uutiset

on kulunut melkein kaksi vuotta siitä, kun googlen suuri malli (medpalm 2) voitti yhdysvaltain lääketieteellisen lupatutkimuksen. onko tekoäly (ai) pätevä kliinikon "kuvitteelliseksi viholliseksi"?

tämän vuoden heinäkuussa nature medicine -lehdessä julkaistu artikkeli osoitti, että edistyneinkään suuri kielimalli (llm) ei pysty tekemään tarkkoja diagnooseja kaikille potilaille ja että diagnostisten tarkkuusaste (73 %) on huomattavasti huonompi kuin ihmislääkäreillä (89). ääritapauksissa (kolekystiittidiagnoosi) llm:n tarkkuus on vain 13%.

mutta pi jingtaolle, pekingissä sijaitsevan tsinghua chang gung memorial hospitalin neurologisen keskuksen lääkärille, tekoäly "opetti hänelle oppitunnin" tänä vuonna. elokuun lopulla julkistettiin virallisesti lingxi medicinen laajamittainen sairauskohtainen malli aivoverisuonitaudista, johon pi jingtao osallistui. tämä malli kehitettiin professori wu jianin ryhmän johdolla hänen sairaalansa neurologisessa keskuksessa ensimmäinen lääketieteellinen tekoälymalli, joka perustuu tiettyihin sairauksiin kiinassa.

"suuren mallin ominaisuudet voivat olla joko vahvoja tai heikkoja, emmekä voi sallia sen käyttöä vapaasti, pi jingtao sanoi, että suurin ero sairauskohtaisen suuren mallin ja chatgpt:n välillä on se, että se käyttää tekoälyä harhaanjohtavien diagnoosien tekemiseen." ja hoitoehdotuksia, jotta vältytään tuhoisilta seurauksilta.

elokuun lopulla julkaistiin virallisesti lingxi medicinen aivoverisuonitautikohtainen laajamittainen malli. mallin on kehittänyt professori wu jianin työryhmä tsinghua chang gung memorial hospital -sairaalassa. se on ensimmäinen lääketieteelliseen tekoälyyn perustuva malli tiettyihin sairauksiin kiinassa. kuvassa lingxi medicine large model technology exchange -konferenssin kohtaus. kuvan on haastateltava

benchmarking-asiantuntijat ja sairausasiantuntijat

yhtenä neljästä suurimmasta kroonisesta sairaudesta kiinassa noin kaksi kolmasosaa ensimmäisistä aivoverisuonisairauksista on yli 60-vuotiaita iäkkäitä ihmisiä, joilla on "korkea ilmaantuvuus, korkea esiintyvyys, korkea kuolleisuus ja korkea uusiutumisaste". ominaisuudet. vuodesta 2021 lähtien maani yli 65-vuotiaita iäkkäitä ihmisiä on yli 200 miljoonaa, ja aivoverisuonisairauksien lääkäreiden pula ja epätasainen laatu on erityisen näkyvä ongelma.

"perussairaaloissa ei ole pulaa yleislääkäreistä, mutta erikoisasiantuntijoista tai asiantuntijoista on pulaa. tämä on ongelma, jonka suuri malli ratkaisee, pi jingtao sanoi, että suuri aivoverisuonitaudin malli on yhteistyön tuote lääketieteellisten laitosten ja teknologiayritysten välillä. erityisesti h3c group tarjoaa teknistä henkilökuntaa, tekoälyalgoritmeja ja laskentatehoa, kun taas pekingin tsinghua chang gung memorial hospital ja tsinghuan yliopisto tarjoavat big dataa ja kliinisiä tarpeita luodakseen yhdessä apudiagnostiikkatyökalun kliinikoille.

professori wu jian sanoi kerran, että lääketieteellisellä tekoälyllä on valtavasti potentiaalia ja etuja lääketieteellisten resurssien puutteen lievittämisessä ja lääketieteellisten palveluiden tason parantamisessa. sen ydin on massiivisten terveystietojen perusteellisessa louhinnassa ja älykkäässä analysoinnissa, mikä voi parantaa merkittävästi kliinisen diagnoosin ja hoidon tarkkuutta ja tehokkuutta.

