全部商品分類
近日，清華大學(xué)副教務(wù)長(zhǎng)、北京清華長(zhǎng)庚醫(yī)院眼科知名專家黃天蔭教授，馬維英教授，李京山教授等聯(lián)合國(guó)內(nèi)外其他研究團(tuán)隊(duì)在ＮＥＪＭ ＡＩ上發(fā)表研究文章，圍繞醫(yī)學(xué)人工智能模型的演進(jìn)方向和關(guān)鍵技術(shù)展開(kāi)討論，提出了通用醫(yī)學(xué)人工智能（ＵＭＡＩ）和通用健康人工智能（ＵＨＡＩ）的概念，并總結(jié)了其中的關(guān)鍵挑戰(zhàn)和技術(shù)路徑。
０１兩個(gè)新的醫(yī)學(xué)人工智能范式
醫(yī)學(xué)人工智能作為重要的交叉學(xué)科研究方向，在近年來(lái)受到了來(lái)自學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。隨著人工智能技術(shù)的快速發(fā)展，醫(yī)學(xué)人工智能模型也正從任務(wù)特定模型轉(zhuǎn)變?yōu)榫邆涓鼜?qiáng)通用能力的多模態(tài)模型（ＧＭＡＩ）。
然而，現(xiàn)有醫(yī)學(xué)人工智能技術(shù)仍面臨著三方面的挑戰(zhàn)，其一，當(dāng)前模型未能學(xué)習(xí)整合基于臨床訓(xùn)練積累的“人類智能”；其二，當(dāng)前模型更關(guān)注疾病狀態(tài)的治療，但忽略了從健康到疾病的演變過(guò)程應(yīng)用；其三，當(dāng)前模型依賴從發(fā)達(dá)國(guó)家收集的數(shù)據(jù)，忽略了缺少數(shù)據(jù)的發(fā)展中國(guó)家的醫(yī)學(xué)問(wèn)題。
鑒于上述挑戰(zhàn)，該研究提出了兩個(gè)新的醫(yī)學(xué)人工智能范式：通用醫(yī)學(xué)人工智能（ＵＭＡＩ）和通用健康人工智能（ＵＨＡＩ）。
ＵＭＡＩ和ＵＨＡＩ的主要特點(diǎn)有：第一，融合人類臨床經(jīng)驗(yàn)。ＵＭＡＩ模型關(guān)注如何將人類在于臨床實(shí)踐中積累的經(jīng)驗(yàn)和智慧結(jié)合到模型，特別是同理心和直覺(jué)，從而克服數(shù)據(jù)歸納、效率和價(jià)值觀對(duì)齊等方面的挑戰(zhàn)；第二，整合臨床外健康數(shù)據(jù)。
ＵＨＡＩ在ＵＭＡＩ的基礎(chǔ)上進(jìn)一步擴(kuò)展了模型的應(yīng)用場(chǎng)景，考慮了更多非傳統(tǒng)來(lái)源的臨床外的健康數(shù)據(jù)來(lái)全面理解個(gè)人的健康和行為，從而促進(jìn)更積極、主動(dòng)的個(gè)性化醫(yī)療保健。
０２關(guān)鍵技術(shù)解決醫(yī)學(xué)需求
文章還著重介紹了針對(duì)ＵＭＡＩ和ＵＨＡＩ實(shí)現(xiàn)方式開(kāi)展了討論，其包含的關(guān)鍵技術(shù)內(nèi)容包括以下方面。
健康數(shù)據(jù)整合與對(duì)齊
醫(yī)療數(shù)據(jù)和非臨床健康數(shù)據(jù)的融合理解對(duì)于提升醫(yī)學(xué)人工智能模型能力至關(guān)重要，因此需要探索合適的解決方法。
這里既涉及如何對(duì)異質(zhì)、多模態(tài)的健康數(shù)據(jù)進(jìn)行融合，也涉及如何實(shí)現(xiàn)復(fù)雜數(shù)據(jù)的對(duì)齊。特別是在ＵＭＡＩ到ＵＨＡＩ的過(guò)程中，ＩｏＴ設(shè)備、可穿戴智能設(shè)備等對(duì)于非臨床健康數(shù)據(jù)的采集同樣非常重要。
人類價(jià)值觀對(duì)齊
因?yàn)榻】滇t(yī)療場(chǎng)景本身的復(fù)雜性和特殊性，除了像通用人工智能技術(shù)的應(yīng)用場(chǎng)景一樣需要開(kāi)發(fā)模型與人類價(jià)值觀的對(duì)齊方式，醫(yī)學(xué)人工智能還依賴于醫(yī)學(xué)情境下的價(jià)值觀對(duì)齊和訓(xùn)練。
醫(yī)療暗知識(shí)注入
ＵＭＡＩ模型需要學(xué)習(xí)人類的臨床經(jīng)驗(yàn)，特別是同理心和直覺(jué)判斷能力，以模仿學(xué)習(xí)為代表的強(qiáng)化學(xué)習(xí)技術(shù)能夠一定程度上模擬人類的決策過(guò)程，但是還需要進(jìn)一步提升模型的推理和決策能力，大模型的思維鏈和思維樹(shù)技術(shù)將有助于這方面的能力改進(jìn)。
醫(yī)療多智能體協(xié)作
會(huì)診是人類醫(yī)生在應(yīng)對(duì)復(fù)雜醫(yī)學(xué)任務(wù)時(shí)會(huì)采用的解決方案，為了進(jìn)一步提升對(duì)于患者／疾病的整體理解，醫(yī)學(xué)人工智能模型也應(yīng)該具備類似的協(xié)作和集體決策能力，因此，構(gòu)造合適的醫(yī)療多智能體協(xié)作策略將有效提升ＵＨＡＩ的各方面能力。
強(qiáng)有力的基礎(chǔ)模型
當(dāng)前，以大語(yǔ)言模型為代表的基礎(chǔ)模型已成為處理不同任務(wù)的核心，正在取代傳統(tǒng)的架構(gòu)。未來(lái)，針對(duì)醫(yī)學(xué)人工智能各方面需求而量身定制的基礎(chǔ)模型及架構(gòu)將可能帶來(lái)快速的整體技術(shù)進(jìn)步。
研究人員指出，盡管醫(yī)學(xué)人工智能在近些年來(lái)取得了很多進(jìn)展，但是在轉(zhuǎn)化、應(yīng)用等方面仍存在一系列的問(wèn)題，該研究提出了ＵＭＡＩ和ＵＨＡＩ作為創(chuàng)新的模型范式來(lái)試圖彌補(bǔ)這些不足。它們將隱性知識(shí)和非臨床健康數(shù)據(jù)結(jié)合，有希望實(shí)現(xiàn)對(duì)健康的全面理解。通過(guò)學(xué)習(xí)醫(yī)療保健人員的臨床經(jīng)驗(yàn)，這些新范式有望構(gòu)造更全面的醫(yī)學(xué)人工智能模型來(lái)應(yīng)對(duì)醫(yī)療保健領(lǐng)域的眾多挑戰(zhàn)。
注：文章來(lái)源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系刪除
