Confronta 9 Modelli Linguistici di grandi dimensioni in ambito sanitario
Abbiamo effettuato benchmark su 9 LLM utilizzando il dataset MedQA, un benchmark di esami clinici di livello universitario derivato dalle domande USMLE. Ogni modello ha risposto agli stessi scenari clinici a scelta multipla utilizzando un prompt standardizzato, consentendo un confronto diretto dell'accuratezza.
Abbiamo inoltre registrato la latenza per domanda dividendo il tempo di esecuzione totale per il numero di elementi MedQA completati.
Risultati del benchmark dei LLM in ambito sanitario
Metodologia del benchmark: Questo benchmark valuta le prestazioni di LLM sanitari con fine-tuning supervisionato rispetto a modelli generali di grandi dimensioni (GPT-4) su compiti di risposta a domande mediche. Vedi fonti dei dati del benchmark.
MedQA: Domande a scelta multipla per esami medici basate sull'United States Medical Licensing Examination.
Figura 1: Esempio di domanda clinica a scelta multipla in stile USMLE.
MedMCQA: Dataset su larga scala per la Risposta a Domande a Scelta Multipla (MCQA) progettato per affrontare domande reali per esami di ammissione medica.
Figura 2: Una domanda a scelta multipla su larga scala per esami di ammissione medica che richiede al modello di selezionare la risposta corretta e interpretare le spiegazioni associate sui reperti clinici.
PubMedQA: Benchmark di risposta a domande biomediche che utilizza risposte sì/no/magari.
Figura 3: Una domanda biomedica sì/no/magari, in cui il modello deve giudicare la correttezza di un'affermazione clinica utilizzando il contesto dello studio fornito.
Esempi di LLM in ambito sanitario
Simili a BERT (Solo encoder)
Ottimizzati per la codifica e la rappresentazione di testi biomedici, questi modelli eccellono nell'estrazione di caratteristiche per compiti come la classificazione.
Simili a ChatGPT / LLaMA (Decoder, ottimizzati per istruzione/chat)
Basati su architetture in stile LLaMA e ottimizzati per compiti interattivi e dialoghi clinici.
Simili a GPT / PaLM (Solo decoder, generativi)
Costruiti in modo simile a GPT-3 o PaLM, questi modelli sono ottimizzati per la generazione e il riassunto di testo generico.
LLM generici in ambito sanitario
*Llama 3.1 Instruct Turbo con 405 miliardi di parametri. Vedi metodologia del benchmark.
Principali conclusioni:
- o1: Modello con le migliori prestazioni
- 03 mini: Migliore opzione economica
- GPT 4.1: Migliore velocità e tempo di risposta
Oltre all'accuratezza e al costo di input, i modelli differiscono anche nei loro approcci sottostanti alla risposta a domande mediche. Ad esempio, o3 utilizza un approccio più analitico e passo dopo passo, mentre GPT-5 risponde con empatia, organizza e spiega le informazioni chiaramente per i non esperti:
Figura 4: Grafico che mostra le differenze tra le risposte di GPT-5 e o3.
Fine-tuning dei LLM medici
Le prestazioni di ChatGPT predefinito (modello 4o) sono confrontate con l'assistente esistente 'Manuale di Medicina Clinica'. Entrambi i modelli ricevono lo stesso prompt e le loro risposte vengono analizzate:
GPT 4o
Figura 5: La figura mostra che la risposta del modello predefinito GPT 4o è accurata ma anche altamente riassunta.1
LLM medico con fine-tuning
Figura 6: La figura mostra che la risposta dall'agente specializzato è meglio spiegata e dettagliata.2
Leggi LLM fine-tuning e LLM training per ulteriori informazioni.
Applicazioni dei LLM generici
Questi modelli sono general fine-tuned che richiedono adattamento al dominio per eseguire compiti clinici in modo accurato. Puoi utilizzare questi modelli in ambito sanitario sfruttando:
- Pre-addestramento continuo su dati medici per aiutare il modello a identificare meglio il linguaggio medico esponendolo a note cliniche e letteratura biomedica (come PubMed).
