Cómo aprendimos a escribir mejores prompts en Gemini para personal de salud

Fui instructor de un curso para personal de salud sobre nuevas tecnologías y su uso en el trabajo diario. En ese grupo, muchas personas ya usaban herramientas de Google. Por eso, en una de las clases trabajamos con Gemini.

No queríamos quedarnos en “preguntarle cosas a la IA”. La idea era aprender a darle instrucciones que sirvieran en contextos clínicos, educativos y de revisión de información. De esa sesión salió la guía que usamos en clase, y este post recoge esa experiencia.

La idea de fondo era simple. La inteligencia artificial puede ayudar, pero no porque “sepa mucho” de forma mágica, sino porque responde mejor cuando uno sabe pedir mejor. En salud eso importa más. Un prompt mal planteado no solo produce una respuesta pobre; también puede generar confusión, exceso de confianza o una salida difícil de verificar.

Antes de todo: una regla que no se negocia

La primera parte de la clase no fue técnica. Fue una advertencia.

Cuando trabajamos con herramientas generativas en salud, hay un límite que no se debe cruzar: no introducir datos reales de pacientes ni información que permita identificarlos. Nada de nombres, historias clínicas, números de documento, fechas exactas o cualquier dato sensible que entre en la categoría de información protegida.

La IA puede apoyar, resumir, organizar y ayudar a pensar. Pero no reemplaza el juicio clínico ni las validaciones humanas. Tampoco justifica descuidos con la confidencialidad.

Por eso, en la guía usamos casos hipotéticos y anonimizados. No era un detalle metodológico; era parte del uso responsable de la herramienta.

El problema real no era Gemini: era cómo dar la instrucción

En clase aparecía un patrón claro. Muchas personas hacían preguntas demasiado generales:

• “Explícame la diabetes”.
• “Hazme un plan de cuidados”.
• “Resume esta guía clínica”.

Gemini respondía, pero las respuestas salían demasiado amplias, ambiguas o poco ajustadas al contexto. Entonces cambiamos el foco. En lugar de preguntar “qué puede hacer Gemini”, empezamos a preguntarnos “cómo deberíamos pedirle algo para que sea útil en nuestro trabajo”.

Ahí nació el método central de la guía: una adaptación clínica del formato SOAP.

El método SOAP, pero convertido en una estructura para prompts

Tomamos el SOAP, tan conocido en el entorno sanitario, y lo usamos como una plantilla mental para construir mejores solicitudes.

• S - Sujeto y Rol: desde qué perspectiva debe responder la IA.
• O - Objetivo y Contexto: para qué sirve la solicitud y en qué situación se usará.
• A - Acción: qué tarea concreta debe realizar.
• P - Plan: en qué formato debe entregar la respuesta.

La ventaja se veía rápido. La solicitud dejaba de ser una conversación vaga con una herramienta y se convertía en una instrucción con contexto, propósito y formato de salida.

Un ejemplo sencillo sería algo así:

S: Actúa como un farmacólogo clínico.
O: Estoy preparando un resumen para una sesión clínica sobre interacciones medicamentosas.
A: Compara los mecanismos de acción y efectos adversos del clopidogrel y el ticagrelor.
P: Preséntalo en una tabla con tres columnas.

Eso, aunque parezca simple, cambia el resultado. La IA ya no tiene que adivinar el tono, la audiencia ni el formato. Uno se lo dice desde el inicio.

Cuando la tarea crece, también tiene que crecer la estructura

Otra idea de la clase fue que no todos los prompts necesitan el mismo nivel de detalle. Para una tarea rápida puede bastar una instrucción breve. Cuando el problema se vuelve más complejo, conviene estructurarlo visualmente.

En la guía propusimos dos formatos principales.

Primer formato: Markdown para la mayoría de casos

El formato más práctico para el día a día fue Markdown. Es fácil de leer, fácil de corregir y natural para casi cualquier usuario. Basta con dividir el prompt en secciones como Rol, Contexto, Tarea y Formato de salida.

Por ejemplo:

### Rol ###
Actúa como un educador en diabetes para enfermería.

### Contexto ###
Necesito crear un folleto simple para un paciente recién diagnosticado con Diabetes Mellitus tipo 2, de 70 años y con baja afinidad por la tecnología.

### Tarea ###
Redacta un texto que explique:
1. Qué es la diabetes tipo 2.
2. La importancia de medir el azúcar en sangre.
3. Tres cambios clave en la alimentación.
4. Dos beneficios de caminar 20 minutos al día.

### Formato de salida ###
- Tono empático y claro.
- Párrafos cortos y viñetas.
- Evita jerga médica.

Este formato funcionaba muy bien para materiales educativos, resúmenes de clase, explicaciones para pacientes y borradores de documentos de apoyo.

Segundo formato: XML cuando se necesita máxima precisión

Cuando el caso tenía varias capas, datos clínicos e instrucciones encadenadas, funcionaba mejor un formato con etiquetas tipo XML. No por elegancia, sino porque obliga a separar bien los componentes.

Eso servía en tareas como diagnóstico diferencial, comparación de criterios o evaluación de elegibilidad para ensayos clínicos. En vez de meter todo en un párrafo largo, se podía organizar por bloques: <rol>, <caso_hipotetico>, <laboratorio>, <instrucciones>.

