MedJev 是一類被稱為“系統一”的醫學決策模型，其核心特點是在單次前向傳播中直接回答結構化問題，而不需要生成自由文本。這種設計帶來了更快的推理速度和更低的計算開銷，為臨床決策支援提供了一種輕量化的技術路徑。該研究由 Simon A. Lee 等五位作者完成，並於 2026 年 10 月提交至 arXiv，論文編號為 2610.36006。
研究團隊在十個醫學基準上對 MedJev 進行了系統評估，覆蓋醫學知識、診斷以及基於 MIMIC IV 和 MIMIC IV ED 資料庫的患者層面預測任務。評估將 MedJev 與零樣本大語言模型基線、已發表的 GPT 結果以及監督學習模型進行了對比。MedJev 的一個顯著優勢是它可以在普通筆記型電腦上本地執行，這使其在資料隱私和部署成本方面具備吸引力。
在醫學知識類任務中，MedJev 的表現令人關注。它在 MedQA 上達到 72.5% 的準確率，在 USMLE 上達到 75.4%，在 NEJM 上達到 80.1%。這些數字接近已發表的 GPT-4 表現，同時模型還保持了較好的置信度校準，其期望校準誤差 ECE 在 0.028 到 0.063 之間。這表明模型不僅在答案正確性上具有競爭力，其輸出置信度也相對可靠。
在患者層面預測任務中，結果呈現出更復雜的情況。MedJev 在院內死亡率預測上的 AUROC 達到 0.926，超過了 XGBoost 的 0.902，顯示出良好的區分能力。然而，在急診分診入院等運營類結局上，它的表現落後於監督模型，AUROC 為 0.745，而監督模型為 0.809。這說明系統一模型在需要捕捉複雜運營流程的任務上仍有提升空間。
更值得注意的是，患者層面預測出現了明顯的校準問題。例如院內死亡率預測的 ECE 高達 0.286，意味著模型輸出的機率與實際風險之間存在較大偏差。在臨床場景中，校準不良可能導致風險溝通和干預決策出現誤導。
針對這一問題，研究團隊提出了一種輕量級的兩引數重校準方法。該方法只需使用 50 到 200 個帶標籤的本地樣本，就能將模型預測適配到特定患者人群，並將 ECE 顯著降低至 0.007。這一結果意味著，開放系統一模型可以在低計算成本下實現高效的本地化校準，從而提升實際部署的可行性。
總體而言，該研究將開放系統一模型定位為醫學 AI 領域一個有前景的零樣本基線。其優勢在於兼具競爭性的預測效能、較低的算力需求以及可快速完成的本地校準；同時，研究也清晰揭示了其在運營類任務和機率校準方面的侷限。團隊已公開程式碼和評估工具，以支援後續研究。