- RAG per estrarre dati da documenti clinici verificati per produrre risposte accurate in fase di esecuzione.
- Fine-tuning delle istruzioni per consentire al modello di imparare come rispondere a domande cliniche o estrarre sintomi dal testo.
Figura 7: Un flusso di lavoro generale del LLM fine-tuning per casi d'uso specializzati.9
Casi d'uso dei LLM in contesti clinici
1. Trascrizione medica
I LLM possono aiutare a creare trascrizioni mediche:
- Ascoltando il dialogo organico tra un paziente e un medico.
- Estraendo dettagli medici critici.
- Condensando i dati medici in cartelle cliniche conformi che si allineano alle sezioni pertinenti di una EHR.
Esempio reale: MedLM di Google può catturare e trasformare la conversazione paziente-medico in trascrizione medica.10
2. Miglioramento delle cartelle cliniche elettroniche (EHR)
L'uso diffuso delle cartelle cliniche elettroniche (EHR) ha generato enormi quantità di dati sui pazienti che, se utilizzati efficacemente, possono migliorare significativamente l'assistenza sanitaria.
Ad esempio, l'analisi dei dati EHR può aiutare i medici a prendere decisioni migliori rivelando modelli nelle diagnosi, nei trattamenti e negli esiti. Può anche supportare una diagnosi precoce della malattia e cure più personalizzate identificando i fattori di rischio e adattando i trattamenti ai singoli pazienti.
A livello di sistema, i dati EHR possono migliorare l'efficienza riducendo test ridondanti, evidenziando lacune nelle cure e informando politiche che migliorano la qualità e riducono i costi.
Esempio reale: MedLM di Google è utilizzato da BenchSci, Accenture e Deloitte per migliorare le cartelle cliniche elettroniche (EHR).
- BenchSci ha integrato MedLM nella sua piattaforma ASCEND per migliorare la qualità della ricerca preclinica.
- Accenture utilizza MedLM per organizzare dati non strutturati da più fonti, automatizzando operazioni manuali precedentemente lunghe e soggette a errori.
- Deloitte lavora con MedLM per minimizzare l'attrito nella ricerca di trattamenti. Utilizzano un chatbot interattivo che aiuta i partecipanti al piano sanitario a comprendere meglio le alternative dei fornitori.11
3. Supporto alle decisioni cliniche
I LLM aiutano i medici a interpretare le informazioni specifiche del paziente incluse nelle attuali prove mediche, evidenziando considerazioni rilevanti durante la diagnosi o la pianificazione del trattamento senza sostituire il giudizio clinico.
Esempio reale: MedGemma (Google DeepMind) è una collezione di modelli medici a pesi aperti costruita sull'architettura Gemma 3 di Google. Piuttosto che funzionare come strumento diagnostico diretto al consumatore, MedGemma funge da base per gli sviluppatori per costruire applicazioni mediche rivolte ai medici.
Progettato per l'analisi sia di testo che di immagini mediche, MedGemma può interpretare immagini mediche complesse, inclusi radiografie del torace, risonanze magnetiche e TAC. Supporta anche compiti di ragionamento clinico, come il riassunto delle note dei pazienti o la risposta a domande in stile commissione medica.
Secondo una revisione di un radiologo cardio-toracico certificato negli Stati Uniti, l'81% dei referti radiografici del torace di MedGemma porterebbe a decisioni di gestione del paziente simili a quelle basate sui referti originali del radiologo (vedi il grafico sotto).
Figura 8: Il grafico mostra quanto spesso i referti radiografici del torace generati dall'IA e i referti originali dei radiografi portano a esiti clinici simili o diversi tra casi normali, anomali e tutti i casi.12
Esempio reale: Memorial Sloan Kettering Cancer Center utilizza IBM Watson Oncology per assistere gli oncologi analizzando i dati dei pazienti e la letteratura medica per raccomandare opzioni di trattamento basate su prove.13
4. Assistenza alla ricerca medica
Nella ricerca medica, il valore fondamentale dei LLM risiede nella loro capacità di accelerare la revisione e la sintesi della letteratura.
