【材料】未来将大语言模型应用于医学可能会成为一种趋势。在分诊问诊等临床咨询阶段，利用模型与患者进行①，收集到完整、准确的信息并形成初步意见，再将其交给专业医生进行最终判断，这在一定程度上可以减少因为信息收集不充分、患者主诉不明确等问题带来的误诊和漏诊。据报道，用于寻医问诊的大语言模型在国内已经出现。 大语言模型能够融合原本分散在少数人手里的顶尖医疗知识，提供更加普惠的医疗知识服务。未来若能搜集到大型三甲医院的医生对于某些疾病的认知并将其导入大语言模型进行整合、学习，一些医疗资源不充足的地区也有可能享受到高质量的医疗服务。 与以聊天为“主业”的ChatGPT相比，用于医疗的大语言模型需要给出尽可能②的结论，避免因为随机或含糊不清的回答，误导医生选择错误的诊疗方案。目前看来，完全依赖大模型进行独立推理并直接向医生输出结果，这种模式在医学场景中较难达到足够高的准确率，也较难获得医生的认同。大部分医疗领域的大语言模型会选用知识图谱进行辅助，除了预训练过程中需要纳入足够多的医学专业数据外，在模型设计中，也需要重视它对知识图谱的利用能力，以及基于图谱的推理能力。“③”的技术路径，可能会是促进大模型在医学场景落地的更优选择。
对这几段文字理解不正确的一项是：