由美国麻省总医院MESH孵化器团队开展的一项针对生成式人工智能（AI）临床推理能力的最新研究显示，尽管AI在医疗领域的渗透日益加深，但在模拟真实诊疗的逻辑链条中仍存在显著短板。相关研究成果已发表于权威期刊《JAMA Network Open》，明确指出当前主流模型尚不具备独立承担临床诊疗任务的能力。

该研究选取了包括ChatGPT、DeepSeek、Claude、Gemini及Grok在内的21种大语言模型，通过29个已知临床病例进行多轮测试。实验通过逐步释放患者症状、实验室数据及影像结果，高度模拟了医生的动态诊疗过程。数据显示，在获得完整信息的前提下，所有模型给出正确最终诊断的准确率均超过90%。然而，在临床推理的核心环节——“鉴别诊断”中，超过80%的模型表现欠佳，无法对多种潜在疾病进行系统性分析与筛选。

为量化这一差异，研究团队引入了PrIME-LLM综合评价指标，覆盖从初期诊断、检查决策到治疗方案制定的全流程。评测结果显示，各模型综合得分在64%至78%之间，反映出AI更擅长在信息完备时“揭晓答案”，而非在信息不充分的情况下进行开放性逻辑推演。

尽管新一代模型在处理复杂数据资料方面较旧版本有明显进步，但研究团队强调，大语言模型目前仍定位为辅助工具，在缺乏专业监督的情况下直接用于临床实践仍具风险。这一发现为AI医疗的未来演进提供了理性坐标:从简单的“结果拟合”向复杂的“逻辑推理”跨越，将是医疗大模型迈向专业化应用的关键门槛。