什么是通用医疗人工智能？
随着深度学习技术的不断发展和日益完善，医疗AI已经成为了医学界的一大热点话题。在过去的几年中，医疗AI已经逐渐取代了一些医疗领域中的技术工作，但是由于单一的功能和不足的训练数据，它并未完全取代放射科医生的工作。
然而，随着基于ChatGPT模型的类基础模型的发布，以及AI模型处理多模态数据、可用于上下文学习任务且无需微调的能力的增强，高度灵活、可复用的AI模型的快速发展，医疗AI领域的能力可能会有所提高。
近期，包括哈佛大学、斯坦福大学、耶鲁医学院和加拿大多伦多大学在内的多所顶尖大学和医疗机构的研究人员在《自然》杂志发表了一篇题为“通用医疗人工智能（Generalist M流量套餐edical Artificial Intelligence, GMAI）”的论文。 GMAI的模型可以在具有很少或没有特定任务标记数据的情况下执行各种任务，通过对大量多样化的数据集进行自监督训练，GMAI可以灵活地解释医学多模态数据的不同组合，包括来自成像、电子健康记录、实验室结果、基因组学、图表或医学文本的数据。
在论文中，研究人员确定了一系列具有高影响的潜在应用场景，并列出了具体的技术能力和数据集。作者预计，GMAI的应用将挑战当前经过验证的医疗AI设备，并改变需要大规模医学数据集来训练医疗AI模型的现状。
通用医疗人工智能的潜力
GMAI模型能够解决比当前医疗AI模型更多元化和具有挑战性的任流量套餐务，包括只需要少量标签的特定任务。GMAI拥有三个能力：具有执行指定动态任务的能力、支持灵活的数据模式组合的能力以及使用医学领域知识并执行复杂医学推理的能力。
“执行动态任务”和 “多模态输入和输出”两项关键能力使GMAI与用户之间的互动更加灵活。当前的AI模型只能处理非常有限的任务集，并生成一个严格的、预定的一组输出，例如检测特定疾病的模型需要输入确定类型的图像并输出患该疾病的可能性。
相比之下，GMAI模型可以通过输入自定义的语句来查看用户的脑部MRI图像，提出问题，例如：“解释头部MRI扫描上出现的肿块，它更可能是肿瘤还是脓肿？”。
“动态任务”使用户能够在没有重新训练模型的情况下动态指定新任流量套餐务的学习。例如，GMAI可以回答高度特定的、以前未见过的问题，例如：“基于这个超声结果，胆囊壁的厚度是多少毫米？”
通用医疗人工智能的应用机会
GMAI模型的应用将推动大规模医疗AI模型的研发和应用，这些模型具有各种能力，可用于多样性的下游临床应用，并且还拥有直接读取GMAI输出的能力。以下是通用医疗人工智能的应用机会：
1. 个性化治疗：GMAI模型可以同时应用临床多模态数据的不同组合，例如来自成像、电子健康记录、实验结果、基因组学、图表或医学文本的数据。这种个性化治疗模式将有助于提高治疗效果，并使医疗资源得到更好的分配。
2. 疾病预测和诊断：GMAI模型可以通过对大量数据集进行自监督训练，在没有流量套餐标签数据的情况下执行各种任务。这种能力将会有助于快速、准确地预测和诊断疾病，为患者提供更好的治疗和管理。
3. 药物开发和评估：GMAI模型可以处理来自多个领域的数据，包括基因组学、化学和生物学数据。这种能力将有助于加速药物开发和评估过程，并且可以提高药物研究的效率和准确性。
4. 医疗资源管理：GMAI模型可以帮助医疗机构优化资源分配，例如通过预测疾病的患病率和需求来确定需要多少医护人员或设备。
通用医疗人工智能的挑战
虽然GMAI模型具有很多潜在的应用机会，但是它们也面临着一些挑战：
1. 数据安全和隐私保护：GMAI模型需要大量的医学数据来进行训练和验证，但这些数据可能包含敏感的个人健康信息。因此流量套餐，必须采取有效的措施来确保数据的安全和隐私保护，如联邦学习、医学图像加密等。
2. 增强医疗专业知识的需求：GMAI的输出需要得到医生或其他医疗专业人员的解释和证实。这使得医疗专业知识的发展至关重要，以确保模型的正确性。如何将这些医疗专业知识构成知识图谱等知识库，并为AI模型所使用是一大难点。
3. 适应各种临床环境的挑战：不同的医疗环境可能有不同的临床流程、数据结构和技术设施。因此，GMAI模型需要能够适应各种临床环境的能力。
4. 对模型的可解释性的要求：GMAI模型需要能够向医生和患者解释其输出的原因和依据。这些需要对模型进行可解释性的设计和开发，以确保其在临床实践中的可靠性和应用性。
更多深度流量套餐内容欢迎关注我的个人公众号【THU智能魔术师】
友情提醒： 请添加客服微信进行免费领取流量卡！
QQ交流群：226333560 站长微信：qgzmt2
原创文章，作者：sunyaqun，如若转载，请注明出处：https://www.dallk.cn/25451.html
