ทีมนักวิจัยได้นำเสนองานวิจัยเรื่อง 'Didactic knowledge or Clinical Cases?' เพื่อศึกษาว่าประเภทของข้อมูลส่งผลต่อความสามารถของโมเดลภาษาขนาดใหญ่ทางการแพทย์ (Medical LLMs) อย่างไร โดยการทดลองควบคุมสัดส่วนระหว่างข้อมูลวิชาการ (Didactic Data) เช่น ตำราเรียน กับข้อมูลทางคลินิก (Clinical Data) เช่น บันทึกการรักษาของผู้ป่วย
ผลการศึกษาพบว่ามีความเหลื่อมล้ำในการถ่ายโอนทักษะ (Asymmetric Transfer) โดยข้อมูลทางคลินิกไม่เพียงแต่ช่วยเพิ่มประสิทธิภาพในงานด้านการวินิจฉัย แต่ยังคงรักษาความสามารถในการตอบคำถามเชิงวิชาการไว้ได้ในระดับสูง ในขณะที่ข้อมูลจากตำราเน้นพัฒนาเพียงการเรียกคืนความจำ (Knowledge Recall) เท่านั้น และไม่สามารถแปลผลไปสู่การคิดวิเคราะห์เชิงคลินิกได้อย่างมีประสิทธิภาพ งานวิจัยนี้จึงเสนอแนะว่าการคัดเลือกข้อมูลสำหรับฝึก AI ทางการแพทย์ควรเน้นที่สัดส่วนข้อมูลทางคลินิกที่มากขึ้นสำหรับงานที่ต้องการการตัดสินใจซับซ้อน
