☰

騰訊人工智能專家吳賢：探索醫療AI新邊界

導語：作爲2024年中國國際服務貿易交易會重要組成部分之一，國家衛生健康委員會百姓健康頻道（CHTV）即將在北京舉辦“2024首都國際醫學大會的平行論壇——數智醫療與醫學人工智能創新論壇”。在這場匯聚了行業精英與前沿科技的盛會中，騰訊優圖天衍研究中心主任、人工智能領域的頂尖專家吳賢博士將發表關於“醫療大模型新進展及其應用”的主旨演講。在論壇正式啓幕之前，讓我們一同瞭解吳賢博士過往研究，以期對即將到來的精彩分享有更加深入的探討。

從深度學習到大模型：醫學NLP的探索之旅

在吳賢博士的研究中，醫學自然語言處理（NLP）佔據着重要地位。在醫學領域，幾乎所有的通用NLP任務都能找到實際應用場景，如醫患對話、醫學信息提取、醫學影像以及醫療報告生成等。這一觀點不僅揭示了NLP技術在醫學領域的廣闊應用前景，也爲我們理解醫療AI的多樣性和實用性提供了重要視角。

隨着深度學習技術的不斷髮展，大型語言模型（LLM）在醫學領域的應用日益廣泛。部分大型模型甚至已經高分通過了醫師資格考試，這標誌着AI在醫學知識理解和應用方面取得了重大突破。然而，儘管成績斐然，醫療AI仍面臨着諸多挑戰，如訓練效率問題、幻覺問題以及在臨牀場景中遇到的實際問題等。

醫學大模型的訓練與臨牀應用

人類語言的使用具有明確的目的性，我們在日常交流中使用語言來達成各種目標。這一特點在醫療對話系統中尤爲重要，因爲它們需要理解患者的意圖並提供相應的幫助。然而，與簡單的服務導向對話系統不同，醫療對話系統往往需要更精細的戰略推理和溝通技巧，尤其是在處理說服、談判和情感支持等複雜目標時。

爲了使大語言模型系統（LLMs）適用於特定領域，如醫療輔助決策系統（CDSS），對通用LLMs進行微調是必要的。但這些通用的LLMs適配到特定的醫療領域並非易事。首先，醫療任務的多樣性給模型的微調帶來了困難；此外，LLMs中的大量參數導致全量微調會消耗大量時間和計算資源。

在人工智能領域，對話系統的發展正朝着更加複雜和精細化的目標邁進。香港理工大學與騰訊優圖實驗室研究人員合作提出了一種創新的對話框架COOPER，旨在協調多個專業化代理，以應對複雜的對話目標。COOPER框架通過三個主要步驟協調專門化代理：局部分析、全局協調和發言生成。

此外，吳賢博士代表的騰訊優圖實驗室天衍研究中心在與浙江大學和哈佛醫學院的合作論文中顯示，團隊共同研發了一種創新的醫學對話生成框架——MedKP（醫學對話增強與臨牀路徑編碼）框架，通過結合醫學知識圖譜和臨牀路徑編碼，提升醫學對話生成的準確性和可靠性。這一框架不僅能夠減少生成對話中的幻覺現象，還能在保持臨牀連貫性的同時，提供更爲精確的醫療建議。

醫療AI的挑戰與機遇

在談及醫療AI面臨的挑戰時，醫療領域的特殊性要求AI技術必須具備高度的準確性和可靠性。但醫學數據往往具有複雜性和多樣性，並直接關係到患者的生命健康與數據隱私，更具有高度敏感性。因此，醫療AI的研發和應用必須遵循嚴格的倫理規範和法律法規。

同時，醫療AI也伴隨着的巨大機遇。隨着技術的不斷進步和數據的不斷積累，醫療AI有望在疾病診斷、個性化治療、藥物研發等多個方面發揮重要作用。AI在輔助診療系統中的應用，將極大提升醫療服務的效率和質量，爲患者帶來更加精準和個性化的治療方案。

展望未來：醫療大模型的無限可能

即將在論壇上分享的“醫療大模型新進展及其應用”，將是吳賢博士在醫療AI領域研究成果的一次集中展示。近年來，他和團隊在大模型技術方面取得了多項重要進展，不僅提升了模型的訓練效率和準確性，還解決了部分臨牀場景中遇到的實際問題。

隨着醫療大模型的不斷髮展和完善，未來將有更多創新應用涌現出來。這些應用將覆蓋醫療服務的各個環節，從疾病預防到治療康復，爲患者提供更加全面和高效的醫療支持。同時，也呼籲業界同仁共同努力，加強合作與交流，共同推動醫療AI技術的發展和應用。

結語

在即將到來的“2024首都國際醫學大會的平行論壇——數智醫療與醫學人工智能創新論壇”上，吳賢博士將爲我們帶來更加精彩和深入的分享。讓我們共同期待這場科技盛宴的到來，共同見證醫療AI的無限可能！

編輯：杏

二審：梨九

三審：清揚

排版：半夏

封面圖源：醫學論壇網

騰訊人工智能專家吳賢：探索醫療AI新邊界

相關資訊