揭秘宜家家居广告女主角 - 独家内幕

duozhongyouxichengjiu，yiciquanbumanzuni。youxixiazai，fenxiangtiexiuzhanzhengzuixinbananzhuangbaohexiugaibanzhichishishiyuyinliaotian，ganshouyuyanyuluojidemeili。bulunshitangzhezuozhepazhehaishidaoguazhe，gezhongzishidingyueganxingqudexinwenhao，zhuanzhuyutuisongganxingqudexinwenneirong，bingbangzhuyonghulinghuodeguanliguanzhuxinwenhao；bizhenxieshidechangjing，Dlitizuozhanditu；國(guo)內(nei)首(shou)個(ge)醫(yi)療(liao)大(da)語(yu)言(yan)模(mo)型(xing)問(wen)世(shi)！多(duo)模態(tai)打(da)通(tong)診(zhen)疗全(quan)流(liu)程(cheng)，別(bie)再(zai)叫(jiao)我(wo)做(zuo)題(ti)家(jia)

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：编辑部(bu)

【新智元導(dao)讀(du)】医疗AI的(de)門(men)檻(kan)如(ru)此(ci)高(gao)，如何(he)克(ke)服(fu)關(guan)鍵(jian)痛(tong)點(dian)？這(zhe)家互(hu)聯(lian)網(wang)医疗公(gong)司(si)深(shen)耕(geng)9年(nian)，終(zhong)於(yu)推(tui)出(chu)国内首个医疗領(ling)域(yu)大语言模型MedGPT。

ChatGPT帶(dai)火(huo)了(le)大模型之(zhi)後(hou)，全世界(jie)大廠(chang)都(dou)卷(juan)了起(qi)來(lai)。

強(qiang)大的语言理(li)解(jie)能(neng)力(li)、生(sheng)成(cheng)能力、邏(luo)辑推理能力，讓(rang)大模型在(zai)医疗领域大有(you)可(ke)為(wei)。

是(shi)的，矽(gui)谷(gu)巨(ju)頭(tou)們(men)早(zao)已(yi)意(yi)識(shi)到(dao)，GPT在医疗领域的無(wu)限(xian)潛(qian)力。

早在今(jin)年2月(yue)，ChatGPT在美(mei)国医學(xue)執(zhi)照(zhao)考(kao)試(shi)中(zhong)，以(yi)60%準(zhun)確(que)度(du)的回(hui)答(da)，已經(jing)接(jie)近(jin)真(zhen)人(ren)医生。

話(hua)雖(sui)如此，但(dan)只(zhi)要(yao)深入(ru)調(tiao)查(zha)这个行(xing)業(ye)就(jiu)會(hui)發(fa)現(xian)，目(mu)前(qian)市(shi)面(mian)上(shang)真正(zheng)能夠(gou)投(tou)入使(shi)用(yong)的医疗大模型，還(hai)寥(liao)寥无幾(ji)。

原(yuan)因(yin)就在于，医疗AI的门槛相(xiang)當(dang)之高，在这个交(jiao)叉(cha)领域要想(xiang)成功(gong)做出產(chan)品(pin)，既(ji)要懂(dong)医疗，又(you)要懂技(ji)術(shu)。

国内的医疗大模型之路(lu)該(gai)如何走(zou)？让我们先(xian)看(kan)看国外(wai)大厂的发展(zhan)路線(xian)。

硅谷巨头，紛(fen)纷入局(ju)医疗GPT

当前，大型语言模型的发展，已经有足(zu)够的潜力給(gei)医疗保(bao)健(jian)整(zheng)个行业带去(qu)更(geng)加(jia)深遠(yuan)、廣(guang)泛(fan)的變(bian)革(ge)。

比(bi)如，远程问诊效(xiao)率(lv)、准确度提(ti)升(sheng)，簡(jian)化(hua)医疗文(wen)檔(dang)，甚(shen)至(zhi)还可以幫(bang)助(zhu)医疗人員(yuan)減(jian)少(shao)工(gong)作(zuo)量(liang)提高效率。

GPT-4、PALM 2作为当前最(zui)先進(jin)的语言模型，微(wei)軟(ruan)、谷歌(ge)等(deng)硅谷巨头必(bi)然(ran)將(jiang)它(ta)的能力拓(tuo)展到医疗领域。

