Expert Intelligence llega a Gemini Notebook: cuando la IA empieza a trabajar con tu biblioteca de referencia
La idea parece sencilla, pero supone un cambio interesante: en lugar de preguntar a un modelo únicamente a partir de su conocimiento general, podemos construir un entorno en el que la IA razone y responda sobre una colección concreta de fuentes seleccionadas, incluyendo libros adquiridos, documentos propios, artículos, presentaciones o información procedente de la web.
Para quienes trabajamos en Enfermedades Infecciosas y Microbiología Clínica, el concepto resulta especialmente atractivo: convertir nuestra biblioteca de referencia en una fuente de conocimiento directamente interrogable.
¿Qué es Expert Intelligence?
La primera implementación de Expert Intelligence permite añadir determinados libros electrónicos adquiridos a través de Google Play Books directamente a un Gemini Notebook.
Una vez incorporados, Gemini Notebook puede utilizarlos como fuente para:
responder preguntas fundamentadas en el contenido del libro; localizar conceptos o recomendaciones concretas; comparar información entre diferentes fuentes; generar resúmenes; crear infografías; producir Audio Overviews; * generar cuestionarios y otros materiales docentes.
El lanzamiento incluye más de 100.000 libros de editoriales como De Gruyter Brill, Johns Hopkins University Press, Macmillan, O'Reilly, Bloomsbury o Penguin Random House, entre otras. No todos los libros adquiridos son necesariamente compatibles: Google identifica específicamente aquellos que pueden incorporarse a Gemini Notebook. Nop, no esta el Mandell (por ahora)
Además, Google ha creado algunos Featured Notebooks, cuadernos previamente construidos junto con autores y especialistas que combinan sus libros con materiales adicionales seleccionados.
La compañía anuncia también una evolución especialmente interesante: próximamente Expert Intelligence podrá incorporar otras fuentes especializadas, como suscripciones de terceros, informes profesionales y libros de texto, y el concepto terminará extendiéndose a otros productos como Gemini y AI Mode.
¿Por qué puede ser interesante en Enfermedades Infecciosas y Microbiología Clínica?
La principal ventaja de esta aproximación es que cambia la pregunta de:
> “¿Qué sabe la IA sobre este tema?”
a otra bastante más interesante:
> “¿Qué dicen exactamente las fuentes que yo considero fiables sobre este problema?”
Gemini Notebook ya funciona utilizando las fuentes incorporadas al cuaderno como contexto para sus respuestas. Expert Intelligence amplía ese paradigma permitiendo integrar también contenido editorial cuya utilización mediante IA hasta ahora era mucho más complicada.
En medicina esto puede tener especial valor porque la procedencia del conocimiento importa tanto como la capacidad del modelo para sintetizarlo.
Por ejemplo, podríamos construir un notebook dedicado a infección por VIH que combinase:
un tratado o manual especializado; las últimas guías de tratamiento; documentos de consenso de SEIMC/GeSIDA; fichas técnicas; revisiones sistemáticas; artículos seleccionados; * protocolos locales.
Y después interrogar conjuntamente todo ese corpus. Lo que ya hacemos muchos de forma privada pero teniendo un documento oficial que se actualiza por los autores.
Ejemplo de prompt:
> Compara las recomendaciones de las fuentes disponibles sobre el manejo de una persona con VIH con fracaso virológico y resistencia documentada. Identifica los puntos en los que existe consenso, aquellos en los que las recomendaciones difieren y cita siempre la fuente que sustenta cada afirmación.
El valor no está únicamente en obtener una respuesta, sino en utilizar la IA como interfaz para navegar por un corpus científico previamente seleccionado.
Cinco escenarios especialmente interesantes en Infecciosas y Microbiología
1. Construir notebooks temáticos de referencia
Podemos imaginar cuadernos específicos para endocarditis, tuberculosis, infección por VIH, infecciones fúngicas invasoras, bacteriemias relacionadas con catéter, infecciones de prótesis articulares o resistencias antimicrobianas.
En lugar de buscar repetidamente información en decenas de documentos, el conjunto se transforma en un único espacio de consulta.
Prompt de ejemplo:
> Utilizando exclusivamente las fuentes de este notebook, construye un algoritmo diagnóstico para la endocarditis con hemocultivos negativos. Para cada microorganismo indica epidemiología que aumentaría la sospecha, prueba diagnóstica recomendada y principales limitaciones de la técnica.
---
2. Comparar recomendaciones entre guías
Una de las tareas que mejor encaja con este enfoque es detectar discrepancias entre documentos.
Prompt de ejemplo:
> Compara las recomendaciones de las guías incluidas en este notebook sobre duración del tratamiento de la bacteriemia por Staphylococcus aureus. Presenta las diferencias en una tabla e identifica qué recomendaciones están sustentadas por ensayos clínicos y cuáles fundamentalmente por evidencia observacional o consenso experto.
Esto puede ser especialmente útil cuando trabajamos simultáneamente con documentos SEIMC, ESCMID, IDSA, EACS, WHO o ESC.
---
3. Interpretación microbiológica contextualizada
También podríamos combinar manuales de microbiología, documentos EUCAST, revisiones y protocolos propios del laboratorio.
