La generación de imágenes condicionales juega un papel vital en el análisis de imágenes médicas, ya que es efectiva en tareas como superresolución, eliminación de ruido y rellenado, entre otras. Los modelos de difusión han demostrado rendir a un nivel de vanguardia en la generación de imágenes naturales, pero no han sido estudiados a fondo en la generación de imágenes médicas con condiciones específicas. Además, los modelos actuales de generación de imágenes médicas tienen sus propios problemas, limitando su uso en diversas tareas de generación de imágenes médicas. En este documento, presentamos el uso de Modelos Probabilísticos de Difusión de Eliminación de Ruido Condicionales (cDDPMs) para la generación de imágenes médicas, que logran un rendimiento de vanguardia en varias tareas de generación de imágenes médicas.