# CERTA testar när mindre kliniska AI-modeller kan användas

> Forskarna utvärderade en metod där kvantiserade modeller får hantera kliniska verifieringsbeslut när de ligger tillräckligt nära en BF16-referensmodell. Övriga beslut skickas vidare.

Oossa · 2026-10-22 · https://oossa.com/sv/certa-tests-when-smaller-clinical-ai-models-can-be-used

Forskarna presenterade CERTA, en metod för att avgöra när en komprimerad klinisk språkmodell kan hantera ett verifieringsbeslut i stället för en större BF16-modell. Beslut som inte klarar CERTA:s statistiska kontroll skickas vidare till referensmodellen.

I tester av 11 modeller och 2 500 beslut klarade 8-bitarsversioner 99,8 % till 100 % av besluten i ett separat testmaterial, enligt studiens operativa analys. För två modeller med 72 miljarder parametrar hade utvalda 4-bitarskonfigurationer en uppskattad driftskostnad på omkring 26 % till 27 % av BF16-referensmodellens och en maximal minnesanvändning på under 48 GB. Forskarna testade inte driftsättning på just den hårdvaran, och resultaten gäller en klinisk verifieringsuppgift – inte klinisk vård i allmänhet.

## Fakta

- Utvärderingen omfattade 2 500 beslut i sammanhang som rörde 2 484 patienter. Patienterna i kalibrerings- och testmaterialet var helt åtskilda.
- För Qwen2.5-72B och HuatuoGPT-o1-72B använde de utvalda 4-bitarskonfigurationerna maximalt 43,0 GB respektive 42,7 GB minne. Driftsättning på en accelerator med 48 GB testades inte direkt.

## Varför det spelar roll

För team som utforskar lokala system för klinisk verifiering pekar CERTA på ett sätt att låta billigare, komprimerade modeller hantera vissa beslut. Studien visar dock inte att metoden är säker eller fungerar för andra kliniska användningsområden eller vid driftsättning i verkligheten.

## Källor och referenser

1. [Do We Need the Largest LLMs for Every Clinical Decision?](https://arxiv.org/abs/2610.26937) – arXiv, 2026-10-21

Senast uppdaterad: 2026-10-22