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(lín)姿辰每经编辑(jí) 张海妮

　　距离谷歌大模(mó)型（MedPaLM 2）拿(ná)下(xià)美国医(yī)学执照考试已经快(kuài)两(liǎng)年了，人工智能（AI）够资格成为临床医生的“假想敌”了吗？

　　今年7月，一篇(piān)发表于Nature Medicine的论(lùn)文显示，即使是目(mù)前最先进的大语言模型（LLM）也无(wú)法为(wèi)所(suǒ)有患者作出(chū)准确诊断，且诊断正确率（73%）明显差于人类医生（89%）；在极端(duān)情(qíng)况（胆囊炎诊断）下，LLM的正确率仅为(wèi)13%。

　　但(dàn)对于北京清华长庚医(yī)院神经中心医师邳(pī)靖陶来说，他今年(nián)刚被AI“上了一课”。8月下旬，邳靖陶参与的(de)灵犀医学脑(nǎo)血管病(bìng)专病大模(mó)型正式发布，该模型由其(qí)所在医(yī)院的神经(jīng)中心武剑教授团队主导研(yán)发，是国内首个基于(yú)专病的(de)医学人工智能模型。

　　“大模型的能力(lì)说强也(yě)强，说弱也(yě)弱(ruò)，我们(men)不(bù)能让它天马行(xíng)空地自由发挥。”邳(pī)靖陶表示，专病大模型与ChatGPT的最大不同，是要将AI杜撰的似是而(ér)非的(de)诊疗建议扼杀在摇篮(lán)里，避免灾难性后(hòu)果。

　　8月下旬，灵犀医(yī)学脑血管(guǎn)病专病(bìng)大模型正式发布，该模型由北京清华长(zhǎng)庚(gēng)医院神经中心武剑教授团队主导研(yán)发，是(shì)国内首个基于专病的医学人工(gōng)智能模(mó)型(xíng)。图为灵犀医学大(dà)模型技术(shù)交流会(huì)现场。受访者供图

　　对(duì)标专科和(hé)专病专家

　　作(zuò)为国内四大(dà)慢(màn)病(bìng)之一，脑血管病的首次发病者(zhě)约有三分之二是60岁以上(shàng)的(de)老年人，其具有“高发(fā)病率、高患病率、高死亡率、高复发率”的特(tè)点(diǎn)。而截至2021年，我国(guó)65岁及以上的老年人口(kǒu)已经超过2亿人，脑血管病医生短缺、水平参差不齐的问题尤为突出。

　　“基层医院不缺全(quán)科医生，但缺(quē)专科专家或专病专(zhuān)家(jiā)，这就是大(dà)模型要解决(jué)的问题(tí)。”邳靖陶介绍，脑血管病专病大模型是医疗机构与科技(jì)企(qǐ)业的合作产物。具体来说，新华三集团提供技(jì)术人员、AI算法和算力，北京清华长庚医院和清华大学提供大(dà)数据和临床需求，共(gòng)同打造一款面向临床医生的辅助(zhù)诊断(duàn)工具。

　　武(wǔ)剑教授曾表示(shì)，医学人工智能在缓解医疗资源紧张和提升医疗服(fú)务水(shuǐ)平方面，具有巨大的潜力和(hé)优势。其核心在于对(duì)海量健康数(shù)据的(de)深度挖掘和智能分析，这能够大幅提升临床(chuáng)诊断和治疗(liáo)的准(zhǔn)确性(xìng)与效率。

　　目前，这个(gè)大模型的核心功能是分析和提取病历中的关键信(xìn)息，并与临(lín)床知识库(kù)相匹配，最终提供符合临床指南的标准化治疗建议(yì)。

　　一方面，临床医生(shēng)可以输入脱敏（不包括患者个人信(xìn)息）的(de)临床病(bìng)程信息，由大模型生成最终的治疗方案。其间，如果(guǒ)大模(mó)型察觉到病程信息存在疏漏，会提醒医生及时补充，保(bǎo)证病历(lì)记录的(de)标准(zhǔn)化。

