近日，北京大學(xué)北京國(guó)際數(shù)學(xué)研究中心董彬教授、北京大學(xué)腫瘤醫(yī)院沈琳教授等團(tuán)隊(duì)在Medicine Plus發(fā)表的綜述文章，從技術(shù)和應(yīng)用層面回顧了大型語(yǔ)言模型在醫(yī)療領(lǐng)域的發(fā)展歷程和最新進(jìn)展，討論了醫(yī)療大型語(yǔ)言模型的優(yōu)勢(shì)和局限性。

隨著21世紀(jì)的到來，人工智能（artificial intelligence, AI）能力的驚人增長(zhǎng)標(biāo)志著一個(gè)新時(shí)代的開端，我們見證了各行各業(yè)的突破性進(jìn)步；特別是在醫(yī)學(xué)領(lǐng)域，這種轉(zhuǎn)變更為顯著。盡管AI為我們帶來很多新的可能性，它也揭示了醫(yī)療過程的深刻復(fù)雜性。在診斷、治療和預(yù)后等關(guān)鍵階段，需要處理的真實(shí)醫(yī)療數(shù)據(jù)非常多樣和復(fù)雜。醫(yī)生在處理這些數(shù)據(jù)時(shí)，不僅需要參考龐大且復(fù)雜的標(biāo)準(zhǔn)醫(yī)學(xué)知識(shí)，還需要根據(jù)每個(gè)患者的獨(dú)特情況制定個(gè)性化治療計(jì)劃。此外，醫(yī)學(xué)檢查是多模態(tài)的，包括病理學(xué)、放射學(xué)和基因組學(xué)等領(lǐng)域。面對(duì)這樣的情況，整合這些大量的數(shù)據(jù)和信息以形成連貫、全面的診斷和治療策略無疑是具有挑戰(zhàn)性的。目前的大多數(shù)工具都是為單一任務(wù)設(shè)計(jì)的，這意味著臨床醫(yī)生在決策過程中必須進(jìn)行更全面的分析和判斷。因此，我們迫切需要強(qiáng)大的智能輔助工具來幫助醫(yī)生。這正是大型語(yǔ)言模型（如GPT-4）的優(yōu)勢(shì)所在：它們不僅能夠協(xié)助醫(yī)生整理和闡釋繁雜的數(shù)據(jù)，還能提供深入且全面的洞察，這對(duì)于診斷、治療和預(yù)后等關(guān)鍵醫(yī)療決策階段至關(guān)重要，能夠顯著提升醫(yī)療服務(wù)的效率和準(zhǔn)確性。

在這一背景下，如GPT-4、ChatGPT和Claude等大型語(yǔ)言模型已逐漸在醫(yī)療領(lǐng)域嶄露頭角。以GPT-4為例，其在美國(guó)醫(yī)學(xué)執(zhí)照考試中的表現(xiàn)遠(yuǎn)超許多專家的預(yù)期。然而，這僅僅是冰山一角。雖然大型語(yǔ)言模型在醫(yī)療保健中的實(shí)際應(yīng)用仍處于早期階段，但初步研究已經(jīng)揭示了它們?cè)趯I(yè)醫(yī)學(xué)研究和潛在的臨床決策支持中的巨大潛力；特別是在整合病理學(xué)、放射學(xué)和基因組學(xué)等多模態(tài)醫(yī)學(xué)數(shù)據(jù)的任務(wù)中，基于大型語(yǔ)言模型的AI智能體（agents）展現(xiàn)了其獨(dú)特的深度解釋和聯(lián)系能力。當(dāng)然，它們?cè)谡鎸?shí)醫(yī)療環(huán)境中的實(shí)際效果和價(jià)值仍需進(jìn)一步研究和驗(yàn)證。隨著這些先進(jìn)工具的引入，我們不僅期待高效地整合多源醫(yī)學(xué)數(shù)據(jù)，還希望AI智能體能在預(yù)測(cè)分析和患者管理方面為醫(yī)生提供支持。例如，AI智能體可以協(xié)助分析患者歷史、實(shí)驗(yàn)室結(jié)果和放射學(xué)數(shù)據(jù)，隨后提供數(shù)據(jù)驅(qū)動(dòng)的診斷建議。此外，這些先進(jìn)的工具還能輔助醫(yī)生在眾多治療方案中篩選出最佳選項(xiàng)，確?；颊攉@得量身定制且效果最優(yōu)的治療方案。借助這些工具，我們有望見證醫(yī)療決策過程變得更加科學(xué)和系統(tǒng)化，從而保障患者得到最高標(biāo)準(zhǔn)的醫(yī)療關(guān)懷。

鑒于大型語(yǔ)言模型在醫(yī)學(xué)中的卓越潛力，該研究系統(tǒng)地回顧了大型語(yǔ)言模型在該領(lǐng)域取得的最新進(jìn)展。文章首先分析了通用和專用的醫(yī)學(xué)大型語(yǔ)言模型，主要關(guān)注基于文本的互動(dòng)。傳統(tǒng)的單模態(tài)方法常常忽視醫(yī)學(xué)領(lǐng)域復(fù)雜的多模態(tài)性質(zhì)，這促進(jìn)了多模態(tài)大型語(yǔ)言模型的開發(fā)，以提高診斷的準(zhǔn)確性和效率。盡管取得了顯著進(jìn)展，但實(shí)現(xiàn)真正的個(gè)性化、維持持續(xù)的模型更新和賦能AI復(fù)雜的問題解決能力等挑戰(zhàn)仍然存在。在這種情況下，由大型語(yǔ)言模型驅(qū)動(dòng)的智能體作為具有多種應(yīng)用的有希望的工具在醫(yī)療保健領(lǐng)域顯現(xiàn)出來。此外，評(píng)估醫(yī)學(xué)大型語(yǔ)言模型的有效性和安全性至關(guān)重要。

綜上，文章闡明了當(dāng)前大型語(yǔ)言模型在醫(yī)療中的角色，評(píng)估了其對(duì)醫(yī)療實(shí)踐的影響，并指出需要解決的問題，以充分發(fā)揮它們?cè)谔嵘颊咦o(hù)理和推進(jìn)醫(yī)學(xué)科學(xué)方面的潛力。

了解詳情，請(qǐng)閱讀全文
Mingze Yuan, Peng Bao, Jiajia Yuan, Yunhao Shen, Zifan Chen, Yi Xie, Jie Zhao, Quanzheng Li, Yang Chen, Li Zhang, Lin Shen, Bin Dong. Large language models illuminate a progressive pathway to artificial intelligent healthcare assistant. Med Plus. 2024 1(2):100030.