医学大语言模型
2024, 45(9):1-9, 18.
DOI: 10.3969/j.issn.1673-6036.2024.09.001
摘要: 目的/意义 系统回顾和分析医疗健康大语言模型的发展、应用前沿、面临挑战以及对齐问题的研究现状,以期为推动其安全、有效和公平应用提供参考。方法/过程 通过文献分析阐述大语言模型在医疗健康领域的发展和应用情况,分析其面临的挑战,从技术层面和社会层面提出应对策略。结果/结论 医疗健康大语言模型应该尤其注意模型的准确性、安全性、可解释性、公平性、隐私性和可追责性,以完成模型对齐,满足伦理要求,提升患者福祉。
2024, 45(9):10-18.
DOI: 10.3969/j.issn.1673-6036.2024.09.002
摘要: 目的/意义 系统梳理大语言模型在医疗领域的应用与研究进展,分析关键挑战与机遇,为相关研究提供参考。方法/过程 采用系统性文献回顾方法,全面梳理近年来发表的相关文献,聚焦医疗大语言模型最新进展；分析大语言模型在医疗自然语言处理任务中的应用成效、研究现状以及面临的挑战。结果/结论 大语言模型在医疗领域应用前景广阔,未来研究重点应集中在技术进步与伦理规范完善等方面。一方面加速技术创新步伐,另一方面确保严格遵守伦理标准,共同促进医疗领域大语言模型技术可持续发展。
2024, 45(9):19-26.
DOI: 10.3969/j.issn.1673-6036.2024.09.003
摘要: 目的/意义 对大语言模型在临床实践中的应用情况进行范围综述,为其推广提供参考。方法/过程 检索PubMed、Embase、万方和CNKI数据库,筛选大语言模型应用于临床实践的相关文献,对纳入文献进行内容提取、汇总和分析。结果/结论 大语言模型在提供治疗建议、辅助疾病诊断、健康宣教、分析文本影像资料等方面具有应用价值,然而在答案正确率、个案化等方面的表现不尽如人意。总体来说,大语言模型在临床实践中展现出显著潜力,但仍须采取必要的措施以把控应用风险、确认适用范围。
2024, 45(5):20-25.
DOI: 10.3969/j.issn.1673-6036.2024.05.004
摘要: 目的/意义 构建中文医学知识问答语料数据集,为医学垂域大模型提供标准化的评测基准,进而提升大模型处理中文医学问答任务的准确率和效率。方法/过程 构建中文医学论文知识问答数据集、医学名词解释问答数据集和以中国执业医师资格考试真题为基础的问答数据集,整理相关开源数据集。结果/结论 自主构建的中文医学知识问答语料数据集丰富了中文医学问答语料来源,能够作为一项标准化的评测基准,推动医学领域大模型实现客观全面的定量评估,今后将利用电子病历、在线健康社区等数据,为健康中国战略的实施提供更坚实的人工智能支持。
2024, 45(6):24-29.
DOI: 10.3969/j.issn.1673-6036.2024.06.005
摘要: 目的/意义 梳理分析人工智能大模型在医疗领域的应用现状,为人工智能大模型在该领域的研究提供新思路。方法/过程 在相关文献分析基础上,梳理人工智能大模型在智慧医疗、医疗元宇宙、医学研究等领域的应用场景及具体实例,总结人工智能大模型在医疗领域应用的风险与挑战。结果/结论 人工智能大模型在医疗领域具有广阔的发展空间,应推动人工智能大模型核心技术发展,进一步完善相关规范与法律。
2023, 44(9):1-11.
DOI: 10.3969/j.issn.1673-6036.2023.09.001
摘要: 目的/意义 以ChatGPT为代表的大规模生成式语言模型带动了通用人工智能技术快速发展。大规模生成式语言模型能否在医疗领域应用取得成功是学术界和工业界密切关心的问题。本文旨在深入研究大规模生成式语言模型在我国医疗领域应用中的机遇与挑战。方法/过程 从知识容器、能力引擎和自治智能体3方面出发,分析大模型在医疗提质增效、解决我国医学发展不平衡问题、慢性病智能管理与决策、人口老龄化应对以及医学科研加速等方面的新机遇,同时指出大模型在医疗领域应用所存在的局限。结果/结论 大模型驱动有望成为智能医疗的新范式,针对大模型在医疗应用中的不足,提出具体发展建议。
2023, 44(9):12-22.
DOI: 10.3969/j.issn.1673-6036.2023.09.002
摘要: 目的/意义 介绍生成式语言模型在医学领域的应用现状和挑战,并提出一种基于知识增强的医学语言模型,以提高模型专业性、准确性和可信性,为医学、语言模型及知识图谱领域相关研究人员提供参考。方法/过程 回顾大语言模型的发展、现状及主要技术,分析其在数据安全、专业性、伦理规范和模型可解释性等方面面临的挑战。介绍医学生成式语言模型常见应用场景和技术要点,重点阐述基于知识图谱和多模态数据融合知识增强的医学语言模型,包括其优势、技术原理和具体案例。结果/结论 知识增强的医学语言模型可提高语言模型对专业医学知识的理解、认知和应用能力,增强对自然语言的生成能力,拓展对多模态数据的处理能力,在医疗问答、智能辅助诊断、个性化医疗决策等方面具有广泛应用前景。
2023, 44(9):23-31.
DOI: 10.3969/j.issn.1673-6036.2023.09.003
摘要: 目的/意义 为快速适应新型人工智能技术发展,精准把握医疗人工智能发展方向,亟须系统地分析和梳理生成式大语言模型在医疗领域的潜在典型应用和面临的挑战。方法/过程 调研分析文献与公开报道,梳理总结生成式大语言模型在医疗领域不同任务中的应用尝试和评估结果。结果/结论 生成式大语言模型在医疗领域的应用逐渐增多,为医疗服务、医学研究和教育等方面提供智能辅助,同时也面临诸多挑战,如其本身存在的幻觉问题,以及数据隐私保护、伦理、结果可控性和算法可解释性等问题。
2023, 44(7):9-17.
DOI: 10.3969/j.issn.1673-6036.2023.07.002
摘要: 目的/意义 近年来大语言模型技术飞速发展,其在临床中的应用亟待总结分析。方法/过程 在相关文献分析基础上,梳理以ChatGPT为代表的大语言模型在临床问诊、病史采集及文本撰写、临床辅助决策、个性化精准医疗、医患沟通及患者心理支持、学术研究、医学教育、医院管理等临床领域的应用情况。结果/结论 大语言模型具备全面颠覆医疗生态圈的潜力,虽然面临诸多挑战,但终将造福医患。
2023, 44(7):18-23, 29.
DOI: 10.3969/j.issn.1673-6036.2023.06.003
摘要: 目的/意义 梳理分析ChatGPT训练流程与理论模型,为医学研究提供参考借鉴。 方法/过程 系统梳理2018年以来GPT-1发布至今相关模型和流程文献资料,分析ChatGPT核心流程、理论模型及其创新点。根据现有资料分析ChatGPT预训练监督、自动评估以及强化学习近端策略优化(proximal policy optimization,PPO)模型3个层次技术构成。结合医学研究需求,分析人工智能技术面向医学信息领域应用的优化方向。 结果/结论 ChatGPT技术应用的突破是流程、算法和模型有效组合和不断迭代累积的结果,其模型及研究方法可以应用于医学文献自动化阅读与知识提取、基因研究与疾病风险评估等方面。
