Spezialisierte KI-Tools f\u00fcr den medizinischen Einsatz beginnen sich in der klinischen Praxis durchzusetzen, doch unabh\u00e4ngige Bewertungen sind nach wie vor selten. Eine aktuelle Analyse hat zwei dieser Tools, OpenEvidence und UpToDate Expert AI, mit drei f\u00fchrenden allgemeinen KI-Modellen verglichen: GPT-5.2, Gemini 3.1 Pro und Claude Opus 4.6. Die Bewertung erfolgte in drei klar getrennten Schritten.<\/p>\n
Im ersten Schritt wurden den Modellen 500 Fragen im Stil amerikanischer medizinischer Pr\u00fcfungen vorgelegt, um ihr Wissen zu testen. Die allgemeinen Modelle schnitten besser ab und erreichten \u00fcber 90 % korrekte Antworten. Gemini erzielte eine Genauigkeit von 97,4 %, dicht gefolgt von GPT mit 94,2 %, w\u00e4hrend die spezialisierten Tools niedrigere Werte zwischen 88 und 89 % erreichten.<\/p>\n
Der zweite Schritt bewertete die \u00dcbereinstimmung mit klinischen Urteilen anhand von 500 Szenarien aus der HealthBench-Datenbank. Auch hier stachen die allgemeinen Modelle hervor. GPT erreichte den h\u00f6chsten Wert mit 88 %, gefolgt von Gemini mit 79,3 % und Claude mit 77 %. Die spezialisierten Tools schnitten deutlich schlechter ab, mit Werten unter 63 %.<\/p>\n
Im dritten Schritt wurden 100 echte klinische Anfragen von \u00c4rzten in einem Krankenhausumfeld bewertet. Zw\u00f6lf amerikanische Kliniker bewerteten im Blindverfahren die Antworten der sechs Modelle und erstellten dabei 1.800 Annotationen. Die allgemeinen Modelle dominierten erneut mit durchschnittlichen Bewertungen von \u00fcber 3,5 von 4 Punkten. Die spezialisierten Tools und das Analyse-Tool von Google erhielten niedrigere Bewertungen um 3,2. Besonders auff\u00e4llig waren die Unterschiede in Bezug auf Klarheit: OpenEvidence zeigte hier bemerkenswerte Schw\u00e4chen, mit teilweise unvollst\u00e4ndigen, unstrukturierten oder f\u00fcr das medizinische Publikum ungeeigneten Antworten.<\/p>\n
Die spezialisierten Tools wiesen zudem eine h\u00f6here Ablehnungsrate auf: UpToDate verweigerte die Beantwortung von 19 % der Fragen, w\u00e4hrend die allgemeinen Modelle nur 1 bis 3 % ablehnten. Kein Modell produzierte mehr gef\u00e4hrliche Inhalte oder sachliche Fehler als die anderen, was darauf hindeutet, dass Sicherheit kein entscheidender Unterschied zwischen ihnen ist.<\/p>\n
Diese Studie zeigt ein \u00fcberraschendes Ergebnis: Allgemeine Modelle \u00fcbertreffen dank ihres umfangreichen Trainings und ihrer fortgeschrittenen Ausrichtung spezialisierte Tools in verschiedenen medizinischen Aufgaben. Ihre F\u00e4higkeit, zu argumentieren und allgemeines Wissen zu integrieren, scheint den vermeintlichen Vorteil einer medizinischen Spezialisierung auszugleichen oder sogar zu \u00fcbertreffen. Die spezialisierten Tools, obwohl f\u00fcr den klinischen Einsatz konzipiert, haben Schwierigkeiten, mit der Vielseitigkeit und Pr\u00e4zision der fortschrittlichsten Modelle mitzuhalten.<\/p>\n
Die Ergebnisse unterstreichen auch die Bedeutung einer strengen und unabh\u00e4ngigen Bewertung vor der Einf\u00fchrung dieser Technologien im medizinischen Bereich. Traditionelle Benchmarks, die oft von denselben Akteuren erstellt werden, die die Modelle entwickeln, k\u00f6nnen Verzerrungen aufweisen. Die Studie setzte daher auf echte Anfragen, die von Klinikern ohne Kenntnis der Herkunft der Antworten bewertet wurden, um einen objektiven Vergleich zu gew\u00e4hrleisten.<\/p>\n
Allgemeine Modelle k\u00f6nnten somit eine effizientere L\u00f6sung f\u00fcr g\u00e4ngige klinische Aufgaben darstellen, w\u00e4hrend spezialisierte Tools ihren Nutzen in sehr spezifischen Bereichen oder Kontexten finden k\u00f6nnten, die eine tiefe Integration mit spezifischen Krankenhaussystemen erfordern. Allerdings ist ihre aktuelle \u00dcberlegenheit nicht dauerhaft garantiert, da sich diese Technologien schnell weiterentwickeln und die Verh\u00e4ltnisse sich \u00e4ndern k\u00f6nnten.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41591-026-04431-5<\/a><\/p>\n Titre\u00a0:<\/strong> General-purpose large language models outperform specialized clinical AI tools on medical benchmarks<\/p>\n Revue : <\/strong> Nature Medicine<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Krithik Vishwanath; Anton Alyakin; Mrigayu Ghosh; Ali Hage; Sean N. Neifert; Cordelia Orillac; Nataniel J. Mandelberg; Hammad A. Khan; Jin Vivian Lee; Jie J. Yao; William Robert Small; Aakaash Varma; D. Brock Hewitt; Yindalon Aphinyanaphongs; Daniel Alexander Alber; Eric Karl Oermann<\/p>\n","protected":false},"excerpt":{"rendered":" Allgemeine KI-Modelle \u00fcbertreffen spezialisierte Tools in der Medizin Spezialisierte KI-Tools f\u00fcr den medizinischen Einsatz beginnen sich in der klinischen Praxis durchzusetzen, doch unabh\u00e4ngige Bewertungen sind nach wie vor selten. Eine aktuelle Analyse hat zwei dieser Tools, OpenEvidence und UpToDate Expert AI, mit drei f\u00fchrenden allgemeinen KI-Modellen verglichen: GPT-5.2, Gemini 3.1 Pro und Claude Opus 4.6.… Allgemeine KI-Modelle \u00fcbertreffen spezialisierte Tools in der Medizin<\/span> weiterlesen<\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,6],"tags":[],"class_list":["post-57","post","type-post","status-publish","format-standard","hentry","category-gesundheit","category-umwelt","entry"],"_links":{"self":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/57","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/comments?post=57"}],"version-history":[{"count":1,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/57\/revisions"}],"predecessor-version":[{"id":58,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/posts\/57\/revisions\/58"}],"wp:attachment":[{"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/media?parent=57"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/categories?post=57"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/journalofartificialintelligence.com\/de\/wp-json\/wp\/v2\/tags?post=57"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}