Traducido del original en inglés. Las cifras y las fuentes no cambian. Leer el original en inglés
University Hospital Bonn
El Hospital Universitario de Bonn ejecuta DeepSeek-R1 en un servidor aislado para sus radiólogos
El Hospital Universitario de Bonn, en Alemania, desplegó el modelo abierto (open-weight) DeepSeek-R1 en un servidor aislado dentro de su centro de datos, con autorización para tratar datos de pacientes sin anonimizar. En un piloto de una semana, 22 radiólogos valoraron mejor la traducción y la corrección de textos, y comunicaron más errores cuando el modelo redactaba las conclusiones de los informes.
Cifras clave
Copiadas literalmente de las fuentes. Copie cualquier cifra con su cita.
22
(17 residentes, 3 radiólogos especialistas, 2 radiólogos adjuntos sénior)
Radiólogos que completaron el piloto de una semana en julio de 20251
10,0
Valoración de la estabilidad del sistema, mediana, escala de 0 a 101
9,5
Valoración de la calidad de la traducción de informes, mediana, escala de 0 a 101
6
Tareas sin ningún error crítico comunicado, de diez probadas1
Qué requirió
Las fuentes no divulgan el coste, el tamaño del equipo ni los plazos.
El problema
Los radiólogos redactan y corrigen informes largos, los traducen y preparan cartas. Los modelos de lenguaje pueden ayudar, pero los hospitales alemanes por lo general no pueden enviar datos de pacientes a servicios de IA externos por normas de privacidad como el RGPD de la UE. El Hospital Universitario de Bonn quería un modelo que pudiera ejecutar por su cuenta y, aun así, obtener autorización para tratar datos de pacientes sin anonimizar.
Qué construyeron
El hospital construyó un servicio aislado y autoalojado en torno a DeepSeek-R1, un modelo abierto (open-weight). Abierto significa que los archivos del modelo están publicados, de modo que un hospital puede ejecutarlo en su propio hardware. El equipo usó la versión completa de 671 mil millones de parámetros, comprimida (cuantizada) para caber en un servidor con ocho chips NVIDIA A100. El servicio se presenta tras una pantalla de chat con diez plantillas de prompts ya preparadas, como la corrección y la traducción de informes. El hospital publicó el paquete de despliegue como código abierto.
Cómo lo hicieron
El diseño parte de la posibilidad de una intrusión. Zonas de red separan la interfaz web del modelo, reglas de cortafuegos bloquean el tráfico exterior y pruebas automáticas comprueban que el aislamiento se mantiene. Un monitor vigila las conexiones externas inesperadas.
En paralelo, el equipo llevó a cabo un proceso de aprobación en el que participaron la dirección de la clínica, el delegado de protección de datos, el responsable de seguridad de la información, el departamento de cumplimiento normativo y el comité de empresa (los representantes del personal). El comité de empresa dio su acuerdo con la condición de que no se recopilen estadísticas de uso por empleado y de que el uso siga siendo voluntario. El personal debe completar un curso de alfabetización en IA antes de poder iniciar sesión.
En julio de 2025, 22 radiólogos usaron el sistema durante una semana.
Resultados
El proceso de aprobación salió adelante, y el hospital describe el servicio como la base de una oferta permanente para más de 10.000 empleados. En el piloto, los usuarios valoraron la estabilidad con una mediana de 10,0 sobre 10 y la facilidad de uso con 9,0. La velocidad recibió un 7,0. El monitor no detectó ningún evento de conexión externa.
Las tareas basadas en un texto aportado por el usuario fueron las que mejor funcionaron. La traducción de informes obtuvo una mediana de calidad de 9,5, y seis de diez tareas no tuvieron ningún error crítico comunicado. Un error crítico es una afirmación errónea, una omisión o un contenido inventado que requiere corrección manual.
Qué salió mal
La redacción de conclusiones a partir de hallazgos de imagen tuvo la tasa de error más alta. De 16 usuarios de esa tarea, uno comunicó un único error crítico y dos comunicaron varios. La codificación CIE-10 (los códigos estándar de enfermedades que se usan para facturar) se consideró prometedora, pero los usuarios dijeron que revisar los códigos sugeridos ahorraba poco tiempo. Las valoraciones de velocidad fueron más bajas que las de estabilidad, algo que los autores atribuyen a su hardware de servidor más antiguo.
Qué replicar
Empiece por la corrección, la traducción y la simplificación de textos que el usuario ya tiene. Trate la generación de contenido clínico nuevo como de mayor riesgo y pruébela por separado.
Todas las cifras comunicadas
| Indicador | Cifra | Cita |
|---|---|---|
| Radiólogos que completaron el piloto de una semana en julio de 2025 | 22 (17 residentes, 3 radiólogos especialistas, 2 radiólogos adjuntos sénior)1 | |
| Valoración de la estabilidad del sistema, mediana, escala de 0 a 10 | 10,01 | |
| Valoración de la calidad de la traducción de informes, mediana, escala de 0 a 10 | 9,51 | |
| Tareas sin ningún error crítico comunicado, de diez probadas | 61 | |
| Generación de conclusiones: usuarios que comunicaron un error crítico (un error, varios errores), de 16 usuarios de esa tarea | 1 comunicó un solo error, 2 comunicaron varios errores1 | |
| Tiempo mediano hasta el primer token | 3,13 segundos1 | |
| Eventos de conexión externa detectados por el monitor de aislamiento durante el piloto | 01 |
Lecciones para su proyecto
Elija tareas en las que el modelo trabaje a partir de un texto que aporta el usuario, como traducir o corregir un informe. La redacción abierta a partir de hallazgos produjo los errores más graves.
Reserve tiempo para las aprobaciones, no solo para el software. El hospital necesitó el visto bueno de la dirección, la protección de datos, la seguridad de la información, el cumplimiento normativo y el comité de empresa.
Haga de la formación una condición de acceso. El hospital exigió un curso de alfabetización en IA antes de poder iniciar sesión, para cumplir sus obligaciones como responsable del despliegue según la Reglamento de IA de la UE.
No ate el diseño a un solo modelo. La arquitectura es independiente del modelo, de modo que el hospital puede incorporar nuevos modelos abiertos sin rehacer el trabajo de seguridad.
Salvedades
- Es un preprint (un artículo de investigación sin revisión externa) de los propios equipos de radiología e informática del hospital, por lo que las cifras son las del hospital.
- El piloto duró una semana, con 22 voluntarios en un único centro. Los errores los comunicaron los propios usuarios, sin comprobación de expertos independientes.
- Las cifras de utilidad y ahorro de tiempo son valoraciones de los usuarios en una escala de 0 a 10, no minutos medidos. En la codificación CIE-10, la mediana del ahorro de tiempo percibido fue de solo 3,5.
- El artículo dice que un servicio permanente para más de 10.000 empleados es la base actual, pero no aporta cifras de uso de ese despliegue más amplio.
Fuentes
- Secure On-Premise Deployment of Open-Weights Large Language Models in Radiology: An Isolation-First Architecture with Prospective Pilot Evaluation
arXiv · 2026-03-25 · Artículo de investigación · arxiv.org
Resumido con nuestras propias palabras a partir de las fuentes anteriores. ¿Ha detectado un error? Consulte correcciones.