Nature 研究：通用 LLM 醫療問答表現超越專用 AI

醫療AI業者長期主張，臨床資料訓練或檢索增強生成（RAG）可讓專用工具比通用模型更可靠。這項研究直接比較OpenEvidence、UpToDate Expert AI與OpenAI、Google及Anthropic的前沿模型；若通用產品持續勝出，醫療專用AI的定價、技術護城河與醫院採購依據都須重估，但基準測試仍不等同病患照護成效。

《Nature Medicine》於2026年6月12日發表結果：500題MedQA中，Gemini準確率97.4%，GPT為94.2%、Claude為90.2%，OpenEvidence與UpToDate則為89.6%及88.4%。研究另由12名美國臨床人員盲評100筆真實醫師查詢，三款通用模型仍全面領先。