{"id":18637,"date":"2026-04-16T07:00:55","date_gmt":"2026-04-16T11:00:55","guid":{"rendered":"https:\/\/ermdigital.com\/index.php\/2026\/04\/16\/han-puesto-a-los-21-chatbots-de-ia-mas-populares-a-realizar-diagnostico-diferencial-fallan-mas-que-una-escopeta-de-feria\/"},"modified":"2026-04-16T07:00:55","modified_gmt":"2026-04-16T11:00:55","slug":"han-puesto-a-los-21-chatbots-de-ia-mas-populares-a-realizar-diagnostico-diferencial-fallan-mas-que-una-escopeta-de-feria","status":"publish","type":"post","link":"https:\/\/ermdigital.com\/index.php\/2026\/04\/16\/han-puesto-a-los-21-chatbots-de-ia-mas-populares-a-realizar-diagnostico-diferencial-fallan-mas-que-una-escopeta-de-feria\/","title":{"rendered":"Han puesto a los 21 chatbots de IA m\u00e1s populares a realizar diagn\u00f3stico diferencial. Fallan m\u00e1s que una escopeta de feria"},"content":{"rendered":"

\n \"Han\n <\/p>\n

\u2018House<\/a>\u2019 es una serie que me encanta. Las intrahistorias no me importan lo m\u00e1s m\u00ednimo, pero el proceso del diagn\u00f3stico diferencial -pese a todo lo peliculero-, me vuelve loco. Esa capacidad para ir descartando enfermedades que pod\u00edan explicar unos mismos s\u00edntomas para llegar al diagn\u00f3stico m\u00e1s probable me parece brujer\u00eda. Bien: han puesto a los 21 chatbots de IA m\u00e1s populares<\/a> a realizar ese diagn\u00f3stico diferencial y el resultado es claro.<\/p>\n

<\/p>\n

Falla m\u00e1s que una escopeta de feria.<\/p>\n

En corto<\/strong>. El Mass General Brigham<\/a> no es un \u2018cualquiera\u2019. Se trata de una red de m\u00e9dicos y hospitales estadounidenses sin fines de lucro entre los que se encuentran dos de las instituciones de ense\u00f1anza m\u00e9dica m\u00e1s prestigiosas del pa\u00eds. De enero a diciembre de 2025, un grupo de investigadores de la instituci\u00f3n pusieron<\/a> a 21 chatbots de IA como Claude 4.5 Opus, DeepSeek, Gemini 3.0 Pro, GPT-5 o Grok 4 a evaluar decenas de casos cl\u00ednicos con el objetivo de establecer cu\u00e1l era su nivel de acierto en un diagn\u00f3stico temprano.<\/p>\n

<\/p>\n

La informaci\u00f3n es extremadamente b\u00e1sica, pero tambi\u00e9n es la que tienen los profesionales a la hora de realizar ese diagn\u00f3stico diferencial y la intenci\u00f3n \u00faltima es evaluar la capacidad de razonamiento cl\u00ednico de los modelos de lenguaje de \u00faltima generaci\u00f3n para ver si pueden ser un aliado cl\u00ednico. La respuesta es que no. Mientras modelos optimizados para el razonamiento lograron puntuaciones mucho m\u00e1s altas que otros m\u00e1s simples como Gemini 1.5 Flash, la conclusi\u00f3n es que los LLM siguen siendo limitados para esta tarea.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"OpenAI
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

OpenAI entra de lleno en la salud por una simple raz\u00f3n: ChatGPT ya es nuestro m\u00e9dico de primera l\u00ednea (aunque no queramos admitirlo)<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

El examen<\/strong>. A cada uno de los modelos se le entreg\u00f3 29 casos cl\u00ednicos que representan m\u00e1s de 16.200 respuestas en total. El resultado es que esas versiones m\u00e1s recientes de los chatbots m\u00e1s potentes no pudieron<\/a> producir un diagn\u00f3stico diferencial adecuado en alrededor del 80% de los casos cuando s\u00f3lo ten\u00edan informaci\u00f3n b\u00e1sica del paciente.<\/p>\n

