中国医学杂志评论讨论了医疗人工智能的未来前景

近年来，医疗人工智能（AI）在新颖的基础和庞大的语言模型的推动下发展迅速。这对于改变医学教育和医疗保健服务是非常有希望的。现在，来自中国的研究人员在《中国医学杂志》上发表的一篇综述强调了前景，并指出了与数据收集、分析和隐私相关的挑战。它强调了各利益攸关方之间有效合作的重要性，以确保人工智能在医疗保健领域的光明未来。

　　

近年来，人工智能（AI）在OpenAI的GPT-n系列等创新基础模型（FMs）和ChatGPT等衍生大型语言模型（LLMs）的推动下取得了显著发展。这些FMs和llm在包括医学在内的各个领域都有广泛的应用。因此，医疗人工智能在全球范围内迅速发展。具体来说，谷歌的医学LLM：MedPaLM在解决美国医疗执照考试方面成功地展示了专家级的准确性。

此外，Nature和New England Journal of Medicine发表的研究论文证明，FMs和llm正被广泛用于医学诊断和教育。最近旨在全球医学成像数据共享的举措，以及美国FDA为医疗人工智能制定的监管指南，都表明人工智能在医学科学领域的视野正在扩大。这些发展预示着一个新的增长和发展时代的到来，在这个时代，人工智能可以在提高诊断准确性和支持全球医疗专业人员方面发挥关键作用。

然而，像任何新兴技术一样，医疗人工智能面临着一些挑战，需要解决这些挑战才能获得未来的利益。该综述由澳门科技大学医学院人工智能医学研究所的Io Nam Wong教授领导，Olivia Monteiro、Zhuo Sun、Sheng Nie和Yun Yin作为通讯作者，全面分析了人工智能技术（如FMs和llm）在医学应用中的前景。

作者指出，医疗人工智能模型处理和分析各种医疗数据。这包括图像数据（CT、MRI和x射线）、文本数据（患者记录和体检结果）、实验数据（细胞、动物和临床研究）和结构化医学知识（解剖学、病理学和药理学）。研究人员进一步提出了一种新的医疗人工智能模型分类框架，将其分为疾病特异性、通用领域和多模态模型。疾病特异性模型，通常是FMs，是为诊断特定疾病而量身定制的；例如用于眼科疾病的RetFound，用于神经眼科的neurooph GPT，用于计算病理学任务的UNI，以及用于癌症检测的Virchow。通用领域模型，如ChatGPT、MedPaLM、MedSAM、SAM-Med2D和MedLSAM，提供了更广泛的应用，解决了特定疾病模型的局限性。多模态模型，如PathChat、PLIP、OpenMEDLab和IRENE，在文本信息处理和多模态数据集成方面表现出色。

总的来说，医学人工智能模型在疾病诊断和预后预测、医学图像分割、医学报告生成、生物标志物筛选、分子分型和医学问题回答等方面被证明是非常有前途的。然而，与数据收集和分析相关的关键挑战仍然存在，包括数据量、注释、多模态融合、偏见、监督需求和数据隐私问题。Wong教授说：“为促进资讯科技的发展，我们必须建立一个环境，在健全的规例支持下，实现无缝的数据共享。”此外，开发用于处理大量医疗数据的安全框架对于保证患者隐私和实现高效分析至关重要。”

未来的探索应侧重于算法改进和标准化评估协议。研究人员、医疗保健专业人员和监管机构之间的有效合作对于将医疗人工智能引入临床实践至关重要。

“医疗人工智能模型在改变医疗保健方面具有巨大的潜力。这些模型具有增强诊断、定制治疗和改善患者预后的能力，可以重新定义医疗保健领域。然而，为了充分利用医疗人工智能的变革力量，需要持续的研究、创新和仔细的道德考虑，以应对在有效实施这些工具时出现的挑战，”Wong教授总结道。

我们希望这一领域的进步能够在未来继续提高诊断和治疗的效率！