En el corazón del laboratorio de innovación de la Universidad de Boston, un equipo interdisciplinario ha hecho algo sorprendente: entrenar un modelo de lenguaje médico no a partir de papers o manuales clínicos, sino de podcasts reales de profesionales de la salud. El resultado se llama PodGPT, una inteligencia artificial capaz de responder preguntas médicas con un tono conversacional, natural y —según sus creadores— sorprendentemente preciso.

El modelo fue entrenado con más de 3.700 horas de contenido auditivo, incluyendo entrevistas con médicos, discusiones clínicas, casos reales, divulgadores científicos y pacientes. A diferencia de otros LLMs orientados al ámbito sanitario, PodGPT no se basa únicamente en texto plano ni en literatura académica, sino en lenguaje hablado, informal, espontáneo, con todos los matices que eso implica.

Este enfoque tiene un objetivo claro: construir un sistema que no solo entienda medicina, sino que comunique como lo haría un médico en una conversación real, con empatía, claridad y contexto. Los investigadores destacan que el modelo no busca reemplazar diagnósticos ni ofrecer tratamientos, sino funcionar como un intermediario pedagógico o asistente para pacientes, estudiantes o profesionales que necesitan una segunda opinión, una explicación o una guía de preguntas.

El proyecto fue liderado por el equipo de IA aplicada del Boston University Spark! Lab, en colaboración con científicos de datos clínicos y expertos en comunicación en salud. Para procesar el audio, usaron una versión modificada del modelo Whisper de OpenAI, capaz de transcribir con alta fidelidad incluso grabaciones de baja calidad, y luego afinaron el corpus con una arquitectura multimodal entrenada con supervisión médica.

Entre los usos iniciales de PodGPT se encuentran:

  • Explicar síntomas y condiciones comunes en lenguaje accesible.
  • Preparar al paciente para una consulta médica presencial.
  • Ayudar a estudiantes de medicina a repasar casos y enfoques diagnósticos reales.
  • Servir como puente para comunidades con barreras de acceso lingüístico o educativo.

Uno de los principales logros del modelo es su tonalidad humana. A diferencia de otros sistemas que responden con frialdad o exceso técnico, PodGPT adapta su estilo a la persona que pregunta. Puede ser más formal o más relajado, usar analogías, simplificar conceptos o detectar cuándo una pregunta refleja ansiedad más que una duda puramente informativa.

Esto lo convierte, según sus desarrolladores, en un modelo útil no solo por lo que dice, sino por cómo lo dice. En contextos de salud, esa dimensión no es menor. Muchas veces, la confianza o la tranquilidad dependen del tono, la claridad y la cercanía del interlocutor. Y ahí, la IA puede marcar una diferencia.

La iniciativa también abre un nuevo campo dentro del desarrollo de modelos: el entrenamiento a partir de contenido oral especializado, en lugar de texto escrito curado. En cierto sentido, PodGPT aprende “escuchando”, no “leyendo”. Esto lo acerca más a cómo aprenden los humanos, y lo prepara mejor para contextos donde el lenguaje es fluido, ambiguo o culturalmente cargado.

Pero también aparecen desafíos. ¿Cómo se valida la precisión médica de una IA entrenada en lenguaje informal? ¿Cómo se evita que reproduzca errores, mitos o sesgos presentes en el discurso oral? ¿Qué marco ético debe regir la implementación de un modelo que puede influir en decisiones relacionadas con la salud?

Desde el Spark! Lab aseguran que PodGPT no está diseñado para operar sin supervisión. Su uso está limitado a fines educativos, exploratorios o como complemento de una consulta médica. En paralelo, trabajan con instituciones como el Massachusetts General Hospital para evaluar el impacto real del modelo en entornos clínicos simulados.

Desde nuestra perspectiva, PodGPT representa algo más que una innovación técnica. Es una forma de recordarnos que la inteligencia artificial no siempre tiene que venir de lo escrito y lo exacto. A veces, también puede surgir del murmullo, del relato, de la voz. De esas conversaciones imperfectas pero reales donde se construye el conocimiento cotidiano.

En un mundo que avanza hacia diagnósticos automatizados y chatbots médicos, PodGPT pone sobre la mesa algo fundamental: la forma en que hablamos importa tanto como el contenido. Porque en salud, muchas veces la diferencia entre entender o no, entre confiar o no, no está en la respuesta, sino en cómo llega.

Y si la IA puede aprender a hablar como un médico humano —no solo con datos, sino con humanidad—, quizás podamos construir sistemas que no solo informen, sino que acompañen.

Fuente: TechCrunch