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 林姿辰    每经编辑 张海妮    

　　距离谷歌大模型（MedPaLM 2）拿下美国(guó)医学执照考试已经快两年了，人工智能（AI）够资格成为临床医生的(de)“假想敌”了(le)吗？

　　今年7月，一篇发表于Nature Medicine的论文显 示，即使 是目(mù)前最先进(jìn)的大语言模型（LLM）也无法为所有患者作 出准确诊断，且诊断正确率（73%）明显(xiǎn)差(chà)于人类医生（89%）；在极端(duān)情况（胆囊炎诊断）下，LLM的(de)正确率仅为13%。

　　但对于北京
清华长庚医院神(shén)经中心医师邳靖(jìng)陶来说，他今年刚被AI“上了一课(kè)”。8月下旬，邳靖陶参与的灵犀医学脑血管病专病(bìng)大模型(xíng)正式(shì)发布，该模型由其所在医(yī)院(yuàn)的神经中心武剑教授团(tuán)队主导研发，是国内首个基于(yú)专病的医(yī)学(xué)人(rén)工智能模(mó)型。

　　“大模型的能力说强(qiáng)也(yě)强，说弱也弱，我们不(bù)能让它天马行空地自由发挥。”邳靖陶表示(shì)，专(zhuān)病大模型与ChatGPT的最大不同，是要将AI杜撰的似是而非的诊疗建议(yì)扼(è)杀在摇篮里，避免灾难性后果。

　　8月下旬，灵犀医学脑血管病专病大模型正式发布，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”该模型由北京清华长庚医院神经中心(xīn)武剑教授(shòu)团(tuán)队主导研发，是(shì)国(guó)内首个基于专病的(de)医学人工智能模型。图为灵犀医学大模型技(jì)术交(jiāo)流(liú)会现场。 受(shòu)访者供图

　　对标专科(kē)和专病专家

　　作为国内四大慢病之一，脑(nǎo)血管(guǎn)病的(de)首(shǒu)次发病者约(yuē)有三(sān)分之二(èr)是60岁(suì)以上的老年人，其具有“高发病率、高患病率(lǜ)、高(gāo)死亡率、高(gāo)复发(fā)率”的特点。而截至(zhì)2021年，我(wǒ)国65岁及以上的老年(nián)人口已经超(chāo)过2亿人，脑 血管病医生短缺、水平参差不(bù)齐的问题尤为突出。

　　“基层医院不(bù)缺全科医生(shēng)，但缺专科专家或专病专家，这(zhè)就是大模型要解决的问题。”邳靖陶介绍，脑(nǎo)血 管病(bìng)专病大模型(xíng)是医疗机构与科技企业的合作产物。具体来说，新华三集团提供技术人(rén)员、AI算法和算力，北京清华长庚医院和清华大学(xué)提供大数据和临床(chuáng)需求，共同打造一款面(miàn)向临床医生的辅助诊断工具。

　　武(wǔ)剑教授曾表(biǎo)示，医学人工智(zhì)能在(zài)缓解医疗资源紧张和提升(shēng)医疗 服务水平方面 ，具有巨大的潜力和优势。其核心在于对(duì)海量健康数据(jù)的深度挖掘和智(zhì)能分析，这能够大幅提升(shēng)临床诊断和(hé)治疗的 准确性与效率。

　　目前，这个大模型的(de)核心功能是分析和(hé)提取病历中的关(guān)键信息，并与临床知识库相匹配，最终提供(gōng)符合临床指(zhǐ)南的(de)标准(zhǔn)化治(zhì)疗建议。

　　一方面(miàn)，临(lín)床医生可(kě)以输入脱敏（不包(bāo)括患者个人信(xìn)息）的临床病程信
息，由大模型生成最终的治疗方案。其间，如(rú)果大模型察觉到(dào)病程信息存在疏(shū)漏，会提醒医生及时补充，保证病历记录的标准化。

　　另一方面，临床医生也可以输入患者主诉(sù)（如主要症状和持续时间等信息）等简单信息，大模型将通过选择性交互引导问(wèn)诊方向，根据医生点击的(de)选项，逐步完善临床诊疗过程，提升医生的循证(zhèng)能力。

