网站流量监测服务商Similarweb的数据显示,今年以来,ChatGPT访问量1月份的环比增长率为131.6%,此后逐月下降。到6月份,ChatGPT的全球流量出现首次下降。可见,大模型的发展逐渐驶入深水区。而大模型的产业化落地,将成为下一阶段思考的重点。
近日,医渡云首席数据科学家彭滔博士在世界生命科学大会“2023AI大模型医疗场景应用论坛”上发表了主题演讲,分享了AI大模型在医疗行业的技术和模式创新。他指出,通用大模型不能彻底解决用户的所有问题,未来大模型市场是基础大模型、行业大模型以及细分场景模型并存的格局。尤其是医疗领域,其严肃性、敏感性、专业性等特殊性,决定了医疗行业需要高质量的专业垂类大模型。
彭滔将大模型的应用生动地比喻为“雇佣新员工”,公司会关注其教育背景,也会对员工进行培训从而更好地适配业务。两者的不同之处在于,教育更侧重于理论知识的传授和推理能力的培养,培训则更倾向于实践性的技能传授以及技能应用的演练。在大模型落地应用中,教育和培训都是必不可少的环节。
目前,医渡科技正在研发医疗垂直领域的大语言模型。在模型“教育”阶段,医渡科技基于其丰富的医疗专业知识储备、行业know-how及特有的算法和技术,使医疗垂类大模型相对于通用大模型能够更好地理解医疗行业需求,提供更精准、专业的回答。
彭滔表示,经过“教育”的大模型已经可以在知识检索查询、医疗过程中不良事件的提取和判断等医疗场景中进行应用。举例来说,在药物或医疗器械研发中,安全性是基本要求。因此,对于不良事件的提取和评估至关重要,需要从临床病例中提取信息,例如事件发生时间、结束时间、具体使用的药物、事件的严重程度以及与研究药物的关联性等,大模型技术在这个过程中展现出了强大的理解、特征提取和推理能力。(如下图所示)
但医疗垂类大模型的潜力远不止于此,彭滔表示,从医院到药企、保险以及患者等各个医疗场景中,都可以受益于医疗垂类大模型的能力,“几乎所有的医疗产品或路径,都可以用医疗垂类大模型去重新梳理一遍,去真正发挥它的价值”。可泛化可循证的CDSS、可以给出科研灵感的科研工具、可以溯源及开放的大数据平台等,医渡科技正在重新思考和构建这些场景下的大模型应用。
但要想真正打通大模型落地医疗的“最后一公里”,让其在更多场景中发挥更大价值,还需要对医疗垂类大模型进行“培训”,这一过程更多依赖的是场景经验与反馈。医渡科技在医疗智能领域深耕多年,医疗场景实践经验丰富,并且内部人才团队80%以上都具备医学或AI、大数据技术背景,在“培训”方面具备充足的资源支持。
彭滔以识别和录入电子病历数据的场景为例,在临床试验中的很多场景中,由于合规、隐私等因素,医院无法提供电子文本,临床研究协调员(CRC)这一角色就需要将医学检验单上的数据手动录入系统,完成类似打字员的转录工作。彭滔指出,很多客户和合作伙伴期待能使用OCR技术解决这个问题,但由于图像质量问题,以及每家医院具有特殊规则和方法的原因,传统OCR的通用性在不同医院受到了极大限制。
为了解决类似的具体场景问题,医渡科技尝试通过场景专家与工程师沟通,再训练AI模型的方式,然而这种方式也存在成本较高的缺陷。针对此,彭滔在论坛上提出了一种新机制,即让一线人员通过自然语言直接与大模型交互,让他们能够向模型传达现场经验的规则。“自然语言有非常强大的表达能力,通过场景专家与AI的交流,可以解决不同场地繁杂的差异,当然它也存在天然的歧义和不精确性。展望未来,每个行业都会发展出与AI协作的语言。”彭滔畅想道。
此外,AI大模型在医疗场景应用也需要考虑更多的伦理与安全合规问题。彭滔呼吁监管的调整和行业共识的形成,以使AI的应用符合伦理和合规要求,并指出随着时间的推移,各行业都将面临这个问题,未来人类社会或将逐渐向人机共存的方向转变。
新一轮AI浪潮已至,医渡科技积极拥抱智能时代的新机遇,期待通过推动医疗垂类大模型的创新与应用,为医疗健康领域带来更高效、精准和安全的人工智能解决方案,促进医疗产业的高质量发展,最终让更多患者受益。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
