¿Alguna vez has pedido ayuda a una IA y has recibido una respuesta genérica, poco aplicable o alejada de la realidad clínica? Ocurre con más frecuencia de la que debería. Y, en la mayoría de los casos, el problema no está en la herramienta, sino en cómo se ha formulado la pregunta.

La IA generativa se está consolidando como una poderosa aliada en la práctica médica. Cada vez más médicos recurren a esta tecnología para resumir evidencia científica, apoyar el razonamiento clínico, estructurar diagnósticos diferenciales, evaluar interacciones farmacológicas y generar indicaciones para pacientes, entre otras aplicaciones.

Además de elegir una IA especializada en salud, la calidad de las interacciones depende directamente de cómo se utilice la herramienta. La lógica es sencilla: unas buenas instrucciones generan respuestas más útiles. Por eso, aprender a crear prompts se ha convertido en una habilidad relevante y en una ventaja estratégica para quienes siguen los avances de la profesión.

Un prompt es la instrucción que se proporciona a la IA. Este comando orienta el comportamiento del modelo e influye directamente en el tipo de respuesta que genera. Para obtener mejores resultados, es fundamental dominar las buenas prácticas de ingeniería de prompts (prompt engineering), un conjunto de técnicas destinadas a construir instrucciones más claras, específicas y eficaces.

¿Qué es un prompt en la práctica médica?

Un prompt es la instrucción que el médico proporciona a la IA para orientar la respuesta. En la práctica clínica, un buen prompt debe incluir:

• Contexto clínico relevante

• Un objetivo claro (qué debe hacer la IA)

• Límites o restricciones

• El formato deseado de la respuesta

Cuanto más específico sea el prompt, más útil y aplicable suele ser la respuesta.

Este conocimiento marca la diferencia porque los modelos de IA generativa son muy sensibles al contexto y a la forma en que se estructuran las instrucciones. Un prompt vago tiende a generar respuestas genéricas y poco útiles en la práctica clínica. En cambio, un prompt claro, organizado y específico suele producir respuestas más estructuradas, contextualizadas y aplicables.

Un prompt de referencia: cinco elementos para unas instrucciones eficaces

Una buena forma de mejorar tus interacciones con la IA es construir prompts a partir de una estructura de cinco elementos:

• 1. Identidad

Define en la instrucción quién debe “ser” la IA al generar la respuesta.

Ejemplo: Actúa como un médico general con experiencia en atención primaria y manejo de enfermedades crónicas.

• 2. Contexto

Incluye información clínica relevante para que la IA comprenda la situación.

Ejemplo: datos del paciente, antecedentes médicos y pruebas.

• 3. Reglas

Deja claro cuál es el objetivo de la tarea y qué debe hacer la IA.

Ejemplo: generar un diagnóstico diferencial, resumir evidencia o proponer un estudio diagnóstico.

• 4. Restricciones

Define los límites importantes e indica a la IA lo que no debe hacer.

Ejemplo: evitar pautas definitivas o excluir hipótesis poco probables.

• 5. Formato de la respuesta

Indica cómo debe presentarse la respuesta.

Ejemplo: párrafos, lista, tabla o pasos.

Ejemplo práctico: un buen prompt para analizar un caso clínico

La Imersão de IA na Prática Médica, un curso online gratuito sobre inteligencia artificial en medicina lanzado recientemente por Voa Health, incluye una clase sobre creación de prompts que enseña a los médicos a ajustar la IA para apoyar su rutina clínica. El contenido incluye un ejemplo de prompt médico bien estructurado para orientar a la IA, con estos cinco elementos:

• Identidad

Actúa como un cardiólogo con 15 años de experiencia en urgencias.

• Contexto

Varón de 68 años, con hipertensión arterial y dislipidemia, dolor torácico atípico desde hace 2 días, ECG normal y troponina negativa.

• Reglas

Proporciona un diagnóstico diferencial con al menos 5 hipótesis, ordenadas por probabilidad, y sugiere las siguientes pruebas.

• Restricciones

No indiques un tratamiento definitivo.

• Formato

Enumera las hipótesis por orden de probabilidad y las pruebas en una lista numerada con una breve justificación.

Este tipo de estructura reduce la ambigüedad y mejora significativamente la utilidad de la respuesta, pero cada profesional puede perfeccionar y desarrollar la lógica de las instrucciones según sus necesidades.

Errores habituales al usar IA como apoyo clínico (y cómo evitarlos)

Los errores en la forma de interactuar con la IA siguen siendo frecuentes y dificultan la creación de buenos prompts. Aprender a reconocerlos permite refinar las instrucciones y mejorar la calidad de las respuestas. Descubre cinco errores de ingeniería de prompts y cómo mejorar las instrucciones que das a la IA:

• Error 1

Ser demasiado vago, pidiendo algo genérico y sin una orientación clara, como “explica el dolor abdominal”.

