El despliegue de modelos de lenguaje grandes (LLMs) en el sector de la salud ha suscitado tanto entusiasmo como aprensión. Estos modelos exhiben la notable capacidad de proporcionar respuestas competentes a consultas en texto libre, demostrando una comprensión matizada del conocimiento médico profesional. Esta encuesta exhaustiva profundiza en las funcionalidades de los LLMs existentes diseñados para aplicaciones en salud y elucida la trayectoria de su desarrollo, comenzando con los Modelos de Lenguaje Preentrenados (PLMs) tradicionales y luego pasando al estado actual de los LLMs en el sector de la salud. Primero, exploramos el potencial de los LLMs para amplificar la eficiencia y efectividad de diversas aplicaciones en salud, centrándonos particularmente en las tareas de comprensión del lenguaje clínico. Estas tareas abarcan un amplio espectro, que va desde el reconocimiento de entidades nombradas y la extracción de relaciones hasta la inferencia en lenguaje natural, aplicaciones médicas multimodales, clasificación de documentos y preguntas y respuestas. Además, realizamos una comparación extensa de los LLMs más recientes y avanzados en el dominio de la salud, al tiempo que evaluamos la utilización de varios LLMs de código abierto y destacamos su importancia en las aplicaciones de salud. Además, presentamos las métricas de rendimiento esenciales empleadas para evaluar los LLMs en el dominio biomédico, arrojando luz sobre su efectividad y limitaciones. Finalmente, resumimos los desafíos y restricciones prominentes que enfrentan los modelos de lenguaje grandes en el sector de la salud, ofreciendo una perspectiva holística sobre sus posibles beneficios y desventajas. Esta revisión proporciona una exploración completa del panorama actual de los LLMs en la salud, abordando su papel en la transformación de las aplicaciones médicas y las áreas que requieren más investigación y desarrollo.