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(měi)经(jīng)记者(zhě) 林姿辰每经编(biān)辑张海妮

　　距离谷歌大模型(xíng)（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(gé)成为临(lín)床医生的“假想敌”了(le)吗？

　　今(jīn)年7月，一篇发表于Nature Medicine的论文显示，即使是目前最先(xiān)进的大语言模型(xíng)（LLM）也无法为所有患者作出准确诊断，且诊断正确率（73%）明显差于人类医生（89%）；在极端情况（胆囊炎诊断）下，LLM的正(zhèng)确率仅为(wèi)13%。

　　但(dàn)对于北京清华长庚医院(yuàn)神经中心医师邳靖陶来说，他今年刚被AI“上了一课”。8月下旬，邳靖陶参与的灵犀医学脑血管病专病(bìng)大模型正(zhèng)式发布，该模型由其(qí)所在医院的(de)神经中心(xīn)武剑教授(shòu)团队主导研发，是国内首个基于专病的医学(xué)人工智能模型。

　　“大模型的能力说强(qiáng)也强，说弱也弱，我们(men)不(bù)能让它天马行空(kōng)地自由发挥。”邳靖陶表示，专病大模型与(yǔ)ChatGPT的最大不同，是要(yào)将AI杜(dù)撰的似是而(ér)非的诊(zhěn)疗建(jiàn)议扼杀在摇篮里，避免灾难性(xìng)后果。

　　8月下旬，灵犀医学脑血管病(bìng)专病大模型正(zhèng)式发布，该模型(xíng)由北京清华长庚医(yī)院神经中(zhōng)心武剑教(jiào)授团队主导研发，是国内首个(gè)基于专病的(de)医学人工智能(néng)模型。图(tú)为灵犀医学大模型技术交流会(huì)现场。受访者供图

　　对标专科和(hé)专病(bìng)专家

　　作为国内四大慢病之一，脑血管病的(de)首次发病者约有三分之二是60岁以上的老(lǎo)年人，其具有(yǒu)“高(gāo)发病率、高患病(bìng)率、高死亡率、高复发率”的特点。而(ér)截至2021年，我(wǒ)国65岁及以上的老年人(rén)口(kǒu)已经超过2亿人(rén)，脑血管病医(yī)生短缺(quē)、水平参差不(bù)齐的问题尤为(wèi)突出。

　　“基层医(yī)院不缺全科医生，但缺专科专家或专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”病专家，这就是大模型要解决的问题。”邳靖陶介(jiè)绍，脑血管病专病大模型是医疗机构与(yǔ)科(kē)技企业的合作产(chǎn)物。具体来说，新华三集团提供技术人员、AI算法和算(suàn)力，北京清华(huá)长庚医院和清华大学提供大数(shù)据和临床需求，共同打造一款面向(xiàng)临床医生的辅助诊断工具(jù)。

　　武(wǔ)剑教授(shòu)曾表示，医学人工智能在缓解医疗资源紧张和(hé)提升医疗(liáo)服务水平方面，具有巨大的潜力和优势。其核心在于(yú)对海(hǎi)量健康数据的深度挖掘和智能分析，这(zhè)能够大(dà)幅提升(shēng)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析和提取病历(lì)中的关键(jiàn)信息，并与临床知识库相(xiāng)匹配，最终提供符合临床指(zhǐ)南的(de)标准化治疗建议(yì)。

　　一方面(miàn)，临床医生可以(yǐ)输入(rù)脱敏（不包括患者个(gè)人信(xìn)息）的临床病程(chéng)信息，由大模型生成(chéng)最终的治疗方案。其间，如(rú)果(guǒ)大模型察觉(jué)到病程信息存在疏漏，会提醒医生(shēng)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（如主要(yào)症状(zhuàng)和持续(xù)时间等(děng)信息）等简单信息，大模型将通过选(xuǎn)择性(xìng)交互引导问诊方向，根据医生点击的(de)选项，逐(zhú)步完善临床诊疗过程，提(tí)升医生的循证能力。

　　专业性体现在两方面(miàn)

