Leer la guía
De paper a Visual Abstract con NotebookLM
Guía práctica para sanitarios que quieren pasar de un paper a resumen visual riguroso en minutos, no horas.
Lo primero: ¿Qué es un Visual Abstract?
Un Visual Abstract (VA) es un resumen visual de la información que normalmente encontrarías en el texto de cualquier abstract de un artículo científico, pero sintetizada en una sola imagen infográfica clara y con un diseño muy visual.
Aquí debajo tienes algunos ejemplos:
✅ Lo que SÍ es un Visual Abstract
  • Una representación visual de los hallazgos clave que ya están en el abstract del artículo.
  • Una pieza de difusión para redes sociales y presentaciones, que aumenta lecturas y clics al paper.
  • Un resumen honesto y sintético, con 1–3 resultados principales, cifras claras y buena citación.
  • Una herramienta para atraer la atención y facilitar que otros decidan si vale la pena leer el artículo completo.
❌ Lo que NO es un Visual Abstract
  • No es un sustituto de la lectura del artículo ni del abstract original.
  • No es un análisis crítico ni una revisión metodológica del estudio (eso va en el journal club, no en una imagen).
  • No es, por sí solo, un material apto para enviar a una revista científica como pieza oficial de publicación.
  • No debe convertirse en un mensaje de marketing que exagera resultados o oculta limitaciones para “vender” el paper.
Vale, pero…¿por qué crear Visual Abstracts en NotebookLM?
Los Visual Abstracts han revolucionado la comunicación científica. Según estudios publicados en Annals of Surgery, estos resúmenes visuales multiplican exponencialmente el alcance de la investigación: 8 veces más retuits y 3 veces más clics hacia el artículo original.
En un entorno como el actual donde el tiempo y la atención disponible es inversamente proporcional a la información científica publicada cada día, los VA son un formato de comunicación científica que permite que nuestra investigación destaque y llegue a más profesionales (además de obtener un potencial mayor impacto académico).
Mayor Visibilidad
Multiplica el alcance de tu investigación en redes profesionales y el impacto en tus sesiones clínicas, llegando a audiencias más amplias de forma efectiva.
Ahorro de Tiempo
Reduce de horas a minutos el proceso de síntesis y diseño, permitiéndote centrarte en lo verdaderamente importante: Comunicar tu ciencia.
Herramienta Docente
Crea material didáctico de alta calidad para sesiones clínicas, formación de residentes y divulgación en redes sociales como LinkedIn, Twitter/X o Instagram (¿porqué no? 😉).
Esta guía te enseña un flujo semi-automatizado utilizando NotebookLM que te permitirá transformar papers complejos en VA funcionales sin necesidad de ser diseñador gráfico ni invertir horas en software especializado.

⚠️ Advertencia importante: Este método está diseñado para comunicación informal (a poesar de seguir un proceso riguroso). No sustituye la lectura crítica del artículo original ni debe utilizarse para enviarse a revistas científicas sin supervisión rigurosa.
Flujo de trabajo propuesto en 8 pasos
Este diagrama resume el flujo modular en 8 pasos para pasar de un paper a un Visual Abstract con NotebookLM de forma rápida, reproducible y con rigor.
La idea clave es separar tres capas: (1) definir el objetivo (preparación), (2) asegurar la fidelidad del dato (extracción + validación), y (3) convertirlo en un diseño visual publicable (diseño → prompt final → infografía).
Antes de empezar: Preparación estratégica
La calidad de tu Visual Abstract depende directamente de la claridad con la que defines tu objetivo antes de utilizar la IA. Si tu mensaje no está claro, la inteligencia artificial tampoco podrá extraer y presentar la información de forma efectiva. Dedica estos 5 minutos iniciales a pensar estratégicamente sobre qué quieres comunicar y a quién.
1
Define el Mensaje Central
Sintetiza el hallazgo principal en una sola frase clara siguiendo esta estructura:
"[Intervención] mejora [outcome] en [pacientes] comparado con [control]"
💡 Ejemplo práctico: "La esketamina intranasal acelera la remisión en depresión resistente comparada con placebo"
2
Identifica tu Audiencia
El nivel de detalle y el lenguaje técnico varían según el destinatario:
  • ¿Especialistas de tu área con conocimiento profundo?
  • ¿Residentes en formación que necesitan contexto adicional?
  • ¿Médicos de atención primaria buscando aplicabilidad práctica?
  • ¿Pacientes o público general que requieren simplificación?
3
Selecciona el Formato Visual
Cada plataforma tiene requisitos específicos de dimensiones:
  • Horizontal (16:9): LinkedIn, Twitter/X, presentaciones PowerPoint.
Este es el formato estándar para un VA y el que tiene por defecto las infografías de NotebookLM.
  • Cuadrado (1:1): Instagram, feeds sociales…
  • Vertical (9:16): Stories, material móvil.
Al terminar este paso previo tienes que tener claro algo como por ejemplo:
  • MENSAJE: "Venetoclax prolonga supervivencia en CLL refractaria (combinado con rituximab)".
  • AUDIENCIA: Profesionales sanitarios especialistas en oncohematología (Hematología Clínica y Farmacia Hospitalaria).
  • FORMATO: Visual Abstract para compartir en sesión clínica como diapositiva final y Linkedin.
🤖 PASO 1: Configuración: Crea tu generador personalizado
En lugar de crear un cuaderno nuevo cada vez que quieras generar un Visual Abstract, es mucho más eficiente construir una herramienta reutilizable que mantenga la configuración óptima. NotebookLM permite crear "instrucciones personalizadas" que actuarán como el cerebro de tu generador, asegurando consistencia, contexto y calidad en cada uso.
01
Accede a NotebookLM
Abre NotebookLM y crea un nuevo cuaderno. Nómbralo de forma descriptiva: "Generador de Visual Abstracts" para identificarlo fácilmente.
02
Abre la Configuración
Haz clic en el icono de mesa de control ( 🧮 ) en la esquina superior derecha del chat y selecciona "Personalizado" en "Define el objetivo, el estilo o el rol de la conversación"
03
Implementa el System Prompt
Copia y pega el prompt de sistema que aparece en. Este texto "enseña" a la IA cómo debe comportarse específicamente para esta tarea concreta.
System Prompt de Cuaderno para tu generador de Visual Abstracts
Copia este bloque completo en las instrucciones personalizadas (puedes usar Ctrl + A —> Ctrl + C haciendo clic previamente dentro del prompt para mayor rapidez):

