Вчера попалось исследование, после которого я иначе смотрю на «медицинские AI-помощники»

Nature Medicine, 12 июня 2026. Независимое, слепое.

Авторы взяли два специализированных клинических AI-инструмента — OpenEvidence и UpToDate Expert AI. Те самые, которые продаются врачам и клиникам как надёжные, проверенные, «созданные специально для клиницистов».

И сравнили их с обычными frontier-моделями: GPT-5.2, Gemini 3.1 Pro и Claude Opus 4.6.

Три блока тестирования:
✳️ 500 вопросов MedQA — формат медицинских лицензионных экзаменов
✳️500 заданий HealthBench — совпадение с клинической логикой и мнением врачей
✳️ 100 реальных обезличенных вопросов от врачей из живой практики, которые вслепую оценивали 12 американских клиницистов

Результаты:

На MedQA лучший результат — Gemini 3.1 Pro: 97,4%
На HealthBench лучший результат — GPT-5.2: 88,0
В реальных клинических вопросах — GPT, Gemini и Claude в верхней группе, без значимых различий между собой

А OpenEvidence и UpToDate Expert AI в блоке реальных клинических вопросов оказались примерно на уровне Google AI Overview.

Не немного хуже. На уровне обычного поиска.

Вывод из этого — не «UpToDate больше не нужен». Это было бы неверно. Вывод тоньше — и о нём в следующем посте.

Исследование: Vishwanath et al., Nature Medicine, июнь 2026
DOI: 10.1038/s41591-026-04431-5