国内首个脑血管专病大模型亮相对话参与医生：被AI“上了一课”

　　每经记者(zhě) 林姿辰每(měi)经编辑张海妮

　　距(jù)离谷歌(gē)大模型（MedPaLM 2）拿下美国医学执照考试已经快两年了，人工智能（AI）够资格成为(wèi)临床医生的(de)“假想敌”了吗？

　　今年7月，一篇发表于Nature Medicine的论(lùn)文显示，即(jí)使是目(mù)前最先进(jìn)的大语言模型（LLM）也无法(fǎ)为所有患者作出准确诊断，且诊(zhěn)断(duàn)正(zhèng)确率（73%）明显差(chà)于人类医生（89%）；在极端情况（胆囊炎(yán)诊断）下，LLM的正确率仅为13%。

　　但(dàn)对于北京清(qīng)华长庚医院神经(jīng)中心医师邳靖(jìng)陶来(lái)说，他今(jīn)年刚被AI“上了一课(kè)”。8月下旬，邳靖陶参与的灵犀医学脑血管病(bìng)专病大模型正式(shì)发布(bù)，该模型由其所(suǒ)在医院的神经中心武剑教(jiào)授团队主导研发，是国内首个基于专病的(de)医学人工智能模型。

　　“大模型(xíng)的能力说强也强，说弱也弱，我们不能让它(tā)天马行空地自由发挥。”邳靖陶(táo)表示，专病大模型与ChatGPT的最大不同，是(shì)要将(jiāng)AI杜撰的似是而非的诊疗建议扼杀(shā)在摇篮里(lǐ)，避免(miǎn)灾难性后果。

　　8月下旬，灵犀医学脑血管病(bìng)专病大(dà)模型正式发布，该模(mó)型由北京清华长庚医(yī)院神经中(zhōng)心武(wǔ)剑教授团队主导研发，是国内首个基(jī)于专(zhuān)病的医学人工智能模型。图为灵犀医学大模型技术交流会现场。受访者供图

　　对标专科和专病专家

　　作为国(guó)内四大(dà)慢病之(zhī)一(yī)，脑血(xuè)管病的首次发(fā)病者约有三分之二是60岁以上(shàng)的老年人，其具有“高发病率、高患(huàn)病(bìng)率、高死亡率、高复发率”的特点。而截至2021年，我国65岁(suì)及以上的老年人口已经超过2亿人(rén)，脑(nǎo)血管病医生短缺、水平(píng)参差不齐的问题尤为突出。

　　“基层医院不缺全科医生，但缺(quē)专(zhuān)科专家或专(zhuān)病专家(jiā)，这就是大模型要解决的问题。”邳靖陶介绍，脑血管病专病(bìng)大模型是医疗机构(gòu)与科技企业的(de)合(hé)作产物(wù)。具体来说(shuō)，新华三集团提供技术人员、AI算法和算力，北京(jīng)清华长庚医院和清华大学(xué)提供大数据(jù)和临床需求，共同打造一款面向临床医生的辅助诊断工具。

　　武(wǔ)剑(jiàn)教(jiào)授曾(céng)表示，医学人工智(zhì)能在(zài)缓解(jiě)医疗(liáo)资源紧(jǐn)张和提升医疗服务水平方面，具有巨大的潜力和(hé)优势。其核心在于对海量健康数据的深度挖掘和智能分析，这(zhè)能够大幅提(tí)升临床诊断和治疗的准确性与效率。

　　目前，这个(gè)大模型的核心功能是分(fēn)析和提取病历中的关键信息，并与临床知识库相匹(pǐ)配，最终提供(gōng)符合临床指南的标(biāo)准化(huà)治疗建议。

　　一(yī)方面，临床医生可以输入脱敏（不包括患者个人信息）的临床(chuáng)病程信息(xī)，由大模型生成最终的治疗方案。其间，如果大(dà)模型察觉到病程信息存在疏漏，会提醒医(yī)生及(jí)时补充，保证(zhèng)病历记录(lù)的标准化。

　　另一方面，临床医(yī)生(shēng)也可以输入患者主诉（如主要(yào)症状和持续时间等(děng国内首个脑血管专病大模型亮相对话参与医生：被AI“上了一课”)信息）等简单信息，大模型将通(tōng)过选择性交(jiāo)互引导(dǎo)问诊方向，根据(jù)医生点击的选项，逐步完善临床(chuáng)诊疗过程，提升医生的循证能力。

