医療分野における大規模言語モデル（LLM）の活用が急速に進展している。本調査は、医療用LLMの最新動向を、特に臨床推論とその応用に焦点を当てて包括的に検討したものである。研究チームは、臨床実践と計算手法の双方向アプローチを採用し、医療現場の実際のニーズと技術的な実装方法を接続しようとしている。 臨床側では、ミラーのピラミッドに基づいた5段階の能力スキーム（知識想起から動的ケース管理まで）を確立した。一方、計算側では演繹推論、帰納推論、仮説推論のパターンを一般的な医療タスクおよび目標と関連付けている。研究チームは医療推論能力の5つのレベルを網羅したベンチマークデータセットを構築し、最先端の18モデルを評価した。その結果、医療専門分野に特化したモデルは診断重心のタスクで優れた性能を示す一方、汎用モデルは意思決定支援と対話機能において優位性を持つことが明らかになった。 調査の結論では、現在の進展と未解決の課題を議論している。データの限定性、幻覚現象（AIが事実でない情報を生成する問題）、およびグラウンディング問題（AIの出力を医学的根拠と適切に結びつける問題）が主要な課題として挙げられている。今後の方向性として、より安全で信頼性の高い、臨床ワークフローに統合可能なシステムの構築が求められていることが強調されている。