医疗AI像学生参加模拟考：分数涨得很快，但如果题目、考官和标准答案都不够可靠，高分未必代表真能看病。Nature 7月28日的 News & Views 讨论了两款助手：MIRA 在沙盒化电子病历中处理500多个回顾性病例，可从超过85,000项临床操作中选择问诊、检查和治疗；AMIE 则在盲法虚拟 OSCE——由标准化考站组成的临床能力考试——中，与21名初级保健医生比较，完成100个三次就诊场景。
真正值得注意的不是谁赢了，而是“尺子”是否量对了东西。MIRA 面对的是模拟患者，并非真实的前瞻性诊疗；AMIE 的表现由专科医生和患者扮演者评分，药物题集 RxQA 衡量的也是依据药品资料作答，而非完整处方流程。两项论文都把结果定位为迈向医疗应用的研究进展，同时明确提出仍需在真实世界中前瞻性验证安全性、泛化能力和治理。换句话说，医疗AI正在快跑，评测效度——测试是否真的测到临床能力——却还没有跟上。