LLMs y notas clínicas: cuando lo que escribimos dice más de lo que creemos

Todos los días escribimos. Historias clínicas, informas de alta, notas de evolución. Texto suelto, a veces apresurado, casi siempre en lenguaje natural. Llevamos años generando ese volumen ingente de datos no estructurados sin saber muy bien qué hacer con él. La estadificación TNM nos da una foto fija del tumor, pero no cuenta cómo está el paciente. Y sabemos —porque lo vemos cada día en consulta— que el estado funcional, las comorbilidades y hasta la redacción de una nota matizan el pronóstico de formas que el TNM no captura.

Un estudio publicado en PLOS Digital Health por Kiermeyer y colaboradores ha abordado precisamente esta brecha. Y lo ha hecho con una herramienta que, hasta hace bien poco, parecía más propia de un laboratorio de procesamiento del lenguaje que de un hospital real: un LLM (large language model) auto-alojado, corriendo en local, leyendo notas clínicas reales como las que escribimos cada día.

¿Qué han hecho exactamente?

Kiermeyer et al. entrenaron —mejor dicho, no entrenaron, usaron en zero-shot— un LLM auto-alojado para extraer factores pronósticos de las notas clínicas de 2.708 pacientes con cáncer de pulmón no microcítico (NSCLC) y 814 pacientes con cáncer de colon, todos documentados antes de iniciar el tratamiento en un centro oncológico integral alemán.

El LLM extrajo, sin entrenamiento específico previo para la tarea (zero-shot), información como:

• Comorbilidades relevantes
• Localización de metástasis (no solo presencia/ausencia)
• Descriptores cualitativos del estado del paciente («buen estado general», «caquexia incipiente», «dependiente para actividades básicas»)

Estos «features» derivados del LLM se integraron en modelos de machine learning para predecir supervivencia global, y se compararon con el TNM solo y con modelos basados en embeddings de texto clásicos.

Los números

Los datos son contundentes: el modelo combinado (LLM + ML) superó significativamente al TNM como único predictor. Pero lo más interesante no es la C-Index. Es el porcentaje de reclasificación: el 61,4% de los pacientes con NSCLC y el 68,3% con cáncer de colon cambiaron de grupo de riesgo al incorporar la información extraída por el LLM de las notas clínicas. Esto no es ruido: tras analizar los factores que más pesaban en el modelo, los autores vieron que el estado físico del paciente (la famosa «fuerza» o «debilidad» que anotamos en la historia) modulaba sustancialmente el impacto pronóstico del TNM.

«El estado físico del paciente, extraído de una nota clínica rutinaria, moduló el impacto pronóstico del TNM stage.»

— Kiermeyer et al., PLOS Digital Health 2026

🧐 Lo que me parece relevante (y lo que no)

Fortalezas:

• Muestra grande y real: más de 3.500 pacientes, datos de la práctica clínica real, no de ensayos seleccionados.
• Zero-shot: el LLM no necesitó entrenamiento específico. Esto abre la puerta a implementaciones rápidas sin necesidad de grandes datasets etiquetados.
• Auto-alojado: los autores insisten en que el modelo corre en local. En una era de preocupación por la privacidad de datos sanitarios, esto es clave para la traslación clínica real.
• Más que una correlación: el análisis de drivers del modelo permite entender qué factores concretos (comorbilidades, estado funcional) están modulando el pronóstico. No es una caja negra.

Limitaciones:

• Dos tumores: NSCLC y colon. No sabemos si el patrón se replica en otros tipos tumorales con dinámicas distintas (mama, páncreas, hematología).
• Un solo centro: aunque el volumen es respetable, la práctica clínica, el estilo de redacción y los sesgos de documentación de un solo centro pueden no generalizarse.
• Notas pre-tratamiento: el estudio usó notas previas al inicio del tratamiento. La pregunta natural —¿podemos actualizar el pronóstico dinámicamente con notas durante el tratamiento?— queda abierta.
• Validación externa: no hay (al menos no en este artículo). Para que esto llegue a la clínica, necesitamos verlo funcionar en otros sistemas sanitarios, en otros idiomas, con otras formas de redactar.

💡 Por qué esto importa al oncólogo de a pie

Llevamos años discutiendo si la inteligencia artificial va a cambiar la oncología. Normalmente pensamos en diagnóstico por imagen, en patología digital o en secuenciación genómica. Pero este estudio nos recuerda algo más mundano y, paradójicamente, más transformador: el dato que ya generamos cada día, en forma de texto clínico, contiene información pronóstica que estamos infrautilizando.

No necesitamos nuevos tests ni nuevas biopsias. Necesitamos mejores formas de leer lo que ya escribimos.

Un LLM que corre en un hospital, sin enviar datos a la nube, leyendo las notas que tú mismo has escrito, y devolviendo una estratificación de riesgo más precisa que el TNM solo — eso no es ciencia ficción. Es el estudio de Kiermeyer et al., publicado en julio de 2026.

¿Llegará a la práctica diaria? Dependerá de la validación externa, de la integración en los sistemas de historia clínica electrónica y, sobre todo, de que los clínicos confiemos en un modelo que extrae información de nuestras propias palabras. Pero el camino empieza a dibujarse.

📄 Referencia

Kiermeyer N, Lenfers T, Dada A, Friedrich J, Khattab S, Knop E, et al. Large language models enable prognostic stratification of cancer patients using real-world clinical notes. PLOS Digital Health. 2026;5(7):e0001546. DOI: 10.1371/journal.pdig.0001546. PMID: 42418410.

Soy Javier Pumares, oncólogo médico en el Centro Oncológico de Galicia. Escribo aquí sobre la intersección entre oncología, inteligencia artificial y práctica clínica real. Si te ha parecido útil, puedes seguirme en LinkedIn o suscribirte al blog en ppj.es.