Invece di semplicemente riassumere i documenti, i LLM aiutano i ricercatori a tenere il passo con la letteratura biomedica in rapida espansione identificando studi pertinenti, estraendo risultati chiave e sintetizzando intuizioni da più fonti.
Esempio reale: Il chatbot sanitario di John Snow aiuta i ricercatori a trovare documenti scientifici pertinenti, estrarre intuizioni chiave e identificare tendenze di ricerca. È particolarmente prezioso per navigare nell'enorme quantità di letteratura biomedica.14
5. Comunicazione automatizzata con i pazienti
I modelli linguistici di grandi dimensioni in ambito sanitario possono redigere risposte informative e compassionevoli alle domande dei pazienti. Alcuni esempi includono:
- Gestione e promemoria dei farmaci: Un chatbot fornisce ai pazienti promemoria regolari per assumere i loro farmaci per il diabete e richiede conferma.
- Monitoraggio della salute e cure di follow-up: Un paziente post-operatorio invia il suo dolore e lo stato della ferita a un chatbot, che determina se il processo di guarigione sta procedendo.
- Comunicazione informativa ed educativa: Un paziente chiede a un chatbot come gestire l'ipertensione e il chatbot risponde con consigli su nutrizione e stile di vita.
Esempio reale: ChatGPT Health consente agli utenti di connettere in modo sicuro le loro cartelle cliniche e i dati sul benessere (ad esempio, Apple Health o MyFitnessPal). Gli utenti possono quindi porre a ChatGPT domande sui propri dati, come "Come sta evolvendo il mio colesterolo?" o "Riassumi i miei ultimi risultati di laboratorio".15
Esempio reale: Boston Children's Hospital utilizza Buoy Health, un chatbot di controllo dei sintomi online guidato dall'IA, che fornisce ai pazienti risposte immediate a domande relative alla salute e consulenze iniziali.
Il chatbot può triare i pazienti analizzando i loro sintomi e consigliando se hanno bisogno di vedere un medico.16
6. Esiti di salute predittivi
I LLM possono essere posizionati per abilitare la stratificazione del rischio e le previsioni in ambito sanitario. Supportando l'analisi di dati clinici strutturati e non strutturati, i LLM possono aiutare a identificare i pazienti a rischio elevato (come il riammissione ospedaliera) e supportare la pianificazione proattiva delle cure, spesso in combinazione con modelli predittivi tradizionali.
Esempio reale: I farmacisti WVU utilizzano un algoritmo predittivo per determinare il rischio di riammissione. Questo approccio esaminerà i dati dalle cartelle cliniche elettroniche (EHR), che includono dati demografici dei pazienti, storia clinica e determinanti socioeconomici della salute.
Sulla base di questa ricerca, i farmacisti WVU identificano i pazienti ad alto rischio di riammissione e assegnano coordinatori delle cure per fare seguito con loro dopo la dimissione. Questo può aiutare a ridurre i tassi di riammissione.17
7. Piani di trattamento personalizzati
Integrando la storia medica, i sintomi e i dati di salute longitudinali, i LLM possono aiutare a tradurre informazioni complesse sui pazienti in considerazioni di cura individualizzate, supportando discussioni di trattamento più personalizzate e consapevoli del contesto tra medici e pazienti.
Esempio reale: Il chatbot AI di Babylon Health fornisce raccomandazioni sanitarie individualizzate in base ai sintomi e alla storia medica dell'utente. Coinvolge gli utenti in una conversazione ponendo domande pertinenti per analizzare meglio i loro problemi e fornendo raccomandazioni su misura.18
8. Codifica e fatturazione medica
I modelli linguistici di grandi dimensioni possono automatizzare i processi di audit analizzando le cartelle dei pazienti e le EHR.
