医疗与医院 · · 6 min
Med-PaLM vs GPT-5.3：通用AI在医疗领域的危险
在医学中，'几乎正确'就是医疗错误。通用模型会产生剂量幻觉。专业模型拯救生命。
Fabiano Brito
CEO & Founder
TL;DR
能写诗的模型和应该建议诊断的模型不是同一个。通用LLM在医疗中是危险的——Med-PaLM 2在USMLE上达到85%+，达到"专家应试者"级别（vs GPT-5.3的88%），支持100万tokens的临床上下文，并以真实医学文献为基础进行训练。在ICU，"几乎正确"和"正确"之间的差异就是患者的生命。
临床警告
在受控测试中，通用模型在18%的回答中编造了医学引用。在ICU，这是不可接受的。
通用vs专业：有什么不同
通用型
GPT-5.3标准版
擅长创意写作、翻译、摘要。在互联网数据上训练——包括论坛、博客和未经验证的医学内容。
- 18%的情况下编造临床引用
- 可能建议错误剂量而不表示不确定性
- 无证据追踪用于医疗审计
专业型
Med-PaLM 2
专门在同行评审医学文献、临床指南和MedQA上训练，强制使用基础数据。
- USMLE得分85%+——专家应试者级别
- 可追溯来源的有据可查的回答
- 100万tokens上下文——完整患者病史
| 标准 | GPT-5.3（通用型） | Med-PaLM 2（专业型） |
|---|---|---|
| USMLE（医学考试） | 88%（通过） | 85%+（专家应试者级别） |
| 幻觉 | 中等（创意型） | 低（基础型） |
| 上下文 | 20万tokens | 100万tokens（完整病史） |
| 证据追踪 | 部分 | 设计强制要求 |
临床细微差别
我们使用Med-PaLM是因为它理解细微差别。它知道糖尿病老年患者的”胸痛”与焦虑的年轻运动员的”胸痛”是完全不同的风险场景。
在医疗中，特异性拯救生命。幻觉会杀人。这就是为什么我们的架构选择是不可谈判的。