　　专业性体现在两方面

　　在(zài)邳靖陶看来，与ChatGPT等通用大模型相比，专病大模型的专业性体现在(zài)思维链和知识库两方面。以脑血管病专病 大模型为例(lì)，其数据来源包括两大部(bù)分：一部分是经过脱敏处理的(de)临床资料，涉及疾病的特定(dìng)特征，发病情(qíng)况(kuàng)以及诊疗过(guò)程等综(zōng)合信息。另一部分是公开获取的临床(chuáng)指(zhǐ)南 、大量神经病学和神经科学(xué)的教科书和参考书籍(jí)，这些构(gòu)成了数据库的核心内容
。值得注意的是，大模型并不(bù)能直接接(jiē)收这些知识(shí)，而(ér)是需要经临床医生和(hé)工科团队之手(shǒu)，将临床指(zhǐ)南的框架和重(zhòng)点内容重新整 理(lǐ)，转化为计算机能够理解的语言和流程(chéng)后(hòu)，再输给大模型。

　　“如果(guǒ)不加限制
地直接投喂，大模型会发散(sàn)到其他方面，生成一
些新的(de)理解。但(dàn)临床指南(nán)已经(jīng)是最高级别的标准化诊疗推荐，在此基础上的任何修改都是错(cuò)误的，也(yě)不是我们想要的(de)。”邳靖陶告诉记者，想让大模型(xíng)“听话”，除了(le)要投喂计算机能“听懂”的知识，更关键的是教给它一套临床(chuáng)医生 的“思(sī)维链”，并依托(tuō)这一(yī)能力对(duì)不同患(huàn)者的(de)临床资料进行推(tuī)理。

　　例如，一位脑(nǎo)血管病医生的诊疗流程大致包括询问病(bìng)史(shǐ)，进行体格检查，考虑辅助检查，综合(hé)分析后给出准确(què)诊断等环节。基于诊断结果，医生会考虑患者的具体病因和其他基 础疾病情况(kuàng)，结合标准化的诊疗(liáo)建议，制定规范化的治(zhì)疗方案。

　　在这(zhè)个过程中，不同的患(huàn)者主诉指向(xiàng)不同的询问(wèn)方向(xiàng)。但问题是，大模型的思维虽然“发(fā)散”，但(dàn)不具备自主搭建思维链的能力，所以需(xū)要工(gōng)科团队深刻理(lǐ)解临床诊疗场景，将医生的临床思维转换为机器可以理解的思维。而这个(gè)过(guò)程让临床(chuáng)医生和技(jì)术团队，都经历了(le)交叉学习的历练。

　　“Gap（差距）主要是语言交流上的障碍，比如我们不理解思维链，他(tā)们不(bù)理解不(bù)同疾病间的关系。但这不会对我们的研究造成实质性(xìng)影响，只要了(le)解对方(fāng)领 域的基础知 识，就(jiù)能扫清困难
。”邳(pī)靖陶说。

　　负责的仍是临床医生

　　邳靖陶透露，目前脑血管病专病大模型正在北京清华(huá)长庚医院神经中心进行临床验证。此前，他和(hé)同事们(men)使用真实病例或模拟复杂临床场景，对大模型进行过内(nèi)部测试。这项测(cè)试建立在前 期简单测试的(de)基础之上，旨在评估大模型对不同复(fù)杂程度、不同语言风格和不(bù)同级别医生的病历的理解能力。

　　其(qí)中，最困扰邳靖(jìng)陶的一个问题是，如果大模型出现了错误，怎么(me)保 证临床(chuáng)医生不(bù)受(shòu)干扰呢？换言之，临床医生应该怎么处理和大模(mó)型之间的(de)关系？

　　这一(yī)矛(máo)盾在首(shǒu)次内(nèi)部测试时就出现了。当(dāng)时，邳靖陶(táo)模拟了一个复杂的(de)临(lín)床场(chǎng)景，大模型给出的治疗方案和预想的“标准 答案”有所出入。随(suí)后，技术人(rén)员(yuán)介入并回(huí)溯了大模型的推(tuī)理过程，试图找出可能的错误，却(què)无功而返。而当邳靖陶用“标准答案”去(qù)匹配(pèi)临床指南时，让他印象深刻的结(jié)果出现了：是自己的诊疗思路存在盲区(qū)。