　　专业性(xìng)体现(xiàn)在(zài)两方(fāng)面

　　在邳靖陶看(kàn)来，与ChatGPT等(děng)通用大模型相比(bǐ)，专病大模型的专业性体现(xiàn)在思维链和知识库(kù)两方面。以脑血管病专病大模型为例，其数据来源包括两大部分：一部分是经过脱敏处理的临床资料，涉及疾病的特定特征(zhēng)，发病情况以及诊疗过程等(děng)综合信息。另一部分是(shì)公开获(huò)取的临床指南、大量神经病学和神经科学的(de)教(jiào)科书和(hé)参考书籍，这些构成(chéng)了数据库的核心内容。值得注意的是，大模型并不能直接接收这些知识，而是需要经临床医生和工科团(tuán)队之手，将临床指南的框架和重点国内首个脑血管专病大模型亮相对话参与医生：被AI“上了一课”内容重新整理，转化为计(jì)算机能够理(lǐ)解的语言和流(liú)程后，再输给大(dà)模型。

　　“如(rú)果不加限(xiàn)制地直接投喂，大模型会发散到其他方(fāng)面，生成一些新的理解。但临床指南(nán)已经是最高级别的标准化诊疗推荐，在(zài)此基础(chǔ)上的任何修改都是错误的，也(yě)不是(shì)我们想要(yào)的。”邳靖(jìng)陶(táo)告诉记者，想让大模型“听话”，除了要投喂计算机能“听懂”的知识，更关(guān)键的是教给它一套临(lín)床医生的“思维链(liàn)”，并依托这一能力对不同患者(zhě)的临床资料(liào)进行推理(lǐ)。

　　例如，一位脑血(xuè)管病(bìng)医生的诊疗流(liú)程大致包括(kuò)询问病(bìng)史，进行体格检查，考虑辅助检查，综合分析后给出(chū)准确诊断等环节。基于诊断结果，医生会考虑患者的具体病(bìng)因和(hé)其他基础疾病情况，结合标准化的诊疗(liáo)建议(yì)，制定(dìng)规范化的治疗方案。

　　在这个过程中(zhōng)，不(bù)同的(de)患者(zhě)主诉指(zhǐ)向不同的询问方向。但问题是，大模型(xíng)的思维虽然“发散”，但不(bù)具备自主搭建思维链(liàn)的能力，所以需要(yào)工科团队深(shēn)刻理解临床(chuáng)诊疗场景(jǐng)，将医(yī)生(shēng)的临床(chuáng)思维转换为机(jī)器可以理解的思维(wéi)。而这个过程让临床医生和技术团队，都(dōu)经历了交叉学习的历练。

　　“Gap（差距）主要(yào)是语言交(jiāo)流上的(de)障碍，比如(rú)我(wǒ)们不理解思维链，他(tā)们不理解不同(tóng)疾病间(jiān)的关系(xì)。但这不会对(duì)我(wǒ)们的研究造成实质性影响，只要了解对方领域的基础知识，就能扫清(qīng)困难。”邳靖陶说(shuō)。

　　负(fù)责的仍是临(lín)床医生

　　邳靖陶透露(lù)，目(mù)前脑血管病专病大模型正在北京清华长庚医院神经中心进(jìn)行临(lín)床验(yàn)证。此前，他和同(tóng)事们使用(yòng)真实病(bìng)例或模拟复杂临床场景，对大模(mó)型进行过内部测试。这项测试建立在前(qián)期简单测试的基础之上(shàng)，旨在评估大模型对不同复杂程度、不(bù)同语言风格和(hé)不同级(jí)别医(yī)生的病历的(de)理解能力。

　　其中，最困扰邳靖陶的一个问题是，如果大模型出现了错误，怎么保证(zhèng)临床医生不受干(gàn)扰呢？换言(yán)之，临床医生应该怎么处理(lǐ)和大模型之间的(de)关系？

　　这(zhè)一矛盾在首次内部测试时(shí)就(jiù)出现了。当时，邳靖陶模拟了一个复杂的临床场景，大模型给出的治疗方(fāng)案和预想的“标准答案”有所(suǒ)出入。随后，技术人员介入并回溯了大(dà)模型的(de)推(tuī)理过程，试(shì)图找出可能的错误(wù)，却无功而返。而(ér)当邳(pī)靖陶用“标准答案”去(qù)匹配(pèi)临床指南时，让他印象深刻的结果出现了：是自己的诊疗思路存在盲区。