Esempio reale: Epic Systems, un fornitore di EHR, integra i LLM nel suo software per assistere con la codifica e la fatturazione. I LLM possono monitorare anomalie nei modelli di accesso alle informazioni sensibili dei pazienti o incoerenze nelle pratiche di codifica e fatturazione.19
Esempio reale: Claude per Healthcare (Anthropic) è una piattaforma focalizzata sull'impresa progettata per organizzazioni sanitarie, fornitori e assicuratori. Connette i modelli linguistici di grandi dimensioni a database medici professionali come ICD-10 e il CMS Coverage Database, consentendo agli ospedali di automatizzare i flussi di lavoro amministrativi. Questi flussi di lavoro includono autorizzazioni preventive delle assicurazioni, riassunto delle cartelle dei pazienti e triage dei messaggi del portale pazienti.20
Tuttavia, i LLM non sono ancora completamente pronti per la codifica medica, ma i loro contributi sono promettenti: I ricercatori hanno esaminato la frequenza con cui quattro LLM (GPT-3.5, GPT-4, Gemini Pro e Llama2-70b Chat) hanno emesso i codici CPT, ICD-9-CM e ICD-10-CM corretti.
I loro risultati mostrano un'opportunità significativa di miglioramento. I ricercatori hanno scoperto che i LLM spesso generano codici che trasmettono informazioni inaccurate, con un'accuratezza massima del 50%.21
9. Formazione e istruzione
I modelli linguistici di grandi dimensioni e l'IA generativa possono essere utilizzati come strumenti educativi interattivi, aiutando medici e pazienti a comprendere meglio concetti medici complessi e a chiarire informazioni confuse.
Caso d'uso reale: Oxford Medical Simulation utilizza i LLM integrati con la tecnologia VR per creare simulazioni di pazienti virtuali immersive.
Queste simulazioni permettono agli studenti di sperimentare scenari ad alta pressione, come la gestione di un paziente in arresto cardiaco senza alcuna conseguenza nel mondo reale.
I LLM alimentano le risposte dei pazienti virtuali, rendendole più realistiche e imprevedibili, preparando gli studenti alla variabilità dei veri ambienti clinici.22
10. Scoperta e sviluppo di farmaci
I LLM stanno accelerando la ricerca farmaceutica accorciando i cicli di sviluppo e riducendo il costo di immissione sul mercato di nuovi composti. Questi modelli possono:
- Analizzare strutture molecolari complesse e segnalare composti con potenziale terapeutico.
- Predire l'efficacia e il profilo di sicurezza dei farmaci candidati prima dei test di laboratorio.
- Suggerire nuove configurazioni molecolari mirate a specifici bersagli terapeutici.
- Ottimizzare i composti guida per migliorare la farmacocinetica e ridurre gli effetti collaterali.
I modelli linguistici chimici, un sottoinsieme di LLM costruiti specificamente per applicazioni farmaceutiche, hanno prodotto risultati misurabili nella progettazione di farmaci de novo. La ricerca indica che i modelli warm-started (quelli inizializzati da modelli linguistici biochimici pre-addestrati) generano composti di qualità superiore rispetto agli approcci di base.23
11. Radiologia e imaging medico
I LLM multimodali che elaborano sia testo che immagini possono esaminare immagini mediche insieme a dati clinici per supportare il rilevamento di anomalie e contribuire a interpretazioni diagnostiche più precise.
- Interpretazione delle immagini: Modelli come Med-Flamingo e LLaVA-Med analizzano immagini mediche in un contesto clinico, supportando i radiologi nella rilevazione precoce di condizioni visibili su radiografie del torace, risonanze magnetiche e TAC.
- Generazione automatica di referti: Sistemi come ChatCAD generano referti radiologici direttamente dai dati di imaging, affrontando uno dei compiti più lunghi nei dipartimenti di imaging ad alto volume.
12. Alfabetizzazione sanitaria e accessibilità linguistica
Un divario pratico nell'assistenza ai pazienti è la distanza tra il linguaggio clinico e il linguaggio che i pazienti usano per descrivere la propria salute. I LLM possono aiutare a colmare questo divario:
- Traducendo terminologia medica e gergo in linguaggio semplice al livello di lettura del paziente.
