2
Díaz Cantón E. Editorial: la importancia de saber preguntar. Rev Argent Cir. 2026;118(2):e-ededc
Un panorama en rápida transformación
salida en escenarios clínicos complejos, donde el juicio
experto sigue siendo insusꢀtuible.
Conviene subrayar que los estudios reunidos
La lección de este trabajo trasciende la anéc-
en la tabla 1 emplearon modelos de generaciones an- dota tecnológica. El profesional que incorpore estas
teriores y que el campo avanza a una velocidad inusual. herramientas necesitará dos alfabeꢀzaciones comple-
mentarias: saber preguntar, esto es, dominar la inge-
niería de prompts como una destreza clínica; y saber
dudar, someꢀendo cada respuesta al juicio experto y
a las guías vigentes. Usados con esa disciplina ‒y con
transparencia hacia el paciente‒, los chatbots pueden
ser un aliado valioso. Usados sin ella, mulꢀplicarán los
errores con una elocuencia inédita. La pregunta correc-
ta, una vez más, sigue siendo la mitad de la respuesta.
En 2026 conviven modelos de frontera de propósito
®
general notablemente más capaces ‒como GPT-5.5 ,
®
®
Claude Opus 4.8 o la familia Gemini 3 ‒y, sobre todo,
herramientas especializadas en medicina que anclan
cada respuesta en la literatura primaria mediante re-
cuperación aumentada (RAG) y la citan de forma audi-
®
table. Plataformas como OpenEvidence ‒uꢀlizada por
más del 40% de los médicos de los Estados Unidos y con
acuerdos de contenido con el New England Journal of
®
Medicine y JAMA‒o Vera Health ‒respuestas gradua-
Declaración sobre el uso de inteligencia arꢀꢁcial: El autor
das según la calidad de la evidencia, en alianza con el
declara que, en la preparación de este editorial, uꢀlizó herra-
American College of Emergency Physicians‒ejemplifi- mientas de inteligencia arꢀꢁcial generaꢀva basadas en mo-
9
,10
delos de lenguaje de gran escala como apoyo en la búsque-
da y el cotejo de la bibliograꢃa, la organización del texto y la
edición de esꢀlo. Todas las aꢁrmaciones, las referencias y los
can esta tendencia . La evidencia revisada por pares
respalda el enfoque: incorporar conocimiento clínico
formal y recuperación semánꢀca elevó el desempeño datos cuanꢀtaꢀvos fueron veriꢁcados por el autor contra las
fuentes primarias citadas. El contenido conceptual, las inter-
en el Paso 3 del USMLE a alrededor del 95%, por en-
pretaciones y las conclusiones son de su exclusiva responsabi-
1
1
cima de un LLM naꢀvo (90,5%) . Aun así, ni la mayor
lidad; la inteligencia arꢀꢁcial no ꢁgura como autora ni asume
potencia ni la especialización eximen de validar cada responsabilidad alguna sobre el contenido.
■
ENGLISH VERSION
The integraꢀon of large language models
LLMs) into clinical pracꢀce has been rapid and
significant: within few months, paꢀents and
Prompt engineering: a novel clinical competence
Prompt engineering is the set of techniques
(
a
used to guide a model toward accurate and verifiable
responses. The most widely studied techniques include
zero-shot (direct instrucꢀon), few-shot (providing
solved examples), role assignment, context or
guideline anchoring—including retrieval-augmented
generaꢀon—and, notably, chain-of-thought reasoning,
which prompts the model to display intermediate steps
healthcare professionals began to consult them daily
to gather informaꢀon, draꢂ documents, and discuss
medical issues. The paper ‘Arꢀficial intelligence-based
chatbots: the importance of asking the right quesꢀons’1
highlights a frequently neglected reality: the quality of
the answer is conꢀngent upon the quality of the inquiry.
Far from being a mere technical detail, this dependency
has direct clinical implicaꢀons.
3
before arriving at a conclusion . Its zero-shot variant—
the well-known “let’s think step by step”—significantly
4
The fact that the result varies depending
improves performance in complex reasoning tasks .
on how the query is phrased is not just intuiꢀon, but
rather a reproducible finding. The study by Chen et al.
in JAMA Oncology demonstrated that, when presented
with the same clinical scenario described in four
different ways, ChatGPT modified the recommended
treatment approach. In 98% of responses, at least one
This is not a maꢃer of rhetoric: prescribing how a
response should be structured alters its accuracy,
which is why leading journals are already publishing
5
formal recommendaꢀons on draꢂing clinical prompts .
2
NCCN-concordant treatment was included . However,
Which models are best suited for use in medicine?
3
4.3% also included at least one nonconcordant
recommendaꢀon, and 12.5% of outputs were
hallucinaꢀons (non-existent therapies or curaꢀve
treatments for an incurable disease), which were
embedded in otherwise sensible recommendaꢀons
and thus difficult to detect. In summary, the way in
which a quesꢀon is formulated is an addiꢀonal clinical
variable.
The progress made with models on medical
benchmarks has been remarkable. Med-PaLM
2
achieved a score of approximately 86.5% on MedQA,
an evaluaꢀon dataset of medical knowledge quesꢀons
from the United States Medical Licensing Examinaꢀon
6
(USMLE) . In 2024, Med-Gemini achieved a state-of-
7
the-art improvement of 91.1% . Please be aware that