Salud y Belleza/Actualidad
ChatGPT-5.5 casi iguala a los oncólogos al evaluar vídeos de YouTube sobre inmunoterapia
Un estudio en «Frontiers in Public Health» comparó cuatro modelos de inteligencia artificial con tres oncólogos: solo uno de cada cuatro vídeos analizados cumplía todos los criterios de calidad.
Un estudio publicado en «Frontiers in Public Health» ha medido si los grandes modelos de lenguaje pueden filtrar la calidad de los vídeos en línea sobre inmunoterapia oncológica. La respuesta depende del modelo: ChatGPT-5.5 fue el que más se acercó al criterio de los especialistas, mientras que otros sistemas aprobaron con frecuencia material que los oncólogos consideraron insuficiente.
Şendağ Yaslikaya, Şuheda Ataş İpek y Esra Erdem Palaz analizaron 90 transcripciones de vídeos de YouTube en inglés sobre inmunoterapia contra el cáncer. Tres oncólogos médicos puntuaron cada transcripción y su mayoría sirvió de referencia. Cuatro modelos hicieron lo mismo en tres sesiones independientes: ChatGPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro y MedGemma 27B, un modelo de pesos abiertos adaptado a la medicina. Para evaluarlos usaron cuatro instrumentos validados: DISCERN, la Global Quality Score y las dos dimensiones del PEMAT, una herramienta para evaluar materiales educativos para pacientes.
El primer dato es que la calidad escasea: según el consenso de los oncólogos, solo 35 de los 90 vídeos (38,9 %) cumplían al menos tres de los cuatro criterios, y solo 24 (26,7 %) los cuatro. La popularidad del vídeo no predecía su calidad.
El segundo dato es el desempeño de ChatGPT-5.5, el más cercano al criterio experto en los cuatro instrumentos. Al clasificar un vídeo como adecuado o no, logró una sensibilidad del 94,3 % y una especificidad del 89,1 %. Su kappa de Cohen, una medida de acuerdo que descuenta el azar, fue de 0,82. Los intervalos de confianza son amplios porque la muestra es pequeña.
El tercer dato es que el resto fue más indulgente. Gemini produjo 43 falsos positivos —vídeos que daba por adecuados y los oncólogos no— y MedGemma, 26. El modelo médico especializado no mejoró a los generalistas en esta tarea: la especialización por dominio no garantiza un mejor juicio.
Los propios autores piden prudencia: los resultados no establecen validez clínica ni un umbral operativo para el cribado autónomo, y la revisión de un especialista sigue siendo necesaria. Un único estudio, con 90 transcripciones y una sola especialidad, no permite decir que un modelo «gana» en general.
El valor práctico está en el reparto de tareas. Los oncólogos son un recurso escaso y no pueden revisar todo lo que circula en YouTube. Un modelo con alta sensibilidad que priorice qué materiales mirar primero, con un humano decidiendo, es un uso razonable y ya realista: la inteligencia artificial amplifica la capacidad del especialista, no lo sustituye.