Con la aparición de la inteligencia artificial, los profesionales sanitarios se han planteado si a través de esta herramienta es posible ayudar a los pacientes a entender mejor el diagnóstico y tratamiento del cáncer de pulmón. Con esta pregunta como punto de partida, las investigadoras María-José Varela Salinas y Adriana Godoy Lorenzatto, del Departamento de Traducción e Interpretación de la Universidad de Málaga (UMA), han desarrollado un estudio que analiza el uso de ChatGPT como herramienta de apoyo para transformar textos médicos complejos en explicaciones accesibles para el público general.
El trabajo parte de una necesidad creciente en el ámbito sanitario: facilitar la comunicación entre el personal médico y los pacientes, especialmente cuando se utilizan términos altamente técnicos. “Los grandes modelos de lenguaje basados en IA generativa, como ChatGPT, están cada vez más integrados en nuestras vidas y son útiles para múltiples tareas. También son capaces de transformar un texto y devolvernos una versión distinta, siguiendo nuestras instrucciones”, explica Varela Salinas. “Esta habilidad resulta útil para entender textos especializados, que suelen contener jerga técnica con la que no estamos familiarizados”, añade.
Uno de los pilares del estudio ha sido la desterminologización, un proceso habitual en la traducción intralingüística que consiste en adaptartextos especializadospara audiencias no expertas. Para ello, se emplean estrategias como sinónimos cotidianos, explicaciones sencillas o ejemplos contextualizados. A partir de esta metodología, las investigadoras analizaron textos extraídos de ocho sitios web dedicados al cáncer de pulmón, identificando términos clave para evaluar si ChatGPT era capaz de simplificarlos adecuadamente.
"Esta habilidad resulta útil para entender textos especializados, que suelen contener jerga técnica"
El corpus textual analizado contenía cerca de 29.000 palabras. Gracias a la herramienta Sketch Engine, las autoras identificaron 723 términos técnicos, distribuidos en dos grandes áreas temáticas: “histología” (443 términos) y “terapia” (270). Para contrastar la capacidad de la IA, seleccionaron seis términos representativos: adenocarcinoma, EGFR y cuerpo de psamoma en la categoría de histología; e inmunoterapia, terapia dirigida con radioligandos y terapia fotodinámica en el ámbito terapéutico.
En paralelo, compararon dos formas de búsqueda: una tradicional, utilizando fuentes en línea dirigidas a pacientes, y otra mediante el uso de ChatGPT, a quien se le pidió generar definiciones, sinónimos y explicaciones libres de terminología especializada. El resultado fue concluyente: la inteligencia artificial ofreció información equiparable en calidad, pero con un ahorro de tiempo y esfuerzo notable. “Localizar fuentes en línea, evaluar si son adecuadas y recuperar la información para varios términos puede llevar horas de trabajo, mientras que ChatGPT consigue concluir todas estas tareas en unos minutos”, apunta Varela Salinas.
Sin embargo, las autoras subrayan que este potencial debe ir acompañado de una supervisión humana. Una redacción adecuada de las instrucciones (prompts) y una revisión final de los contenidos generados son imprescindibles para garantizar su fiabilidad, especialmente cuando se trata de información que puede influir en decisiones sanitarias. “Delegar en la IA la adaptación de los textos para pacientes tiene implicaciones éticas y sanitarias, que requieren más investigación. No obstante, mejorar la información que se ofrece a los pacientes redunda en su salud y calidad de vida”, añade Godoy Lorenzatto.
“Delegar en la IA la adaptación de los textos para pacientes tiene implicaciones éticas y sanitarias"
La investigación, además, plantea un debate relevante sobre la ética en la comunicación médica automatizada. Si bien la IA representa una vía prometedora para facilitar el acceso a información compleja, el hecho de que los textos simplificados puedan influir en la comprensión del diagnóstico, la adherencia al tratamiento o incluso en la toma de decisiones médicas, hace indispensable un uso responsable y avalado por profesionales del lenguaje y la salud.
De cara al futuro, las investigadoras están ampliando su estudio para comparar el rendimiento de otros modelos de lenguaje generativo, como Gemini o DeepSeek, y explorar hasta qué punto pueden transformar documentos médicos completos en versiones comprensibles, no solo para pacientes, sino también para cuidadores y otros actores no especializados. Esta siguiente fase, explican, también abordará la fiabilidad clínica de los textos generados, es decir, su precisión en términos de contenido médico.
Con esta línea de investigación, Varela Salinas y Godoy Lorenzatto se sitúan en la intersección entre tecnología, traducción y salud, un campo cada vez más relevante en un contexto donde la digitalización de la información médica avanza rápidamente. Su trabajo no solo contribuye a una mejor comprensión del cáncer de pulmón, sino que sienta las bases para nuevas herramientas de comunicación asistida por IA en el entorno clínico.