医学大语言模型

  • 显示方式:
  • 简洁模式
  • 摘要模式
  • 1  大规模生成式语言模型在医疗领域的应用:机遇与挑战
    肖仰华,徐一丹
    2023, 44(9):1-11. DOI: 10.3969/j.issn.1673-6036.2023.09.001
    [摘要](689) [HTML](0) [PDF 8.41 M](1538)
    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。
    2  基于知识增强的医学语言模型:现状、技术与应用
    康砚澜,郭倩宇,张文强,王昊奋
    2023, 44(9):12-22. DOI: 10.3969/j.issn.1673-6036.2023.09.002
    [摘要](748) [HTML](0) [PDF 9.27 M](1427)
    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。
    3  生成式大语言模型在医疗领域的潜在典型应用与面临的挑战
    颜见智,何雨鑫,骆子烨,胡晗,范士喜,汤步洲
    2023, 44(9):23-31. DOI: 10.3969/j.issn.1673-6036.2023.09.003
    [摘要](622) [HTML](0) [PDF 5.66 M](1687)
    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。
    4  以ChatGPT为代表的大语言模型在临床医学中的应用综述
    马武仁,弓孟春,戴辉,黄婧,王斌斌,史文钊
    2023, 44(7):9-17. DOI: 10.3969/j.issn.1673-6036.2023.07.002
    [摘要](679) [HTML](0) [PDF 5.61 M](1726)
    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。
    5  ChatGPT:研究进展、模型创新及医学信息研究应用场景优化
    陈凌云,姚宽达,王茜,方安,李刚
    2023, 44(7):18-23, 29. DOI: 10.3969/j.issn.1673-6036.2023.06.003
    [摘要](564) [HTML](0) [PDF 5.85 M](1184)
    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。

    当期目录


    年第卷第

    文章目录

    过刊浏览

    扫码关注

    官方微信