MedGema VS GPT-4：基于图像的开源和专有的零镜头医疗疾病分类

Arxiv：2512.23304v2宣布类型：替换-交叉摘要：多模式大语言模型(LLMS)通过广泛的临床知识的透镜解释扫描，引入了一种新兴的医学成像范式，提供了一种变革性的疾病分类方法。这项研究对两种根本不同的人工智能体系结构进行了关键的比较：专门的开源代理MedGema和专有的大型多模式模型GPT-4，用于诊断六种不同的疾病。MedGema-4b-it模型，使用低等级适应(LORA)进行了微调，显示了优越的诊断能力，实现了80.37%的平均测试准确率，而未调整的GPT-4的准确率为69.56%。此外，MedGema在癌症和肺炎检测等高风险临床任务中表现出明显更高的敏感度。通过混淆矩阵和分类报告进行的定量分析提供了对所有类别的模型性能的全面了解。这些结果强调，特定领域的微调对于减少临床实施中的幻觉至关重要，将MedGema定位为复杂的、基于证据的医学推理的复杂工具。