# Nytt ramverk låter frysta medicinska AI-modeller fortsätta lära sig

> Forskare presenterar ett modelloberoende system som uppdaterar frysta LLM:er och VLM:er med verkliga patientfall och höjer resultaten med upp till 34 % på medicinska uppgifter.

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

Ett team lett av Yexiao He publicerade den 8 okt 2026 en artikel om ett ramverk som låter frysta stora språkmodeller (LLM:er) och synspråksmodeller (VLM:er) lära sig av de fall de hanterar. Systemet tillför tre sorters extern expertis: en färdighet för resonemang, ett kunskapsminne för fakta och en multimodal kunskapsbas med visuella exempel. Modellen uppdateras bara när nya fall förbättrar resultaten utan att försämra tidigare resultat. Tester med fyra olika grundmodeller på sex medicinska riktmärken visade förbättringar på upp till 34.2%.

## Fakta

- Förbättring på upp till 34.2% på medicinska uppgifter
- Utvärderat på sex riktmärken med fyra grundmodeller

## Varför det spelar roll

Vårdgivare skulle kunna förlita sig på AI-verktyg som hålls uppdaterade med nya riktlinjer utan kostsam omträning.

## Källor och referenser

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

Senast uppdaterad: 2026-10-08