上个月，微软和(he)Epic Systems宣(xuan)布(bu)，将GPT-4引(yin)入医疗保健领域，用于医護(hu)人员對(dui)患(huan)者(zhe)的消(xiao)息(xi)回復(fu)，分(fen)析(xi)医疗記(ji)錄(lu)，以及(ji)尋(xun)找(zhao)新的趨(qu)勢(shi)。

另(ling)外，今年夏(xia)天(tian)，微软和Nuance将把(ba)GPT-4引入医疗保健文档技术。微软稱(cheng)，整合(he)后GPT-4提?了AI模型的整體(ti)准确性(xing)，但沒(mei)有透(tou)露(lu)准确率。

此外，谷歌過(guo)去几年裏(li)也(ye)壹(yi)直(zhi)在探(tan)索(suo)如何用AI来改(gai)善(shan)医疗保健，比如帮助早期(qi)发现疾(ji)病(bing)，擴(kuo)大医疗服務(wu)範(fan)圍(wei)等等。

剛(gang)刚过去的谷歌I/O大会上，谷歌在医疗领域的微调模型Med-PaLM也升級(ji)到了第(di)二(er)代(dai)。

值(zhi)得(de)一提的是，Med-PaLM 2一出手(shou)，就成为首个在USMLE（美国医師(shi)执照考试）上達(da)到「專(zhuan)家」水(shui)平(ping)的模型，得分为85.4%。

甚至，它比叠(die)代之前的Med-PaLM性能提高了18%，远超(chao)同(tong)類(lei)AI模型。

那(na)麽(me)，现在通用的大语言模型，在回答医学问题方(fang)面表(biao)现怎(zen)樣(yang)呢(ne)？我们来實(shi)測(ce)一下(xia)。

MedPaLM的表现很(hen)专业，然而(er)，如果(guo)從(cong)應(ying)用場(chang)景(jing)看，MedPaLM还没有那么高的实用性，因为它主(zhu)要还是以做题为主。

要說(shuo)回答问题，那当然少不(bu)了当紅(hong)大模型ChatGPT。

可以看到，它的回答就比較(jiao)中規(gui)中矩(ju)，没有太(tai)多驚(jing)喜(xi)。

而一旦(dan)给它上点難(nan)度，问一道国家执业医师資(zi)格(ge)考试真题，它就寄(ji)了……

可見(jian)，类似(si)ChatGPT这样的通用类LLM，高度依(yi)賴(lai)文本(ben)統(tong)計(ji)概(gai)率生成答案(an)，因此回答的准确性无法(fa)保證(zheng)。

但是，在医疗应用场景中，准确性和一致(zhi)性是底(di)线，絕(jue)不能出錯(cuo)。

垂(chui)直医疗大模型，难在哪(na)?

从谷歌和微软做医疗大模型的发展路线，可以看到，要想让LLM在医疗领域充(chong)分发揮(hui)能力，有一些(xie)关键的难点。

1. 數(shu)據(ju)孤(gu)島(dao)

首先，最致命(ming)的难点就是，垂直领域的大模型，如何突(tu)破(po)数据「卡(ka)点」？

而垂直医疗领域AI大模型，只关註(zhu)医疗这个特(te)定(ding)的领域或(huo)者场景。它能够利(li)用医疗的数据和知(zhi)识，提供(gong)更精(jing)准和高效的解決(jue)方案。

然而现实是，整个医疗服务的数据信(xin)息碎(sui)片(pian)化，还有的被(bei)嚴(yan)重(zhong)分割(ge)，医疗数据異(yi)構(gou)性、难流通。

一方面，不同医疗機(ji)构采(cai)用不同的系(xi)统，每(mei)个系统標(biao)准不一，因此缺(que)乏(fa)统一化的数据格式(shi)，或交互界面。

另一方面，医疗数据较为敏(min)感(gan)與(yu)特殊(shu)。为更好(hao)的保护病人隱(yin)私(si)，大多数医院(yuan)不会为利益(yi)交出数据，甚至将数据庫(ku)只接入局域网。

由(you)此可见，医疗数据具(ju)有一定的门槛，而且(qie)业内没有统一的的数据标准，都将是訓(xun)練(lian)更专的垂类模型的絆(ban)腳(jiao)石(shi)。

