Diseño de prompts para inteligencia artificial generativa: una guía práctica para pediatras
Prompt design for generative artificial intelligence: a practical guide for pediatricians
Palabras clave:
Grandes Modelos del Lenguaje, Pediatría, Generative artificial intelligence, Inteligencia artificial generativa, Pediatrics, Large Language Models, Diseño de prompts, Prompts designResumen
Sección a cargo de Gustavo Frei, María del Pilar Arias López y Julián Battolla
Un prompt es una instrucción estructurada que define el contexto, los objetivos y las condiciones bajo las cuales los Grandes Modelos de Lenguaje (LLM) producen sus respuestas, condicionando de manera directa su calidad, pertinencia y seguridad. Su adecuada construcción reduce la ambigüedad y evita respuestas genéricas o clínicamente inexactas, garantizando la seguridad del paciente.
En este artículo ofrecemos una guía práctica y basada en evidencia para el diseño de prompts enfocado en las necesidades de los pediatras en el ámbito asistencial , docente y de investigación. Se enfatiza la responsabilidad médica y los aspectos bioéticos del uso de inteligencia artificial , de acuerdo a los principios de la Organización Mundial de la Salud: protección de la privacidad mediante la estricta anonimización de datos , mitigación de los sesgos algorítmicos aportando contexto socioeconómico local , transparencia en la comunicación con las familias y supervisión humana obligatoria como validador final de toda información generada.
Citas
Park T, Lee IH, Lee SW, et al. Artificial intelligence in pediatric healthcare: current applications, potential, and implementation considerations. Clin Exp Pediatr. 2025;68(9):641-651. doi: 10.3345/cep.2025.00962. Epub 2025 Jun 25. PMID: 40776620; PMCID: PMC12409185.2.Kung TH, Cheatham M, Medenilla A, et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digit Health. 2023;2(2):e0000198.3.Cascella M, Montomoli J, Bellini V, et al. Evaluating the feasibility of ChatGPT in healthcare: an analysis of multiple clinical and research scenarios. J Med Syst. 2023;47(1):33.4.Kanjee Z, Crowe B, Rodman A. Accuracy of a Generative Artificial Intelligence Model in a Com-plex Diagnostic Challenge. JAMA. 2023;330(1):78-80.5.Komorowski M, Del Pilar Arias López M, Chang AC. How could ChatGPT impact my practice as an intensivist? An overview of potential applications, risks and limitations. Intensive Care Med. 2023;49(7):844-847. doi: 10.1007/s00134-023-07096-7. Epub 2023 May 31. PMID: 37256340.6.Meskó B, Topol EJ. The imperative for regulatory oversight of large language models (or gen-erative AI) in healthcare. NPJ Digit Med. 2023;6:120.7.Pan American Health Organization. AI Prompt Design for Public Health: Using Generative AI Responsibly.[Internet]. Washington, D.C.: PAHO; 2025. ⦍consultado 22 may 2026⦎. Disponible en https://iris.paho.org/items/b98d9c0f-6008-4b78-9066-01e1e81c29c58.Trujillo Ruiz JA, Trujillo González A. Ingeniería de Prompts en Medicina: de la teoría a la práctica clínica, docente e investigadora. Commálaga Health Hub; 2025 ⦍consultado 22 may 2026⦎. Disponible en: https://commalaga.com/wp-content/uploads/2025/07/Paper-definitivo-Ingenieria-de-Prompts-en-Medicina-2025.pdf9.Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals Updated January 2026 ⦍consultado 17 abr 2026⦎. Disponible en: https://www.icmje.org/recommendations/browse/10.Ji Y, Zhang H, Wang Y. Bias Evaluation and Mitigation in Retrieval-Augmented Medical Question-Answering Systems. AMIA Annu Symp Proc. 2025;2024:526-535. PMID: 41726427; PMCID: PMC1291959111.Obermeyer Z, Powers B, Vogeli C, et al. Dissecting racial bias in an algorithm used to manage the health of populations. Science. 2019;366(6464):447-453.12.World Health Organization. Ethics and governance of artificial intelligence for health. Geneva: WHO; 2021 ⦍consultado 16 abr 2026⦎ Disponible en: https://www.who.int/publica-tions/i/item/9789240029200
Ministerio de Salud de la Nación Argentina. Ley 25.326 de Protección de los Datos Personales.Buenos Aires; 2000 ⦍consultado 16 abr 2026⦎. Disponible en: https://servicios.infoleg.gob.ar/in-folegInternet/anexos/60000-64999/64790/norma.htm
Ji Z, Lee N, Frieske R, et al. Survey of Hallucination in Natural Language Generation. ACMComput Surv. 2023;55(12):1-38.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Revista del Hospital de Niños de Buenos Aires
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Todo el contenido que se publica en la Revista del Hospital de Niños de Buenos Aires está bajo una Licencia Creative Commons Atribución – No Comercial – Sin Obra Derivada 4.0 Internacional (CC-BY-NC-ND 4.0)
