Artículos e investigación

Stanford HAI lanza MedHELM, PhysicianBench y HealthAdminBench: los Agent de IA médica completan menos de la mitad de las tareas

Título original:Measuring What Medical AI Can Actually Do

Resumen de IA

Un equipo de Stanford resume tres años de trabajo en la creación de benchmarks de IA médica. En PhysicianBench, el mejor modelo, GPT-5.5, solo completa el 46% de las tareas en un único intento; en HealthAdminBench, Claude Opus 4.6 completa el 36.3%. MedHELM abarca 121 tareas clínicas en 5 categorías y la evaluación muestra las puntuaciones más bajas en apoyo a decisiones clínicas y procesos administrativos; los fallos se deben principalmente a la pérdida de contexto al transferir información entre documentos y sistemas. Ambos benchmarks se publican con datos sintéticos, código abierto y tablas de clasificación.

Puntos clave

  • Un equipo de Stanford resume tres años de trabajo en la creación de benchmarks de IA médica.
  • En PhysicianBench,el mejor modelo,GPT-5.
  • 5,solo completa el 46% de las tareas en un único intento
  • en HealthAdminBench,Claude Opus 4.
  • 6 completa el 36.

Resumen rápido

Publicado
Actualizado
Fuente
Stanford HAI News(网页)
Categoría
Artículos e investigación
Puntuación IA
67
Leer el original Leer el artículo completo en la fuente original
Por qué importa

斯坦福团队基于三年基准构建经验给出实测结论,最好的医疗 Agent 完成任务不足一半,失败多源于跨系统信息传递。

Entidades relacionadas

Fuente y derechos

Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.

Artículo original · Ficha de AIHOT

Cómo citar

Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.

Orange News: Stanford HAI lanza MedHELM, PhysicianBench y HealthAdminBench: los Agent de IA médica completan menos de la mitad de las tareas. 19. octubre 2026. https://new.nat6.net/es/news/dla37so34wcgznigffx3j6qko/

Ver todo →