近日,北京大学北京国际数学研究中心长聘教授、北京大学国际机器学习研究中心副主任、北京大学国家生物医学成像科学中心研究员、大数据分析与应用技术国家工程实验室机器学习中心主任、北京大学长沙计算与数字经济研究院副院长董彬教授、北京大学肿瘤医院沈琳教授等团队在Medicine Plus发表的综述文章,从技术和应用层面回顾了大型语言模型在医疗领域的发展历程和最新进展,讨论了医疗大型语言模型的优势和局限性。
随着21世纪的到来,人工智能(artificial intelligence, AI)能力的惊人增长标志着一个新时代的开端,我们见证了各行各业的突破性进步;特别是在医学领域,这种转变更为显著。尽管AI为我们带来很多新的可能性,它也揭示了医疗过程的深刻复杂性。在诊断、治疗和预后等关键阶段,需要处理的真实医疗数据非常多样和复杂。医生在处理这些数据时,不仅需要参考庞大且复杂的标准医学知识,还需要根据每个患者的独特情况制定个性化治疗计划。此外,医学检查是多模态的,包括病理学、放射学和基因组学等领域。面对这样的情况,整合这些大量的数据和信息以形成连贯、全面的诊断和治疗策略无疑是具有挑战性的。目前的大多数工具都是为单一任务设计的,这意味着临床医生在决策过程中必须进行更全面的分析和判断。因此,我们迫切需要强大的智能辅助工具来帮助医生。这正是大型语言模型(如GPT-4)的优势所在:它们不仅能够协助医生整理和阐释繁杂的数据,还能提供深入且全面的洞察,这对于诊断、治疗和预后等关键医疗决策阶段至关重要,能够显著提升医疗服务的效率和准确性。在这一背景下,如GPT-4、ChatGPT和Claude等大型语言模型已逐渐在医疗领域崭露头角。以GPT-4为例,其在美国医学执照考试中的表现远超许多专家的预期。然而,这仅仅是冰山一角。虽然大型语言模型在医疗保健中的实际应用仍处于早期阶段,但初步研究已经揭示了它们在专业医学研究和潜在的临床决策支持中的巨大潜力;特别是在整合病理学、放射学和基因组学等多模态医学数据的任务中,基于大型语言模型的AI智能体(agents)展现了其独特的深度解释和联系能力。当然,它们在真实医疗环境中的实际效果和价值仍需进一步研究和验证。随着这些先进工具的引入,我们不仅期待高效地整合多源医学数据,还希望AI智能体能在预测分析和患者管理方面为医生提供支持。例如,AI智能体可以协助分析患者历史、实验室结果和放射学数据,随后提供数据驱动的诊断建议。此外,这些先进的工具还能辅助医生在众多治疗方案中筛选出最佳选项,确保患者获得量身定制且效果最优的治疗方案。借助这些工具,我们有望见证医疗决策过程变得更加科学和系统化,从而保障患者得到最高标准的医疗关怀。
![2A835](/__local/7/29/40/646426497120AE09DA4ACFB3FDA_A528ED10_2A835.jpg)
鉴于大型语言模型在医学中的卓越潜力,本研究系统地回顾了大型语言模型在该领域取得的最新进展(图1)。文章首先分析了通用和专用的医学大型语言模型,主要关注基于文本的互动。传统的单模态方法常常忽视医学领域复杂的多模态性质,这促进了多模态大型语言模型的开发,以提高诊断的准确性和效率。尽管取得了显著进展,但实现真正的个性化、维持持续的模型更新和赋能AI复杂的问题解决能力等挑战仍然存在。在这种情况下,由大型语言模型驱动的智能体作为具有多种应用的有希望的工具在医疗保健领域显现出来。此外,评估医学大型语言模型的有效性和安全性至关重要。综上,文章阐明了当前大型语言模型在医疗中的角色,评估了其对医疗实践的影响,并指出需要解决的问题,以充分发挥它们在提升患者护理和推进医学科学方面的潜力。
点击链接Mingze Yuan, Peng Bao, Jiajia Yuan, Yunhao Shen, Zifan Chen, Yi Xie, Jie Zhao, Quanzheng Li, Yang Chen, Li Zhang, Lin Shen, Bin Dong. Large language models illuminate a progressive pathway to artificial intelligent healthcare assistant. Med Plus. 2024 1(2):100030. https://doi.org/10.1016/j.medp.2024.100030.了解详情
转载本网文章请注明出处