AI浪潮席卷全球，醫(yī)聯借助MedGPT有望垂類賽道彎道超車！
編者按：本文來自微信公眾號 新眸（ID：xinmouls），作者：錢德新，創(chuàng)業(yè)邦經授權轉載
(資料圖片僅供參考)
今年2月，哈佛醫(yī)學院教授Tiffany H. Kung給ChatGPT出了一套美國醫(yī)學執(zhí)照考試。
得出的結論是，ChatGPT在三個專家級知識的標準化測試中能夠達到或接近60%的準確度，其輔助診斷的表現已經接近醫(yī)生。
另一教授Ateev Mehrotr也對ChatGPT進行了測試。
結果顯示，ChatGPT在45個案例中的39個診斷正確，正確率87%（超過了現有機器診斷率的51%），并為30個案例提供了適當的分診建議。
而ChatGPT在醫(yī)療領域的應用，在GPT-4發(fā)布后再次成為焦點。
據OpenAI的內部評估，GPT-4在產生事實回復時其性能比GPT-3.5好40％，在參加為人類設計的考試中表現比之前版本更好（例如醫(yī)學知識自我評估計劃（75％vs 53％））。以及，多模態(tài)輸入也讓GPT4能夠直接轉錄手寫紙質處方。
甚至，未來有一天給你開診斷書的可能不是醫(yī)生，而是AI。
01 硅谷巨頭們都在做什么？谷歌可能是極少數意識到GPT對醫(yī)療領域重要程度的巨頭之一。
在ChatGPT發(fā)布后僅幾周，谷歌就公布了Med-PaLM，一個在更窄的參數范圍內運行的，專門用于回答醫(yī)療保健相關問題的大型醫(yī)用語言模型。3個月后，谷歌就馬不停蹄的公布了Med-PaLM 2。
但微軟想要更快。
Med-PaLM 2發(fā)布幾天后，Nuance（被微軟2021年收購）發(fā)布了一款讓醫(yī)生臨床記錄“iPhone化”的殺手級AI應用，也是醫(yī)療行業(yè)第一款結合GPT-4模型的應用。
巨頭緊鑼密鼓地在醫(yī)療領域落地GPT，很大程度源自醫(yī)療是一個高度垂直的行業(yè)。
有券商曾在今年2月的一份研報中，詳細列出了以ChatGPT為代表的AI技術的四條應用推演路線，其中除了獨立工具、深度嵌入生產力工具和與服務型應用結合，還有一條就是垂直領域。
由于醫(yī)療領域的專業(yè)性和特殊性，其對語言模型的質量要求遠高于市面上任何一種通用語言模型。所以，雖然比爆火的ChatGPT來得晚了一些，但生成式AI在醫(yī)療上有著充分的發(fā)揮空間。
而這場馬拉松比拼的不是誰先起跑，而是怎么跑。
知乎上曾有答主將ChatGPT與醫(yī)療從業(yè)人員的學習路徑做了一個比較，如果單從時間跨度來看，一個基于GPT-3.5模型的醫(yī)療大模型，可能在幾天或者幾周內即可完成培訓，而一個?？茖＜壹幢惆凑兆疃毯臅r計算，也要20年。
這相當于論證了GPT應用到醫(yī)療領域的廣闊前景。
具體來說，復旦大學附屬華山醫(yī)院信息中心主任黃虹就曾表示，醫(yī)療GPT重要的應用場景可以是就醫(yī)導診、醫(yī)院內部知識庫的構建和輔助醫(yī)生提升電子病歷的書寫效率。
醫(yī)聯創(chuàng)始人、CEO王仕銳先生近日也公開表示，AI醫(yī)生與互聯網醫(yī)院的結合，將為醫(yī)療領域帶來前所未有的化學反應。
02 巨頭們忙于訓練AI醫(yī)療大模型的目的券商對于AI技術落地垂直領域的推演，其中值得關注的一點在于，垂直領域大模型與通識大模型是不相同的。
