Исследователи из Гарвардской медицинской школы и медицинского центра Beth Israel Deaconess сравнили диагностические способности моделей OpenAI o1 и 4o с двумя врачами внутренней медицины в условиях реального отделения неотложной помощи. Модель o1 показала точность 67% на этапе триажа, тогда как врачи — 55% и 50%. Однако авторы предупреждают, что ИИ пока не готов к самостоятельному принятию решений, и необходимы дальнейшие клинические испытания. Критики отмечают, что сравнение проводилось с врачами не той специализации, и что цель врача в ER — не столько точный диагноз, сколько исключение смертельно опасных состояний.