一批被《新英格兰医学杂志》临床病理讨论会反复打磨过的疑难病例，交给一个叫 MAI-DxO 的系统，它给出正确诊断的比例是 85.5%；同一批题，经验丰富的医生大约 20%。这个差距并不是一句"AI又赢了"就能概括的——它考的重点不在记忆知识点，而在于"下一步该查什么"。
微软AI同步放出的 Sequential Diagnosis Benchmark（SDBench），把 304 例病例改造成了序贯诊断题：信息一条条给，检查一项项开，每开一项都得花钱。MAI-DxO 本身不是新模型，而是一个编排器，让几个现成的大模型分饰不同角色——提假设的、挑检查的、挑刺的，还有专门盯着预算的。做临床的人都明白，真实诊疗最难的地方恰恰在这里：能不能想到罕见病并不是关键，关键在于先花哪笔钱、先做哪项检查，把一个含糊的主诉一步步逼近明确结论。
不过先别急着把这组数字当成"AI 取代医生"的证据。CPC 病例是专为教学挑出来的硬骨头，题面干净，终点明确；而真实门诊里的噪声、患者依从性、随访断裂，基准测试一个都装不进去。真正值得留意的其实是另外两件事：诊断被拆成了可量化、可复现的序贯决策过程；成本被写进了评分。这两点一旦成为行业标尺，医疗AI的比拼就会从"谁的模型更大"转向"谁的推理流程更稳"。
