El diagnóstico médico se compone de varias etapas: extracción de datos clínicos, consulta de conocimientos, generación de un análisis diferencial y selección de la mejor hipótesis con explicaciones. Los grandes modelos de lenguaje (LLM) destacan como generalistas, pero su razonamiento en una sola pasada suele ser frágil ante la incertidumbre clínica. En este contexto, los investigadores de DeepLens presentaron el DeepLens Diagnosis Agent, un pipeline de cinco etapas que integra capacidades de modelo con restricciones de proceso disciplinado. El núcleo del sistema es un modelo de razonamiento médico de 7 billiard parameters (JSL Medical Small 7B v2) potenciado por generación aumentada con recuperación (RAG). Cada etapa impone constraints específicas: extracción clínica estructurada, recuperación disciplinada, generación de candidatos bajo límites explícitos, triangulación de evidencia y decisión final auditada. Este diseño permite que un modelo de tamaño moderado compita con los LLM de última generación en tareas de diagnóstico complejas.

En pruebas con el benchmark DiagnosisArena, que reúne 915 casos clínicos, el agente alcanzó una precisión top‑1 del 60,14 %, la más alta entre modelos pequeños y medianos. Sin el flujo de trabajo, el mismo modelo solo logró un 23,99 % de exactitud, lo que representa un aumento de 36 puntos porcentuales únicamente por la arquitectura del pipeline. Además, aunque el modelo por sí solo supera el 88 % en benchmarks médicos estándar, el salto de rendimiento bajo incertidumbre muestra que el conocimiento bruto no basta; se necesita una razón estructurada. En términos de coste, el proceso consume USD 0,0072 por caso (≈24 K tokens en una GPU A100) y tarda entre 24 y 45 segundos, lo que lo hace 35‑45 % más barato que Claude Sonnet 4.5 (USD 0,0110) y Gemini 3.1 Pro (USD 0,0128). Aun así, supera a ambos en precisión (+9,70 pp frente a Claude y +9,17 pp frente a Gemini). Este resultado demuestra que, mediante constraints bien diseñadas, se pueden corregir errores de los modelos de frontera y que la parametrización o el coste de la API no son los únicos determinantes del éxito.

Más allá de la métrica global, el pipeline genera artefactos intermedios estructurados que hacen cada fase inspeccionable y permiten localizar errores con precisión. En entornos de alta criticalidad, donde la trazabilidad, la reproducibilidad y la evidencia auditada son tan valiosas como la exactitud del diagnóstico, esta característica cobra especial relevancia. La capacidad de documentar cada paso del razonamiento abre la puerta a auditorías regulatorias, a la validación por pares y a la mejora continua del sistema.

En resumen, el DeepLens Diagnosis Agent ilustra cómo la combinación de modelos compactos, recuperación de información y diseño de flujo de trabajo puede democratizar el acceso a diagnósticos precisos sin depender de los recursos de los modelos más grandes. Esta aproximación no solo reduce la brecha entre la potencia tecnológica y la necesidad práctica en salud, sino que también plantea un nuevo paradigma de IA explicable y auditable, esencial para la adopción responsable en el sector médico.