# Neues Framework lässt eingefrorene Medizin-KI nach dem Einsatz weiterlernen

> Ein modellunabhängiges System soll eingefrorene LLMs und VLMs anhand realer Fälle aktualisieren. Bei medizinischen Aufgaben stieg die Leistung um bis zu 34 %.

Oossa · 2026-10-08 · https://oossa.com/de/new-framework-lets-frozen-medical-ai-models-keep-learning-after-deployment

Ein Team unter der Leitung von Yexiao He hat am 8. Okt. 2026 eine Studie veröffentlicht, in der ein Framework vorgestellt wird, mit dem eingefrorene große Sprachmodelle (LLMs) und Vision-Language-Modelle (VLMs) aus den Fällen lernen, die sie bearbeiten. Das System ergänzt drei Arten externen Fachwissens: einen Skill für Schlussfolgerungen, ein Wissensgedächtnis für Fakten und eine multimodale Wissensdatenbank mit visuellen Beispielen. Das Modell wird nur dann aktualisiert, wenn neue Fälle die Leistung verbessern, ohne frühere Ergebnisse zu verschlechtern. Tests mit vier verschiedenen Basismodellen auf sechs medizinischen Benchmarks ergaben Leistungssteigerungen von bis zu 34,2 %.

## Die Fakten

- Leistungssteigerung von bis zu 34,2 % bei medizinischen Aufgaben
- Getestet auf sechs Benchmarks mit vier Basismodellen

## Warum es wichtig ist

Ärztinnen und Ärzte könnten sich auf KI-Werkzeuge verlassen, die mit neuen Leitlinien Schritt halten, ohne dass ein kostspieliges erneutes Training nötig ist.

## Quellen und Referenzen

1. [Frozen Models, Evolving Expertise: Model-Agnostic Learning from Deployment Experience for Multimodal Medical AI](https://arxiv.org/abs/2610.09146) – arXiv, 2026-10-08

Zuletzt aktualisiert: 2026-10-08