Un ejemplo breve sería:

<prompt_clinico>
  <rol>
    Actúa como un médico internista experto en diagnóstico diferencial.
  </rol>
  <caso_hipotetico>
    <paciente>Varón de 55 años.</paciente>
    <sintomas>Fatiga progresiva, poliuria y polidipsia.</sintomas>
    <laboratorio>
      <glucosa_ayunas>250 mg/dL</glucosa_ayunas>
      <HbA1c>9.5%</HbA1c>
    </laboratorio>
  </caso_hipotetico>
  <instrucciones>
    <paso_1>Genera 3 diagnósticos diferenciales.</paso_1>
    <paso_2>Justifica cada uno en una frase.</paso_2>
    <paso_3>Ordénalos del más al menos probable.</paso_3>
  </instrucciones>
</prompt_clinico>

En clase esta diferencia se entendió enseguida: Markdown era el formato cómodo para el trabajo general; XML era el formato útil cuando el caso requería más disciplina y precisión.

Los casos de uso que más sentido tuvieron

Una de las cosas útiles de esa sesión fue dejar de hablar de prompts “en abstracto” y llevarlos a tareas concretas del personal de salud.

1. Educación al paciente

Aquí Gemini resultaba especialmente útil cuando se definía bien el tono y el nivel de lenguaje. No era lo mismo pedir una explicación general que pedir una explicación para los padres de un niño, para un adulto mayor o para alguien con baja alfabetización digital.

Por ejemplo:

Actúa como un cardiólogo pediátrico. Explícale a los padres de un niño de 8 años qué es una comunicación interauricular usando una analogía simple y un tono tranquilizador.

Ese tipo de prompt producía respuestas más utilizables que una definición enciclopédica.

2. Revisión de literatura científica

Otra tarea muy útil era tomar un abstract y pedir algo concreto: extraer la metodología, resumir limitaciones, identificar la pregunta PICO o aislar hallazgos clave.

Por ejemplo:

Te comparto el abstract de un ensayo clínico. Resume los hallazgos principales en 3 viñetas y extrae el número de participantes y la duración del estudio.

La clave era esa: pedir tareas específicas. No “resume esto” a secas, sino “extrae esto, organiza esto otro y presenta el resultado así”.

3. Planificación de cuidados en enfermería

Este fue uno de los puntos donde la estructura más ayudó. Cuando se describía bien un escenario clínico, Gemini podía generar un borrador para pensar diagnósticos NANDA, intervenciones NIC o resultados esperados.

No como producto final, por supuesto, sino como apoyo para ordenar ideas.

Genera un borrador de un plan de cuidados de enfermería para un paciente hipotético de 80 años, hospitalizado por neumonía, con riesgo de caídas y deterioro de la deglución. Incluye 2 diagnósticos NANDA prioritarios con sus intervenciones NIC.

4. Comparación de guías o fármacos

En contextos de actualización clínica, una instrucción funcionaba casi siempre: comparar en tabla.

Crea una tabla que compare las guías AHA/ACC 2022 y ESC 2023 sobre hipertensión arterial, enfocándote en los umbrales de tratamiento para pacientes de bajo riesgo.

Ese tipo de salida permite revisar diferencias sin perderse en un bloque largo de texto.

5. Pedir razonamiento paso a paso

Una técnica que funcionó bien en clase fue añadir una instrucción explícita del tipo: “Razona tu respuesta paso a paso”. No reemplaza la revisión crítica, pero ayuda a ver la lógica que el modelo está siguiendo.

Paciente hipotético presenta hiponatremia con osmolaridad sérica baja y osmolaridad urinaria alta. Razona paso a paso para llegar al diagnóstico diferencial de SIADH.

En tareas fisiopatológicas o de diagnóstico diferencial, esa simple frase hacía una gran diferencia.

Cuando los escenarios se vuelven complejos

La guía también incluía ejercicios más avanzados. Queríamos mostrar que Gemini no solo servía para preguntas sueltas; también podía apoyar en tareas con varias partes si el prompt estaba bien construido.

Dos ejemplos destacaban bastante.

El primero era un plan de alta para un paciente complejo, donde se combinaban resumen clínico, educación al paciente, medicación, signos de alarma y próximos pasos. Ahí el formato Markdown funcionaba bien porque el producto final era un documento legible.

El segundo era una pre-evaluación para un ensayo clínico, donde había que comparar criterios de inclusión y exclusión contra un perfil clínico. En ese caso, XML resultaba mucho más claro porque la tarea requería precisión al contrastar condiciones.

No se trataba de memorizar esos ejemplos, sino de entender el principio: cuanto más compleja sea la tarea, más importante es separar datos, instrucciones y formato esperado.

La lección más importante de la clase

Si tuviera que resumir la sesión en una idea, sería esta: trabajar bien con Gemini no consiste en hacer preguntas más largas, sino en dar instrucciones más claras.

Eso implica cuatro cosas muy concretas:

• definir el rol que debe asumir la IA;
• explicar para qué sirve la respuesta;
• pedir una tarea precisa;
• y decir en qué formato debe entregarla.

En salud, esa claridad no solo ahorra tiempo. También reduce ambigüedad, mejora la utilidad del resultado y hace más fácil revisar críticamente la respuesta.

Un buen prompt no reemplaza el criterio clínico

La guía que usamos en esa clase no buscaba convertir a Gemini en una autoridad clínica. Buscaba algo más razonable: usarlo como un asistente bien dirigido.

Ese matiz importa. La IA puede ayudar a redactar materiales, resumir artículos, comparar información o estructurar ideas. Pero la responsabilidad final sigue siendo humana. Siempre.

Por eso, en salud no conviene usar estas herramientas para delegarlo todo. Conviene aprender a trabajar con ellas con método, contexto y prudencia.

De eso trató la clase: pasar del entusiasmo general por la tecnología a una forma de integrarla con sentido en el trabajo diario.

Recursos

• Guía base: 03 Recursos/IA/Guía para elaborar prompts en Gemini.md
• Herramienta: Google Gemini