据第一财经，美国哈佛医学院的一个研究团队评估了 20 几种最先进的 AI 大型语言模型（LLM）的诊断能力，其中包括 ChatGPT、DeepSeek、Gemini 和 Claude。

结果显示，基于患者的初步症状和体征进行 " 鉴别诊断 "（识别可能的疾病）的错误率高达 80%。

这项研究进一步显示，在患者提供更多检测结果后，大模型可以将 " 最终诊断 " 的失败率降至 40% 左右。

研究人员表示，这意味着 AI 聊天机器人需要通过充分的患者信息，才能对疾病作出更为精准的诊断，患者无法提供完整的健康检测信息时，AI 提供的结果并不可靠。研究人员还强调：" 人工智能尚未达到无需医疗专业人员干预即可为患者做出诊断决策的水平。"