【導讀】從寫詩作畫，到回郵件敲代碼，自ChatGPT火出圈成為一款現象級的AI大模型產品以來，圍繞AI大模型的應用開發一發不可收拾。現在，懂得臨床語言，可以自如問診“AI醫生”來了，在AI大模型的加持下，水平或媲美臨床醫生。
5G無線網絡的引入進一步增強了這一趨勢。隨著霧化器和胰島素輸送系統等治療技術的不斷發展，患者可以在家中舒適地接受全方位的醫療護理。
這些設備與醫院笨重的大型設備完全不同。微型化的電子設計催生了新一代的可穿戴技術，使患者能夠在接受監測和治療的同時繼續他們的日常生活。
數字療法既可單獨使用，也可與常規療法和藥物相結合，以改善患者的預后，降低醫療成本，并提供便捷可及的醫療服務。經過證實，數字療法在控制糖尿病、高血壓、抑郁癥等疾病方面非常有效，此外還可以幫助焦慮、藥物濫用和慢性疼痛患者。
AI大模型
數字醫療的超強催化劑？
數字醫療是充分應用計算機技術、信息技術建立的新型醫療方式。醫療領域也同樣經歷了數字化、信息化的不同階段。從20世紀80年代醫院開始的醫療信息化，到本世紀初出現的醫藥電商，再到之后推出的遠程診療，直至近些年推進的互聯網醫院和互聯網醫療。
隨著數字化在醫療大健康行業的深入，當前以物聯網、大數據、云計算、人工智能（AI）為代表的新一代信息技術在醫療健康領域中的應用日漸增多，以智慧化為特征的數字醫療正逐步成為醫療健康領域的新趨勢。
德勤在《2023年全球醫療行業展望》中指出，COVID-19疫情之前，數字健康與傳統醫學融合成為治療范式，進程緩慢，而監管機構為應對疫情在一定程度上加快了這一進程。
例如，美國疫情爆發期間，FDA意識到，數字療法可以在隔離和封鎖期間改善心理健康和生理健康，因此當局為擴大其使用豁免了某些要求。疫情“放大”了多種需求，例如，在傳統醫療機構之外提供護理和遠程患者監控、患者使用各種連接設備進行自我監測、以及通過App干預的數字療法。
而AI大模型和數字醫療的結合，或將成為更多智慧醫療應用場景落地的有力催化劑。
比如，為了進一步推進AI在應用層面的落地，OpenAI大模型推出插件可以對接下游應用程序，為開發者提供接入平臺。據悉，OpenAI在今年年初推出的GPT-4已實現在醫療領域的商用合作。
不久前，微軟旗下Nuance Communications發布與OpenAI的GPT-4集成的支持語音的醫療病歷生成應用程序DAX（Dragon Ambient eXperience）。據官方公布的數據顯示，GPT-4對于事實的闡述精度對比GPT-3.5高出40%，在醫學知識自測評論考試表現更優秀，支持多模態輸入。業界對此有相當高的關注度，并預期將對醫療信息化、互聯網醫療、公衛、醫保信息化細分領域產生效率的變革性推動。
那么與傳統醫療AI框架相比，已GPT-4為代表的AI大模型有哪些進步之處？
圖1：資料來源：IDC、CSDN、電子工程世界、浙商證券研究所等
如圖1所示，醫療人工智能平臺包括數據資源層、人工智能平臺和醫療應用層。其中，開源框架和算法占有重要地位，如選擇工程化能力較強的TensorFlow或在圖像方面表現良好的Caffe等開源框架，選擇在圖像識別方面常用的卷積神經網絡（CNN），循環神經網絡（RNN）算法模型等。而GPT-4（Generative Pre-Training 4）則開啟了多模態通用AI大模型時代，預示著NLP、CV、科學計算多模態大模型AI通用時代的到來。
值得一提的是，多模態，即意味著用戶可以輸入不同類型的信息，包括視頻、聲音、圖像和文本。相應地，具備多模態能力的GPT-4也可以根據用戶提供的信息輸出視頻、音頻、圖片和文本。
今年4月，互聯網醫院醫聯發布的國內首款大模型驅動的AI醫生medGPT，該模型基于醫療知識圖譜為模型提供豐富、準確、結構化的醫療知識，并收集整理接近20億條真實醫患溝通對話、檢驗檢測和病例信息進行深度訓練學習，同時利用醫生真實反饋進行強化學習，以保障模型的推理質量、準確性與可靠性。
