GPT-5 zet grote stap in medische AI, maar blijft achter bij specialistische systemen

Kunstmatige intelligentie zet opnieuw een stap richting de medische praktijk. Uit nieuw onderzoek blijkt dat GPT-5 aanzienlijk beter presteert bij medische analyses dan eerdere AI-modellen, vooral wanneer tekst en medische beelden gecombineerd moeten worden.

De studie vergelijkt verschillende modellen uit de GPT-5-familie met eerdere generaties zoals GPT-4o. Daarbij werden de systemen getest op uiteenlopende medische taken, waaronder examens voor medische studenten, tekstuele diagnostische vragen en beeldanalyse van scans zoals mammografie, pathologiebeelden en neuroradiologie.

De resultaten laten zien dat GPT-5 duidelijke vooruitgang boekt. Op sommige medische benchmarks verbeterde de score met meer dan 25 procentpunten ten opzichte van eerdere modellen. Vooral bij taken waarbij tekstuele informatie gecombineerd wordt met medische beelden laat het model sterke vooruitgang zien.

Volgens de onderzoekers kan GPT-5 bijvoorbeeld patiëntbeschrijvingen analyseren en die koppelen aan visuele informatie uit medische scans. Dat proces lijkt op hoe artsen diagnostische beslissingen nemen: onzekerheden in tekstuele informatie worden gecontroleerd met objectieve data uit beeldonderzoek.

Toch benadrukken de onderzoekers dat algemene AI-modellen nog geen vervanging zijn voor gespecialiseerde medische systemen.

In neuroradiologie behaalde GPT-5 bijvoorbeeld een nauwkeurigheid van ongeveer 44 procent, terwijl gespecialiseerde AI-systemen op sommige taken boven de 80 procent scoren. Ook bij mammografie blijft GPT-5 achter bij modellen die specifiek zijn ontwikkeld voor het detecteren van tumoren.

De studie laat daarmee een belangrijke trend zien: algemene AI-modellen worden steeds beter in complexe redenering, maar specialistische systemen blijven voorlopig de beste prestaties leveren in zeer specifieke medische toepassingen.

Voor ziekenhuizen kan de technologie vooral interessant zijn als beslissingsondersteuning. AI kan bijvoorbeeld medische dossiers samenvatten, mogelijke diagnoses voorstellen of afwijkingen in scans markeren.

Artsen blijven echter cruciaal voor interpretatie, context en medische verantwoordelijkheid.

Toch is de ontwikkeling opmerkelijk. Waar eerdere generaties AI vooral goed waren in tekstgeneratie, beginnen nieuwe modellen steeds beter multimodale medische analyse te begrijpen.

Dat brengt de technologie een stap dichter bij een rol als digitale assistent in de klinische praktijk.