<\/p>\n

El problema es que edad, sexo y s\u00edntomas es una informaci\u00f3n muy vaga, s\u00ed, pero con la que \u2018juegan\u2019 por primera vez los profesionales humanos que tienen que realizar ese diagn\u00f3stico diferencial. Poco a poco, a medida que van haciendo otras pruebas y obteniendo m\u00e1s informaci\u00f3n, afinan el resultado, pero es ese primer tratamiento de \u2018descarte\u2019 el que marca la diferencia muchas veces.<\/p>\n

\n
\n
\"Queremos ayudar a separar el bombo de la realidad de estas herramientas a medida que se aplican a la atenci\u00f3n m\u00e9dica\"<\/div>\n<\/p><\/div>\n<\/div>\n
\n
\n
\n
\n
\n \"Un
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

Un ChatGPT dedicado a darte consejos m\u00e9dicos sin supervisi\u00f3n parec\u00eda una idea arriesgada. Y lo est\u00e1 confirmando<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Otra pel\u00edcula<\/strong>. Y, precisamente, a medida que a los LLM<\/a> se les iban dando m\u00e1s datos, el rendimiento y resultados fueron m\u00e1s robustos. Cuando el chatbot tiene m\u00e1s y m\u00e1s informaci\u00f3n como los datos de un an\u00e1lisis f\u00edsico, los resultados de laboratorio y las im\u00e1genes diagn\u00f3sticas, la cosa cambia y la IA llega al diagn\u00f3stico final en m\u00e1s del 90% de los casos.\u00a0<\/p>\n

<\/p>\n

Pero claro, para llegar a ese escenario deben tener casi todos los datos cl\u00ednicos, lo que evidencia a\u00fan m\u00e1s la brecha con la impotencia a la hora de realizar un filtrado inicial.<\/p>\n

<\/p>\n

\n
\n
\n
<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

No te f\u00edes de <\/strong>Google<\/s><\/strong> ChatGPT<\/strong>. Los investigadores tienen claro que \u201cestos modelos son muy buenos para identificar un diagn\u00f3stico final cuando los datos est\u00e1n completos, pero tienen dificultades al inicio de un caso abierto\u201d, lo que les lleva a enfatizar que no hay que fiarse de ellos en casa. La industria de la IA est\u00e1 empujando su producto<\/a> en el circuito m\u00e9dico, pero desde el estudio apuntan que \u201ca pesar de las mejoras continuas, los LLM comerciales no est\u00e1n listos para su implementaci\u00f3n cl\u00ednica sin supervisi\u00f3n\u201d.<\/p>\n

<\/p>\n

Afirman que se necesita un humano en la operaci\u00f3n y \u201cuna supervisi\u00f3n muy estrecha\u201d para poder escalar el uso de un LLM en el \u00e1mbito sanitario. Y ah\u00ed est\u00e1n hablando en todo momento del uso profesional, pero cada vez m\u00e1s se ven casos de personas que antes se autotrataban confiando en Google y que\u00a0ahora lo hacen fi\u00e1ndose de lo que le dice ChatGPT<\/a>. En el estudio enfatizan que \u201clas alucinaciones permanecen\u201d en estos modelos de \u00faltima generaci\u00f3n mostrando, adem\u00e1s, preocupaciones sobre la seguridad y la integridad de los pacientes.<\/p>\n

\n
\n
\n
\n
\n \"Gemini
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

Gemini est\u00e1 comi\u00e9ndole la tostada a ChatGPT. Y OpenAI ha respondido integrando un m\u00e9dico de bolsillo<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Lo de El Salvador<\/strong>. De la manera que sea, es evidente que, al final, la IA m\u00e9dica es un ayudante m\u00e1s, una herramienta<\/a>, y aqu\u00ed lo que se ha puesto a prueba es un chatbot \u201ccom\u00fan\u201d que sabe de todo, pero no est\u00e1 especializado en nada. En medicina, como en otras industrias, el uso de una IA puede ayudar en tareas como eliminaci\u00f3n de posibilidades u ordenaci\u00f3n de miles de datos, pero un chatbot a\u00fan no es un buen compa\u00f1ero en ese diagn\u00f3stico diferencial porque, sencillamente, no se puede confiar en \u00e9l.<\/p>\n

