I LLM Mostrano un Calo dell'Accuratezza Diagnostica nel Ragionamento Clinico Interattivo

Un nuovo studio pubblicato su arXiv (presentato a maggio 2025) valuta i grandi modelli linguistici nella ricerca attiva di prove per la diagnosi clinica, scoprendo che le interazioni multi-turno riducono l'accuratezza del 12,75% e la qualità delle prove del 24,36% rispetto ai benchmark statici con contesto completo. I ricercatori hanno costruito un simulatore di pazienti standardizzati ispirato all'OSCE e un benchmark controllato con 468 casi su 15 modelli. L'analisi degli errori attribuisce i cali a una chiusura diagnostica prematura e a un interrogatorio inefficiente. I risultati suggeriscono che i benchmark statici sovrastimano le prestazioni dei LLM in contesti interattivi, motivando una valutazione complementare per un supporto decisionale clinico più sicuro.