　　另一方面，临(lín)床医生(shēng)也可以输入患者主诉（如(rú)主要症状(zhuàng)和持续时间等信(xìn)息）等简单信息，大模型将通(tōng)过选择性(xìng)交互引导问诊方向，根据医生点击的选(xuǎn)项(xiàng)，逐步完善临床诊疗过程，提升医(yī)生的(de)循证能(néng)力。

　　专业性(xìng)体现(xiàn)在两方面

　　在邳靖陶看来(lái)，与ChatGPT等通(tōng)用大模型相比，专病(bìng)大模型的专业性体(tǐ)现在思维链和知识库两方面。以脑血管病专病大模型为例，其数据(jù)来源包括两大部分：一部分是经过脱敏处(chù)理的临(lín)床(chuáng)资料，涉及(jí)疾病的特定特征，发病情况以及诊疗(liáo)过程等综合信息。另(lìng)一部(bù)分是公开获取的(de)临床指南、大量神经病学和神经科学的教科书和参考书籍，这些构成了数据(jù)库的核心(xīn)内容。值(zhí)得注(zhù)意的是，大模型并不(bù)能直接接收这(zhè)些(xiē)知识，而是需要经临床医生(shēng)和工科团队之手(shǒu)，将临床指南的框架和重点内容重新整理，转化为计算机能够理解的语言和流程后(hòu)，再(zài)输给大模型。

　　“如果不加限制地直接投喂，大模(mó)型(xíng)会发散(sàn)到其(qí)他方(fāng)面，生成一(yī)些新的理(lǐ)解(jiě)。但临(lín)床(chuáng)指(zhǐ)南已经是最高级别的标准化诊(zhěn)疗推荐，在此基础上的任何修改(gǎi)都是错误的，也不是(shì)我们想要(yào)的。”邳靖陶告诉(sù)记者，想让大模型“听(tīng)话”，除了要投(tóu)喂计算机能(néng)“听懂”的(de)知识，更关键的是教给它一套临床医生的“思(sī)维链”，并依托这一能力对不同患者的临床资料进行推理。

　　例如，一位脑血管病医(yī)生的诊疗流程大致包括询问病史，进行体格检查，考虑辅助检查，综合分析后给出准确诊断等环节。基于诊断结果，医生会考(kǎo)虑患者的具体病因和(hé)其他基础疾(jí)病(bìng)情况，结合标准化的(de)诊疗(liáo)建(jiàn)议，制定规范化(huà)的治疗方案。

　　在这个过(guò)程中，不同的患者主诉指向(xiàng)不同的(de)询(xún)问方向。但问题是，大模型的思维(wéi)虽然(rán)“发散”，但不具备自主搭建思维链的能力(lì)，所以需(xū)要(yào)工科团队深刻理解临床诊疗场(chǎng)景，将医(yī)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(chuáng)医生和技术团队(duì)，都经历了交叉学习的历练。

　　“Gap（差距）主要是语言交流上(shàng)的障碍，比(bǐ)如我们不理(lǐ)解思维链，他们不(bù)理解不同疾病间的关(guān)系。但(dàn)这不会对我们的研究造成实(shí)质性影响，只要了解对(duì)方领域(yù)的基础知识，就能扫清困难。”邳靖陶说。

　　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(qīng)华长庚(gēng)医院神经中心进行临床验(yàn)证。此(cǐ)前，他和同事们使用真实病例或模拟复杂(zá)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(shì)的基础之上，旨在评估大模型对不同复杂程度(dù)、不同语言风格和不同级别医生的病(bìng)历(lì)的理解能力。

　　其中，最困扰邳靖陶(táo)的(de)一个问题是，如果大模型出现了(le)错误，怎么保证临(lín)床医生不(bù)受(shòu)干扰呢？换言之，临床医生应(yīng)该怎么处理和大模型之间的关(guā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”n)系？

　　这一矛盾在首次内部测试时(shí)就出现(xiàn)了。当时，邳靖陶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想的“标准答案”有所出入。随(suí)后，技(jì)术人员介入(rù)并回溯(sù)了大模型的推理过程，试图找出可能的错误，却无(wú)功而返。而(ér)当邳靖陶用“标准答案”去(qù)匹配临床指(zhǐ)南时，让他印象(xiàng)深刻的结果出现了：是(shì)自己的诊疗思路存在盲区。