<role-context>
Actúa como un **Editor Científico Senior y Arquitecto de Estrategia Visual**, un perfil híbrido especializado en la intersección entre Bioestadística Rigurosa y Diseño visual de Información científica.

Tu prioridad absoluta es la **fidelidad del dato clínico** (preservando siempre N, p-values exactos e Intervalos de Confianza) mientras traduces la evidencia técnica a un lenguaje visual sintético e impactante, adecuado para revistas de alto impacto (Q1) y congresos científicos.

Tus competencias clave para esta tarea son:

1.  **Auditoría Estadística:** Capacidad para interpretar y filtrar con precisión quirúrgica métricas complejas (HR, OR, RR, Reducción Absoluta de Riesgo, NNT, IC95% y p-values exactos), distinguiendo entre significancia estadística y relevancia clínica.
2.  **Ingeniería de Diseño "Evidence-Based":** Aplicación de la filosofía *"Visual Science"*, donde cada elemento gráfico debe reducir la carga cognitiva y facilitar el flujo de lectura lógico (**MÉTODOS → RESULTADOS → IMPACTO**).
3.  **Guardián de Integridad:** Tu función NO es solo resumir, sino **validar**. Debes detener el proceso si detectas inconsistencias en los datos o riesgo de "alucinación" antes de proponer una estructura visual.
4.  **Brand Compliance Officer:** Eres responsable de asegurar que el diseño final respete estrictamente la **Guía de Estilo (JSON/Fuente)** proporcionada. En ausencia de esta, debes aplicar criterios de accesibilidad universal (WCAG AA) y neutralidad estética profesional.

**Tu Tono:** Profesional, aséptico y directo. Hablas de igual a igual con profesionales sanitarios, científicos e investigadores.
</role-context>
<action>
Flujo de trabajo (modular, por fases):
Este cuaderno está diseñado para que el usuario ejecute el proceso paso a paso mediante prompts.
Tu responsabilidad es recordar el flujo, mantener las restricciones y producir outputs coherentes con la fase actual.

Fase 1 — Auditoría de evidencia (extracción):
- Objetivo: extraer y estructurar la información clínica y estadística esencial del estudio.
- Output típico: metadatos, PICO, outcome primario, cifras clave, medida de efecto + IC95% + p-value, y un mensaje central prudente.
- Reglas: no inventar; si falta un dato, marcarlo como “No reportado”.

Fase 2 — Estrategia visual (propuesta de diseño):
- Objetivo: transformar el contenido validado en una propuesta visual (layout, jerarquía, “dato héroe”, tipo de gráfico y narrativa).
- Reglas: el diseño debe reflejar el resultado (positivo / neutro / negativo) y maximizar legibilidad.

Fase 3 — Producción (prompt final para infografía):
- Objetivo: entregar un prompt final listo para Studio → Infografía en NotebookLM, respetando estructura y estilo.
- Debe incluir una mini lista de QA visible antes de ejecutar (verificación de números, coherencia estadística, legibilidad).

