通用大語言模型勝過專用臨床AI
一項新研究對兩款專用臨床AI工具（OpenEvidence和UpToDate Expert AI）與三款前沿大語言模型（GPT-5.2、Gemini 3.1 Pro和Claude Opus 4.6）進行了比較。結果顯示，前沿LLM在醫學知識測試、臨床一致性評估和真實臨床查詢基準中均優於專用工具。臨床AI工具的表現與谷歌搜尋AI概覽相當。研究強調，在AI工具進入臨床前需進行獨立的真實世界評估。
一項發表在《自然·醫學》上的研究對專用臨床人工智慧（AI）工具與通用大語言模型（LLM）進行了全面對比。研究評估了OpenEvidence和UpToDate Expert AI這兩款基於LLM構建的臨床AI工具，並與GPT-5.2、Gemini 3.1 Pro和Claude Opus 4.6三款前沿LLM進行了較量。
評估分為三個階段：首先，使用500道MedQA醫學知識題測試模型的知識水平；其次，透過500項HealthBench專案衡量模型與臨床醫生的一致性；最後，利用真實臨床查詢（RCQ）基準，該基準包含100個來自醫生在真實臨床環境中向通用語言模型提問的去標識化查詢。12名美國臨床醫生對模型輸出進行了隨機盲審，產生了1800條模型與問題的標註。
結果顯示，前沿LLM在所有三項評估中均優於專用臨床AI工具。而臨床AI工具在RCQ上的表現與自動啟用的谷歌搜尋AI概覽相當。這些發現強調了在AI工具進入臨床環境之前，需要進行獨立的真實世界評估，以確保其有效性和安全性。