　　在邳靖(jìng)陶看(kàn)来，与ChatGPT等通用大模型(xíng)相比，专病大模型的专业性体现(xiàn)在思维链和知识库两方面(miàn)。以脑血管病专病(bìng)大模型为例，其数据来源包括两大部分：一部分(fēn)是经过脱敏处(chù)理的临床资料(liào)，涉及疾病的特定特征(zhēng)，发病情况以及诊疗(liáo)过(guò)程等综合(hé)信息。另一(yī)部分是公(gōng)开获取(qǔ)的临(lín)床指南、大量神经病学和神(shén)经(jīng)科学的教科书和(hé)参考书籍，这(zhè)些构成了数据库的核心内容。值得注意的是，大模型并不能直接接(jiē)收这些知识，而(ér)是需要经临床医生和(hé)工(gōng)科团队之(zhī)手，将临床指南的框架和重(zhòng)点内(nèi)容重(zhòng)新整理，转化为计算机能够理解(jiě)的语言和流程(chéng)后，再输给大模型。

　　“如果不加限制地直接投喂，大模(mó)型会发散到其他方面，生成一些新的理解。但临床指南已经是最高级别的标准(zhǔn)化诊(zhěn)疗推荐，在此基(jī)础上的任何修改都是(shì)错误的，也不是我们想要的。”邳靖陶(táo)告(gào)诉记者，想让大模型(xíng)“听话”，除了要投喂计算机能“听懂”的知识(shí)，更关(guān)键的是教给它(tā)一套临床医生的“思维链”，并(bìng)依托这一能力对不同(tóng)患者的(de)临床资(zī)料进行推理(lǐ)。

　　例如，一位脑血管病(bìng)医生的(de)诊疗流程大致包括询问病史，进行(xíng)体格检查，考虑辅助检查(chá)，综合分析后给出准(zhǔn)确诊断等环节。基(jī)于诊断结果，医生会考虑(lǜ)患者的具体病因和其他基础(chǔ)疾病情况，结(jié)合标准化(huà)的诊疗建议，制定规(guī)范化的治疗方案。

　　在这个过程中(zhōng)，不同的患者主诉指向不同的询问方向。但问题是，大模型的思维虽然“发(fā)散”，但不具备自主(zhǔ)搭建(jiàn)思维链的能(néng)力，所以需要工科团队深刻理(lǐ)解临床诊疗场景，将(jiāng)医生的临床思维转换为机器可以(yǐ)理解的思维。而这个过程让临床医生和技术团队(duì)，都经历了交叉学(xué)习的(de)历练。

　　“Gap（差距）主要是语言交流上(shàng)的障碍，比(bǐ)如(rú)我们不理(lǐ)解(jiě)思维链，他们不理解不同疾病间的关系(xì)。但这不会对我们的研究造成实质性影响(xiǎng)，只要了解对方领(lǐng)域的基础知识(shí)，就能扫清困(kùn)难。”邳靖陶说。

　　负责的仍(réng)是临床医(yī)生

　　邳靖陶(táo)透露，目前(qián)脑血管(guǎn)病专病大模(mó)型正在北京(jīng)清华长庚医院神经中(zhōng)心进行临床(chuáng)验证。此前，他和同事们使用真实病例或模拟复杂临床场景，对大模型进行过内部测试。这项测试建立在前期简单测试的基础之(zhī)上，旨在评估大模型对不同复杂(zá)程度(dù)、不同语言风格(gé)和不同级别医生的(de)病历的理解能力。

　　其中，最困扰邳靖(jìng)陶(táo)的一个问题是，如果大模型出现(xiàn)了错误，怎么保证(zhèng)临床医生(shēng)不受干扰呢？换言之，临床医生应该怎么处理和大模型之(zhī)间的(de)关系？

　　这一矛(máo)盾在首次内部测试时(shí)就出现了。当时，邳靖陶(táo)模拟了一个复杂的临(lín)床场(chǎng)景(jǐng)，大模型给出的治疗方案和预(yù)想的“标(biāo)准答案”有所出入。随后，技术人员介入并回溯了大模型的推(tuī)理过程，试图找(zhǎo)出可能的错误，却无功而返。而当邳靖陶用“标准答案(àn)”去匹配临床指南时，让他印(yìn)象深刻的结果(guǒ)出现了：是自己的(de)诊疗(liáo)思路存在盲区。

