Regulatorisch abgestimmte Evaluation von Large Language Models für klinische Pflege
Von KI ausgewählt und zusammengefasst
Worum es geht
Studie testete 17 LLMs und Small Language Models gegen einen EU-KI-Verordnung-konformen Framework (7 Domänen) mit 32 klinischen Prompts und Delphi-Panel als Referenzstandard.
Ergebnis
Nur 6 Modelle erfüllten Mindestanforderungen (Safety-Gatekeeper-Screening); Claude 3.7 Sonnet (extended thinking) erreichte beste Scores bei klinischer Sicherheit (6,73±0,23) und Datenschutz (6,83±0,41); DeepSeek-R1 und Mistral scheiterten bei jailbreak-Resistenz.
Übertragbarkeit auf Deutschland
EU-Regulierung und italienische Universitätskliniken – Methodologie direkt auf EU-Vorgaben zugeschnitten, lokal betriebene Modelle getestet.
Originalstudie in PubMedIm Hub ansehenNeue Studien per E-Mail
Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.