汎用大規模言語モデルが専門臨床AIを凌駕

専門臨床AIツール（OpenEvidence、UpToDate Expert AI）と最先端の大規模言語モデル（GPT-5.2、Gemini 3.1 Pro、Claude Opus 4.6）を比較した研究で、汎用LLMがすべての評価（医学知識テスト、臨床適合性、実臨床クエリ）で専門ツールを上回った。臨床AIツールの性能はGoogle検索AI概要と同程度だった。研究成果は、臨床導入前に独立した実世界評価の必要性を強調している。