</action>

<design-standards>
Aplicación de guía-estilo:
- Si existe una fuente “guia-estilo” (o similar), es prioritaria para colores, tipografía, layout y branding.
- Si no existe, aplica un estándar profesional y accesible (WCAG AA) con estética neutra clínica.

Fallback (si NO hay guía-estilo):
A) Estilo visual:
- Fondo neutro clínico (#F5F7FA).
- Tipografía sans-serif (Inter/Roboto).
- Paleta: azul clínico (#005EB8) + gris pizarra (#333333). Acentos: verde (positivo), gris (neutro), ámbar/rojo con moderación (riesgo/alerta).

B) Estructura recomendada (Visual Abstract estándar):
- Encabezado: título corto + cita.
- Canvas central: Métodos / Resultados / Conclusión (3 paneles o zonificación equivalente).
- Pie: cita abreviada + autoría/transparencia en uso de IA.
</design-standards>

<restrictions>
Precisión y fidelidad:
- Prohibido inventar resultados, tamaños muestrales, duraciones o p-values.
- Si un dato no está en las fuentes cargadas, no lo incluyas.

Coherencia estadística:
- No declarar superioridad si el IC95% cruza 1 o si p ≥ 0.05.
- Evitar sobreinterpretar efectos en muestras pequeñas; si aplica, indicar limitación.

Neutralidad y ética:
- Si el estudio es neutro/negativo, reflejarlo en lenguaje y en diseño (paleta más neutra).
- Evitar tono promocional o sesgo hacia una intervención.

Diseño y accesibilidad:
- Jerarquía tipográfica clara; evitar muros de texto.
- Contraste suficiente; no basar significado solo en color (usar etiquetas).

Idioma:
- Responde en español por defecto, salvo petición explícita del usuario.
</restrictions>

<target-audience>
Profesionales sanitarios e investigadores: alto conocimiento clínico, poco tiempo, necesidad de claridad.
</target-audience>

<!-- end list -->
Una vez guardadas estas instrucciones, tu cuaderno quedará correctamente contextualizado para generar Visual Abstracts con rigor y consistencia, sin volver a redefinir reglas, rol ni tono.
📄 PASO 2: Carga de la evidencia científica
El primer paso operativo es alimentar a NotebookLM con el material científico completo que deseas transformar. La calidad y formato del artículo que cargues determinará directamente la precisión de la extracción de datos posterior.
Proceso de carga:
  1. En el panel izquierdo de tu cuaderno, localiza y haz clic en el botón "+ Añadir fuentes"
  1. Selecciona "Subir fuentes" y busca el PDF (el mejor formato) completo del estudio en tu ordenador.
  1. Asegúrate de cargar la versión final publicada, no pre-prints o versiones preliminares.
  1. (Opcional pero recomendado) Añade material suplementario, tablas adicionales o guías clínicas relacionadas para dar contexto más amplio.
  1. Si subes varias fuentes, renómbralas para una mejor organización y referenciar de forma más limpia, por ejemplo [PAPER-VA].

💡 Pro Tip: Los candidatos ideales son artículos de investigación clínica con un outcome primario claramente definido. Evita editoriales, cartas al director o artículos de opinión sin datos cuantitativos robustos.
Con la fuente cargada, NotebookLM ya tiene la materia prima para poder destilarla. El siguiente paso será exprimir de esos documentos el mensaje central y los datos e información clave que sostendrán tu VA.
🔪 Paso 3: Extracción y validación crítica
Este es el paso más crítico de todo el proceso. Aquí extraemos los "datos duros" del estudio y, lo más importante, verificamos que la IA no haya cometido errores o alucinaciones. La validación humana en este punto es absolutamente obligatoria para garantizar el rigor científico. En términos IA esto se llama "Human in the Loop".
Para realizar este proceso usaremos un prompt que nos permita extraer aquella información relevante y nos entregue un bloque de texto que reutilizaremos posteriormente como nuestra "fuente de verdad" [FUV] para esta tarea.
Copia el siguiente prompt y pégalo en el chat teniendo seleccionada las fuentes relevantes (normalmente solo el artículo).
Prompt de Extracción Estructurada de fuente científica para NotebookLM
Realiza Escaneo Profundo del PDF fuente. Extrae datos críticos para construir un Visual Abstract.
INTEGRIDAD (NO NEGOCIABLE):
Precisión: Extrae cifras exactas (N, %, decimales). No redondees.
Anti-Alucinación: Si un dato no figura, escribe "NR". No deduzcas.
Foco: Prioriza resultados del objetivo principal (Outcome Primario).
Formato: Respuesta en UN ÚNICO BLOQUE DE TEXTO usando la plantilla.
PLANTILLA DE EXTRACCIÓN ESTRUCTURADA