在涉及專業(yè)知識的領域，ChatGPT為代表的大語言模型通過與搜索引擎結合能對專業(yè)信息進行匯總、檢索，并附上來源，但模型本身在專業(yè)領域尚無法提供精準的回答，也無法運用專業(yè)知識解決綜合性的專業(yè)問題。
不過，大模型最重要的一個步驟在于，需要用專業(yè)的數據投喂、訓練、迭代，才能越來越契合垂直領域。Med-PaLM 2在被訓練近3個月后，表現提高了18%就能說明一些問題。
未來隨著更多的專業(yè)Know-how注入，以ChatGPT為代表的AI技術有望在需要較強專業(yè)知識的垂直領域得到進一步的應用。
中科院院士、中山醫(yī)院心內科主任葛均波就明確表示過，AI臨床應用結合大數據，將會極大延伸醫(yī)療服務“上下游”，實現全生命周期管理。“AI助力將可為患者從預防、發(fā)病、診斷、治療到院外康復的疾病管理全流程提供智能解決方案?！?/p>
事實上，忙于訓練AI醫(yī)療大模型的硅谷巨頭，已經在開發(fā)上述其中一個環(huán)節(jié)的落地產品了。
比如在最簡單的臨床記錄生成層面，依靠GPT-4強大的生成式大語言模型和推理能力，DAX Express將這個過程從4個小時縮短到僅僅幾秒鐘。
英偉達則通過NVIDIA AI Foudations云服務，以幫助需要構建、完善和運行自定義大型語言模型及生成式AI的客戶加速生成式AI的引入。這一服務包括用于自然語言處理的Nemo、圖像處理的Picasso，以及針對制藥業(yè)的BioNeMo。
AMD在收購賽靈思后，后者的FPGA芯片也在規(guī)劃在輔助病情診斷（慢性病篩查和風險評估）等場景，通過學習過往慢性病患者數據可以預測未來患病風險。這類場景使用FPGA也可實現模型訓練、推理性能的提升。
當然，國內也有相關公司意識到醫(yī)療GPT的價值。4月28日，醫(yī)聯就對外公布了國內首款大語言模型驅動的AI醫(yī)生——MedGPT，該產品目前已進入內部測試階段，并計劃于5月份正式發(fā)布。
03 醫(yī)療GPT，要腳踏實地硅谷巨頭的技術和產品，雖然按照過往的邏輯可能會很快傳到大洋彼岸，但今天往后也可能不會。
由于眾所周知的原因，AI本身就是一個被限制的技術。更重要的是，大模型的本質是通過概率最大化不斷生成數據，而不是完全通過邏輯推理對問題進行解答的算法模型。
換言之，對一個大模型來說，數據和技術同樣重要。其中數據的大小、提煉程度，又決定了大模型的能力。美國的醫(yī)療數據不一定適合中國人，地理位置、氣候、飲食習慣等等諸多的不同，導致問題也會不同。
并且，若是基于邏輯推理對問題進行解答的邏輯，目前搜索引擎出現的問題，也仍將存在。今年ChatGPT針對算法錯誤修復的版本更新，便明確了這一問題的存在。如果直接把這項技術丟進互聯網醫(yī)院進行應用，后果可想而知。
所以要考慮GPT技術在醫(yī)療場景的應用，就要跳脫出固有思維。
首先，一定要有專門的數據喂養(yǎng)。更多專業(yè)Know-how的注入，以及專家進行語料標注，不斷清洗數據，才能提高模型的準確度。
以醫(yī)聯的MedGPT為例，醫(yī)聯作為一家互聯網醫(yī)院，其本質就是醫(yī)患關系鏈，以及在關系鏈上發(fā)生的醫(yī)療決策、服務和商品。這意味著，基于醫(yī)聯超過150萬的注冊醫(yī)生和2000萬患者深度互動而沉淀出來的專業(yè)數據，足夠投喂一個醫(yī)療大模型。
