Aunque varios estudios han logrado crear listas de palabras médicas utilizando métodos de análisis de corpus, actualmente hay una escasez de listas completas que contengan términos médicos de múltiples palabras (TMPs). Este estudio intenta llenar este vacío identificando TMPs médicos utilizando un gran corpus de libros de texto médicos en inglés (28,384,681 palabras en total). Se utilizó la función de extracción de términos en Sketch Engine para extraer TMPs de alta frecuencia y calcular datos de importancia y dispersión para cada TMP. La validez de la lista resultante y de subconjuntos específicos se probó utilizando un corpus médico diferente y un corpus general en inglés. La lista resultante comprende 3307 TMPs, con un 63.83% (2111 TMPs) que ocurren con frecuencias comparables en el diferente corpus médico y solo un 0.97% (32 TMPs) que ocurren con frecuencias comparables en el corpus general en inglés. El estudio también reveló diferencias claras en la replicabilidad entre subconjuntos semánticos, con TMPs de los grupos semánticos de Anatomía y Trastornos mostrando alta replicabilidad, mientras que los TMPs del grupo semántico de Conceptos e Ideas mostraron replicabilidad baja a moderada. La lista puede ser utilizada para desarrollar materiales basados en evidencia en cursos de Inglés para Fines Médicos y para explorar más a fondo cómo se empaqueta la información en entornos de comunicación en el ámbito de la salud.