Autori navrhujú nový rámec na hodnotenie umelej inteligencie v klinickej praxi pomocou simulovaných digitálnych nemocničných prostredí.[1] Tieto simulátory zachytávajú vyvíjajúce sa obmedzenia a kaskádové efekty, ktoré vznikajú pri klinických rozhodnutiach v reálnom čase.[1] Výskum testoval multimodálny jazykový model (Gemini Pro 2.5) v simulácii BodyInteract na štyroch scenároch akútnej starostlivosti a porovnal jeho výkon s viac ako 14 000 simuláciami medicínskych študentov a benchmarkom skúseného lekára v pohotovosti.[1] Zistenia ukázali, že moderný multimodálny jazykový model dokáže fungovať ako autonómny virtuálny lekár a úspešne stabilizovať pacientov v simulovanom prostredí.[1] Tento prístup umožňuje hodnotiť AI nielen na základe jednotlivých diagnóz, ale ako kontinuálny proces, v ktorom sa rozhodovateľ striedavo zbiera informácie a aplikuje liečbu.[1] Simulované prostredia, ktoré mimikujú reálne klinické nastavenia, sa používajú na trénovanie a testovanie súčasných aj budúcich poskytovateľov zdravotnej starostlivosti.[1]