- Colmando le differenze linguistiche tra pazienti e fornitori in contesti di cura multilingue.
- Spiegando opzioni di trattamento, risultati dei test e piani di cura in formati su cui i pazienti possono agire.
Un migliore comprensione del paziente è associato a una migliore aderenza al trattamento e risultati, il che rende questa un'applicazione di qualità delle cure tanto quanto una di comunicazione.
Aggiungi come fonte preferitaSfide dei LLM in ambito sanitario
Preoccupazioni sulla privacy
L'uso di applicazioni sanitarie basate su LLM che non sono state adeguatamente sviluppate, testate o approvate per uso medico può presentare rischi significativi per gli utenti, in particolare per quanto riguarda la privacy dei dati.
Questi strumenti elaborano spesso informazioni sanitarie sensibili fornite dall'utente, ma non è sempre chiaro come questi dati siano archiviati, condivisi o se le applicazioni rispettino pienamente le leggi e i regolamenti esistenti sulla protezione dei dati.24
Accuratezza e affidabilità
I LLM sono anche soggetti a allucinazioni, informazioni plausibili ma errate o fuorvianti.
Ad esempio, quando viene data una query medica, GPT-3.5 ha raccomandato erroneamente la tetraciclina per una paziente incinta, nonostante spiegasse correttamente il suo potenziale danno al feto.25
Figura 8: Un esempio da GPT-3.5 che mostra la raccomandazione errata di un farmaco.
Generalizzazione vs. specializzazione
Un LLM addestrato su dati medici generali potrebbe non avere l'esperienza dettagliata necessaria per specifiche specialità mediche.
Bias e considerazioni etiche
Oltre all'accuratezza, ci sono preoccupazioni etiche, come la possibilità che i LLM perpetuino bias nei loro dati di addestramento. Ciò potrebbe portare a raccomandazioni di cura disuguali per diversi gruppi demografici.
Per ulteriori dettagli sulle sfide dei modelli linguistici di grandi dimensioni, leggi i rischi dell'IA generativa e l'etica dell'IA generativa.
Il futuro dei LLM in ambito sanitario
L'analisi di Stanford indica che c'è un potenziale inespresso significativo per i LLM in ambito sanitario.26
Mentre molti LLM sono stati utilizzati per compiti come l'aumento delle diagnosi o la comunicazione con i pazienti, pochi si sono concentrati su compiti amministrativi che contribuiscono al burnout dei medici.
In futuro, i LLM potrebbero evolversi per interagire con il comportamento, più contesto e emozioni, consentendo loro di fornire un supporto più personalizzato ed empatico.
Metodologia dei modelli linguistici di grandi dimensioni in ambito sanitario
Metodologia del benchmark: Questo benchmark valuta 9 popolari LLM generali su domande mediche di livello universitario utilizzando il dataset MedQA, che trae il suo contenuto dall'United States Medical Licensing Examination (USMLE). Ogni domanda include uno scenario clinico e opzioni di risposta a scelta multipla.
Output dei LLM: Ogni modello è stato sollecitato a restituire una risposta strutturata (ad esempio, "Risposta: C").27
Latenza: Il tempo medio che un modello impiega per generare una risposta a un singolo prompt MedQA. Ad esempio, se 100 domande richiedono un totale di 1.115 secondi per essere completate, la latenza media è di 11,15 secondi per domanda.
LLM in ambito sanitario fonti dei dati del benchmark
Cita questa ricerca
Scegli il formato adatto a dove pubblicherai. Incollare la versione con link nel tuo CMS preserva il backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Confronta 9 Modelli Linguistici di grandi dimensioni in ambito sanitario}},
year = {2026},
month = may,
howpublished = {\url{https://aimultiple.com/large-language-models-in-healthcare}},
note = {AIMultiple. Consultato il 21 Maggio 2026}
}Collegamenti di riferimento
Sii il primo a commentare
Il tuo indirizzo email non verrà pubblicato. Tutti i campi sono obbligatori. I commenti vengono lasciati nella loro lingua originale.