<\/p>\n

Quienes s\u00ed van a tener que confiar en la IA para cualquier tipo de tratamiento son los salvadore\u00f1os. El Salvador ha sido un pa\u00eds pionero a la hora de adoptar nuevas tecnolog\u00edas, y el presidente, Nayib Bukele, acaba de emprender otro experimento: 500 millones de d\u00f3lares para dejar la sanidad en manos de Gemini. La poblaci\u00f3n tendr\u00e1 acceso a la app Dr.SV<\/a> que ejercer\u00e1 de m\u00e9dico de familia. Como detallan en El Pa\u00eds<\/a>, esta IA sabr\u00e1 los s\u00edntomas y asignar\u00e1 llamadas con m\u00e9dicos que realizar\u00e1n el diagn\u00f3stico. La IA har\u00e1 el seguimiento para consultas y enfermedades cr\u00f3nicas y el objetivo es que se ocupe de pacientes con c\u00e1ncer en un futuro.<\/p>\n

<\/p>\n

Seg\u00fan Bukele, est\u00e1n creando el mejor sistema de salud del mundo, algo curioso teniendo en cuenta que despidieron a m\u00e1s de 7.700 empleados del sistema de salud durante 2025. Por el bien de los salvadore\u00f1os, esperemos que\u00a0ese nuevo experimento no termine como la Bitcoin City<\/a>.<\/p>\n

<\/p>\n

En Xataka | La privacidad est\u00e1 muriendo desde que lleg\u00f3 ChatGPT. Ahora nuestra obsesi\u00f3n es que la IA nos conozca lo mejor posible<\/a><\/p>\n

–
La noticia
\n
\n Han puesto a los 21 chatbots de IA m\u00e1s populares a realizar diagn\u00f3stico diferencial. Fallan m\u00e1s que una escopeta de feria <\/em>
\n <\/a>
\n fue publicada originalmente en
\n
\n Xataka <\/strong>
\n <\/a>
\n por
\n Alejandro Alcolea
\n <\/a>
\n . <\/p>\n

\u00a0\u2018House\u2019 es una serie que me encanta. Las intrahistorias no me importan lo m\u00e1s m\u00ednimo, pero el proceso del diagn\u00f3stico diferencial -pese a todo lo peliculero-, me vuelve loco. Esa capacidad para ir descartando enfermedades que pod\u00edan explicar unos mismos s\u00edntomas para llegar al diagn\u00f3stico m\u00e1s probable me parece brujer\u00eda. Bien: han puesto a los 21 chatbots de IA m\u00e1s populares a realizar ese diagn\u00f3stico diferencial y el resultado es claro.<\/p>\n

Falla m\u00e1s que una escopeta de feria.<\/p>\n

En corto. El Mass General Brigham no es un \u2018cualquiera\u2019. Se trata de una red de m\u00e9dicos y hospitales estadounidenses sin fines de lucro entre los que se encuentran dos de las instituciones de ense\u00f1anza m\u00e9dica m\u00e1s prestigiosas del pa\u00eds. De enero a diciembre de 2025, un grupo de investigadores de la instituci\u00f3n pusieron a 21 chatbots de IA como Claude 4.5 Opus, DeepSeek, Gemini 3.0 Pro, GPT-5 o Grok 4 a evaluar decenas de casos cl\u00ednicos con el objetivo de establecer cu\u00e1l era su nivel de acierto en un diagn\u00f3stico temprano.<\/p>\n