1. METADATOS
- Título Completo: \[Título exacto\]
- Título Corto (Sug.): \[Máximo 10 palabras, titular científico\]
- Cita: \[Primer Autor et al., Journal Abreviado, Año. DOI\]
- Diseño: \[Ej: Ensayo Clínico Aleatorizado, Cohortes, Metaanálisis\]
- Nivel de Evidencia: \[Nivel 1 (RCT/Meta) / Nivel 2 (Cohortes) / Nivel 3 (Obs) / Nivel 4 (Casos)\]
- Integridad: \[Financiación principal y/o Conflictos de Interés relevantes\]
2. MATRIZ PICO
P (Población): \[N Total\] | \[Condición clínica\] | \[Criterio inclusión clave\]
I (Intervención): \[Fármaco/Estrategia, Dosis, Frecuencia, Vía\]
C (Comparador): \[Placebo / Standard of Care / Fármaco activo\]
O (Outcome Primario): \[Definición exacta del endpoint\]
Seguimiento: \[Duración media/mediana\]
3. RESULTADOS CLAVE
- Datos Outcome Primario:
- Intervención: \[n/N eventos o media\]
- Control: \[n/N eventos o media\]
- Estadística de Efecto: \[HR / OR / RR / Diferencia Medias\] = \[VALOR\]
- IC 95%: \[Rango inferior - Rango superior\]
- P-value: \[Valor exacto o \<0.001\]
- Seguridad/Outcome Secundario (Crítico): \[Dato de seguridad o evento adverso grave más relevante\]
4. SÍNTESIS CLÍNICA
- Dirección del Hallazgo: \[POSITIVO / NEGATIVO / NEUTRO / NO INFERIORIDAD\]
- Conclusión: "En pacientes con \[Población\], el uso de \[Intervención\] \[mejora/reduce/no modifica\] el \[Outcome\] vs \[Comparador\] tras \[Tiempo\]."
- Relevancia Clínica: \[Si reportado, incluir NNT o NNH. Si no, NR\]
5. MENSAJE CENTRAL \[1 frase resumen ("take-home message")\]

🕵️ ACCIÓN HUMANA OBLIGATORIA - CHECKPOINT DE VALIDACIÓN:
Una vez que NotebookLM genere la respuesta, NO continúes automáticamente. Realiza estas verificaciones:
  1. Abre el PDF original junto a la respuesta de la IA.
  1. Verifica número por número: tamaño muestral (N), porcentajes, valores p, hazard ratios, intervalos de confianza, etc.
  1. Comprueba que los outcomes primario y secundario sean exactamente los definidos en el paper (no los que la IA "cree" que son importantes).
  1. En el panel de Studio "Añade una nota" y pega el contenido del bloque de texto
  1. Si detectas cualquier error, corrígelo manualmente en la nota. Si existen muchos errores habría que reforzar el prompt o iterar respuestas pidiendo en el chat que rectifique citando la página exacta del PDF.
  1. Una vez lo tengas correcto, procederemos a convertir la nota en una nueva fuente del cuaderno con el nombre [FUV].
Esta nota validada es tu fuente de verdad. Todo el diseño posterior se basará en estos datos, así que la precisión aquí es fundamental.
👨‍🎨 Paso 4: Propuesta de diseño integral del Visual Abstract
Aquí analizamos el contenido científico validado para realizar una primera propuesta de diseño visual coherente. Aunque hay libertad creativa, todo Visual Abstract debe mantener constantes mínimas: encabezado claro, panel central (con contexto PICO, resultados, etc.), pie de página y un mensaje principal escaneable.
Del dato al diseño
Este paso convierte los datos validados en una propuesta visual. Empleamos un prompt que genera una propuesta de diseño detallada y, tras tu visto bueno, en pasos posteriores dará lugar a un prompt final listo para crear la infografía en NotebookLM Studio.
Prompt de generación de una propuesta de diseño de Visual Abstract
Con la nota validada del Paso 3 [FUV] cargada como fuente en tu cuaderno (y seleccionada), usa este prompt en el chat para guiar a la IA en la creación de una propuesta de diseño:
Usa EXCLUSIVAMENTE la “ficha validada / fuente de verdad” seleccionada. NO inventes datos; si falta algo: [NO REPORTADO]. No generes imagen: genera un SISTEMA DE DISEÑO para un Visual Abstract HORIZONTAL (16:9) que yo pueda validar/iterar y guardar como nota “diseño VS”.

DEVUELVE UN ÚNICO BLOQUE con estos encabezados EXACTOS:

=== DISEÑO VA (SISTEMA DE DISEÑO PROPUESTO) ===
Sentimiento del estudio: [POSITIVO/NEUTRO/NEGATIVO] (según p/IC si están). Si p≥0.05 o IC cruza 1 → evitar estética “triunfal”.

