BiomedGPT：用于实时、以患者为中心的洞察的人工智能

一张图片胜过千言万语，但是......他们还有很多工作要做才能赶上BiomedGPT。

最近在《自然医学》杂志上发表的一篇论文介绍了BiomedGPT，它是一种新型人工智能(AI)，旨在支持广泛的医疗和科学任务。这项与多家机构合作进行的新研究在文章中被描述为“第一个开源轻量级视觉语言基础模型，旨在成为能够执行各种生物医学任务的通才。”

“这项研究将两种类型的人工智能结合成一种医疗服务提供者的决策支持工具。”利哈伊大学计算机科学与工程学助理教授、这项研究的主要作者孙立超（音）解释道，“系统的一侧经过训练可以理解生物医学图像，另一侧经过训练可以理解和评估生物医学文本。两者的结合使该模型能够利用从生物医学图像数据库以及科学和医学研究报告的分析和综合中收集到的见解，应对广泛的生物医学挑战。”

8月7日《自然医学》杂志的文章《适用于各种生物医学任务的通用视觉语言基础模型》中描述了一个关键创新，即这种人工智能模型不需要针对每项任务进行专门化。通常，人工智能系统会针对特定工作进行训练，例如识别X光片中的肿瘤或总结医学论文。然而，这种新模型可以使用相同的底层技术处理许多不同的任务。这种多功能性使其成为一种“通用”模型，并成为医疗服务提供者手中的强大新工具。

孙表示：“BiomedGPT基于基础模型，这是人工智能领域的最新发展。基础模型是大型、预先训练的人工智能系统，只需极少的额外训练即可适应各种任务。本文描述的通用模型已在大量生物医学数据（包括图像和文本）上进行了训练，使其能够在不同应用中表现良好。”

由孙教授指导的利哈伊大学博士生、《自然》杂志文章第一作者张凯（音）表示，“通过评估9项生物医学任务和不同模式的25个数据集，BiomedGPT取得了16项最先进的成果。对BiomedGPT在三项放射学任务上的人工评估展示了该模型强大的预测能力。”

张先生表示，他很自豪这个开源代码库可以供其他研究人员使用，作为推动进一步开发和采用的跳板。

研究团队报告称，BiomedGPT背后的技术有朝一日可能通过解释复杂的医学图像来帮助医生，通过分析科学文献来协助研究人员，甚至通过预测分子的行为来帮助药物发现。

张说，“这种技术的潜在影响是巨大的，因为它可以简化医疗保健和研究的许多方面，使其更快、更准确。我们的方法表明，使用多样化数据进行有效的训练可以带来更实用的生物医学人工智能，从而提高诊断和工作流程效率。”

该过程中的一个关键步骤是验证该模型在现实医疗保健环境中的有效性和适用性。

孙表示：“临床测试涉及将AI模型应用于真实患者数据，以评估其准确性、可靠性和安全性。这种测试可确保模型在不同场景中表现良好。这些测试的结果有助于完善模型，展示其改善临床决策和患者护理的潜力。”