网站流量监测服务商Similarweb的数据显示，今年以来，ChatGPT访问量 1 月份的环比增长率为131.6%，此后逐月下降。到 6 月份，ChatGPT的全球流量出现首 次下降。可见，大模型的发展逐渐驶入深水区。而大模型的产业化落地，将成为下一阶段思考的重点。
近日，医渡云首席数据科学家彭滔博士在世界生命科学大会“2023AI大模型医疗场景应用论坛”上发表了主题演讲，分享了AI大模型在医疗行业的技术和模式创新。他指出，通用大模型不能彻底解决用户的所有问题，未来大模型市场是基础大模型、行业大模型以及细分场景模型并存的格局。尤其是医疗领域，其严肃性、敏感性、专业性等特殊性，决定了医疗行业需要高质量的专业垂类大模型。
彭滔将大模型的应用生动地比喻为“雇佣新员工”，公司会关注其教育背景，也会对员工进行培训从而更好地适配业务。两者的不同之处在于，教育更侧重于理论知识的传授和推理能力的培养，培训则更倾向于实践性的技能传授以及技能应用的演练。在大模型落地应用中，教育和培训都是必不可少的环节。
目前，医渡科技正在研发医疗垂直领域的大语言模型。在模型“教育”阶段，医渡科技基于其丰富的医疗专业知识储备、行业know-how及特有的算法和技术，使医疗垂类大模型相对于通用大模型能够更好地理解医疗行业需求，提供更准确、专业的回答。
彭滔表示，经过“教育”的大模型已经可以在知识检索查询、医疗过程中不良事件的提取和判断等医疗场景中进行应用。举例来说，在药物或医疗器械研发中，安全性是基本要求。因此，对于不良事件的提取和评估至关重要，需要从临床病例中提取信息，例如事件发生时间、结束时间、具体使用的药物、事件的严重程度以及与研究药物的关联性等，大模型技术在这个过程中展现出了强大的理解、特征提取和推理能力。(如下图所示)
但医疗垂类大模型的潜力远不止于此，彭滔表示，从医院到药企、保险以及患者等各个医疗场景中，都可以受益于医疗垂类大模型的能力，“几乎所有的医疗产品或路径，都可以用医疗垂类大模型去重新梳理一遍，去真正发挥它的价值”。可泛化可循证的CDSS、可以给出科研灵感的科研工具、可以溯源及开放的大数据平台等，医渡科技正在重新思考和构建这些场景下的大模型应用。
但要想真正打通大模型落地医疗的“最后一公里”，让其在更多场景中发挥更大价值，还需要对医疗垂类大模型进行“培训”，这一过程更多依赖的是场景经验与反馈。医渡科技在医疗智能领域深耕多年，医疗场景实践经验丰富，并且内部人才团队80%以上都具备医学或AI、大数据技术背景，在“培训”方面具备充足的资源支持。
彭滔以识别和录入电子病历数据的场景为例，在临床试验中的很多场景中，由于合规、隐私等因素，医院无法提供电子文本，临床研究协调员(CRC)这一角色就需要将医学检验单上的数据手动录入系统，完成类似打字员的转录工作。彭滔指出，很多客户和合作伙伴期待能使用OCR技术解决这个问题，但由于图像质量问题，以及每家医院具有特殊规则和方法的原因，传统OCR的通用性在不同医院受到了极大限制。
为了解决类似的具体场景问题，医渡科技尝试通过场景专家与工程师沟通，再训练AI模型的方式，然而这种方式也存在成本较高的缺陷。针对此，彭滔在论坛上提出了一种新机制，即让一线人员通过自然语言直接与大模型交互，让他们能够向模型传达现场经验的规则。“自然语言有非常强大的表达能力，通过场景专家与AI的交流，可以解决不同场地繁杂的差异，当然它也存在天然的歧义和不比较准确性。展望未来，每个行业都会发展出与AI协作的语言。”彭滔畅想道。
此外，AI大模型在医疗场景应用也需要考虑更多的伦理与安全合规问题。彭滔呼吁监管的调整和行业共识的形成，以使AI的应用符合伦理和合规要求，并指出随着时间的推移，各行业都将面临这个问题，未来人类社会或将逐渐向人机共存的方向转变。
新一轮AI浪潮已至，医渡科技积极拥抱智能时代的新机遇，期待通过推动医疗垂类大模型的创新与应用，为医疗健康领域带来更有效、准确和安全的人工智能解决方案，促进医疗产业的高质量发展，最终让更多患者受益。
（推广）