一句话定义
医疗超级智能（Medical Superintelligence）指在医学的认知类任务上——诊断推理、知识覆盖、指南依从、治疗方案权衡——整体达到甚至超过人类医生（包括专科专家）水平的 AI 系统。这个词有个隐含边界：只算“脑力”，不算动手操作、床边沟通和承担后果。
它强在哪：一个比方
可以把它想成一位把全世界教科书、指南和已发表病例都背了下来的会诊专家。它能记住你记不住的东西，也能在被新线索推翻时立刻改主意。但它只能看见你写下来的那些字——看不见病人的气色，摸不到肚子，也听不出家属语气里的犹豫。
微软公布的那类研究之所以引起讨论，是因为它在“逐步诊断”这种任务上做文章：每次只给一点线索，模型可以主动申请下一步检查，最后给出诊断，再看是否与最终确诊一致；题目多取自已有答案的疑难病例。这类结果确实说明，模型的“假设管理”能力在进步——不会一开始押一个病就一条道走到黑。
但评测口径要看清楚三件事
第一，题目是已经确诊、并被整理成病例的题。真实门诊里没有标准答案，病人给的常常是废话、遗漏和误导。
第二，对照组的医生受实验条件约束：有时间限制、不能用搜索引擎、看不到病人本人。这不是说医生被故意削弱，而是实验必须可复现，代价是它不像诊室。
第三，终点是“诊断对不对”，不是“治得好不好、花多少钱、有没有并发症、随访有没有跟上”。
和相邻概念的区别
| 概念 | 关注点 | 典型形态 |
|---|---|---|
| 临床决策支持（CDSS） | 在既有流程里提示用药冲突、影像标记 | 嵌进医院系统的规则加模型 |
| 医疗 AI 模型 | 单点任务：分割、分类、风险预测 | 一个接口或一个模块 |
| 医疗超级智能 | 端到端的认知能力接近或超过医生 | 通用推理模型加医学工具 |
| 通用超级智能（ASI） | 所有领域 | 目前属于假设 |
“超过医生”的专科边界
这类结论通常只在少数病种、特定任务上成立。看片、看病理切片、看皮肤镜图属于“感知型”任务，数据多、标注清楚，模型容易做好；而儿科、急诊、风湿免疫这类靠问诊、查体和时间线拼图的科室，模型能拿到的信息本身就残缺。专科越细，可用的高质量数据越少，“超过专家”就越难站住。
离临床还有四道坎
数据入口（电子病历里的脏数据）、责任归属（谁签字负责）、流程嵌入（医生忙起来根本不会点开那个窗口）、持续更新（指南变了模型不跟着变，就会给出过时建议）。前两道是技术加制度，后两道是产品加习惯，都不是靠一次评测能跨过去的。
对普通人和从业者的意义
对从业者，先别把它当替代者，当一位不会累的第二意见——尤其在疑难罕见病例上，“你漏了什么”往往比“你说得对”更值钱。
对普通人，可以用它整理症状、查资料、准备一份问诊清单，但诊断结论要由医生给出。“诊断对”和“治好”之间，还隔着一整套临床判断。至于各家公布的具体指标和适用范围，以官方页面为准。