La informaci\u00f3n es extremadamente b\u00e1sica, pero tambi\u00e9n es la que tienen los profesionales a la hora de realizar ese diagn\u00f3stico diferencial y la intenci\u00f3n \u00faltima es evaluar la capacidad de razonamiento cl\u00ednico de los modelos de lenguaje de \u00faltima generaci\u00f3n para ver si pueden ser un aliado cl\u00ednico. La respuesta es que no. Mientras modelos optimizados para el razonamiento lograron puntuaciones mucho m\u00e1s altas que otros m\u00e1s simples como Gemini 1.5 Flash, la conclusi\u00f3n es que los LLM siguen siendo limitados para esta tarea.<\/p>\n

En Xataka<\/p>\n

OpenAI entra de lleno en la salud por una simple raz\u00f3n: ChatGPT ya es nuestro m\u00e9dico de primera l\u00ednea (aunque no queramos admitirlo)<\/p>\n

El examen. A cada uno de los modelos se le entreg\u00f3 29 casos cl\u00ednicos que representan m\u00e1s de 16.200 respuestas en total. El resultado es que esas versiones m\u00e1s recientes de los chatbots m\u00e1s potentes no pudieron producir un diagn\u00f3stico diferencial adecuado en alrededor del 80% de los casos cuando s\u00f3lo ten\u00edan informaci\u00f3n b\u00e1sica del paciente.
\nEl problema es que edad, sexo y s\u00edntomas es una informaci\u00f3n muy vaga, s\u00ed, pero con la que \u2018juegan\u2019 por primera vez los profesionales humanos que tienen que realizar ese diagn\u00f3stico diferencial. Poco a poco, a medida que van haciendo otras pruebas y obteniendo m\u00e1s informaci\u00f3n, afinan el resultado, pero es ese primer tratamiento de \u2018descarte\u2019 el que marca la diferencia muchas veces.<\/p>\n

\"Queremos ayudar a separar el bombo de la realidad de estas herramientas a medida que se aplican a la atenci\u00f3n m\u00e9dica\"<\/p>\n

En Xataka<\/p>\n

Un ChatGPT dedicado a darte consejos m\u00e9dicos sin supervisi\u00f3n parec\u00eda una idea arriesgada. Y lo est\u00e1 confirmando<\/p>\n

Otra pel\u00edcula. Y, precisamente, a medida que a los LLM se les iban dando m\u00e1s datos, el rendimiento y resultados fueron m\u00e1s robustos. Cuando el chatbot tiene m\u00e1s y m\u00e1s informaci\u00f3n como los datos de un an\u00e1lisis f\u00edsico, los resultados de laboratorio y las im\u00e1genes diagn\u00f3sticas, la cosa cambia y la IA llega al diagn\u00f3stico final en m\u00e1s del 90% de los casos.\u00a0<\/p>\n

Pero claro, para llegar a ese escenario deben tener casi todos los datos cl\u00ednicos, lo que evidencia a\u00fan m\u00e1s la brecha con la impotencia a la hora de realizar un filtrado inicial.<\/p>\n

No te f\u00edes de Google ChatGPT. Los investigadores tienen claro que \u201cestos modelos son muy buenos para identificar un diagn\u00f3stico final cuando los datos est\u00e1n completos, pero tienen dificultades al inicio de un caso abierto\u201d, lo que les lleva a enfatizar que no hay que fiarse de ellos en casa. La industria de la IA est\u00e1 empujando su producto en el circuito m\u00e9dico, pero desde el estudio apuntan que \u201ca pesar de las mejoras continuas, los LLM comerciales no est\u00e1n listos para su implementaci\u00f3n cl\u00ednica sin supervisi\u00f3n\u201d.
\nAfirman que se necesita un humano en la operaci\u00f3n y \u201cuna supervisi\u00f3n muy estrecha\u201d para poder escalar el uso de un LLM en el \u00e1mbito sanitario. Y ah\u00ed est\u00e1n hablando en todo momento del uso profesional, pero cada vez m\u00e1s se ven casos de personas que antes se autotrataban confiando en Google y que\u00a0ahora lo hacen fi\u00e1ndose de lo que le dice ChatGPT. En el estudio enfatizan que \u201clas alucinaciones permanecen\u201d en estos modelos de \u00faltima generaci\u00f3n mostrando, adem\u00e1s, preocupaciones sobre la seguridad y la integridad de los pacientes.<\/p>\n

