给聊天机器人112个精神科分诊案例，低估急症仍会发生

研究让15种聊天机器人处理112个合成精神科情境，共约1,680次单轮测试，比较紧急程度判断。以预设标签计，415次急诊试验中23次被低估；总体错误主要偏向判得更紧急。

测试用的是整理完整的病例文本，不是真实患者对话，更不是“漏诊率”的临床估计。研究还比较了临床人员的评分口径，结果依参照标准而变。这里反映的是受控模拟中的风险，不能作为让聊天机器人替代实际分诊的依据。