Benchmarking dell'IA Generativa e Multimodale per l'Affidabilità Clinica

Un nuovo articolo su arXiv (2605.08445) sostiene che i benchmark esistenti per l'IA sanitaria non misurano l'affidabilità, la sicurezza e la rilevanza clinica in condizioni reali. I test attuali, spesso costruiti su dataset ad hoc, si concentrano su prestazioni ristrette: i modelli all'avanguardia ottengono punteggi quasi perfetti negli esami di abilitazione medica ma non vengono valutati sulla piena complessità dei flussi di lavoro clinici. Gli autori chiedono benchmark sistematici che combinino compiti, dataset e metriche per valutare l'IA generativa, multimodale e agentica in ambienti clinici reali.