En Xataka<\/p>\n

Gemini est\u00e1 comi\u00e9ndole la tostada a ChatGPT. Y OpenAI ha respondido integrando un m\u00e9dico de bolsillo<\/p>\n

Lo de El Salvador. De la manera que sea, es evidente que, al final, la IA m\u00e9dica es un ayudante m\u00e1s, una herramienta, y aqu\u00ed lo que se ha puesto a prueba es un chatbot \u201ccom\u00fan\u201d que sabe de todo, pero no est\u00e1 especializado en nada. En medicina, como en otras industrias, el uso de una IA puede ayudar en tareas como eliminaci\u00f3n de posibilidades u ordenaci\u00f3n de miles de datos, pero un chatbot a\u00fan no es un buen compa\u00f1ero en ese diagn\u00f3stico diferencial porque, sencillamente, no se puede confiar en \u00e9l.<\/p>\n

Quienes s\u00ed van a tener que confiar en la IA para cualquier tipo de tratamiento son los salvadore\u00f1os. El Salvador ha sido un pa\u00eds pionero a la hora de adoptar nuevas tecnolog\u00edas, y el presidente, Nayib Bukele, acaba de emprender otro experimento: 500 millones de d\u00f3lares para dejar la sanidad en manos de Gemini. La poblaci\u00f3n tendr\u00e1 acceso a la app Dr.SV que ejercer\u00e1 de m\u00e9dico de familia. Como detallan en El Pa\u00eds, esta IA sabr\u00e1 los s\u00edntomas y asignar\u00e1 llamadas con m\u00e9dicos que realizar\u00e1n el diagn\u00f3stico. La IA har\u00e1 el seguimiento para consultas y enfermedades cr\u00f3nicas y el objetivo es que se ocupe de pacientes con c\u00e1ncer en un futuro.<\/p>\n

Seg\u00fan Bukele, est\u00e1n creando el mejor sistema de salud del mundo, algo curioso teniendo en cuenta que despidieron a m\u00e1s de 7.700 empleados del sistema de salud durante 2025. Por el bien de los salvadore\u00f1os, esperemos que\u00a0ese nuevo experimento no termine como la Bitcoin City.<\/p>\n

En Xataka | La privacidad est\u00e1 muriendo desde que lleg\u00f3 ChatGPT. Ahora nuestra obsesi\u00f3n es que la IA nos conozca lo mejor posible<\/p>\n

– La noticia<\/p>\n

Han puesto a los 21 chatbots de IA m\u00e1s populares a realizar diagn\u00f3stico diferencial. Fallan m\u00e1s que una escopeta de feria <\/p>\n

fue publicada originalmente en<\/p>\n

Xataka <\/p>\n

por
\n Alejandro Alcolea<\/p>\n

.\u00a0\u00a0\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":"

\u2018House\u2019 es una serie que me encanta. Las intrahistorias no me importan lo m\u00e1s m\u00ednimo, pero el proceso del diagn\u00f3stico diferencial -pese a todo lo peliculero-, me vuelve loco. Esa capacidad para ir descartando enfermedades que pod\u00edan explicar unos mismos s\u00edntomas para llegar al diagn\u00f3stico m\u00e1s probable me parece brujer\u00eda. Bien: han puesto a los […]<\/p>\n","protected":false},"author":1,"featured_media":18638,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"amp_status":"","footnotes":""},"categories":[6],"tags":[],"class_list":["post-18637","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia"],"_links":{"self":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/18637","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/comments?post=18637"}],"version-history":[{"count":0,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/18637\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media\/18638"}],"wp:attachment":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media?parent=18637"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/categories?post=18637"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/tags?post=18637"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}