医疗AI的训练成本正在断崖式下跌。

传统思路是用海量病历喂模型，但新研究换了个玩法：只给大模型看少量病例——少则32例，多则256例——它就能学会诊断新病种。这叫"上下文学习"，模型从提示里的例子直接找规律，不用改参数。

打开网易新闻 查看精彩图片

测试覆盖了57个临床数据集，涵盖精神病学、肿瘤科等科室。结果很一致：给的例子越多，准确率越高。256例时，表现接近专门微调过的模型。

打开网易新闻 查看精彩图片

关键发现是"规模效应"。70亿参数的模型基本没用，但700亿参数的出现质变。这说明大模型的医疗能力不只是记忆，而是真的在样本里抽象出了诊断逻辑。

这对罕见病是好消息。全球7000多种罕见病，多数缺乏大规模数据，传统AI束手无策。现在只需整理几十份典型病例，就能快速搭建专科辅助诊断工具。

打开网易新闻 查看精彩图片

不过研究者也划了红线：这不能替代医生，只是决策支持。临床场景复杂，模型的"学习"边界还需更多验证。