1) RUTA VISUAL (elige 1 y justifica en 1 línea):
A) Journal (académico, sobrio) / B) Social (impacto, minimal) / C) Dashboard (didáctico, proceso)

2) DATO HÉROE:
- Dato (1 solo): [HR/RR/OR/%/ARR/NNT…]
- Cómo se verá: número XL + etiqueta + mini-gráfico.
- Métrica y comparación: [I vs C, outcome primario].

3) LAYOUT (16:9):
- Encabezado: título corto + cita.
- Izquierda (MÉTODOS): 3–5 bullets (PICO + N + duración si aplica).
- Centro (RESULTADOS): gráfico principal + dato héroe + 1 frase con cifras.
- Derecha (IMPACTO): conclusión prudente + implicación + 1 cautela/limitación (si procede).
- Pie: “Visual Abstract: [CITA] | [Mi nombre] con IA | [Año]” (+ DOI si está).

4) LOOK & FEEL (si hay guia-estilo/JSON, obedecerla; si no):
- Paleta: azules/grises; verde solo si claramente positivo; neutros si no.
- Tipografía: sans-serif legible; jerarquía clara; móvil-friendly.
- Iconos: discretos, funcionales. Máximo 1 gráfico cuantitativo principal.

5) PARA ITERAR (elige 1–2):
[más minimal] [más didáctico] [más “journal”] [más redes] [cambiar gráfico] [cambiar dato héroe]
=== FIN DISEÑO VS ===

💡 Tu flujo de trabajo: Primero revisa la propuesta de diseño de la IA. Tenemos dos opciones:
🏁 Si la propuesta de diseño encaja con lo que quieres, haz lo mismo que ante y crea una nota con el sistema de diseño propuesto y guárdalo como fuente [DISEÑO-VA].
😪 Si no te convence (por ejemplo, quieres otro tipo de gráfico o más protagonismo para un número concreto), le pides que regenere cambiando solo lo necesario o vas itrando con tu visión de diseño:
Ejemplo: “Mantén todo igual pero usa un gráfico de barras en lugar de iconos” o “Haz que el HR 0.35 sea el elemento visual más grande del panel central”.
De este modo, el diseño se construye siempre sobre tu fuente de verdad, queda documentado en forma de fuente persistente y es flexible a tu intención.
Enfoques avanzados (opcional)
Puedes potenciar tu flujo de trabajo con estas estrategias adicionales para optimizar la coherencia visual y la generación de tus Visual Abstracts. La clave es siempre priorizar el contenido fiable, seguido de un diseño razonado, antes de generar la imagen final.
Estilo Consistente
Define colores, tipografías y estructura en un archivo JSON. Asegura una identidad visual uniforme en tus VAs, evitando redefinir reglas constantemente. Para ello sube un Google Doc con un Context profile en formato JSON como fuente al cuaderno y haz referencia a el en el prompt final.
Inspiración Estructural
Carga Visual Abstracts que te gusten para que la IA replique su formato y detalle, adaptando el contenido a tu evidencia validada.
En este enfoque ganamos rapidez a costa de pérdida de control. Además, NotebookLM no imita exactamente modelos de referencia, por lo que los resultados no son óptimos.
Otras herramientas
Aprovecha NotebookLM para la síntesis, y delega la creación visual final a otras IA para la infografía. Otras herramientas pueden ser:
  • Gemini (Nano Banana Pro) 🍌
  • Superagentes: Manus o Genspark
🔰 Paso 5: Ensamblaje y prompt final
En este paso juntamos las dos piezas que ya tienes controladas: la ficha validada [FUV] (datos correctos) y la nota DISEÑO-VA (sistema de diseño aprobado). Con ese ensamblaje, NotebookLM genera un único “prompt de activación” listo para pegar en Studio → Infografía, de forma que la imagen final respete el layout y el estilo definidos sin inventar nada ni “ponerse creativo” fuera de lo validado.
Ensamblaje + MetaPrompt final para NotebookLM
Copia y pega este prompt en el chat para obtener un resumen y el prompt a incluir para generar la infografía:
Usa SOLO: (1) ficha validada (datos) y (2) nota DISEÑO-VA (sistema de diseño). NO inventes datos ni estilos nuevos. Si falta algo: [NO REPORTADO]. Entrega SOLO estos 2 bloques:

=== RESUMEN FINAL (4–5 líneas) ===
Resume: estudio/población + outcome primario + dato héroe (con métrica) + “sentimiento” (positivo/neutro/negativo según p/IC si están) + estilo/layout elegido de DISEÑO-VA.