Por ejemplo:
> A partir exclusivamente de las fuentes disponibles, explica las posibles interpretaciones de un aislamiento de Corynebacterium striatum en dos pares de hemocultivos. Diferencia contaminación, bacteriemia verdadera e infección relacionada con dispositivo y señala qué datos clínicos o microbiológicos modificarían la probabilidad de cada escenario.
O:
> Resume los mecanismos que pueden explicar este fenotipo de resistencia de Klebsiella pneumoniae y propón las pruebas fenotípicas o moleculares que permitirían diferenciarlos.
El interés aquí no sería que el modelo “adivinase” el microorganismo o mecanismo, sino poder confrontar rápidamente un problema microbiológico con las fuentes que el propio laboratorio considera de referencia.
---
4. PROA y elaboración de protocolos
Expert Intelligence puede resultar particularmente útil para convertir grandes volúmenes de evidencia en documentos operativos.
Un notebook podría contener guías internacionales, documentos nacionales, epidemiología local, antibiograma acumulado y protocolos previos.
Después podríamos solicitar:
> Revisa el protocolo local de tratamiento empírico de la pielonefritis. Compáralo con las recomendaciones de las fuentes disponibles e identifica únicamente aquellos puntos en los que exista una discrepancia potencialmente relevante para PROA. Para cada propuesta de modificación, muestra la evidencia que la sustenta.
La IA actuaría así como una herramienta de síntesis y comparación, mientras que la selección de las fuentes y la interpretación clínica seguirían dependiendo del equipo responsable.
---
5. Docencia y formación MIR
Probablemente sea uno de los usos más inmediatos.
A partir de un libro, una guía o un conjunto de artículos se pueden generar cuestionarios, casos clínicos, resúmenes, infografías o incluso contenidos de audio.
Por ejemplo:
> Utilizando las fuentes de este notebook, crea cinco casos clínicos tipo MIR sobre infecciones en personas receptoras de trasplante. Cada caso debe tener cuatro opciones con una única respuesta correcta. Evita preguntas puramente memorísticas y prioriza decisiones diagnósticas o terapéuticas que requieran integrar varios datos clínicos.
Para sesiones de servicio, formación de residentes o preparación de material docente, disponer de un sistema generativo anclado a una bibliografía seleccionada puede ser considerablemente más útil que utilizar un chatbot sin proporcionar previamente las fuentes.
Del chatbot a la “biblioteca interrogable”
Expert Intelligence apunta hacia una evolución importante en el uso profesional de los modelos generativos.
Durante los primeros años de los LLM, la interacción habitual consistía en realizar una pregunta y confiar en el conocimiento interno del modelo. Después llegaron herramientas capaces de trabajar mediante *RAG (Retrieval-Augmented Generation)*, incorporando documentos externos antes de generar la respuesta.
Gemini Notebook lleva este concepto a una interfaz especialmente sencilla: el usuario decide cuáles son las fuentes y el modelo trabaja sobre ellas.
Expert Intelligence añade ahora una pieza que faltaba: contenido editorial especializado integrado directamente dentro de ese ecosistema.
En medicina, donde gran parte del conocimiento de mayor calidad continúa estando distribuido entre artículos, guías, consensos, libros y bases documentales, esta evolución puede ser especialmente relevante.
Pero la fuente sigue importando
Que una respuesta esté fundamentada en documentos no significa automáticamente que sea correcta desde el punto de vista clínico.
Un tratado puede estar desactualizado. Dos guías pueden recomendar estrategias diferentes. Una recomendación puede basarse en evidencia de muy baja certeza. Y un documento excelente puede haber quedado obsoleto tras la publicación de un ensayo clínico reciente.
Por eso, probablemente el uso más potente de herramientas como Gemini Notebook no sea pedirles:
> “Dime qué tengo que hacer.”
Sino solicitar:
> “Muéstrame qué dicen mis fuentes, dónde coinciden, dónde discrepan y qué evidencia sustenta cada posición.”
La diferencia parece pequeña, pero representa dos formas muy distintas de utilizar la inteligencia artificial en medicina.
Lo que puede venir después
Google ha anunciado que Expert Intelligence comenzará con libros, pero prevé añadir posteriormente libros de texto, suscripciones de terceros e informes especializados.
Si esta estrategia termina extendiéndose a literatura biomédica, editoriales científicas y otras fuentes profesionales, podríamos acercarnos a un escenario en el que cada especialista disponga de una auténtica biblioteca científica aumentada por IA: seleccionada por la persona usuaria, actualizable y capaz de responder preguntas complejas utilizando únicamente las fuentes consideradas pertinentes.
Para Enfermedades Infecciosas y Microbiología Clínica —especialidades caracterizadas por una enorme producción científica, frecuentes cambios en las recomendaciones y necesidad constante de integrar información microbiológica y clínica— resulta difícil imaginar un terreno más apropiado.
La novedad no es que la IA pueda leer un libro. La novedad es empezar a poder decidir qué biblioteca queremos que lea antes de contestarnos.
Fuente: Google, “Expert Intelligence: a new way for you to engage with trusted content”, publicado el 27 de agosto de 2026.