El nuevo marco tiene como objetivo ayudar a los pacientes, los médicos y las instituciones a adoptar herramientas lingüísticas de IA de forma responsable

La Sociedad Europea de Oncología Médica (ESMO) ha publicado la Guía ESMO sobre el uso de modelos lingüísticos a gran escala (LLM) en la práctica clínica (ELCAP), el primer conjunto estructurado de recomendaciones para incorporar los modelos lingüísticos de inteligencia artificial (IA) a la oncología de forma segura y eficaz. La publicación de la ELCAP en la revista Annals of Oncology, revisada por pares de ESMO, coincide con una sesión sobre ChatGPT y la atención oncológica en el Congreso ESMO 2025 en Berlín, lo que pone de manifiesto el papel cada vez más importante de la IA en la oncología.

«La prioridad de la ESMO es garantizar que la innovación se traduzca en beneficios cuantificables para los pacientes y en soluciones viables para los médicos. Con ELCAP, la ESMO proporciona un marco pragmático y específico para la oncología que adopta la IA al tiempo que mantiene la responsabilidad clínica, la transparencia y una sólida protección de los datos», afirma Fabrice André, presidente de ESMO.

Tres clases de recomendaciones

A medida que se acelera el uso de los modelos lingüísticos a gran escala en oncología, ELCAP reconoce que las oportunidades y los riesgos varían en función del usuario, ya sean pacientes, médicos o instituciones, y, por lo tanto, basa las recomendaciones clínicas en una estructura de tres tipos, traduciendo los principios de alto nivel en 23 declaraciones de consenso para la práctica diaria: la primera categoría (tipo 1) aborda las aplicaciones dirigidas a los pacientes, como los chatbots para la educación y el apoyo a los síntomas, que deben complementar la atención clínica y funcionar dentro de vías supervisadas con una escalada explícita y una sólida protección de datos; la segunda (Tipo 2) abarca herramientas destinadas a los profesionales sanitarios, como la documentación y la traducción, que requieren una validación formal, transparencia en sus limitaciones y una responsabilidad humana por las decisiones clínicas.

Por último, la tercera categoría (Tipo 3) se refiere a los sistemas institucionales de soporte integrados con los registros sanitarios electrónicos para tareas como la extracción de datos, los resúmenes automatizados y la correspondencia de ensayos clínicos; estos sistemas requieren pruebas previas a su implementación, un seguimiento continuo de los sesgos y los cambios en el rendimiento, una gobernanza institucional y una revalidación cuando cambian los procesos o las fuentes de datos. Los médicos también deben ser conscientes de cuándo funcionan estos sistemas en su entorno, ya que su impacto depende de la interoperabilidad y de las medidas de privacidad desde el diseño.

Diferenciar los distintos públicos objetivo

En todos los entornos, la fiabilidad de los resultados depende de la integridad y la corrección de los datos introducidos: las lagunas en la documentación clínica o las consultas parciales de los pacientes pueden dar lugar a respuestas inexactas o engañosas, lo que remarca la necesidad de supervisión y de vías de escalamiento claras.

«ELCAP reconoce que el valor de los modelos lingüísticos depende de quién los utilice», afirma Miriam Koopman, presidenta del Grupo de Trabajo sobre Datos del Mundo Real y Salud Digital de la ESMO y coautora del artículo. «Al distinguir entre los sistemas orientados al paciente, los orientados al médico y los institucionales de soporte, establecemos expectativas para cada contexto: vías supervisadas para los pacientes, herramientas validadas y transparentes para los médicos y sistemas bien gestionados y supervisados continuamente integrados en los registros sanitarios electrónicos», agrega.

Desarrollo y métodos

ELCAP se centra en los LLM de asistencia que funcionan bajo supervisión humana, apoyando a los médicos mediante el suministro de información o la redacción de contenidos, en lugar de realizar acciones independientes. «Estos sistemas están diseñados para mejorar, y no sustituir, los flujos de trabajo clínicos y la toma de decisiones», comenta Jakob N. Kather, vicepresidente del Grupo de Trabajo sobre Datos del Mundo Real y Salud Digital de la ESMO y coautor del estudio. «Al mismo tiempo, la guía reconoce la rápida aparición de modelos de IA autónomos, o agentes, capaces de iniciar acciones sin indicaciones directas, lo que plantea retos específicos en materia de seguridad, normativa y ética, y requerirá una guía específica en el futuro», añade.

De cara al futuro, el presidente de ESMO hace hincapié en que las normas compartidas son tan importantes como los algoritmos para garantizar la confianza en la atención oncológica basada en la IA. «El uso responsable de la IA en oncología requiere normas compartidas tanto como algoritmos; el ELCAP establece cómo implementar modelos lingüísticos de manera que mejoren la calidad, la equidad y la eficiencia de la atención oncológica, sin comprometer la confianza en el juicio clínico», concluye André.

ELCAP fue desarrollado entre noviembre de 2024 y febrero de 2025 por un panel internacional de 20 miembros que abarcaba los campos de la oncología, la IA, la bioestadística, la salud digital, la ética y la perspectiva del paciente, convocado por el Grupo de Trabajo sobre Datos del Mundo Real y Salud Digital de ESMO.