 2-4 horas humanas.
[+]

Resultados más relevantes

El estudio evaluó la aplicación del modelo de inteligencia artificial GPT-4 para la corrección de informes clínicos en el OSCE, comparando sus resultados con los de evaluadores humanos. Se observó una correlación significativa entre la IA y los expertos, con un coeficiente de correlación intraclase (ICC) de 0.77 para medidas individuales y 0.91 para medidas promedio. La IA mostró mayor rigurosidad, asignando puntuaciones en promedio 3.51 puntos inferiores (t = -15.358, p < 0.001). Además, la corrección realizada por la IA fue sustancialmente más rápida, completándose en 24 minutos frente a las 2-4 horas necesarias para los evaluadores humanos. Estos resultados evidencian la eficacia y rapidez del uso de IA en la evaluación clínica.
[+]

Reconocimientos ligados al ítem

The funding for this study was provided by the Spanish Society for Medical Education (SEDEM) through Grant 3/2024.
[+]