› Ein zentrales Problem beim Einsatz von KI in der Medizin ist der Widerspruch zwischen Rechenleistung und Denkfähigkeit.
› Große Sprachmodelle mit Bildverständnis (sogenannte Vision-Language Models, kurz VLMs) können zwar komplexe klinische Fragen schrittweise durchdenken, sind aber zu ressourcenintensiv für tragbare oder eingebettete Geräte am Krankenbett.
› Kompakte Modelle mit 2 bis 4 Milliarden Parametern laufen zwar auf eingeschränkter Hardware, es fehlt ihnen aber laut den Autoren an der Fähigkeit zur mehrstufigen Schlussfolgerung, die für nachvollziehbare klinische Entscheidungsunterstützung nötig ist.
› Das Problem mit bisherigen Ansätzen Bestehende Methoden des sogenannten Knowledge Distillation - also der Übertragung von Wissen eines großen Lehrmodells auf ein kleineres Schülermodell - übertragen laut den Autoren nur die Antworten, nicht aber den Denkweg dahinter.