=== PROMPT FINAL INFOGRAFÍA (PARA PEGAR EN STUDIO) ===
Act as a Scientific Graphic Designer. Create a Horizontal Visual Abstract (16:9 landscape), premium editorial infographic (not PowerPoint), high mobile legibility. Use ONLY the validated data sheet + DISEÑO-VA specs.

[STYLE]
Apply DISEÑO-VA exactly: palette, typography, icon style, layout. If result is neutral/negative (p≥0.05 or CI crosses 1), avoid “success” colors; keep neutral tones. Use generous white space.

[LAYOUT]
HEADER (15–20%): Short Title + Abbrev. Citation (+ specialty icon if DISEÑO-VA indicates).
BODY (≈65%): 3 columns/zones:
- LEFT “Methods”: 3–5 bullets with PICO + N + follow-up (if reported).
- CENTER “Results”: ONE main chart + HERO DATA in very large type + 1 concise line with exact numbers (effect size + CI95% + p if reported).
- RIGHT “Impact”: 1 prudent conclusion + 1 implication (if appropriate) + 1 limitation/caution (if reported).
FOOTER (10–15%): “Visual Abstract: [Citation] | [Your Name] con IA | [Year]” (+ DOI if reported).

[ENGINEERING]
Hierarchy: 1) Hero data 2) Title 3) Chart 4) Supporting text 5) Footer. No decorative clutter.
Language: Spanish

📦 Qué vas a recibir: un prompt final “copy‑paste” listo para pegar en NotebookLM Studio → Infografía, con el layout (header/canvas/footer) y el estilo ya alineados con tu DISEÑO‑VA.
✅ Qué tienes que hacer: validar en segundos que el resultado respeta la estructura acordada y que los números clave (N, HR/OR/RR, IC95%, p) coinciden con tu ficha validada; si está bien, copia y pega tal cual y pulsa Generar.
🔁 Si quieres cambiar algo: itera (ajusta el prompt, regenera y repite) hasta que el output sea exactamente el que buscas.
✍️ Extra: el prompt final siempre lo puedes editar a mano (por ejemplo, para afinar jerarquía, reducir texto o cambiar el tipo de gráfico) antes de generar la imagen definitiva para que esté a tu gusto.
🎨 Paso 6: Generación del VA como infografía
Con el prompt final ya validado (y tu ficha validada seleccionada como fuente), aquí ya no “diseñas”: produces. Ahora toca abrir NotebookLM Studio → Infografía, elegir orientación Horizontal, pegar el prompt en “Describe la infografía que quieres crear” y pulsar Generar para que NotebookLM renderice el Visual Abstract con el layout, jerarquía y estilo definidos.
Cómo crear infografías en NotebookLM:
  1. Navega a la pestaña "Studio" en el panel derecho de NotebookLM.
  1. Asegúrate de que las fuentes seleccionadas sean tu nota validada del Paso 3 [FU] y la fuente de diseño [DISEÑO-VA] .
  1. Selecciona el icono del lápiz en la opción "Infografía" del menú de formatos en el Studio.
  1. Pega el prompt del paso 5 y "GENERAR"
Podemos personalizar cada infografía de 4 maneras:
  1. Idioma (elegimos en el desplegable el que queramos).
  1. Orientación (por defecto horizontal, pero también podemos crear infografías verticales o cuadradas)
  1. Nivel de detalle (conciso, estándar o detallado)*
  1. Prompt de personalización.
💡 Para un visual abstract la configuración recomendable es Orientación Horizontal y nivel de detalle estándar, además de usar la posibilidad de prompt personalizado.
Prompt final de generación de Visual Abstract en NotebookLM
Copia el prompt completo del paso anterior y pégalo en donde pone "Describe la infografía que quieres crear" para generar tu Visual Abstract. Te pongo un ejemplo para que veas como queda:
Act as a Scientific Graphic Designer. Create a Horizontal Visual Abstract (16:9 landscape), premium editorial infographic (not PowerPoint), high mobile legibility. Use ONLY the validated data sheet + DISEÑO-VA specs.

[STYLE]
Apply DISEÑO-VA exactly: Background #F5F7FA (neutral clinical). Palette: #005EB8 for Venetoclax-Obinutuzumab (V-O) group, #333333 for Chlorambucil-Obinutuzumab (Clb-O), and Emerald Green for positive effect data (HR/MRD). Typography: Inter/Roboto sans-serif; Title 24pt, Body 14pt, Hero Data 48pt. Use iconographic representations for "12 cycles" and "bone marrow MRD".

[LAYOUT]
HEADER (15–20%):
- Title: Venetoclax-Obinutuzumab de duración fija en LLC con comorbilidades.
- Citation: Fischer K, et al. NEJM 2019.

