近日，京東健康旗下“京醫(yī)千詢”醫(yī)療大模型宣布開源，成為國內醫(yī)療行業(yè)首個全面開源的垂類大模型。
當前，大語言模型在諸多應用中展現出巨大潛力，但在醫(yī)療決策支持方面，仍面臨缺乏專家級認知等問題。如何讓人工智能(AI)習得更專業(yè)的醫(yī)學思維方式?如何使醫(yī)療AI在輔助診療時靈活運用人類在醫(yī)學領域的經驗?“京醫(yī)千詢”團隊研發(fā)出一種新方法，能有效捕捉臨床醫(yī)生的決策路徑，將其數據化，進而為模型訓練提供大量醫(yī)學專家推理的模擬數據。這一新方法近日發(fā)表于arXiv預印本網站。
“病人不會按照教科書和指南得病。”京東健康探索研究院高級研究員劉慧說，臨床醫(yī)學是基于循證知識和實踐經驗的綜合科學，除了指南、教科書上的“顯性”知識，醫(yī)生還需要不斷實踐思考，做出個性化的診療決策，積累“隱性”經驗和能力。
“AI的訓練過程與人才培養(yǎng)的過程相似。”論文第一作者、京東健康探索研究院首席科學家王國鑫告訴科技日報記者，在臨床實踐中，醫(yī)生不斷累積接診經驗，在思維方式上產生質變，“悟”出心得，這在本質上就是數據訓練。因此，高水平的醫(yī)療數據是AI訓練的基石。
團隊基于京東互聯(lián)網的場景沉淀，并與線下醫(yī)院合作，為大模型訓練匯集基礎數據。然而，將經驗數據化非常困難。一方面，醫(yī)療決策往往具有模糊性、不確定性等特點，模型難以有效反映專家判斷方式的復雜性;另一方面，獲取真實世界的專家級臨床推理數據面臨挑戰(zhàn)，因為它需要捕捉專家思維的細微差別，而這些細微差別往往難以量化。
鑒于臨床數據難以復制臨床實踐的動態(tài)性和模糊性，團隊研發(fā)出一種用來模擬醫(yī)學專業(yè)人員認知推理過程的方法。這種方法為多階段訓練方法，結合了連續(xù)預訓練、監(jiān)督微調和強化學習等多個階段，專門針對臨床場景定制，顯著提升了跨多個模型的復雜推理能力。
“新方法再現了臨床決策的動態(tài)和迭代特性。”王國鑫介紹，團隊在大量模擬醫(yī)學推理數據集上訓練“京醫(yī)千詢”，使其推理能力更貼近于臨床實踐。團隊成功將新方法轉化為一種可訓練的方法，在各種醫(yī)療基準測試中顯著提高了幾個開源基礎模型的性能。
團隊還將模型及其訓練數據作為開源資源公開，進一步降低了醫(yī)療AI應用的開發(fā)門檻，讓更多醫(yī)療機構、開發(fā)者可以基于“京醫(yī)千詢”快速開發(fā)出適合自身需求的醫(yī)療AI應用。同期開源的還包括一個基于真實世界數據的大規(guī)模、可更新的臨床實踐評估數據集。
“我們希望開源能推動AI模型不斷取得新突破。”王國鑫說，目前看來，AI模型的能力上限仍在不斷提升。除了要能在“大數據”中抽提價值，AI還需要從“小數據”中獲得學習能力。隨著AI助手的普遍應用，AI醫(yī)生能與人類醫(yī)生一起成長，積累更多“悟”的經驗，推進AI驅動的醫(yī)療決策研究。
業(yè)內也在不斷發(fā)展相關技術能力，例如，通過思維鏈生成技術增強醫(yī)學模型的推理能力。業(yè)內專家認為，推理過程模擬是模擬人的邏輯思考能力，不僅可以應用于醫(yī)療領域，也可以用于文章創(chuàng)作、科學研究等領域。這種新方法有望在創(chuàng)造性活動中提升AI的能力。
（責任編輯：華康）