　　“一(yī)开始这(zhè)个模(mó)型设计出来(lái)，到底能不能用于临床(chuáng)，能不能起到提(tí)升和改善（诊疗效率）的(de)作用，其实我心里也没有(yǒu)底。但是这件事之后，给了我特别(bié)大的底气(qì)。”邳靖陶总结这次经历，发(fā)现患者的临床症状是一个综合结果。例如，患者可(kě)能因为神经系统问题住院，但心血管、肾脏、肝脏状况也在发生变化。尽管医生接受过规范化的专(zhuān)科培训，但(dàn)诊疗(liáo)思维仍可能存在盲(máng)点，无法保证每次都能提供全面的诊疗方案。

　　另外，临(lín)床(chuáng)指南是不断更新的(de)，并非所有医生都能及时更(gèng)新知(zhī)识。当医生的知识更新滞后时，大模型可以帮助弥补这些纰漏。

　　不过，阅读指南(nán)并作出判断，仍是(shì)临床(chuáng)医生不能丢弃的基本功(gōng)。邳靖陶表示(shì)，如(rú)果医生发现大模型(xíng)提供的诊疗方(fāng)案与(yǔ)自身判断不符，不应(yīng)简单(dān)地接受或拒绝，而应深入(rù)探究原(yuán)因。这一思考过程(chéng)有(yǒu)助于医生提高临床诊疗能力(lì)，是大模型作为临床辅助诊断工(gōng)具的终(zhōng)极愿景。毕竟，虽然大模型可以提供结论，但对诊疗过程负责的(de)仍是临床医生本人。

　　呼吁更多人加入

　　2023年7月，谷歌Research和DeepMind共同打造的全(quán)球首个全(quán)科医疗大模型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”Med-PaLM M正式发布。资料显(xiǎn)示，这个大(dà)模型具备临床语言、影像和基因组学的理解(jiě)能力，用于临床指日可待。

　　而根据《2023医疗健(jiàn)康AI大模(mó)型行业研究报告》，截至2023年(nián)10月，国内累计公开的大模型(xíng)数量达到238个，其中(zhōng)，医疗大模型近50个，涉及患者(zhě)问诊、医生助(zhù)手(shǒu)、药物研发、健(jiàn)康科(kē)普等(děng)多个领域。据邳靖陶观察，许多医疗大模(mó)型的开发从“全科”出发，试图直接构建一个涵(hán)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)构建脑血(xuè)管病专病大(dà)模型后，武剑教授团队对这一模式(shì)表示怀疑。他们发现，把一种疾病的临(lín)床指南梳理(lǐ)清楚颇具难度，打(dǎ)造对应的思维链也耗时耗力，短期内很难(nán)用同样(yàng)的方法训(xùn)练出全科模型(xíng)。换言之，目前的全科(kē)大模型能够(gòu)做(zuò)到医学科普，但很难在特定专(zhuān)科领域提供有效的临(lín)床(chuáng)指导。因此，武剑教授(shòu)团队的研发思路是以(yǐ)专(zhuān)病为起点，再走向(xiàng)全科。

　　“如果针对脑血管病的专病(bìng)大(dà)模型走通了(le)，我们可(kě)以把成功经验(yàn)复制到其(qí)他神(shén)经系统疾病上；如果神经系统(tǒng)疾病覆盖全面了，就成了专科大模型(xíng)；神经(jīng)科的经(jīng)验再复制到(dào)其他科，就会(huì)形成一个真正(zhèng)的全科医疗大(dà)模(mó)型。”邳(pī)靖陶表示(shì)，在武剑教授看来，国(guó)内发(fā)病人数(shù)越多、疾病负担越大的疾病，其专病大模型的临床需求和研发空间就会越大，例如(rú)我国发病率(lǜ)最高的四大慢病——高血压(yā)、糖尿病、冠(guān)心(xīn)病(bìng)、脑血管病都有非常广阔的大(dà)模型开发空(kōng)间。

　　而在脑(nǎo)血管病(bìng)专(zhuān)病(bìng)大模型的发布会上，武剑教授已经(jīng)通过招募令的形式，呼吁全国(guó)神经系统疾病领域的专家，以及人工智能领域的专业人士携手把握创新(xīn)技术的改革可(kě)能，改善临床诊疗(liáo)现状。他表示，如果能打破学术壁垒，医疗大模型的重(zhòng)复性工(gōng)作(zuò)是(shì)完全可以避免的。

　　“这不是我们(men)一个人能做的事情。”邳靖陶说。

责任编辑：何松琳(lín)

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”