泛用 AI 勝過臨床專用工具：Nature 研究揭醫療 AI 意外
在醫療領域，「特製的 AI」不一定贏過「通用的 AI」。一篇發表於《Nature Medicine》的研究發現，三款通用型前沿大型語言模型（LLM），在多項醫療基準與醫師的真實提問上，全面勝過兩款主流的臨床專用 AI 工具；而後者的表現，甚至只與 Google 搜尋的 AI 摘要相當。
三款通用模型，對上兩款臨床工具
研究把 GPT-5.2、Gemini 3.1 Pro 與 Claude Opus 4.6 三款通用模型，對上 OpenEvidence 與 UpToDate Expert AI 兩款臨床 AI 工具，評測分成三關：第一關是 500 題 MedQA，測醫學知識；第二關是 500 項 HealthBench，衡量與臨床醫師的一致性；第三關是 RCQ「真實臨床提問」基準，取自醫師在實際臨床環境中，對通用模型提出的 100 個去識別化問題，再由 12 名美國臨床醫師進行隨機、盲測的評分，合計產出 1,800 筆標註。
通用模型三關全勝，MedQA 最高 97.4%
結果是通用模型在三關全面勝出。以 MedQA 為例，Gemini 的準確率最高、達 97.4%，GPT 為 94.2%、Claude 為 90.2%；相較之下，OpenEvidence 為 89.6%、UpToDate 為 88.4%。更關鍵的是，在最貼近實務的 RCQ 上，這兩款臨床工具的表現，只與「開啟自動摘要的 Google 搜尋 AI」相當。
廣告 - 內文未完請往下捲動
對「垂直醫療 AI」的護城河是警訊
這個結果挑戰了一個常見假設：醫療這種高度專業的領域，必須用「特別打造、灌入專業資料」的 AI 才可靠。研究顯示，當通用的前沿模型本身已經夠強，專用工具若沒有明顯的加值，護城河就會被打上問號。它也點出一個監管落差：部分臨床 AI 工具已取得美國 FDA 認證，卻在測試中不敵未針對醫療特調的通用模型，凸顯現行的驗證標準，可能跟不上模型進步的速度。要提醒的是，這是一項以基準與盲測評分為主的研究，並不等於「通用模型可以直接拿來看診」；醫療現場的責任、合規與安全，仍需要更嚴謹的臨床驗證。但至少在「回答醫療問題」這件事上，通用 AI 已經追上、甚至超車了專用工具。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
