論文の概要: Capabilities of GPT-5 on Multimodal Medical Reasoning

• arxiv url: http://arxiv.org/abs/2508.08224v2
• Date: Wed, 13 Aug 2025 05:32:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 11:55:47.619825
• Title: Capabilities of GPT-5 on Multimodal Medical Reasoning
• Title（参考訳）: マルチモーダル医療推論におけるGPT-5の機能
• Authors: Shansong Wang, Mingzhe Hu, Qiang Li, Mojtaba Safari, Xiaofeng Yang,
• Abstract要約: 本研究は,GPT-5を医学的意思決定支援の汎用的マルチモーダル推論器として位置づける。 GPT-5, GPT-5-mini, GPT-5-nano, GPT-4o-2024-11-20を, MedQA, MedXpertQA (text and multimodal), MMLU医療サブセット, USMLE自己評価試験, VQA-RADの標準分割と比較した。
• 参考スコア（独自算出の注目度）: 4.403894457826502
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in large language models (LLMs) have enabled general-purpose systems to perform increasingly complex domain-specific reasoning without extensive fine-tuning. In the medical domain, decision-making often requires integrating heterogeneous information sources, including patient narratives, structured data, and medical images. This study positions GPT-5 as a generalist multimodal reasoner for medical decision support and systematically evaluates its zero-shot chain-of-thought reasoning performance on both text-based question answering and visual question answering tasks under a unified protocol. We benchmark GPT-5, GPT-5-mini, GPT-5-nano, and GPT-4o-2024-11-20 against standardized splits of MedQA, MedXpertQA (text and multimodal), MMLU medical subsets, USMLE self-assessment exams, and VQA-RAD. Results show that GPT-5 consistently outperforms all baselines, achieving state-of-the-art accuracy across all QA benchmarks and delivering substantial gains in multimodal reasoning. On MedXpertQA MM, GPT-5 improves reasoning and understanding scores by +29.26% and +26.18% over GPT-4o, respectively, and surpasses pre-licensed human experts by +24.23% in reasoning and +29.40% in understanding. In contrast, GPT-4o remains below human expert performance in most dimensions. A representative case study demonstrates GPT-5's ability to integrate visual and textual cues into a coherent diagnostic reasoning chain, recommending appropriate high-stakes interventions. Our results show that, on these controlled multimodal reasoning benchmarks, GPT-5 moves from human-comparable to above human-expert performance. This improvement may substantially inform the design of future clinical decision-support systems.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩により、汎用システムはより複雑なドメイン固有推論を広範囲の微調整なしに実行できるようになった。 医療分野では、意思決定は患者物語、構造化データ、医療画像などの異種情報ソースを統合する必要があることが多い。 本研究は,GPT-5を医用意思決定支援の汎用的マルチモーダル推論器として位置づけ,テキストベースの質問応答と視覚的質問応答の両タスクにおけるゼロショット連鎖推論性能を統一的プロトコル下で体系的に評価する。 GPT-5, GPT-5-mini, GPT-5-nano, GPT-4o-2024-11-20を, MedQA, MedXpertQA (text and multimodal), MMLU医療サブセット, USMLE自己評価試験, VQA-RADの標準分割と比較した。 その結果、GPT-5は全てのベースラインを一貫して上回り、全てのQAベンチマークで最先端の精度を達成し、マルチモーダル推論においてかなりの利益をもたらすことがわかった。 MedXpertQA MM では、GPT-5 は GPT-4o よりも +29.26% と +26.18% の推論と理解のスコアを改善し、事前ライセンスされた人間の専門家を +24.23% の推論と +29.40% の理解で上回っている。 対照的に、GPT-4oは、ほとんどの次元において人間の専門家のパフォーマンスより低いままである。 代表的なケーススタディでは、GPT-5の視覚的およびテキスト的手がかりをコヒーレントな診断推論チェーンに統合する能力を示し、適切なハイテイク介入を推奨している。 これらの制御されたマルチモーダル推論ベンチマークにおいて, GPT-5 は人間に比較可能な性能から人間に比較可能な性能に移行した。 この改善は将来の臨床診断支援システムの設計に大きな影響を与える可能性がある。

関連論文リスト

• GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI [67.09501109871351]
  LVLM(Large Vision-Language Model)は、画像、テキスト、生理学的信号などの多様なデータタイプを扱うことができる。 GMAI-MMBenchは、よく分類されたデータ構造と、これまででもっとも包括的な一般医療用AIベンチマークである。 38の医療画像モダリティ、18の臨床関連タスク、18の部門、視覚質問回答(VQA)フォーマットの4つの知覚的粒度からなる284のデータセットで構成されている。
  論文  参考訳（メタデータ） (2024-08-06T17:59:21Z)
• Hidden flaws behind expert-level accuracy of multimodal GPT-4 vision in medicine [15.491432387608112]
  GPT-4V(Generative Pre-trained Transformer 4 with Vision)は、医学的課題において、医師よりも優れる。 本研究は,GPT-4Vのイメージ理解の理論的根拠,医用知識の想起,ステップバイステップのマルチモーダル推論を包括的に分析することにより,現在の範囲を拡大する。
  論文  参考訳（メタデータ） (2024-01-16T14:41:20Z)
• A Systematic Evaluation of GPT-4V's Multimodal Capability for Medical Image Analysis [87.25494411021066]
  医用画像解析のためのGPT-4Vのマルチモーダル機能の評価を行った。 GPT-4Vは医用画像の理解に優れ、高品質な放射線診断レポートを生成する。 医用視覚接地の性能は大幅に改善する必要があることが判明した。
  論文  参考訳（メタデータ） (2023-10-31T11:39:09Z)
• Multimodal ChatGPT for Medical Applications: an Experimental Study of GPT-4V [20.84152508192388]
  我々は、最先端のマルチモーダル言語モデルであるGPT-4 with Vision(GPT-4V)の能力について批判的に評価する。 本実験は,画像と組み合わせた問診におけるGPT-4Vの習熟度を,病理と放射線学の両方のデータセットを用いて徹底的に評価した。 精度試験の結果、GPT-4Vの現在のバージョンは現実世界の診断には推奨されないことがわかった。
  論文  参考訳（メタデータ） (2023-10-29T16:26:28Z)
• Capabilities of GPT-4 on Medical Challenge Problems [23.399857819743158]
  GPT-4は、訓練や臨床課題の解決を通じて医療上の問題に特化しない汎用モデルである。 本稿では,GPT-4の総合的な評価を医学的能力試験とベンチマーク・データセットで行う。
  論文  参考訳（メタデータ） (2023-03-20T16:18:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。