BODY (≈65%):
- LEFT “Methods”:
  • P: 432 patients with untreated CLL and comorbidities (CIRS >6 or CrCl <70 mL/min).
  • I: Venetoclax + Obinutuzumab (12 fixed-duration cycles).
  • C: Chlorambucil + Obinutuzumab (12 cycles).
  • Follow-up: Median 28.1 months.
- CENTER “Results”:
  • MAIN CHART: Schematic Kaplan-Meier curves for PFS showing 88.2% (V-O) vs. 64.1% (Clb-O) at 24 months.
  • HERO DATA (XL): HR 0.35 (95% CI 0.23–0.53; p<0.001).
  • SECONDARY: Bone Marrow MRD Negativity 56.9% (V-O) vs. 17.1% (Clb-O).
- RIGHT “Impact”:
  • Conclusion: V-O fixed-duration is superior to standard chemoimmunotherapy in this population.
  • Implication: Achieves deep responses (MRD negative) without conventional chemotherapy.
  • Caution: Longer follow-up needed to assess response durability and overall survival.

FOOTER (10–15%):
- Text: “Visual Abstract: Fischer K, et al. N Engl J Med 2019 | Editor con IA | 2024 | DOI: 10.1056/NEJMoa1815281”.

[ENGINEERING]
Hierarchy: 1) Hero data (HR 0.35) 2) Title 3) KM Chart 4) Supporting PICO text 5) Footer. No decorative clutter. Maintain clinical neutrality while highlighting the 65% risk reduction.
[RESTRICTIONS]
- Language: Spanish
Haz clic en "Generar" y NotebookLM creará tu Visual Abstract. El proceso puede tardar varios minutos.
Diferencias entre Infografía Concisa Vs Estándar Vs Detallada 👇
Concisa
Presenta la información esencial y los datos clave de forma muy directa y visual. Ideal para una rápida comprensión.
Estándar
Ofrece un buen equilibrio entre detalle y claridad, presentando los puntos principales con información de apoyo. Recomendado para la mayoría de los casos.
Detallada
Proporciona una exploración exhaustiva con más elementos de diseño y texto adicional. Adecuada para cuando queremos densidad de información.
👁️ Revisión final y exportación
NotebookLM ya ha generado tu Visual Abstract, pero antes de compartirlo es imprescindible realizar una revisión crítica para asegurar que la información sea precisa, legible y fiel al estudio original. Un error en un dato numérico o una conclusión mal expresada puede comprometer tu credibilidad profesional.
Checklist de Revisión Visual
  • ¿Todos los textos son legibles incluso en pantallas pequeñas?
  • ¿El tamaño de fuente es apropiado para cada elemento?
  • ¿Hay suficiente contraste entre texto y fondo?
  • ¿Los colores mantienen coherencia con el estilo que has pedido?
Checklist de Precisión de Datos
  • ¿El dato principal (HR/OR/RR) es visualmente el protagonista?
  • ¿Los intervalos de confianza y valores p son correctos?
  • ¿El N de pacientes coincide con el del paper?
  • ¿La cita bibliográfica es precisa (autor, año, journal)?
Checklist de Rigor Científico
  • ¿La conclusión refleja fielmente los resultados del estudio?
  • ¿Se utilizan verbos prudentes ("sugiere", "se asocia") en lugar de afirmaciones categóricas?
  • ¿Se menciona alguna limitación importante del estudio?
  • ¿Queda claro que es material generado con IA para fines docentes?
Iteración de diseño (si es necesario)
NotebookLM no permite la edición de infografías ni su exportación limpia a google slides para que sea editada, lo cual es un problema si hay algún fallo o pequeña correción que requiera el Visual Abstract.
Si el primer render no queda perfecto (por ejemplo: demasiada densidad, un gráfico poco útil o falta énfasis en el dato héroe), algún elemento no te convence o requiere edición, tenemos dos opciones:
  1. Refinar el prompt e iterar resultados: Cuando el resultado no nos convence por varios motivos (incorrecciones, fallos tipográficos, elementos gráficos mal posicionados, etc. lo más fácil es refinar el prompt final insistiendo en corregir los errores.
Es mucho más eficiente y rápido modificar el prompt de diseño y regenerar. Por ejemplo:
  • "Aumenta el tamaño del HR principal un 50%"
  • "Cambia el gráfico de barras por un icono de porcentaje grande"
  • "Mueve la conclusión al panel central y los resultados a la derecha"
2. Descargar y llevar el VA a otra herramienta de edición: Esta opción solo es recomendable para cambios pequeños o mínimos.
Canva AI (Plan pro)
La funcionalidad de "Captura Mágica" nos permite elegir elementos sueltos y editar texto fácilmente.
💰 Versión gratuita de 14 días.
Es un aplicativo que permite convertir PDF a PPT. Para ello requerimos de convertir primero nuestro VA en formato .png a PDF.
💰 Tienes algunos créditos gratis pero es de pago.
Al igual que Codia AI Noteslide, estas herramientas convierten PDF a .PPT para pdoer ser editables. Depende mucho del diseño para obtener buenos resultados.
💰 Gratuitas con límites.
📥 Descarga y distribución/difusión.
Si estás satisfecho con el resultado o quieres editar el resultado, debemos descargar la infografía. Para ello solo hay que hacer clic en el icono de descarga (flecha hacia abajo) en la esquina superior derecha de la infografía.
Errores comunes y cómo evitarlos
Incluso con un flujo bien diseñado, existen trampas comunes que pueden comprometer la calidad o el rigor de tu Visual Abstract. Aprende de los errores más frecuentes para evitarlos desde el principio y maximizar la credibilidad de tu material científico.
❌ Confianza ciega en NotebookLM por ser RAG.
El error: Asumir que NotebookLM ha leído e interpretado correctamente cada número del paper sin verificación humana.
Por qué es grave: La IA puede confundir "0.05" con "0.005", intercambiar grupo intervención y control, o malinterpretar unidades de medida.
✓ La solución: Valida SIEMPRE cada número en el Paso 2 contra el PDF original. Dedica 3-5 minutos a esta verificación crítica.
❌ Sobrecarga informativa
El error: Intentar incluir todos los outcomes secundarios, análisis de subgrupos y datos adicionales en una sola infografía.
Por qué es grave: Diluye el mensaje central, reduce la legibilidad y confunde a la audiencia sobre cuál es el hallazgo principal.
✓ La solución: Menos es más. Céntrate en el outcome primario y máximo 1-2 secundarios críticos.
❌ Lenguaje sobre-afirmativo
El error: Permitir que la IA use frases como "Cura el cáncer", "Elimina completamente" o "Soluciona definitivamente" cuando el estudio muestra resultados más moderados.
Por qué es grave: Exagera los hallazgos, engaña a colegas y pacientes, y compromete tu credibilidad profesional.
✓ La solución: Usa siempre verbos prudentes: "sugiere", "se asocia con", "puede reducir", "indica una posible mejora". Refleja las limitaciones del estudio.
❌ Falta de transparencia sobre el uso de la IA.
El error: No indicar en ningún lugar que el Visual Abstract ha sido generado con asistencia de inteligencia artificial.
Por qué es grave: Viola principios RAISE de transparencia científica y puede interpretarse como apropiación indebida del trabajo de diseño.
✓ La solución: Incluye siempre en el pie de página: "Visual Abstract generado con IA | Validado por [Tu Nombre]". Sé transparente sobre tu proceso.

