Cuando las papeletas piensan

Imagina por un momento ser un médico que ha atendido a 118 millones de pacientes. Cada síntoma, cada análisis de laboratorio, cada respuesta a un tratamiento.

Esa experiencia colectiva —imposible para cualquier humano— ya existe. Y se llama CoMET.

Epic, el gigante detrás de la mayoría de historias clínicas electrónicas de Estados Unidos, acaba de presentar CoMET (Cosmos Medical Event Transformer), un modelo de inteligencia artificial entrenado con los registros de 118 millones de pacientes y más de 100 000 000 000 de eventos clínicos: medicamentos, diagnósticos, laboratorios, ingresos, altas.

El modelo no solo registra lo que sucede: predice lo que vendrá.

📊 Según el equipo de Epic y Stanford (Waxler et al., arXiv 2025), CoMET fue capaz de igualar o superar a modelos supervisados especializados en 78 tareas clínicas reales, desde predecir nuevas enfermedades hasta anticipar hospitalizaciones futuras. En algunas, alcanzó un area bajo la curva (AUROC) ≈ 0,93 —es decir, una precisión del 93 %.

Durante décadas, las papeletas electrónicas han sido como una enorme bodega digital: guardan datos, pero no los entienden. Hoy, gracias a los modelos de lenguaje (LLM), esa bodega está despertando.

Los nuevos sistemas clínicos no solo registran información, sino que piensan con ella:

• identifican patrones ocultos,
• comparan con guías terapéuticas,
• y sugieren acciones antes de que el médico siquiera las imagine.

Porque seamos honestos: ningún médico puede revisar cada nota y resultado de un solo paciente, mucho menos de cientos. Los LLM sí pueden. Y no se cansan.

Los avances son impresionantes y medibles:

→ NYUTron (Nature 2023), un modelo entrenado con 7,25 millones de notas médicas, predice:

• Mortalidad hospitalaria: AUROC 94,9 %.
• Reingreso a 30 días: superó incluso a seis médicos humanos en validación prospectiva.
• Duración de estancia y comorbilidades: AUC 78–89 %.

→ GatorTron (AMIA 2025) anticipa la aparición de insuficiencia cardíaca en pacientes con cáncer antes de que dé la cara, con un F1 score 39 % superior al de los modelos clásicos.

→ Woollie (MSK 2025), un LLM oncológico, lee informes radiológicos y predice progresión tumoral con AUROC 0,97, validado externamente en UCSF con 0,88.

Y ahora CoMET integra todo eso a escala planetaria: una red que aprende de 118 millones de historias clínicas para anticipar quién se complicará, quién mejorará y cuándo conviene intervenir.

Lo que antes era intuición clínica o experiencia acumulada se está convirtiendo en modelos cuantificables y transferibles. En vez de basarnos solo en “yo he visto muchos casos así”, los médicos comenzaremos a escuchar a sistemas que han visto millones.

Pero aquí surge el giro humano: La diferencia no estará en quién tiene el modelo más grande, sino en quién sabe conversar con él.

Los LLM no reemplazarán al médico, pero sí redefinirán su rol. El médico del futuro deberá dominar un nuevo conjunto de habilidades:

• Ingeniería de prompts: cómo preguntar para obtener respuestas útiles.
• Ingeniería de contexto: cómo alimentar a los modelos con datos clínicos relevantes.
• Juicio crítico digital: discernir cuándo una predicción es plausible o un espejismo estadístico.

Porque de nada sirve tener una papeleta que piensa, si quien la usa no sabe escucharla con criterio.

Ahora más que nunca, todo profesional de salud necesita hablar el idioma de los LLM. No para programar, sino para no quedarse fuera de una revolución silenciosa.

Porque dentro de poco, cada vez que abras una historia clínica, no estarás leyendo solo datos del pasado… estarás conversando con una inteligencia que ya está imaginando el futuro de tu paciente.

Fernando Bonilla Sinibaldi, MD, MSc, MBA Consultor y Divulgador  Salud Digital e Inteligencia Artificial en Salud   Health Transformers 360  https://substack.com/@iaensalud