纽约大学研究显示，训练数据中仅含0.001%的错误信息就可“毒害”医学AI模型。研究团队在常用于LLM训练的“The Pile”数据库中植入错误信息，发现即使仅替换0.5%-1%的相关信息，模型生成错误答案的概率也会显著增加。研究指出，制药公司只需发布几份针对性文件，就能影响模型对药物的认知。错误信息比例降至0.001%时，仍有超7%的答案有害。研究还发现，现有医学数据库中也存在错误信息问题，即使依赖优质医学数据库也无法完全避免。

上海印发《上海市发展医学人工智能工作方案（2025—2027年）》，旨在将上海打造为全球医学AI高地。方案提出推动算法突破与算力提升，开发医学大语言、通用图像、智能交互等大模型。同时，建设医疗健康数据新型基础设施，包括卫生健康数据大平台、数字智能创新实验室等。此外，方案还涉及AI药物研发平台、医学人工智能测试验证中心及应用中试基地的建设。上海将加速AI在临床诊疗、检验检查、智能手术等领域的应用，以提升医疗效率和诊断精度。近期，国家卫生健康委等三部门发布《卫生健康行业人工智能应用场景参考指引》，细化了各AI诊疗场景。

12月17日，北京大学与温州医科大学的研究团队开发了一种名为MINIM的生成式多模态跨器官医学影像基础模型，于12月11日在《自然・医学》杂志上发表。MINIM能根据文本指令生成涵盖CT、X光、磁共振等成像方式的海量高质量医学影像数据，解决了医学AI训练数据不足的问题。研究显示，使用MINIM生成的合成数据，在眼科、胸科、脑科和乳腺科等多个医学任务上的准确率平均提升了12%至17%。MINIM不仅能单独用于训练医学影像大模型，还能与真实数据结合，提高模型的实际应用性能，推动AI在医学和健康领域的广泛应用。