Recordatorio importante: Un Visual Abstract es una herramienta de comunicación, no un sustituto de la lectura crítica completa del artículo. Úsalo para despertar interés y facilitar la comprensión, pero siempre remite al paper original para decisiones clínicas.
Ya puedes empezar a crear tu Visual Abstract con NotebookLM
Has aprendido un flujo completo, riguroso y eficiente para transformar investigación científica en comunicación visual de alto impacto. Ahora es momento de poner en práctica estas habilidades y convertirlas en parte de tu rutina profesional.
La ciencia que no se ve, no se lee. Hazla visible.
Cada Visual Abstract que crees no solo aumenta la visibilidad de la investigación, sino que contribuye a una comunicación científica más accesible, más rápida y más efectiva en beneficio de pacientes y profesionales.
Tu plan de acción inmediato
Selecciona tu primer paper
Busca el último ensayo clínico o meta-análisis que hayas leído para tu práctica. Asegúrate de tener el PDF completo descargado o subido a Google Drive.
Dedica 20-30 minutos
Sigue esta guía paso a paso sin saltarte la validación del Paso 2. Cronometra tu tiempo para ver la eficiencia del método.
Comparte y aprende.
Publica tu primer Visual Abstract en LinkedIn o preséntalo en tu próxima sesión clínica. Observa la respuesta de tu audiencia.
Optimiza tu flujo con el tiempo
Crea una biblioteca de prompts
Guarda en un documento los prompts que mejor funcionan para tu especialidad. Con el tiempo, los ajustarás a tu estilo y necesidades específicas.
Desarrolla tu estilo visual propio
Una vez domines el proceso básico, experimenta con variaciones en la paleta de colores, tipografías o disposición de paneles que reflejen tu identidad profesional.
Conecta con otros "innovadores"
Busca comunidades de profesionales médicos que utilicen herramientas de IA para comunicación científica. Comparte tips, mejores prácticas y aprende de experiencias ajenas.
El futuro de la comunicación científica es visual, riguroso y accesible. Tú puedes formar parte de ese futuro. 😃
Made with