　　“一开始这个(gè)模型设计出来，到(dào)底能不能用(yòng)于临床，能(néng)不(bù)能起(qǐ)到提(tí)升
和改善（诊疗效率）的作用，其实我(wǒ)心里也没有底。但是这件事之后，给了(le)我特别(bié)大的底气。”邳靖陶(táo)总结这次经历(lì)，发现患者的临床症状是一个综合结(jié)果(guǒ)。例如，患者可能因为(wèi)神(shén)经系统
问题住院，但心血管(guǎn)、肾脏、肝脏(zàng)状况也在发(fā)生变化(huà)。尽(jǐn)管医生接受过规范化的专科培训(xùn)，但(dàn)诊疗思(sī)维 仍可能存在盲点，无
法保证每次(cì)都能提(tí)供(gōng)全面的诊疗方案 。

　　另外，临床指南是不断更新的，并非所有医(yī)生都能及时更新知识。当
医(yī)生的知识(shí)更新
滞后时，大模型可以帮助弥补这些纰漏。

　　不(bù)过，阅读指南并(bìng)作出判断，仍(réng)是临床医(yī)生不(bù)能丢弃(qì)的基(jī)本功。邳靖陶表(biǎo)示(shì)，如果医生发(fā)现大模(mó)型提供的诊疗(liáo)方(fāng)案与自身判断不符(fú)，不应简单 地接受或拒绝，而(ér)应深入探究原因。这一思考过程有助于医生提高临床(chuáng)诊疗能 力，是(shì)大模型作为临床(chuáng)辅助诊断工具的终(zhōng)极愿景。毕竟，虽然 大模型可以提供(gōng)结论，但对诊疗过程负责的(de)仍是临床(chuáng)医生本人。

　　呼吁更多人加入

　　2023年7月，谷歌Research和DeepMind共(gòng)同打造的全球首(shǒu)个全科医疗大模型Med-PaLM M正式(shì)发布。资料显(xiǎn)示，这个(gè)大模型具备临(lín)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(liáo)健康AI大模型行业(yè)研究报告》，截至2023年10月，国内累
计公(gōng)开的大模型数量达到(dào)238个，其中，医疗大模型近50个(gè)，涉及患者问诊、医生助手、药物研发、健康科普等多个领域。据邳(pī)靖(jìng)陶观察(chá)，许多医疗大模型的开发从(cóng)“全
科”出发，试图直(zhí)接构(gòu)建一个涵盖所有专科的大型全科模型，供用户咨询各种疾病。

　　但在参与(yǔ)构 建(jiàn)脑血管病专病大模型后，武剑教授团队 对这一模式表示怀疑。他们发现，把(bǎ)一种疾(jí)病(bìng)的临(lín)床指(zhǐ)南梳理(lǐ)清(qīng)楚(chǔ)颇具难度，打造对应的思维(wéi)链也耗时耗(hào)力(lì)，短期(qī)内很难用同样(yàng)的方(fāng)法训练出全科模型。换言之，目前的全科大模型能够做到医学科普(pǔ)，但很难在特(tè)定专科领域提供有效的临床指导。因此(cǐ)，武剑(jiàn)教授(shòu)团队的研发思路是以专(zhuān)病为起点(diǎn)，再走向全科。

　　“如果针(zhēn)对(duì)脑血管(guǎn)病的专(zhuān)病大模(mó)型(xíng)走(zǒu)通了，我们可以
把(bǎ)成功经验复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”制到其他神经(jīng)系统疾病上；如果(guǒ)神经系统疾病(bìng)覆盖(gài)全面了，就 成了(le)专科(kē)大模型；神(shén)经科的经验再(zài)复制到其他科，就会形(xíng)成一个真正的全科医疗大(dà)模型。”邳靖陶表示，在武剑教授看来，国内(nèi)发(fā)病(bìng)人数越多、疾病负(fù)担越大的疾(jí)病，其专(zhuān)病大模型的临床需求和研发空间就会越大，例如我(wǒ)国发(fā)病率最高的四大慢病——高血压、糖尿病、冠心(xīn)病、脑血管病都有非常广阔的大模型开发空间。

　　而在脑(nǎo)血管(guǎn)病专病大模型的发布(bù)会上，武剑教授已(yǐ)经(jīng)通过招募令的形式，呼吁全国神经系统疾病领域(yù)的专家，以及人工智能领域的专业(yè)人士携手把握创(chuàng)新技术的改革可能，改善(shàn)临床诊疗 现状。他表(biǎo)示，如果能打破学术壁垒(lěi)，医(yī)疗大模(mó)型的重复性工作是完全可以避免的。

　　“这不是(shì)我们一个人(rén)能做的事情。”邳靖陶说。

责任编辑：何松琳

未经允许不得转载：橘子百科-橘子都知道 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”