Cómo evitarlo: sé específico sobre el contexto, el objetivo y el público, y piensa exactamente qué quieres obtener de la IA.

• Error 2

No proporcionar suficiente contexto clínico , omitiendo información relevante sobre el paciente o la situación, lo que lleva a respuestas superficiales o poco aplicables.

Cómo evitarlo: incluye los datos esenciales, como edad, antecedentes, pruebas y contexto clínico, recordando que cuanto más contexto relevante aportes, más útil será la respuesta.

• Error 3

No dejar claro el objetivo de la tarea, lo que puede generar respuestas que no se ajusten a lo pedido, como una explicación en lugar de una hipótesis.

Cómo evitarlo: define de forma explícita qué debe hacer la IA, con instrucciones como “enumera diagnósticos diferenciales”, “resume la evidencia” o “sugiere los siguientes pasos”.

• Error 4

Mezclar demasiadas tareas en un único prompt, lo que puede generar respuestas confusas o incompletas.

Cómo evitarlo: divide las necesidades en etapas, teniendo en cuenta que cada prompt debe tener un objetivo principal.

• Error 5

No definir límites o restricciones, dejando a la IA “demasiado libre”, lo que puede generar respuestas inadecuadas, extensas o fuera de lo solicitado.

Cómo evitarlo: incluye restricciones claras, como “limita la respuesta a 5 hipótesis”.

Prueba, guarda, revisa y mejora tus prompts antes de volver a utilizarlos

Al utilizar IA en la práctica médica, queda claro que algunos prompts funcionan mejor que otros. En lugar de construir una nueva instrucción en cada interacción, conviene organizar una biblioteca de prompts (¡una “promptoteca”!) con modelos ya probados y validados.

Este repositorio puede organizarse por temas, con categorías como razonamiento clínico, revisión de literatura médica, comunicación con pacientes y educación médica. Además de ahorrar tiempo, esta práctica contribuye a la mejora continua de la ingeniería de prompts, al permitir refinar las instrucciones mediante pruebas, revisiones y ajustes a lo largo de su uso.

Dominar el arte de construir buenos prompts es una de las habilidades más importantes para los médicos que desean usar la IA de forma estratégica en la práctica clínica. Más allá de aplicar buenas prácticas de ingeniería de prompts, es fundamental recordar que la decisión final siempre corresponde al médico. La IA puede apoyar, sugerir, estructurar y acelerar procesos, pero no sustituye el criterio clínico, la experiencia ni la responsabilidad profesional. Por eso, toda respuesta debe analizarse de forma crítica y validarse antes de aplicarla a la práctica médica.

Principales aprendizajes sobre ingeniería de prompts en medicina

• Las buenas preguntas generan respuestas más útiles de la IA

• La calidad de la respuesta depende directamente de la claridad del prompt

• Un buen prompt incluye: identidad, contexto, reglas, restricciones y formato

• Evitar errores habituales (como la falta de contexto) mejora los resultados

• Crear una “promptoteca” ayuda a ahorrar tiempo y mantener una calidad homogénea

• La IA apoya el razonamiento clínico, pero la decisión final siempre corresponde al médico

3 ejemplos de prompts para médicos

A continuación encontrarás ejemplos listos para usar, adaptados de la Promptoteca de Voa:

1. Diagnóstico diferencial estructurado

A partir de los datos clínicos registrados de este paciente, elabora un diagnóstico diferencial estructurado por probabilidad (alta, intermedia y baja).
Para cada hipótesis, describe los elementos que la respaldan y los que la debilitan.
Termina con una síntesis del razonamiento clínico.

2. Revisión crítica del régimen terapéutico

Analiza de forma crítica el régimen terapéutico actual de este paciente a la luz de las guías más recientes.
Identifica los aspectos adecuados, las carencias terapéuticas y las oportunidades de optimización.
Organiza la respuesta en puntos claros.

3. Plan de pruebas complementarias

Sugiere un plan estructurado de pruebas complementarias para este paciente.
Para cada prueba, indica el objetivo clínico, la hipótesis que busca confirmar o descartar y la justificación basada en la evidencia.
Organiza la respuesta en una lista concisa.

¿Quieres verlo en la práctica?

Voa integra la IA directamente en el flujo clínico, con contexto estructurado y prompts que parten de datos reales del paciente. Descubre cómo utilizar Charcot en el día a día y transformar preguntas bien formuladas en respuestas útiles para la práctica médica.