tällä hetkellä tämän suuren mallin ydintehtävä on analysoida ja poimia keskeisiä tietoja lääketieteellisistä tiedoista, sovittaa ne kliinisen tietopohjan kanssa ja tarjota viime kädessä standardoituja hoitosuosituksia, jotka noudattavat kliinisiä ohjeita.

toisaalta kliinikot voivat syöttää desensibilisoituja kliinisen kurssin tietoja (pois lukien potilaan henkilötiedot), ja suuri malli luo lopullisen hoitosuunnitelman. sillä välin, jos suuri malli havaitsee taudin kulkutiedoissa puutteita, se muistuttaa lääkäriä tekemään oikea-aikaisia ​​lisäyksiä sairauskertomusten standardoinnin varmistamiseksi.

toisaalta kliinikot voivat syöttää myös yksinkertaisia ​​tietoja, kuten potilaan valituksia (kuten pääoireet ja kesto), ja laaja malli ohjaa konsultoinnin suuntaa valikoivan vuorovaikutuksen kautta ja hoitoprosessia kehitetään asteittain parantamaan lääkärin näyttöön perustuvaa kykyä.

ammattimaisuus näkyy kahdessa mielessä

pi jingtaon näkemyksen mukaan yleisiin suuriin malleihin, kuten chatgpt:hen, verrattuna sairauskohtaisen suuren mallin ammattimaisuus heijastuu ajatteluketjussa ja tietopohjassa. aivoverisuonitaudin laajan mallin esimerkkinä sen tietolähteet sisältävät kaksi osaa: yksi osa on desensibilisoitua kliinistä tietoa, joka sisältää kattavaa tietoa, kuten sairauden erityispiirteet, puhkeamistilat sekä diagnoosi- ja hoitoprosessit. toinen osa on julkisesti saatavilla olevat kliiniset ohjeet, suuri määrä neurologian ja neurotieteen oppikirjoja ja hakuteoksia, jotka muodostavat tietokannan ytimen. on syytä huomata, että suuri malli ei voi vastaanottaa suoraan tätä tietoa. sen sijaan kliinikkojen ja insinööritiimien on järjestettävä se uudelleen, ja kliinisten ohjeiden kehys ja keskeinen sisältö on muutettava kieleksi ja prosesseiksi, joita tietokoneet voivat ymmärtää ennen syöttämistä. . anna suuria malleja.

"suoraan ilman rajoituksia syötettynä suuri malli poikkeaa muihin näkökohtiin ja synnyttää uusia ymmärryksiä. kliiniset ohjeet ovat kuitenkin jo standardisoitujen diagnoosi- ja hoitosuositusten korkeinta tasoa, ja kaikki tällä perusteella tehdyt muutokset ovat väärin eivätkä ole sitä, mitä me teemme. pi jingtao kertoi toimittajille, että suuren mallin tekemiseksi "tottelevaiseksi" sen lisäksi, että syötetään tieto, jonka tietokone voi "ymmärtää", tärkeämpää on opettaa sille joukko kliinikkojen "ajatteluketjuja". ja luota tähän kykyyn tehdä johtopäätöksiä eri potilaiden kliinisistä tiedoista.

esimerkiksi aivoverisuonitautilääkärin diagnoosi- ja hoitoprosessiin kuuluu yleensä sairaushistorian pyytäminen, lääkärintarkastus, apututkimusten harkitseminen ja tarkan diagnoosin antaminen kattavan analyysin jälkeen. diagnoositulosten perusteella lääkäri harkitsee potilaan erityistä sairauden syytä ja muita taustalla olevia sairauksia yhdistettynä standardoituihin diagnoosi- ja hoitosuosituksiin standardoidun hoitosuunnitelman laatimiseksi.

tässä prosessissa erilaiset potilaiden valitukset osoittavat eri tutkimussuuntiin. mutta ongelmana on, että vaikka suurten mallien ajattelu on "erilaista", sillä ei ole kykyä rakentaa itsenäisesti ajatteluketjua. siksi insinööritiimin on ymmärrettävä syvällisesti kliiniset diagnoosit ja hoitoskenaariot ja muutettava lääkärin kliininen ajattelu ajatteluun, jonka kone voi ymmärtää. tämän prosessin avulla lääkärit ja tekniset tiimit voivat kokea ristiinoppimista.