　　“一开始这个模型(xíng)设计出来，到底能(néng)不能用于临床(chuáng)，能不能起到提升和改善(shàn)（诊疗效率）的(de)作用，其实我心里也没有底。但是这件事之后，给了(le)我特别大的底气。”邳(pī)靖陶(táo)总结这次经历，发(fā)现患(huàn)者的临(lín)床症状是一个综合结果。例如，患者可(kě)能因为神经(jīng)系统问(wèn)题住院，但心血管、肾脏(zàng)、肝(gān)脏状况也(yě)在发生(shēng)变(biàn)化。尽管医生接受过(guò)规范(fàn)化的专科培训，但诊疗思维仍可能存在盲点，无法保证每次都能提(tí)供全面的诊疗方案。

　　另外(wài)，临(lín)床指南是不断更新(xīn)的，并非所有医生都能及时更新知识。当医(yī)生的知识更新滞后时，大模型可(kě)以帮助弥补这些纰漏。

　　不过，阅读指南并作出判断，仍是临床医(yī)生不能丢弃的基本(běn)功。邳(pī)靖陶表示，如果(guǒ)医生发现大模型提供的诊(zhěn)疗方案与自身判断不符，不应简(jiǎn)单地接受或拒绝，而应深入(rù)探究原因(yīn)。这一(yī)思考过程有助于医生提高(gāo)临(lín)床诊疗能(néng)力，是大模(mó)型作为临床(chuáng)辅助诊断工具的终极愿景。毕(bì)竟，虽然大模型可以提供(gōng)结论，但对诊(zhěn)疗过程负(fù)责的仍是(shì)临床(chuáng)医生本人。

　　呼吁更多人加入(rù)

　　2023年7月，谷(gǔ)歌Research和DeepMind共同打造的全球首(shǒu)个全科(kē)医疗大模型Med-PaLM M正式发布。资料显示，这个大模(mó)型具备临床语言、影像和基因组学的理解能力，用于临床指日可待。

　　而根据《2023医疗健康AI大模型行业研究报告》，截至2023国内首个脑血管专病大模型亮相对话参与医生：被AI“上了一课”年(nián)10月，国内(nèi)累计公开的大模型数量达到238个，其中(zhōng)，医疗大(dà)模型近50个(gè)，涉及(jí)患(huàn)者问诊、医生助(zhù)手、药物研发、健康科普等多个(gè)领域。据邳靖陶观察，许多医疗大模型的开发从(cóng)“全科”出发(fā)，试图直接构建一(yī)个涵盖所有专科的大型全科模型，供(gōng)用户咨询(xún)各种疾病。

　　但在参与构(gòu)建脑血管(guǎn)病专病大模型后，武(wǔ)剑(jiàn)教授团队对这一模式表示怀疑(yí)。他们发现，把(bǎ)一种疾病的临床指南梳理(lǐ)清楚颇具难度，打造对应(yīng)的思维链也耗时耗力，短期内很难用同样的方法训练出全科模型。换言之，目前的全(quán)科大模型(xíng)能够做(zuò)到医学科普(pǔ)，但很难在特(tè)定专科领域提供有效(xiào)的临床指导。因此(cǐ)，武(wǔ)剑教授团队(duì)的研发思路是以专病为(wèi)起点，再走向全科。

　　“如果(guǒ)针对脑(nǎo)血管病的专病大模(mó)型走通了，我们可以把成功经(jīng)验复制到其他(tā)神经系统疾病(bìng)上；如果神经系统疾病覆盖全面了(le)，就成了专科大模型；神经科的经验再复制到(dào)其他科，就会形(xíng)成一个真正(zhèng)的全科医疗大模型。”邳靖陶表示，在武剑教授看(kàn)来，国内发(fā)病人数越多、疾病负担越大的疾病(bìng)，其专病大模型的临床需求和研发空间就会越大，例如(rú)我(wǒ)国发病率(lǜ)最高的四大慢病(bìng)——高血压、糖尿病、冠心病、脑血管病都有非常广阔的(de)大模型(xíng)开(kāi)发空间。

　　而在脑血管病专(zhuān)病(bìng)大模型的发布会上，武剑教授(shòu)已(yǐ)经通过招募令(lìng)的形式(shì)，呼(hū)吁(xū)全国神经系统(tǒng)疾病领域的专(zhuān)家，以及人工智能领(lǐng)域的专业人士携手把握创(chuàng)新(xīn)技术的改革(gé)可能，改善临(lín)床诊疗现状。他表示，如果能(néng)打破学术壁垒，医疗大模型的重复性工作是完全可以避免的(de)。

　　“这不是我们一个人能做的事情(qíng)。”邳靖陶(táo)说(shuō)。

责任编辑：何松琳

未经允许不得转载：天津电机维修_天津进口电机维修_天津特种电机维修_天津发电机维修国内首个脑血管专病大模型亮相对话参与医生：被AI“上了一课”