同時，醫(yī)聯專業(yè)的疾病全流程管理能力，針對各個疾病病種研發(fā)的專業(yè)SOP，以及智能化的患者疾病管理功能，也為沉淀數據，最終訓練出這樣的醫(yī)療大模型提供了重要的醫(yī)療底層能力基礎。
其次，只有從業(yè)者才能做得更好，也就是需要最好的技術+最好的醫(yī)療能力。
醫(yī)聯自研的MedGPT采用了大模型技術，基于醫(yī)療知識圖譜為模型提供豐富、準確、結構化的醫(yī)療知識、并收集整理接近20億條真實醫(yī)患溝通對話、檢驗檢測和病例信息進行深度訓練學習，同時利用醫(yī)生真實反饋進行強化學習，用以保障模型的推理質量、準確性與可靠性。值得一提的是，醫(yī)聯MedGPT首次突破了AI醫(yī)生無法與真實患者連續(xù)自由對話的難點，并實現了醫(yī)療問診場景中支持多模態(tài)的輸入和輸出。
據了解，目前醫(yī)聯MedGPT擁有近3000種疾病的首診能力，覆蓋80%以上的成年人疾病種類和90%以上的0-12歲兒科疾病。
第三，與傳統的醫(yī)療服務相比，GPT的優(yōu)勢更明顯。
還是以MedGPT為例，在互聯網醫(yī)療的土壤中，它實際上具有高效便捷、精準預測、個性化服務和數據共享等多種特征。
通過使用醫(yī)聯MedGPT，患者可以更加快捷、準確地解決與提供自身問題，這無疑為患者提供了更加個性化、專業(yè)化的診療服務。
更重要的是，MedGPT基于大量問診數據訓練，能夠將患者從就診問診到疾病識別再到后續(xù)的治療建議環(huán)節(jié)進行智能且科學的串聯，也就是在疾病的預防、診斷、治療、康復四個重要環(huán)節(jié)全面實現智能化。
值得一提的是，基于嚴肅醫(yī)療理念，為了檢驗MedGPT的科學性，醫(yī)聯抽取了平臺532名復診患者進行實驗。結果顯示，醫(yī)聯MedGPT的診斷結果與原有診斷吻合率超過97.5%，充分證明了AI醫(yī)生在醫(yī)療領域的價值和潛力。
04 前景廣闊 值得期待斯坦福大學醫(yī)學院教授Robert Pearl最近的一個觀點比較有代表性，他認為AI對醫(yī)生來說將比過去的聽診器更重要，任何醫(yī)生都不該把ChatGPT或其他形式的生成式AI拒之門外。
Pearl認為，ChatGPT可以幫助醫(yī)生來撰寫患者的臨床報告、診斷書，甚至在和患者交流遇到困難時向醫(yī)生提供建議。生成式AI語言模型可以挖掘數字診療檔案中的有用信息，也能為患者提供簡潔明了的專業(yè)解釋。
但實際上AI+醫(yī)療還不止如此。甚至，對于整個互聯網醫(yī)療模式都將產生積極影響。
譬如醫(yī)聯平臺上現有的線上復診隨診、送藥上門、指標監(jiān)測、用藥指導、不良反應干預、醫(yī)保支付、健康科普等服務，在引入MedGPT后不僅整個流程會有一個效率上的提升，更能推動上述各個領域的服務專業(yè)度、服務質量更上一層樓。
事實上，醫(yī)療GPT更大的應用場景還是在基層。
一方面因為基層醫(yī)療資源匱乏而導致醫(yī)患供需失衡，如果引入類似MedGPT的醫(yī)療GPT，那么對于基礎疾病的識別判斷，可以幫助患者更有針對性地選擇適宜的治療方式及治療路徑；
另一方面，高效準確的普篩，可以減少優(yōu)質醫(yī)療資源擠兌，提升基層醫(yī)療環(huán)境的疾病診斷能力，為分級診療制度的實施賦能。
據了解，醫(yī)聯也將在5月釋放大模型能力，屆時我們將能看到更多AI與互聯網醫(yī)院的能力結合以及更多的應用空間展示。