Más allá del hype: casos concretos donde los modelos de lenguaje ya están cambiando el flujo clínico real.
Si trabajas en oncología y no has usado un LLM en los últimos seis meses, probablemente te estás perdiendo algo. No porque vayan a diagnosticar por ti — no lo hacen — sino porque han llegado a un punto de madurez donde empiezan a ser útiles en tareas concretas y repetitivas del día a día. Este artículo va de eso: de lo que ya funciona, con ejemplos reales, sin promesas de futuro.
Lo que ya funciona hoy
Los LLMs destacan en tres áreas que encajan directamente con las necesidades de un oncólogo clínico:
1. Síntesis de informes y documentación clínica. Varios grupos han demostrado que modelos como GPT-4 o Claude pueden estructurar informes de alta hospitalaria, extraer variables clave de historias clínicas y resumir consultas en lenguaje natural para el paciente. En un estudio de 2024 con 500 informes oncológicos, la concordancia con la extracción manual fue del 94% para variables como diagnóstico, estadio y línea de tratamiento. No es perfecto, pero libera tiempo clínico real.
2. Búsqueda y síntesis bibliográfica. Herramientas como Elicit o Perplexity, o sistemas propios que encadenan un LLM con PubMed API, pueden responder preguntas concretas en minutos: «¿qué evidencia hay de IO + QT en primera línea de carcinoma escamoso de esófago PD-L1 negativo?» La respuesta no es perfecta, pero el punto de partida es mucho mejor que tres horas revisando abstracts.
3. Redacción de informes para comités (CTO, CNA, CEIC). Un LLM puede redactar un borrador de solicitud de tratamiento compasivo, un resumen de caso para un CT, o una justificación de uso off-label a partir de los datos del informe clínico. No sustituye la revisión médica, pero reduce el tiempo de redacción de 45 a 10 minutos.
Lo que NO funciona (y por qué)
Los LLMs no son fiables para tareas donde el error no es admisible sin supervisión estrecha:
Diagnóstico diferencial. Generan listas plausibles pero omiten enfermedades raras clave en el 15-20% de los casos. La literatura muestra que un residente con LLM supera al LLM solo, pero el LLM solo no supera al residente.
Interpretación de resultados complejos. En genómica tumoral, los LLMs alucinan variantes, malinterpretan el significado de mutaciones VUS y asignan niveles de evidencia incorrectos. Un estudio reciente mostró que solo el 68% de las recomendaciones terapéuticas generadas por GPT-4 para paneles NGS eran clínicamente accionables.
Cálculos y dosis. Los LLMs nativos fallan en aritmética clínica (superficie corporal, dosis acumuladas, aclaramiento de creatinina). No es anecdótico: es un problema estructural de la arquitectura transformer.
Dónde estamos y hacia dónde vamos
La tendencia más interesante de 2024-2025 no son modelos más grandes, sino sistemas que combinan LLMs con fuentes externas fiables: RAG (Retrieval-Augmented Generation), agentes que consultan bases de datos estructuradas antes de responder, y arquitecturas donde el LLM coordina herramientas en lugar de ser la única fuente de verdad.
En mi experiencia con ANGIE, el salto de calidad no llegó con un mejor modelo — llegó cuando el modelo dejó de intentar recordar todo y empezó a buscar donde toca: PubMed, guías clínicas, historial del paciente. Un LLM que admite «no lo sé, pero voy a buscarlo» es enormemente más útil que uno que lo inventa.
Una recomendación práctica
Si quieres empezar a usar LLMs en tu práctica, elige un problema pequeño, concreto y de baja consecuencia: redactar resúmenes para pacientes, buscar literatura para una pregunta de un compañero, o preparar un borrador de CT. No empieces por diagnóstico o recomendaciones terapéuticas. Mide el tiempo que te ahorra. Y sobre todo: verifica siempre la salida. Un LLM útil es un LLM supervisado.
Este artículo es parte de una serie sobre IA práctica en oncología. Si quieres compartir tu experiencia usando LLMs en el hospital, escríbeme a jpumares@ppj.es.