4月15日，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、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。