MedJev 是一类被称为“系统一”的医学决策模型，其核心特点是在单次前向传播中直接回答结构化问题，而不需要生成自由文本。这种设计带来了更快的推理速度和更低的计算开销，为临床决策支持提供了一种轻量化的技术路径。该研究由 Simon A. Lee 等五位作者完成，并于 2026 年 10 月提交至 arXiv，论文编号为 2610.36006。
研究团队在十个医学基准上对 MedJev 进行了系统评估，覆盖医学知识、诊断以及基于 MIMIC IV 和 MIMIC IV ED 数据库的患者层面预测任务。评估将 MedJev 与零样本大语言模型基线、已发表的 GPT 结果以及监督学习模型进行了对比。MedJev 的一个显著优势是它可以在普通笔记本电脑上本地运行，这使其在数据隐私和部署成本方面具备吸引力。
在医学知识类任务中，MedJev 的表现令人关注。它在 MedQA 上达到 72.5% 的准确率，在 USMLE 上达到 75.4%，在 NEJM 上达到 80.1%。这些数字接近已发表的 GPT-4 表现，同时模型还保持了较好的置信度校准，其期望校准误差 ECE 在 0.028 到 0.063 之间。这表明模型不仅在答案正确性上具有竞争力，其输出置信度也相对可靠。
在患者层面预测任务中，结果呈现出更复杂的情况。MedJev 在院内死亡率预测上的 AUROC 达到 0.926，超过了 XGBoost 的 0.902，显示出良好的区分能力。然而，在急诊分诊入院等运营类结局上，它的表现落后于监督模型，AUROC 为 0.745，而监督模型为 0.809。这说明系统一模型在需要捕捉复杂运营流程的任务上仍有提升空间。
更值得注意的是，患者层面预测出现了明显的校准问题。例如院内死亡率预测的 ECE 高达 0.286，意味着模型输出的概率与实际风险之间存在较大偏差。在临床场景中，校准不良可能导致风险沟通和干预决策出现误导。
针对这一问题，研究团队提出了一种轻量级的两参数重校准方法。该方法只需使用 50 到 200 个带标签的本地样本，就能将模型预测适配到特定患者人群，并将 ECE 显著降低至 0.007。这一结果意味着，开放系统一模型可以在低计算成本下实现高效的本地化校准，从而提升实际部署的可行性。
总体而言，该研究将开放系统一模型定位为医学 AI 领域一个有前景的零样本基线。其优势在于兼具竞争性的预测性能、较低的算力需求以及可快速完成的本地校准；同时，研究也清晰揭示了其在运营类任务和概率校准方面的局限。团队已公开代码和评估工具，以支持后续研究。