AI-landskapet har bevittnat två betydande genombrott i maj 2025, som omformar både medicinteknik och den globala AI-konkurrensen.
Den 1 maj presenterade Google AMIE (Articulate Medical Intelligence Explorer), en AI-driven assistent för medicinsk bildtolkning som kan analysera röntgenbilder och MR-undersökningar. Detta multimodala system utgör ett stort framsteg inom sjukvårds-AI, då det kan tolka och resonera kring visuella medicinska data och arbeta mot mer träffsäkra diagnoser.
I en fjärrstudie med 105 olika medicinska scenarier visade AMIE imponerande kapacitet. När specialistläkare granskade konversationerna bedömde de AMIE:s prestation som bättre än mänskliga läkares inom de flesta områden, särskilt när det gäller "kvaliteten på bildtolkning och resonemang", grundligheten i det diagnostiska arbetet och rimligheten i behandlingsplanerna. Kanske mest överraskande var att patientaktörer ofta upplevde AI:n som mer empatisk och pålitlig än mänskliga läkare i textbaserade interaktioner.
Samtidigt har Alibabas senaste AI-modell, Qwen3, som lanserades i slutet av april, avsevärt minskat teknikgapet till ledande amerikanska företag. Qwen3 är tränad på en enorm datamängd med över 36 biljoner token och täcker 119 språk och dialekter, vilket visar på Kinas växande inflytande i den globala AI-kapplöpningen.
Qwen3:s mest utmärkande egenskap är dess hybridresonemangsarkitektur, som gör det möjligt för modellen att växla mellan ett "tänkar-läge" för komplexa uppgifter som kodning och ett "icke-tänkar-läge" för snabbare, mer allmänna svar. Flaggskeppsmodellen, Qwen3-235B-A22B, uppnår konkurrenskraftiga resultat mot branschledare som OpenAI:s o3-mini och Googles Gemini 2.5 Pro i benchmark-tester inom kodning, matematik och generella färdigheter.
Dessa framsteg sker samtidigt som Stanford Universitys AI Index-rapport för 2025 visar att trots massiva investeringar i AI rapporterade de flesta företag som ökade sina intäkter tack vare AI en vinstökning på mindre än 5 %. Rapporten lyfter också fram att AI för vetenskap och medicin utgör en miniboost inom det bredare AI-landskapet, där många företag försöker omvandla AI:s prediktiva och generativa förmågor till lönsamma lösningar för läkemedelsutveckling.
I takt med att dessa teknologier fortsätter att utvecklas lovar de att förändra branscher långt utanför sina omedelbara användningsområden, och erbjuder nya möjligheter för globala företag samtidigt som de väcker viktiga frågor om implementering, reglering och verklig påverkan.