Исследователи представили Oncology Decision Boundary Benchmark (ODBB) — специализированный тест, состоящий из 2005 сценариев принятия решений на основе рекомендаций NCCN и реальных случаев колоректального рака. В тестировании приняли участие девять передовых моделей (четыре закрытых и пять с открытыми весами), выпущенных в период с июня 2025 по апрель 2026 года. Оценка проводилась с помощью детерминированного алгоритма без участия ИИ, результаты которого были подтверждены практикующими онкологами. Результаты показали, что даже при объединении всех моделей в единую систему, 42,1% задач остались нерешенными. Основная проблема заключается не в нехватке медицинских знаний, а в неспособности моделей выбирать правильный путь лечения в условиях неопределенности. В 3–9% случаев модели верно определяли следующий шаг, но не могли принять окончательное решение. При этом модели, специально настроенные на решительность, совершали опасные ошибки в 3–5 раз чаще, чем более осторожные аналоги, не показывая при этом прироста точности. Авторы работы делают вывод, что качество самих моделей перестало быть главным препятствием для их внедрения в медицину. Основным ограничением является сама концепция использования ИИ как единственного источника принятия решений. Для безопасного применения в онкологии требуются архитектуры, способные распознавать границы своей компетентности и автоматически передавать управление врачу, когда задача выходит за пределы их надежности.