中医大附医率先采用医疗专科级MedLM来打造AI辅助医师,第一步从癌症治疗规画AI助手开始

中国医药大学附设医院(中医大附医)院长周德阳今天宣布,将采用Google新发表用Med-PaLM 2打造的MedLM模型,来发展AI辅助医生,先从医生用的客制化癌症治疗指引Chatbot,和提供化疗问答集的病患Chatbot开始,後续还会发展更多专科AI助手。中医大附医是亚洲第一家采用这款医疗生成式AI模型Med-PaLM 2的医学中心。

中医大附医这几年积极推动医疗HIS改造,今年连续获得美国HIMSS数位健康指标评比的全球智慧医院前三强,这两年也一直投入医疗AI发展,例如结合败血症风险预测AI、细菌抗药性预测AI和个人抗菌图谱打造出智抗菌平台。

去年12月,中国医药大学附设医院研究副院长李光申看到Google研究团队在自然杂志发表了Med-PaLM的研究成果,就开始关注後续发展。今年中,李光申受邀到美国Google总部参访後,双方决定展开合作。

Google在2022年发表了第一代医疗生成式AI模型Med-PaLM,可以达到美国医生认证考试60分及格水准,今年中更发表了第二代Med-PaLM 2,可以达到85分的水准。李光申指出,这个分数代表了Med-PaLM 2达到哈佛医学院前10%学生的能力,也相当於专科医生能力的水准。这也是中医大附医采用Google Cloud医疗LLM其中一项原因。

周德阳补充,通用性LLM,没有办法达到专科医生等级的回答。例如眼睑下垂可能是哪一条脑神经出现问题?一般通用LLM多半回答,可能是第三对、第四对、第六对这些与眼睛相关的脑神经有问题,但Med-PaLM 2可以更清楚回答,眼睑下垂是第三对有问题。

主导Med-PaLM研究的Google研究杰出科学家暨资深总监Greg Corrado也亲自来台发表这项合作,他表示,过去没有一款LLM通过美国医生考试,Med-PaLM是第一个,今年的第二代更达到85.4分的等级,「通过考试不见得代表可以执业,但可以看出这项科技的潜力,可以学习新的医学知识,来优化它的推理能力。」

Google的Med-PaLM模型训练上,在基础的语言模型上,使用了少量,经过授权取得的医疗专门资料进行模型微调,来强化对医疗领域的能力。Greg Corrado强调,模型发展过程,也一再确保,「没有运用到隐私或个人病患的资料来训练,来兼顾实际应用时的隐私和合规考量。」

因为第一代Med-PaLM模型还不是立即可用的技术,所以,Google新发展出了一项医疗生成式AI模型产品MedLM,使用了PaLM 2等一系列的基础模型,来打造出适合医疗产业使用的LLM。

Greg Corrado表示,MedLM是一款伞型架构的产品,不会只使用一个模型,而是会整合多种模型,也需要结合实际医疗人员的知识和经验,让这个产品可以安全的运用到实际场所,中医大附医是这段旅程其中一家夥伴。

「现在是医疗AI的转型时代,要勇敢大胆,但同时要负责任,这正是Google发展GAI得原则。」他强调,MedLM的定位,不应该用於任何医疗照护的直接决策,而要是用来协助受过专业训练的医生,在医护人员的监督下,用AI协助他们完成工作。

Google Cloud医疗照护全球总监Ashima Gupta表示:「用AI辅助,有助於改善医疗资源不平等的问题。」她认为,要发展生成式AI策略,需要先有一套数据资料策略和好的基础架构,但是,医院往往因为法规,系统相容性,资料隐私和安全性的问题,无法快速采用新科技。Goolge医疗AI产品线未来希望能提供一个世界级合规架构,不只提供云端基础架构、TPU等硬体,也包括了医疗照护资料引擎,透过开放平台,协助医院将医疗资讯标准化,让医院更容易采用这些基础模型。

李光申表示,中医大附医在11月时已开始测试MedPaLM 2模型,也将采用MedLM产品,Google新发表的Gemini模型未来成为MedLM可用模型後,也会采用。

第一阶段,中医大附医计画打造两款Chatbot,一款是给医护人员使用的客制化癌症治疗指引的专业用Chatbot,另一款是提供病人询问的化疗问答集Chatbot。

例如,乳癌2期的病人有贺尔蒙问题,如何安排治疗?Med-PaLM 2可以在几秒钟内提供回答,甚至提供了专业医疗文献的参考。「速度快到让我们的医生非常惊讶!」李光申强调。不只如此,AI生成的治疗建议,有些甚至超乎了医生的想像,医生会实际确认这些文献,作为治疗安排的参考。

李光申表示,中医大附医治疗的癌症种类很多且杂,其中不少是罕见癌症,每一个病患的情况都不同,过去,医生得花很多时间,为病人量身打造专门的癌症治疗计画。「改用AI协助治疗计画的订定,可以减少不少时间,让医院可以服务更多的病人。」他强调。

目前中医大附医先取得Med-PaLM 2模型的使用权,来进行文字生成式内容的测试。测试时,以检索增强生成(Retrieval-Augmented Generation,RAG)作法,参考国际癌症治疗指引和中医大附医院内的癌症治疗指引,来生成治疗指引的回答。未来,也考虑以指令工程的方式,将台湾健保规则输入到LLM,来优化回答的内容,更符合台湾情况。

中医大附医拥有300万人次的结构化医疗资料,过去几年打下很好的资讯基础建设,例如采用云原生技术、资讯中台架构设计,也导入了Google Anthos混合云架构。李光申,也因Google在台设有机房,医院较容易符合主管机关合规要求,而考虑采用Google的AI。

李光申表示,中医大附医已经打下了很好的基础建设,未来,不会建置自己的超级电脑硬体,而是会借助云端运算资源,来训练自己的医疗大脑。运用中医大附医庞大的结构化医疗资料,来发展更多领域、科别,不只临床也包括门诊的医疗辅助AI。

 

strongvpn怎么样

相关推荐

Comments

0 0 投票数
Article Rating
订阅评论
提醒
guest
0 Comments
内联反馈
查看所有评论

热门文章

0
希望看到您的想法,请您发表评论x