实在来看，AI 于“最终诊断”与“治疗管”环节之准确率相待较高，“查验选择”与其他推演本领处于中等水平，而于最早期之“鉴别诊断”阶段表现最差，过失率普遍超过 80%，也就为模型通常会误判病者之实在疾。
相比之下，临床医生通常会于初期保留多种或性，并随之查验结局与讯息积攒不断修正裁决，最终定论患者之实在疾。
百川东到海，何时复西归？
IT之家参考论文获悉，研讨团队使用 29 名标准化临床案例对 GPT-5、Claude 4.5 Opus、Gemini 3、Grok 4 等 21 款主流大模型进行评测，模拟完整医疗决策流程，覆盖鉴别诊断、查验选择、最终诊断、治疗管及其他临床推演五名阶段。
结局显示，各大模型整体表现存必差异，同时于不同诊疗阶段呈现出明显不均衡。
IT之家 4 月 17 日消息，美国医学会旗下期刊 JAMA Network Open 发文，透露业界现有之大型言辞模型（LLMs）于临床推演方面仍存明显短板，尤其为于早期之鉴别诊断阶段，过失率普遍超过 80%。
越来越多之企业用户愿意为“高含金量”Token买单 进一步剖析认为，AI 更擅长于讯息相待完整之情况下给出解答，但于讯息不足、需逐步推演之早期阶段，往往易过早收敛到单一断语，导致当前 AI 难以直接应用于临床决策。