Los grandes modelos de lenguaje (LLM), están transformando rápidamente el panorama de la atención sanitaria. Son herramientas, basadas en inteligencia artificial generativa, con las que vamos a poder: 

• agilizar procesos clínicos, 
• mejorar la toma de decisiones y 
• ampliar el acceso al conocimiento tanto para profesionales como para pacientes. 

Diversos estudios ya han explorado su utilidad práctica, como en la recomendación de estudios de neuroimagen, donde modelos como ChatGPT y Glass AI han mostrado un rendimiento aceptable, aunque aún lejos del nivel de expertos humanos.

Sin embargo, este avance tecnológico plantea nuevos desafíos. Los LLM no solo operan con datos masivos: estos datos no siempre son médicos, sino que también pueden generar respuestas erróneas o sesgadas.

Además, su integración en la práctica clínica carece de un marco regulatorio claro y adaptado a su complejidad, lo que representa riesgos éticos, legales y de seguridad. 

Por ello, resulta importante discutir no solo sus capacidades, sino también la necesidad urgente de una supervisión regulatoria sólida, capaz de garantizar el uso responsable, transparente y equitativo de estas tecnologías emergentes en el ámbito sanitario.

La inteligencia artificial (IA) ha comenzado a desempeñar un papel clave en diversos contextos clínicos, incluyendo la cirugía robótica, la transcripción y resumen de historias clínicas, así como la generación de recomendaciones y terapias personalizadas.  Entre estas aplicaciones, destacan los grandes modelos de lenguaje (LLM), herramientas basadas en IA entrenadas para procesar, analizar y generar texto en lenguaje natural.

Los LLM funcionan prediciendo la palabra siguiente en una secuencia textual, a partir del análisis estadístico de grandes volúmenes de datos. Esta capacidad les permite responder de forma coherente a instrucciones escritas en lenguaje natural.

Un ejemplo ampliamente conocido es ChatGPT, desarrollado por OpenAI sobre el modelo GPT-3.5, con 175000 millones de parámetros, una magnitud considerable en comparación con GPT-2 (1500 millones). 

ChatGPT fue entrenado con datos generales tomados de internet, sin incluir explícitamente información médica, pero aún así ha logrado resultados destacables en tareas clínicas, como responder correctamente preguntas del Examen de Licencia Médica de EE. UU. o pruebas de autoevaluación especializadas.

ChatGPT está basado en la arquitectura de transformadores, una técnica avanzada que utiliza mecanismos de atención para identificar relaciones complejas entre palabras, logrando mayor precisión y coherencia en la generación de texto.

Por otro lado, Glass AI es un modelo desarrollado por la empresa Glass Health, diseñado específicamente para el ámbito médico. A diferencia de ChatGPT, su entrenamiento se basa en literatura médica, aunque sus fuentes exactas no son públicas por tratarse de una plataforma privada. Glass AI busca generar diagnósticos y planes clínicos directamente a partir de información clínica estructurada.

Una de las tareas clínicas en las que podría aplicarse este tipo de tecnología es en la recomendación de estudios de imagen. 

Elegir correctamente la prueba de imagen más adecuada —como una tomografía computarizada o una resonancia magnética— es fundamental para el diagnóstico oportuno de diversas condiciones médicas. 

Sin embargo, el uso inadecuado o excesivo de imágenes puede conllevar problemas como exposición innecesaria a radiación, aumento de costos o confusión diagnóstica.

La capacidad de los LLM para analizar de forma rápida y eficaz grandes volúmenes de datos clínicos y emitir recomendaciones clínicamente relevantes puede ser de gran utilidad para diversos profesionales de la salud, tanto especialistas como médicos generales, quienes en los últimos años han sido responsables de la mayoría de las solicitudes de estudios de imagen.

Por otro lado, contar con una herramienta que facilite la evaluación de la información del paciente puede aumentar la productividad y contribuir a brindar una atención de mayor calidad, especialmente ante el creciente volumen de estudios de imagen disponibles.

Además, los LLM pueden tener un valor significativo en contextos educativos, al asistir a estudiantes y profesionales en formación en temas relacionados con la radiología, desde la elección de modalidades de imagen hasta la interpretación de hallazgos diagnósticos. 

En otro de los artículos analizados se exploran los posibles riesgos y beneficios de aplicar LLM en entornos de atención médica y se defiende la necesidad de regularlas de forma diferente a las tecnologías médicas basadas en IA que ya se encuentran en el mercado para mitigar posibles daños y mantener la confianza pública en estas tecnologías innovadoras, describiendo las características claves de los LLM que los distinguen de las técnicas tradicionales de aprendizaje profundo.

Los LLM ofrecen un gran potencial para el futuro de la atención médica, pero su uso también conlleva riesgos y desafíos éticos. 

Debemos aprovechar el potencial de las tecnologías impulsadas por IA, como los LLMs, para así minimizar los posibles daños y preservar la confianza tanto de los pacientes como de los profesionales de la salud. 

La necesidad de normativas claras, transparencia algorítmica y validación rigurosa es esencial para evitar impactos negativos como la desinformación médica, la amplificación de sesgos o la pérdida de confianza en los sistemas de salud.

Ambos artículos analizados en este ateneo, destacan que los LLMs —ya sea como herramienta estructurante del conocimiento o como vehículo de interacción tecnológica— es un componente central en la transformación digital de la salud.

Sin embargo, esta transformación solo será viable y sostenible si se articula una integración equilibrada entre innovación técnica y responsabilidad ética y regulatoria. 

La convergencia de lenguajes formales, estándares técnicos y marcos normativos robustos constituye, por tanto, una condición indispensable para que la inteligencia artificial aporte valor real a los sistemas sanitarios contemporáneos.

Para ver la presentación completa, hacé clic en este enlace.