耶鲁团队在《自然·通讯》报告：医学AI（人工智能）微调提升诊断准确率，也更容易复述训练数据中的患者信息
耶鲁大学团队在《自然·通讯》发表研究，追踪通用大模型变成医学模型的两个训练阶段，发现在1.3万余份病历上做微调后，某个模型的正确诊断进入首选项的比例从48.6%升到54.8%，心脏科和肾内科等专业提升超过10个百分点；
同时模型有时能复现训练病历中的敏感信息。 研究还发现记忆会分层：既有保留医学指南的有益记忆，也有复述免责声明等无效记忆，以及复现患者笔记和受保护健康信息的有害记忆；
继续预训练阶段记住的内容，最多约87%在后续微调后仍然保留。
研究由Anran Li为第一作者、Qingyu Chen为通讯作者在耶鲁大学生物医学信息学与数据科学系完成，2026年发表在《自然·通讯》，DOI为10.1038/s41467-026-73779-6。 研究在符合HIPAA的隔离安全环境中，用超过1.3万份既有病历微调模型； 覆盖10个数据集、数十万条记录和数千条人工审阅的模型回答。
微调后某模型首选正确诊断率由48.6%升至54.8%，心脏科、肾内科等领域提升超过10个百分点； 在医学问答数据微调后，模型复现了约14%至21%被从题目中移除的答案选项； 继续预训练阶段记住的内容最多约87%在微调后仍存在。 研究未招募患者、未改变治疗。
这项研究给出的不是“AI（人工智能）诊断更准”或“AI不安全”的单一结论，而是把准确率提升与记忆行为放在同一条训练曲线上观察。 对做心理健康类数字产品的团队，最直接的可迁移点是评估口径：只看任务表现不够，还要区分模型是学到可泛化的模式，还是在复述训练样本。
记忆在训练早期就出现，且更大模型、更长输入与更多记忆相关，而调整temperature等生成参数效果有限； 这意味着隐私与泛化问题主要出在数据与训练设计环节，靠上线后的提示词或参数调节并不能解决。 需要注意的是，该研究在受控研究环境中展示复现敏感信息，作者明确说明这不是临床诊疗中会发生的情形，不能等同于真实部署中的泄露事件；
诊断提升也是单一研究中的特定任务结果，不代表临床有效性。
后续观察信号
- 《自然·通讯》论文（DOI 10.1038/s41467-026-73779-6）中三类记忆的具体判定方法与样本规模
- 作者团队公开的MedPMC数据集与评估工具的许可条款与可用范围
- 心理健康或校园场景下是否有针对训练数据记忆的独立测试结果