　　“一开始这个(gè)模型设计出来，到底能不能用于(yú)临床，能不能起(qǐ)到提升和改善（诊疗效率）的作用，其实我心里也没(méi)有底。但是这件事之后，给了我特别(bié)大的底气。”邳靖陶总结这次经(jīng)历，发(fā)现患(huàn)者的临床(chuáng)症状是一个综合结果。例如，患者可能因为神经系统问题住院，但(dàn)心血管、肾脏、肝脏状况也在发生变(biàn)化。尽管医(yī)生接受过(guò)规范化的(de)专科(kē)培训，但诊疗思维仍(réng)可能存在(zài)盲(máng)点，无法保(bǎo)证每次都能(néng)提供全面(miàn)的(de)诊疗方(fāng)案。

　　另外(wài)，临床指南是不(bù)断更新的，并非所有医生都能(néng)及时更(gèng)新知识。当(dāng)医生的知识更新滞后时(shí)，大模型(xíng)可以帮(bāng)助弥补这些纰漏。

　　不过，阅读指南并作出判断(duàn)，仍是临床医生不能(néng)丢弃(qì)的基本功(gōng)。邳靖陶表示，如果医生发现大模型(xíng)提供的诊疗方案与自身判断不符，不(bù)应(yīng)简单地接受或拒绝，而应深入探究原因(yīn)。这一思考过程有(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具的终极愿景。毕竟，虽然大模型(xíng)可以提供(gōng)结论(lùn)，但(dàn)对(duì)诊疗过程负责的仍是临床医生本(běn)人。

　　呼吁更(gèng)多人加入

　　2023年7月，谷歌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，这个大模型具备临床语言、影像和基因组学的理(lǐ)解能力，用于临(lín)床指(zhǐ)日(rì)可待(dài)。

　　而根据《2023医(yī)疗(liáo)健康AI大模型行业研究报告》，截至2023年10月，国内累计公开的大模(mó)型数量达到238个，其中，医疗(liáo)大(dà)模(mó)型近50个，涉(shè)及患者问诊、医生助手、药物研发(fā)、健(jiàn)康(kāng)科普等多个领域。据邳(pī)靖陶观察，许多医疗(liáo)大模型(xíng)的开发从“全科”出发，试图直接构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。

　　但在参与构建脑血管病专病大模型(xíng)后，武剑教授团队对这一模式表示怀疑。他们(men)发现，把一种疾病的(de)临床指南梳(shū)理清楚颇具(jù)难度，打造对(duì)应的思(sī)维链(liàn)也耗时耗力，短期(qī)内(nèi)很难用同样的方法训练出全科模型。换言(yán)之，目前的全科大模型能够做到医学科(kē)普(pǔ)，但很难在特定专科领域提供有效的临(lín)床(chuáng)指导。因此，武剑教授团队的研发思路是以专病为起点，再走向(xiàng)全科。

　　“如果针对脑血管病的专病大模型走通了(le)，我们可以把成功经(jīng)验复制(zhì)到其他神经(jīng)系(xì)统疾病上；如果神经系统疾病覆盖(gài)全面了，就成了专科(kē)大模型；神经科的经验(yàn)再复制到其他科，就会形成一个真(zhēn)正(zhèng)的全科医疗大模型。”邳靖(jìng)陶表示，在武剑教授看来，国内发病人数越多、疾病(bìng)负(fù)担越(yuè)大的疾(jí)病，其(qí)专病大模型的临床需求和研发空间就会越大，例如我国(guó)发病率最高的四大慢病——高血压、糖尿病、冠心(xīn)病、脑血(xuè)管病都有非常广阔的大模型开发空间(jiān)。

　　而在脑血管病专病大模型(xíng)的发布会(huì)上，武剑教授已经通过招募令的形式，呼吁全国(guó)神经系统疾病领域的专(zhuān)家，以及人工智能领(lǐng)域的专业(yè)人士携(xié)手把握创新技术的改革可能，改善临床诊疗(liáo)现状。他表示，如(rú)果能打破学术壁垒，医疗大模型的重复性工作是完全可以避(bì)免的。

　　“这不是我们一个人能做的事情。”邳靖(jìng)陶说(shuō)。

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”