MedJevは「System One」と呼ばれる種類の医療意思決定モデルであり、自由テキストを生成せずに構造化された質問へ単一のフォワードパスで回答する点が特徴である。この設計により推論速度が向上し、計算コストも抑えられるため、臨床意思決定支援の軽量な選択肢として注目される。本研究はSimon A. Lee氏ら5名の著者によって行われ、2026年10月にarXivへ投稿された。論文番号は2610.36006である。
研究チームは、医学知識、診断、そしてMIMIC IVおよびMIMIC IV EDを用いた患者レベル予測を含む10の医療ベンチマークでMedJevを評価した。比較対象はゼロショットの大規模言語モデルベースライン、公開されているGPTの結果、および監督学習モデルである。MedJevの大きな利点の一つは、一般的なノートPC上でローカルに動作できることであり、データプライバシーと導入コストの面で魅力がある。
医学知識タスクでは、MedJevはMedQAで72.5%、USMLEで75.4%、NEJMで80.1%の精度を記録した。これらの数値は公開されているGPT-4の性能に近く、しかもモデルは良好な信頼度校正を維持しており、期待校正誤差（ECE）は0.028から0.063の範囲に収まっている。これは、回答の正確性だけでなく、出力される信頼度もある程度信頼できることを示している。
患者レベル予測では、より複雑な結果が得られた。MedJevは院内死亡予測でAUROC 0.926を達成し、XGBoostの0.902を上回った。一方、救急トリアージ入院のような運用上のアウトカムでは監督モデルに劣り、AUROCは0.745対0.809であった。このことは、複雑な運用フローを捉える必要があるタスクでは、System Oneモデルに改善の余地があることを示唆している。
さらに注目すべきは、患者レベル予測に顕著な校正の問題が見られた点である。例えば院内死亡予測のECEは0.286と高く、モデルが出力する確率と実際のリスクとの間に大きな乖離があることを意味する。臨床現場では、校正不良がリスクコミュニケーションや介入判断を誤らせる可能性がある。
この問題に対処するため、研究チームは軽量な2パラメータ再校正法を提案した。この手法は50から200のラベル付き現地サンプルを用いるだけで、モデルの予測を特定の患者集団に適応させ、ECEを0.007まで大幅に低減できる。この結果は、オープンなSystem Oneモデルが低い計算コストで効率的なローカル校正を実現し、実運用の実現可能性を高められることを意味する。
全体として、本研究はオープンなSystem Oneモデルを医療AIにおける有望なゼロショットベースラインとして位置づけている。競争力のある予測性能、低い計算需要、迅速なローカル校正という利点がある一方で、運用タスクや確率校正における限界も明確に示されている。研究チームは今後の研究を支援するため、コードと評価ハーネスを公開している。