近日，清華大學副教務長、北京清華長庚醫(yī)院眼科知名專家黃天蔭教授，馬維英教授，李京山教授等聯(lián)合國內(nèi)外其他研究團隊在ＮＥＪＭ　ＡＩ上發(fā)表研究文章，圍繞醫(yī)學人工智能模型的演進方向和關(guān)鍵技術(shù)展開討論，提出了通用醫(yī)學人工智能（ＵＭＡＩ）和通用健康人工智能（ＵＨＡＩ）的概念，并總結(jié)了其中的關(guān)鍵挑戰(zhàn)和技術(shù)路徑。

醫(yī)學人工智能作為重要的交叉學科研究方向，在近年來受到了來自學術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。隨著人工智能技術(shù)的快速發(fā)展，醫(yī)學人工智能模型也正從任務特定模型轉(zhuǎn)變?yōu)榫邆涓鼜娡ㄓ媚芰Φ亩嗄B(tài)模型（ＧＭＡＩ）。

然而，現(xiàn)有醫(yī)學人工智能技術(shù)仍面臨著三方面的挑戰(zhàn)，其一，當前模型未能學習整合基于臨床訓練積累的“人類智能”；其二，當前模型更關(guān)注疾病狀態(tài)的治療，但忽略了從健康到疾病的演變過程應用；其三，當前模型依賴從發(fā)達國家收集的數(shù)據(jù)，忽略了缺少數(shù)據(jù)的發(fā)展中國家的醫(yī)學問題。

鑒于上述挑戰(zhàn)，該研究提出了兩個新的醫(yī)學人工智能范式：通用醫(yī)學人工智能（ＵＭＡＩ）和通用健康人工智能（ＵＨＡＩ）。

ＵＭＡＩ和ＵＨＡＩ的主要特點有：第一，融合人類臨床經(jīng)驗。ＵＭＡＩ模型關(guān)注如何將人類在于臨床實踐中積累的經(jīng)驗和智慧結(jié)合到模型，特別是同理心和直覺，從而克服數(shù)據(jù)歸納、效率和價值觀對齊等方面的挑戰(zhàn)；第二，整合臨床外健康數(shù)據(jù)。

ＵＨＡＩ在ＵＭＡＩ的基礎(chǔ)上進一步擴展了模型的應用場景，考慮了更多非傳統(tǒng)來源的臨床外的健康數(shù)據(jù)來全面理解個人的健康和行為，從而促進更積極、主動的個性化醫(yī)療保健。

文章還著重介紹了針對ＵＭＡＩ和ＵＨＡＩ實現(xiàn)方式開展了討論，其包含的關(guān)鍵技術(shù)內(nèi)容包括以下方面。

健康數(shù)據(jù)整合與對齊

醫(yī)療數(shù)據(jù)和非臨床健康數(shù)據(jù)的融合理解對于提升醫(yī)學人工智能模型能力至關(guān)重要，因此需要探索合適的解決方法。

這里既涉及如何對異質(zhì)、多模態(tài)的健康數(shù)據(jù)進行融合，也涉及如何實現(xiàn)復雜數(shù)據(jù)的對齊。特別是在ＵＭＡＩ到ＵＨＡＩ的過程中，ＩｏＴ設備、可穿戴智能設備等對于非臨床健康數(shù)據(jù)的采集同樣非常重要。

人類價值觀對齊

因為健康醫(yī)療場景本身的復雜性和特殊性，除了像通用人工智能技術(shù)的應用場景一樣需要開發(fā)模型與人類價值觀的對齊方式，醫(yī)學人工智能還依賴于醫(yī)學情境下的價值觀對齊和訓練。

醫(yī)療暗知識注入

ＵＭＡＩ模型需要學習人類的臨床經(jīng)驗，特別是同理心和直覺判斷能力，以模仿學習為代表的強化學習技術(shù)能夠一定程度上模擬人類的決策過程，但是還需要進一步提升模型的推理和決策能力，大模型的思維鏈和思維樹技術(shù)將有助于這方面的能力改進。

醫(yī)療多智能體協(xié)作

會診是人類醫(yī)生在應對復雜醫(yī)學任務時會采用的解決方案，為了進一步提升對于患者／疾病的整體理解，醫(yī)學人工智能模型也應該具備類似的協(xié)作和集體決策能力，因此，構(gòu)造合適的醫(yī)療多智能體協(xié)作策略將有效提升ＵＨＡＩ的各方面能力。

強有力的基礎(chǔ)模型

當前，以大語言模型為代表的基礎(chǔ)模型已成為處理不同任務的核心，正在取代傳統(tǒng)的架構(gòu)。未來，針對醫(yī)學人工智能各方面需求而量身定制的基礎(chǔ)模型及架構(gòu)將可能帶來快速的整體技術(shù)進步。

研究人員指出，盡管醫(yī)學人工智能在近些年來取得了很多進展，但是在轉(zhuǎn)化、應用等方面仍存在一系列的問題，該研究提出了ＵＭＡＩ和ＵＨＡＩ作為創(chuàng)新的模型范式來試圖彌補這些不足。它們將隱性知識和非臨床健康數(shù)據(jù)結(jié)合，有希望實現(xiàn)對健康的全面理解。通過學習醫(yī)療保健人員的臨床經(jīng)驗，這些新范式有望構(gòu)造更全面的醫(yī)學人工智能模型來應對醫(yī)療保健領(lǐng)域的眾多挑戰(zhàn)。

注：文章來源于網(wǎng)絡，如有侵權(quán)，請聯(lián)系刪除