"aukko on lähinnä kieliviestinnässä. emme esimerkiksi ymmärrä ajatteluketjua, eivätkä he ymmärrä eri sairauksien välistä suhdetta. mutta tällä ei ole oleellista vaikutusta tutkimukseemme. niin kauan kuin ymmärrämme toisen osapuolen alan perustiedot, tämä selvittää vaikeudet", pi jingtao sanoi.

kliinikot ovat edelleen vastuussa

pi jingtao paljasti, että suuri aivoverisuonitaudin malli on parhaillaan kliinisessä tarkastuksessa tsinghua chang gung memorial hospitalin neurologisessa keskustassa pekingissä. aiemmin hän ja hänen kollegansa ovat tehneet sisäisiä testejä suurille malleille käyttäen todellisia tapauksia tai simuloimalla monimutkaisia ​​kliinisiä skenaarioita. tämä testi perustuu aikaisempaan yksinkertaiseen testiin ja sen tavoitteena on arvioida suuren mallin kykyä ymmärtää vaihtelevan monimutkaisuuden, eri kielityylien ja eritasoisten lääkäreiden potilastietoja.

niistä yksi pi jingtaoa eniten vaivaavista ongelmista on se, että jos suuressa mallissa on virhe, kuinka voimme varmistaa, että kliinikkoja ei häiritä? toisin sanoen, miten kliinikkojen tulisi suhtautua suuriin malleihin?

tämä ristiriita ilmeni ensimmäisen sisäisen testauksen aikana. tuolloin pi jingtao simuloi monimutkaista kliinistä skenaariota, ja suuren mallin antama hoitosuunnitelma poikkesi odotetusta "standardivastauksesta". myöhemmin teknikot astuivat sisään ja palasivat suuren mallin päättelyprosessiin yrittäen löytää mahdollisia virheitä, mutta turhaan. ja kun pi jingtao käytti "vakiovastauksia" vastaamaan kliinisiä ohjeita, häneen vaikutti tulos: hänen omissa diagnoosi- ja hoitoideoissaan oli sokea piste.

"kun tämä malli ensimmäisen kerran suunniteltiin, minulla ei ollut aavistustakaan, voitaisiinko sitä käyttää kliinisessä käytännössä ja voisiko se parantaa ja parantaa (diagnoosin ja hoidon tehokkuutta), mutta tämän tapauksen jälkeen se antoi minulle paljon luottamusta tiivisti tästä kokemuksesta ja havaitsi, että potilaan kliiniset oireet olivat kattava tulos. potilas voi esimerkiksi olla sairaalahoidossa neurologisten ongelmien vuoksi, mutta hänellä voi myös olla muutoksia sydän- ja verisuoni-, munuais- ja maksatiloissa. vaikka lääkärit ovat saaneet standardoitua erikoisalan koulutusta, heidän diagnoosi- ja hoitoajattelussaan saattaa silti olla sokeita pisteitä, eivätkä he voi taata, että he pystyvät tarjoamaan kattavan diagnoosin ja hoitosuunnitelman joka kerta.

lisäksi kliinisiä ohjeita päivitetään jatkuvasti, eivätkä kaikki lääkärit pysty päivittämään tietojaan ajoissa. kun lääkäreiden tiedonpäivitykset jäävät jälkeen, suuret mallit voivat auttaa korjaamaan näitä aukkoja.