據醫聯官網介紹，medGPT首次突破了AI醫生無法與真實患者連續自由對話的難點，并在醫療問診場景中支持多模態的輸入和輸出，在疾病的預防、診斷、治療、康復四個重要環節全面實現智能化。為了驗證medGPT的診斷準確率，醫聯抽取了532名復診患者檔案進行信息脫敏，并進行了模擬首診實驗。結果顯示，醫聯medGPT的診斷結果與患者原有線下門診的診斷吻合率超過97.5%。
加速應用生態構建是關鍵
據不完全統計，目前在醫療領域，從醫學科研、藥物研發、智慧診療、醫療設備運維、醫院管理等，國產大模型產品數量不少于40個。
但AI大模型要如何長期實現為生命健康服務？
今年以來，隨著科技大廠博弈、中小企業的入局，以及投資和科研界的落地探討，基本有一個初步的共識，那就是“光卷大模型本身并無意義”，更重要的是要持續深入耕耘應用生態。“AI大模型技術+細分場景服務”的深度組合綁定的基礎上，才有可能帶來長期的生態發展
圖2：資料來源：IDC、CSDN、電子工程世界、浙商證券研究所等
ChatGPT等大模型在醫療端的應用包括：
01 生成電子病歷、個性化的醫療報告：
用GPT-4來生成電子病歷，將有效解放醫生文書工作，而GPT-4可以多模態輸入數據并理解梳理信息，這也就意味著可以輸入患者和醫生的對話并摘取關鍵信息，醫生不用邊問診邊記錄，可以快速耐心詢問患者情況，只需要幾秒鐘，就能自動生成電子病歷，然后自動導入當前的醫療信息化系統。此外，還可以用于生成個性化的醫療報告、制定個性化的治療方案、提供個性化的醫療建議等。
02 實現在線醫療咨詢：
通過對話機器人技術，ChatGPT可以用于實現在線醫療咨詢、遠程醫療診斷、自動醫療指導等。而GPT4可以極大提升在線問診效率，更機動靈活地跟患者對話，并從患者的描述中提取詳細的信息，改善患者體驗，同時緩解醫生線上溝通壓力降低溝通成本。
03 實現自動醫療指導：
ChatGPT可以基于患者的健康狀況，包括生活習慣、運動情況、飲食習慣等，實現自動醫療指導。這些指導可以為患者提供個性化的健康指導與提醒，提高患者用藥治療的依從性，從而保障患者的健康狀況。
04 審查醫療記錄：
OpenAI大模型與Kepro合作，AI大模型助力醫療記錄審查，提高醫療記錄審查準確性，預計將縮短多達30%的臨床審查時間。
05 提供個性化的醫療建議：
通過自我理解和自我修正技術，ChatGPT可以用于實現醫療數據挖掘、疾病預測、診斷推理等。
此外，AI大模型還有望助力藥物研發。今年1月，美國加州伯克利一家創業公司利用類似ChatGPT的LLM模型“Progen”合成了自然界不存在的新雞蛋白，為 GPT未來在藥物研發應用方向提供方向——即讀取不同氨基酸序列，合成新型蛋白質。
ProGen是一個具有1億參數的條件蛋白語言模型。基于Transformer架構，ProGen通過自注意力機制模擬殘基的相互作用，可以根據輸入控制標簽生成跨蛋白質家族的不同人工蛋白質序列。
據悉，為了創建該模型，研究人員輸入了280.56億種不同蛋白質的氨基酸序列，模型在幾周內“消化”。過去，在自然界中挖掘蛋白質或將蛋白質調整到所需的功能是非常費力的。如果能夠定向將氨基酸序列數據輸入GPT進行訓練，參數量更為龐大的GPT大模型理論上可以取得更加精準的效果。
結語
雖然還不夠完善，但是業內已開始探索ChatGPT和GPT-4等生成式AI大模型工具在醫療健康以及醫藥研究領域中的價值。
Nature Medicine近期在一篇文章中也探討了ChatGPT、GPT-4等大模型未來在醫療健康領域的應用潛力，并對于AI大模型子在提高醫療健康的服務水平和患者的生活質量方面寄予希望，認為這些模型有望應用于治療失語癥等言語障礙、改善語言能力退化的神經退行性疾病患者的病情進展。未來AI醫療大模型甚至有可能整合到語音腦機接口設計和開發中。
公開資料顯示，OpenAI方面正在與一家旨在幫助盲人和視力障礙人士的技術公司Be My Eyes合作，將GPT-4提供的從動態圖像輸入到文本輸出功能集成到虛擬志愿者功能中，用戶可以通過GPT-4應用程序將圖像發送給AI虛擬志愿者，該志愿者將針對各種任務提供即時識別、解釋和對話幫助。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
