โดยความร่วมมือดังกล่าวนำไปสู่ผลงานวิจัยเรื่อง “On the Robustness of Answer Formats in Medical Reasoning Models” ซึ่งสะท้อนแนวคิดใหม่ของการพัฒนา AI ทางการแพทย์ที่ไม่ได้มุ่งเพียงการให้คำตอบเดียว แต่มีการคิดก่อนตอบและให้ความสำคัญกับรูปแบบของคำตอบที่สะท้อนถึงการใช้งานจริง เพื่อสนับสนุนการตัดสินใจของบุคลากรทางการแพทย์ได้อย่างรอบด้านและปลอดภัยยิ่งขึ้น
ขณะที่หนึ่งในความสำเร็จสำคัญของโครงการคือการร่วมพัฒนา Typhoon-Si-Med-Thinking-4B โมเดล AI แบบคิดก่อนตอบทางการแพทย์ขนาดกะทัดรัด ที่ถูกออกแบบมาเพื่อเป็น “ผู้ช่วยทางความคิด” ของแพทย์ โดยไม่ทดแทนการตัดสินใจของมนุษย์ โมเดลนี้นับเป็นโมเดลแรกที่ฝึกมาเพื่อให้คำตอบในรูปแบบรายการวินิจฉัยที่จัดลำดับตามความเป็นไปได้ (Ranked diagnostic lists) ซึ่งใกล้เคียงกับกระบวนการวินิจฉัยแยกโรคในทางปฏิบัติของแพทย์ ช่วยลดความเสี่ยงจากอคติ (Bias) และสนับสนุนการให้เหตุผลเชิงคลินิกได้ดียิ่งขึ้น เมื่อเทียบกับ Large Language Models (LLMs) ทั่วไปที่ให้คำตอบเพียงคำตอบเดียว