10月22日，微软AI团队在《科学》上发表了论文《Sequential diagnosis with language models》。在304个来自《新英格兰医学杂志》的疑难病例里，他们开发的MAI-DxO诊断准确率是83.2%；对照组的全科和内科医生，允许查资料时是36.1%。换成325份急诊入院记录，数字是80.3%对46.8%。Science
消息传开后，标题大多写成“AI诊断赢了全科医生”。但这项测试里，没有一位真正的病人。
研究团队把每个病例改写成一道分步题。AI开局只拿到一段简短介绍：年龄、性别、主要症状。它要自己决定问什么、查什么、安排哪些检查；回答问题的是一个握着完整病历的AI，不是病人本人。等它觉得够了，提交诊断，再对照病例档案里的标准答案。换句话说，它赢的，是在一份已经写好的病历上，把病名猜对。
这套系统有意思的地方，是它不靠一个“神模型”单打独斗。同一个大模型分饰五个角色：一个提诊断假设，一个挑检查，一个专门唱反调，一个盯成本，一个做复核。那个“杠医生”的任务，是在其他人过早认定某种病时，把矛盾的证据摆上桌。钛媒体
这五个角色，恰恰是现实门诊里最奢侈的东西。一个全科医生很难为一例病人反复追问半小时，更难随时拉一个同事来抬杠。AI赢的，不只是知识，还有时间、流程和一支不用排班的会诊团队。
论文作者自己写得很清楚：这些比较并不能证明它优于专科医生、多学科团队或真实临床实践；SDBench测的是理想化信息条件下的诊断推理，不是床边表现，也不是患者结局。 对照组的医生也不是“装备齐全的医生”：他们是一个个独立答题的全科或内科医生，不许查资料时准确率只有22%，允许查资料也只有36%。 现实里的病人，通常不会只遇到一个孤零零的医生。知乎财经网
诊室比试卷多出来的，首先是病人的身体。真实病史是残缺、矛盾、会变的；病人会漏说，会记错，会紧张；医生要看他怎么走进来、怎么呼吸、哪里按下去会疼。测试里的“病人”不会骗人，也不会突然恶化，它只是一份完整的文本。这不是假设。2025年3月，一名家长按AI问诊的判断，把反复咳嗽发热的孩子当成普通呼吸道感染居家用药，后来确诊为病毒感染肺炎——AI没有看到孩子，也没有听诊。新华网
然后是诊断之后的全部工作。拿到病名只是开始：这个人的肝肾功能受不受得了这种药，他有没有别的病，他愿不愿意接受这个方案，他付不付得起，下一步谁来随访。诊断准确率是中间指标，不是医疗的全部。
最后，是签字的人。中国的《互联网诊疗监管细则（试行）》明确，人工智能不得替代医师本人提供诊疗服务；处方必须由医师本人开具。 国家药监局器审中心2026年6月的征求意见稿也写明，AI软件只能辅助医师诊断，医师对临床诊断结果负责。 这不是简单的官僚程序。医疗事故总要有人承担，有人被追责，有人去改进；AI承担不了，最后还是由医生承担责任。新华网钛媒体
微软的下一步，也不是让AI直接开诊。他们宣布与波士顿贝斯以色列女执事医疗中心合作，让真实患者与系统互动，再由医生独立评估；目前还没有临床结果。 谷歌此前的AMIE试验，让98名患者与AI对话，但全程有医生实时监督。连开发这些系统的人，也没有把“直接看病”当作下一站。钛媒体
所以，这项研究真正戳中的，可能不是“AI会不会取代医生”，而是“一个医生在现实里被剥夺了多少支持”。AI的五个角色——提假设、挑检查、唱反调、算成本、做复核——本来应该是一个医疗团队里的人和流程。只是在不少门诊里，这些角色被压缩进了一个人、几分钟。
AI可以赢下诊断，但在有人为这个诊断负责之前，它还不能是那个医生。它赢了一场没有病人的考试；而看病，考的是有病人之后的事。