2. 复合型人才(cai)稀(xi)缺

值得注意的是，对于「AI+医疗」这一专业性極(ji)强的交叉领域，对复合型人才的需(xu)求(qiu)极大。

医疗专业的知识本身(shen)非(fei)常(chang)精細(xi)，再加上与算(suan)法的深度融(rong)合，AI医疗这一高精尖(jian)技术，对人才綜(zong)合能力要求甚高。

3. 行业标准难统一

除(chu)了以上兩(liang)点，在大量湧(yong)入AI医疗的企(qi)业中，AI+医疗标准缺失(shi)也是一大痛点。

而在医疗领域中，最重要的就是准确度，否(fou)則(ze)可能会给数百(bai)萬(wan)患者带来風(feng)險(xian)。

目前，还没有统一的行业标准能证明(ming)AI医疗的有效性，如何保证真正的对患者結(jie)果負(fu)責(ze)就成为了行业中的难点。

總(zong)而言之，在医疗这一特殊领域，如果没有打通这些痛点，並(bing)不是每个大模型的玩(wan)家都能玩轉(zhuan)的。

国内首款(kuan)医疗大模型MedGPT

据媒(mei)体报道，昨(zuo)日(ri)医联正式发布了国内首个医疗领域自(zi)研(yan)大语言模型——MedGPT。

具体来说，MedGPT基(ji)于Transformer架(jia)构，目前參(can)数规模为1000億(yi)，可支(zhi)持(chi)医疗场景下的多模态輸(shu)入和输出。

其(qi)中，預(yu)训练階(jie)段(duan)使?了超过20亿的医学文本数据，微调训练阶段使?了800万條(tiao)的高質(zhi)量结构化臨(lin)床(chuang)诊疗数据，并投入超过100名(ming)医?参与??反(fan)饋(kui)監(jian)督(du)微调训练。

还记得ChatGPT一上来「翻(fan)車(che)」了的问题嗎(ma)？

MedGPT秒(miao)秒鐘(zhong)就给出了正确答案，并且还配(pei)上了每个選(xuan)項(xiang)的詳(xiang)盡(jin)分析。

上下滑(hua)動(dong)查看全部

在经典(dian)的医学应试能力評(ping)测上，MedGPT順(shun)利过关。

不僅(jin)如此，MedGTP的創(chuang)新之處(chu)在于，它不再是简單(dan)的AI问答，而是以「治(zhi)愈(yu)」为目的实现有效问诊。

值得注意的是，MedGTP不仅整合了1000+多模态能力，具備(bei)强大的技术路徑(jing)，而且还成功实现了眾(zhong)多首次(ci)突破。

- 首次突破了AI医生无法与真实患者連(lian)續(xu)自由对话的难点。

- 首次開(kai)出檢(jian)驗(yan)检查单，首次由AI给出准确诊斷(duan)与治疗方案。

- 首次利用多種(zhong)医学多模态，首次打通从问诊到医学检查的流程。

- 首次与医联互联网医院打通，实现藥(yao)品到家的诊疗閉(bi)環(huan)。

为了保证诊断的准确率，MedGPT采用了一致性校(xiao)验机制(zhi)。

也就是说，MedGPT在为患者输出正式答案之前，会先经过临床医学规则器(qi)的校验，确保医学的准确性。

这个医学专家系统，采用了一个多維(wei)度的诊疗准确性评测体系，从多方面来分析与评测MedGPT在诊疗全过程中的一致性与准确性。

当然，用机器去判(pan)断仍(reng)然是不够的，这个过程中，还有一个基于专家评議(yi)的真实世界医生一致性对标机制。

医联團(tuan)隊(dui)会招(zhao)募(mu)真实的医生坐(zuo)在電(dian)腦(nao)进行诊断，然后把MedGPT和真实医生的结果交由专家委(wei)员会评议，将MedGPT的水平对标真实医生。

有了这样一套(tao)完(wan)整的体系，我们得到的也就不再是一个做题家，而是真正能帮患者治病的AI。

为了验证MedGTP全流程疾病诊疗的能力，团队通过真实患者的脫(tuo)敏病例(li)，对诊疗过程进行了模擬(ni)。

相比于上一代产品给患者「查知识库」的感覺(jiao)，通用型LLM ChatGPT急(ji)于给结論(lun)的表现，以及真实医生在线问诊会卡在检查这一步(bu)的问题，MedGTP在这些方面都有了改进。

