近日，首屆中國大模型大會（CLM 2024）在北京舉行，本次大會由中國中文信息學會大模型專家委員會發(fā)起，中國中文信息學會主辦，十二個與大模型技術(shù)密切相關(guān)的學會專業(yè)委員會共同協(xié)辦。大會以 “中國大模型之路”為主題，現(xiàn)場參會人數(shù)近千人。

醫(yī)渡科技CTO、首席人工智能科學家閆峻博士作為醫(yī)療大模型實踐代表出席“大模型+醫(yī)療健康”專題論壇，發(fā)表了“醫(yī)療垂直領(lǐng)域大模型的建設與應用”主題演講，并與上海人工智能實驗室智慧醫(yī)療中心主任及領(lǐng)軍科學家張少霆教授、阿里巴巴達摩院醫(yī)療AI實驗室算法專家姚佳文博士、北京協(xié)和醫(yī)院神經(jīng)外科馮銘教授就醫(yī)療大模型的落地挑戰(zhàn)與未來探索展開深入探討。

醫(yī)療大模型是多任務引擎

閆峻博士指出，“AI醫(yī)療要實現(xiàn)長久、可持續(xù)發(fā)展，就要形成‘數(shù)據(jù)與知識-模型-應用-產(chǎn)業(yè)’的閉環(huán)生態(tài)。大模型時代到來之前，人工智能技術(shù)的演進已經(jīng)經(jīng)歷了知識工程時代、傳統(tǒng)統(tǒng)計機器學習時代以及深度學習時代，但在醫(yī)療領(lǐng)域均未形成產(chǎn)業(yè)閉環(huán)。”

具體來看，知識工程時代的專家系統(tǒng)技術(shù)基于符號邏輯推理的方法，存在構(gòu)建成本高、泛化能力弱的問題。這一時期的代表性AI醫(yī)療產(chǎn)品CDSS沒有得到廣泛應用，正是因為每個患者都有其獨特的病史和并發(fā)癥，預設的知識和推理能力無法覆蓋所有真實病例，導致其在臨床實踐中的應用受到限制。

傳統(tǒng)統(tǒng)計機器學習時代，基于統(tǒng)計學習技術(shù)的疾病預測模型等在學術(shù)研究中取得了一些成果，但真正應用于臨床的情況并不多。原因在于早期的機器學習技術(shù)過度依賴于模型假設，學習能力不足，而在實際應用中，許多模型假設無法預知或不成立，導致該技術(shù)在商業(yè)化方面的模型效果和泛化能力不足。

深度學習時代則是在形成商業(yè)生態(tài)上遇到了瓶頸。因為深度學習模型的訓練需要大量的數(shù)據(jù)和算力，并且通常只能解決單一任務，商業(yè)化收益十分有限。

“與之前的技術(shù)不同，大模型是一個多任務引擎，可以同時解決多個任務，這使其在處理復雜多樣的臨床情況時具有更大的潛力。通過預訓練模型，大模型可以學習到廣泛的知識和能力，從而更好地適應不同的應用場景?！遍Z峻博士表示。

數(shù)據(jù)、算力、算法、場景有效發(fā)力

要釋放醫(yī)療大模型作為多任務引擎的潛力，還需要從數(shù)據(jù)、算力、算法、場景入手解決醫(yī)療大模型落地面臨的挑戰(zhàn)，并確保其在應用實踐中的安全性、專業(yè)性和自主性。

數(shù)據(jù)方面，醫(yī)療大模型對高質(zhì)量醫(yī)療數(shù)據(jù)的依賴性極高。然而，醫(yī)療數(shù)據(jù)往往分散存儲，存在嚴重的信息孤島問題。此外，醫(yī)療數(shù)據(jù)的表達方式不統(tǒng)一，數(shù)據(jù)質(zhì)量也參差不齊。醫(yī)渡科技在AI醫(yī)療領(lǐng)域深耕十年，經(jīng)授權(quán)處理分析了40多億份醫(yī)療記錄（截至2023年9月30日），沉淀下來大量多維度可量化知識圖譜，醫(yī)渡科技基于自研的數(shù)據(jù)生成技術(shù)，將這些沉淀的知識圖譜應用于大模型訓練，為模型提供了豐富的醫(yī)療知識和經(jīng)驗。

算力的可及性是醫(yī)療大模型面臨的另一個挑戰(zhàn)。醫(yī)渡科技的大模型是首家實現(xiàn)國內(nèi)外主流芯片訓練和推理全鏈路適配的模型。此外，醫(yī)渡科技還提供了開箱即用的低成本一體機解決方案，使得醫(yī)療大模型能夠更廣泛地應用于各種醫(yī)療機構(gòu)和場景，而不受限于高昂的算力成本。

醫(yī)療領(lǐng)域?qū)λ惴ǖ膶I(yè)精準性、知識更新速度和安全倫理要求也非常高。除了將知識圖譜應用于大模型訓練外，醫(yī)渡科技還通過真實世界數(shù)據(jù)的持續(xù)反饋和解釋溯源體系的構(gòu)建，實現(xiàn)醫(yī)療大模型的算法優(yōu)化。目前，醫(yī)渡科技大模型已通過國家網(wǎng)信辦算法備案，并且于今年5月登頂了MedBench評測榜單榜首，在醫(yī)學知識問答、醫(yī)學語言理解、醫(yī)療安全和倫理三大關(guān)鍵維度中都拔得頭籌，充分展現(xiàn)了其在專業(yè)性、理解力、邏輯性和安全性等方面的醫(yī)療專業(yè)實力。

