本研究分析了医学基础模型在医疗任务中的有效性，发现其在零样本和少样本情况下并未显著优于通用模型。尽管经过微调后医学LLM性能有所提升，但这些改进无法应用于临床笔记任务，表明通用模型已展现出强大的医学知识和推理能力。

本文综述医学基础模型进展，包括Med-PaLM M在14项任务上超越专家、GPT-4V诊断能力有限、BiomedGPT跨15种模态表现优异、RadFM基于1600万扫描构建，以及电子病历模型评估框架的提出。