Međutim, medicina je multimodalna disciplina, tako da potencijalne buduće verzije LLM-a se moraju nositi s multimodalnošću – što bi značilo da mogu interpretirati i generirati ne samo tekst nego i slike, video zapise, zvuk, pa čak i opsežne dokumente.

U preglednom radu su prikazani novi potencijali generativne umjetne inteligencije, novog oblika umjetne inteligencije koji također uključuje alate kao što su LLMs, kroz postizanje multimodalnih unosa teksta, slika i govora u budućnosti zdravstvene skrbi. Predstavljeno je nekoliko futurističkih scenarija kako bi se ilustrirale mogućnosti korištenja multimodalnim LLM-ova.

Međutim, važno je istaknuti da unatoč vrlo velikom potencijalu generativne umjetne inteligencije u obliku M-LLM-ova, humani dio u medicini ostaje nezamjenjiv. Na umjetnu inteligenciju treba gledati tek kao na alat koji može poboljšati rad zdravstvenih radnika ali ih ne može zamijeniti. Također je kod uvođenja umjetne inteligencije u medicinu važno uzeti u obzir ljudske aspekte zdravstvene skrbi koji uključuju empatiju, razumijevanje i odnos liječnika i pacijenta.