在應用場景方面，醫(yī)療應用場景模糊分散，AI缺乏對醫(yī)療場景的深度理解。醫(yī)渡科技已經(jīng)形成了覆蓋“醫(yī)、藥、險、患者”的商業(yè)閉環(huán)，深入理解行業(yè)需求和用戶痛點，并將其轉(zhuǎn)化為具體的應用需求，從而開發(fā)出能夠真正解決行業(yè)問題的醫(yī)療大模型。

讓大模型在更多場景可用

在閆峻博士看來，大模型在醫(yī)療領(lǐng)域不缺場景，然而要實現(xiàn)在每個場景中的可用性并不容易，這需要深入理解場景的本質(zhì)。

以健康咨詢?yōu)槔?，當兒童發(fā)熱問題發(fā)生在呼吸道疾病高發(fā)期間，甲流、乙流、肺炎支原體感染和新冠等多種疾病可能同時傳播。然而，這些疾病的檢測方法、治療方案和病程進展存在顯著差異。大模型需要在家長焦慮的情境下輔助他們做出正確的決策：比如哪些體征可能是危急重癥的提示，需要立即前往醫(yī)院；哪些體征不需要家長太焦慮，如何在家采用哪些舉措能達到更好的照護效果？同時也隨時回答發(fā)熱全流程的所有問題，比如如果三甲醫(yī)院人滿為患且存在交叉感染的風險，是否可以選擇社區(qū)醫(yī)院進行初步檢查和診斷；如何進行適當?shù)募彝プo理？解決這些問題需要綜合考慮醫(yī)學知識、臨床指南以及患者需求等因素。

基于醫(yī)渡科技大模型研發(fā)的私人健康顧問——“開心健康科技”小程序，特別針對這一問題推出了兒童發(fā)熱顧問功能。通過深入學習兒童發(fā)熱的專業(yè)知識，該功能可以根據(jù)孩子的年齡和具體癥狀，幫助家長做出更科學的健康決策。此外，它還為家長提供了一站式就醫(yī)指導、購藥建議和居家自檢選項等實用信息。

除兒童發(fā)熱咨詢外，“開心健康科技”利用先進的生成式AI技術(shù)和多模態(tài)理解能力，還可以為用戶提供個性化的健康問答、導診咨詢、報告結(jié)果解讀等專業(yè)服務。目前，“開心健康科技”還與公司“惠民?！睒I(yè)務深度結(jié)合，面向500多萬“江蘇醫(yī)惠保1號”用戶提供健康檔案、健康隨訪等專享服務。

醫(yī)療機構(gòu)的醫(yī)、教、研、管等領(lǐng)域也都是大模型的落地場景。閆峻博士認為，醫(yī)療機構(gòu)需要一個整體解決方案，讓最懂需求場景的人擁有自主構(gòu)建大模型應用的能力。

為了滿足這一需求，醫(yī)渡科技與昇騰AI合作推出了首個軟硬件一體化的大模型訓推一體解決方案，為用戶提供了從大模型訓練到推理、評測和應用的完整工具鏈，實現(xiàn)了客戶專有大模型應用的標準化和流程化。這意味著每家醫(yī)療機構(gòu)和每個醫(yī)療行業(yè)從業(yè)者都能夠在自主創(chuàng)新的平臺上，更方便、更自主、更安全地進行大模型的私有化部署，從而大大降低了大模型的研發(fā)和使用成本。

為了進一步發(fā)揮大模型的多任務引擎價值，醫(yī)渡科技還將原有的醫(yī)療數(shù)據(jù)中臺與大模型賦能的醫(yī)療AI中臺相結(jié)合，形成醫(yī)院數(shù)據(jù)智能雙中臺底座，賦予醫(yī)院自主創(chuàng)新能力?！袄么竽Ｐ图夹g(shù)提高數(shù)據(jù)生產(chǎn)和處理的效率，讓經(jīng)過治理的數(shù)據(jù)在業(yè)務場景上發(fā)揮作用，同時也變成大模型的訓練語料，這樣形成一個良性循環(huán)的飛輪，既提高數(shù)據(jù)的可用性，也提升智能技術(shù)的應用性，促進智慧服務、智慧臨床、科研進步和管理效率的全面提升?！?/p>

醫(yī)院AI中臺作為智慧醫(yī)療的核心驅(qū)動力，其戰(zhàn)略價值在于全面賦能醫(yī)療體系，引領(lǐng)行業(yè)向更高層次的智能化、數(shù)字孿生轉(zhuǎn)型升級。通過深度融合人工智能技術(shù)與醫(yī)療實踐，不僅深刻重塑了診療模式，極大提升了醫(yī)療效率與服務質(zhì)量，更是為科研創(chuàng)新、資源優(yōu)化、成本控制、患者體驗、醫(yī)院和醫(yī)院集團提供知識共榮生態(tài)的構(gòu)建帶來了范式進步。

閆峻博士堅信，醫(yī)療大模型在醫(yī)、藥、險、患者各個領(lǐng)域都具備落地應用的潛力，目前醫(yī)療大模型作為生產(chǎn)力和效率工具的作用已經(jīng)得到充分證明。通過不斷創(chuàng)新與探索，相信醫(yī)療大模型能為醫(yī)學領(lǐng)域開辟更為廣闊的前景。