它会通过多輪(lun)问诊引导，收(shou)集(ji)足够完善的诊断决策(ce)因子(zi)，足够循(xun)序(xu)漸(jian)进。

在医联专家的要求下，它必須(xu)搜(sou)集到足够的决策因子，才能给患者建(jian)议。

之后，MedGPT还会繼(ji)续检查、治疗、康(kang)复的步驟(zhou)。

据统计，在第一阶段测试532名院内复诊患者病案中，MedGPT诊断的吻(wen)合率超过了97.5%，覆(fu)蓋(gai)了3000种疾病的全科(ke)首诊能力。

缺少行业标准，何以壯(zhuang)大并持续发展

标准缺失意味(wei)著(zhe)行业約(yue)束(shu)和规范的缺失，意味着无法统一规范，也不会被市场所(suo)認(ren)可。而医疗行业的准确性和?致性是医疗底线。

作为致力于疾病全流程诊疗的医疗专业大语言模型，医联MedGPT形(xing)成了一套獨(du)有的「DIAE」医疗AI建設(she)方法论，分别从Disease（病种覆盖）、Intelligence（智能化）、Accuracy（准确性）、Efficiency（就医效率）四(si)个维度来建设与打磨(mo)产品，不断提升MedGPT的实際(ji)医疗应用價(jia)值。

D：Disease，也就是疾病的覆盖范围

目前医联 MedGPT 已经可以覆盖ICD10的60%疾病病种，并在近期将研发重心(xin)傾(qing)斜(xie)在多发疾病，以提升数字(zi)医院的普(pu)惠(hui)率。预计在2023年底，可以覆盖80%病种的就诊需求。

I：Intelligence，也就是智能化和数字化的程度

在治疗疾病時(shi)，会有诊前、诊中、诊后不同的环節(jie)。其中，每个大的环节里还有很多小(xiao)的环节。比如，诊前就包(bao)含(han)了预防(fang)、篩(shai)查、科普、分诊、导诊等。

在此之前，医联已经在整个场景下做了一些多模态插(cha)件(jian)的应用，现在则可以利用大语言模型把它们都整合起来。

A：Accuracy，也就是诊疗的准确性

准确性对于疾病的治疗来说尤(you)为重要，而医联在这一方面也做了很多的工作。

比如，医联不仅有一整套的测试集和专家系统，并且还会让医生在问诊时直接参与进去，利用基于人类反馈的强化学習(xi)，不停(ting)地(di)对模型进行调试。

E：Efficiency，也就是就医效率（主要包含时間(jian)维度和成本维度）

舉(ju)个例子，对于一次问詢(xun)来说，如果跟(gen)线下的医生只用了10分钟，而跟AI医生要聊(liao)半(ban)个小时，那就说明这个AI的效率很低(di)。

9年深耕，终獲(huo)突破

现如今，大语言模型技术正处于飛(fei)速(su)发展阶段，医疗行业也势必因此而发生巨大的变化。而技术的发展需要与产业进行深度融合，才能釋(shi)放(fang)技术带来的红利。

而医联能够成为国内首个推出医疗领域大语言模型的公司，绝非偶(ou)然。

2021年，医联成立(li)了互联网医疗行业首个学术委员会，并与多个疾病病种领域的专家共(gong)同制定线上疾病管(guan)理SOP。

截(jie)至目前，共打造(zao)了140多个疾病管理SOP，覆盖1000多个病种，并形成了一套全数字化的、覆盖预防、诊断、治疗、康复全流程的线上疾病管理路径。

据了解，医联成立九(jiu)年以来，已经積(ji)累(lei)了150万+注冊(ce)医生与2000万患者，并且憑(ping)借(jie)着長(chang)期的互动，沈(chen)澱(dian)出了大量有价值的数据。

而这些也为今天医联MedGPT的推出奠(dian)定了非常紮(zha)实的医疗与数字能力基礎(chu)。

最后，医联MedGPT项目负责人王(wang)磊(lei)呼(hu)籲(xu)，业内AI科技、医学、院校机构、医疗多模态应用等各(ge)种类型的合作夥(huo)伴(ban)，共同开发建设通用型人工智能技术的医疗应?场景为医疗行业的技术发展貢(gong)獻(xian)力量。

参考资料(liao)：

https://mp.weixin.qq.com/s/SGUqr_4-RRPSLme3hI-egQ返(fan)回搜狐(hu)，查看更多

责任(ren)编辑：