ohjeiden lukeminen ja arvioiden tekeminen ovat kuitenkin edelleen perustaitoja, joita kliinikot eivät voi luopua. pi jingtao sanoi, että jos lääkärit huomaavat suuren mallin antaman diagnoosin ja hoitosuunnitelman olevan ristiriidassa heidän oman harkintansa kanssa, heidän ei pitäisi yksinkertaisesti hyväksyä tai hylätä sitä, vaan heidän tulee kaivaa syihin. tämä ajatteluprosessi auttaa lääkäreitä parantamaan kliinisiä diagnoosi- ja hoitovalmiuksiaan, ja se on lopullinen visio suurista malleista kliinisinä apudiagnostiikkatyökaluina. vaikka suuret mallit voivatkin tehdä johtopäätöksiä, lääkärit ovat silti itse vastuussa diagnoosista ja hoitoprosessista.

kutsu lisää ihmisiä mukaan

heinäkuussa 2023 med-palm m, maailman ensimmäinen suuri yleislääketieteen malli, jonka google research ja deepmind ovat yhdessä luoneet, julkaistiin virallisesti. tiedot osoittavat, että tällä suurella mallilla on kyky ymmärtää kliinistä kieltä, kuvantamista ja genomiikkaa, ja sitä odotetaan pian käytettävän kliinisissä olosuhteissa.

"2023 medical and health ai large model industry research reportin" mukaan lokakuussa 2023 kotimaassa julkistettujen suurten mallien kumulatiivinen määrä on saavuttanut 238, joista lähes 50 on lääketieteellisiä suuria malleja, joihin sisältyy potilaiden konsultointia, lääkäriassistentteja ja lääketutkimus ja -kehitys, terveystieteen popularisointi ja monet muut alat. pi jingtaon havainnon mukaan monien suurten lääketieteellisten mallien kehittäminen lähtee "yleislääkäreestä" ja yrittää suoraan rakentaa laaja, kaikki erikoisalat kattava yleislääkärimalli, jota käyttäjät voivat konsultoida eri sairauksissa.

osallistuttuaan suuren aivoverisuonitaudin mallin rakentamiseen professori wu jianin ryhmä kuitenkin ilmaisi epäilynsä tästä mallista. he havaitsivat, että sairauden kliinisten ohjeiden selvittäminen on vaikeaa, ja vastaavan ajatteluketjun luominen on myös aikaa vievää ja työlästä. yleislääkärin mallin kouluttaminen samalla menetelmällä lyhyesti termi. toisin sanoen nykyinen yleislääkärimalli voi popularisoida lääketiedettä, mutta tehokasta kliinistä ohjausta on vaikea tarjota tietyillä erikoisaloilla. siksi professori wu jianin tiimin tutkimus- ja kehitysideana on aloittaa erikoissairauksista ja sitten siirtyä yleislääketieteeseen.

"jos aivoverisuonisairauden erikoissairausmalli onnistuu, voimme kopioida onnistuneen kokemuksen muihin neurologisiin sairauksiin; jos neurologiset sairaudet katetaan kattavasti, siitä tulee erikoistunut suuri malli, jonka jälkeen neurologian kokemus voidaan kopioida muille osastoille. "pi jingtao sanoi, että professori wu jianin näkemyksen mukaan mitä enemmän maassa on sairauksia ja mitä suurempi tautitaakka, sitä suurempi on kliininen kysyntä erikoistuneille sairausmalleille. tutkimus- ja kehitystila tulee olemaan. suurempi esimerkiksi neljällä suurimmalla kroonisella sairaudella, joiden esiintyvyys maassani on suurin – verenpainetaudilla, diabeteksella, sepelvaltimotaudilla ja aivoverisuonitaudilla – on kaikilla hyvin laajat mahdollisuudet suurten mallien kehittämiseen.

professori wu jian on antanut aivoverisuonitaudin suuren mallin lehdistötilaisuudessa rekrytointimääräyksen, jossa hän kutsuu neurologisten sairauksien asiantuntijoita ja tekoälyn ammattilaisia ​​eri puolilla maata työskentelemään yhdessä tarttuakseen innovatiivisten uudistusmahdollisuuksiin. tekniikoita ja parantamaan diagnoosin ja hoidon nykytilaa. hän sanoi, että jos akateemiset esteet voidaan murtaa, suurten lääketieteellisten mallien toistuva työ voidaan täysin välttää.

"tätä emme voi tehdä yksin." pi jingtao sanoi.

päivittäisiä talousuutisia