Studi rivelano che gli strumenti di IA in medicina possono ridurre l’accuratezza e introdurre rischi come allucinazioni da watermark, minando la fiducia. Ciò accelera il passaggio a implementazioni on-premise dove le istituzioni controllano i modelli e validano i risultati localmente.
Uno studio rivela che i watermark su LLM usati in medicina causano allucinazioni, corruzione lessicale ed errori diagnostici. I benchmark standard non rilevano questi guasti, creando un falso senso di sicurezza. Il problema è centrale per chi gestisc...
Il nuovo programma di grant per la ricerca scientifica di Anthropic non è solo filantropia. È un segnale forte: l'azienda sta preparando il terreno per modelli che girano in locale, dove la privacy dei dati clinici è non negoziabile e il cloud non pu...
Un framework multi-agente potenzia gli LLM con un knowledge graph costruito automaticamente per la diagnosi sequenziale. Su dataset clinici, con backbone come DeepSeek-V3 e Llama-3.3, GraphDx alza il tasso di successo dal 50-68% al 79-93% e riduce i ...
Un sondaggio dell’American Medical Association rivela che il 61% dei medici teme che l’intelligenza artificiale aggravi i dinieghi ingiustificati nelle autorizzazioni preventive sanitarie. Mentre l’AI potrebbe accelerare le approvazioni, cresce la re...
La startup franco-siliconvalleyana Raidium ha portato la sua piattaforma di imaging AI-native al Moffitt Cancer Center, sostituendo le applicazioni radiomiche legacy. Un segnale forte sul futuro del deployment dell'AI in ambito clinico.
