基层“随身主任医师”、诊治疑难杂症“第二大脑”，同济Med-Go全球开源

今天，同济大学、同济大学附属东方医院宣布面向全球开源通用医学基座模型Med-Go 32B，这一人工智能医学大模型完全由医生团队发起、主创并参与研发。这一医学基座模型向全球开源，使更多医生用得上、更多医院做得起自己的专病专科模型，让优质智能医疗资源惠及更广大患者群体。

“今天开源的Med-Go大模型，是同济大学今年成立医学人工智能研究院以来的首个标志性成果。”同济大学党委书记、中国工程院院士郑庆华表示，希望通过开源共享，汇聚全球智慧、促进技术迭代，避免重复建设和技术壁垒，加速人工智能技术在医疗健康领域的普惠应用。“医学大模型Med-Go开源，是实现从单点创新到生态共享的关键跨越，将推动医学人工智能从技术研发迈向临床应用。”上海市卫健委副主任罗蒙说道。

同济大学附属东方医院。 资料

【坚实可靠的“地基”】

“当前，全国正处在‘千军万马做专病专科模型和智能体’的阶段。”中国科学院院士、同济大学原副校长、同济大学附属东方医院院长陈义汉说，但是通用模型的医学能力往往不足，急需一个可靠、安全、可复现的通用医学基座模型，一个低门槛、高可靠性的公共基础平台，“这就好比是修路先要打地基。”

此次开源的医学基座模型，就是把这块坚实可靠的“地基”交给临床与科研一线，减少重复造轮子，实现专病专科模型快速二次开发，推动“医学+人工智能”从少数试点走向普遍可用，方便患者在三甲和基层都能更快享受到规范的诊疗、更稳的用药、更到位的随访。

“完整开放模型权重与工程代码，插件化扩展，显著降低二次开发门槛，节省时间和成本，让有限的资源集中到‘最后一公里’大模型的临床场景创新和质量提升上，从而推动从三甲到基层形成同源的智慧医疗能力体系。”陈义汉说。

Med-Go 32B宣传片截屏。

值得一提的是，通过开源提供一个低门槛、工程化的医学AI平台，偏远地区和基层医疗机构无需投入高昂成本即可引入先进的人工智能助手，在临床决策支持、影像辅助诊断、慢病管理等方面受益。

【基层医生的“随身主任医师”】

刘方圆是刚入职陆家嘴社区卫生服务中心的眼科医生，刚刚走出校门，遇到来看眼科的叔叔、阿姨，她心里常常打个问号，“患者表现出来的眼睛问题，是糖尿病引起的还是乙肝引起的？特别想请教三甲医院的主任医师。”但是，“主任医师”不常有，“Med-Go”却是随时可以“交流”，她说：“我只要把问题抛出来，‘Med-Go’不仅会给出答案，还会一五一十地解释为什么是这个答案。”

目前，“Med-Go”已经安装在东方医院医生工作站中，接入了医院的HIS系统；此外，东方医院医联体内的15家浦东新区社区卫生服务中心都安装了“Med-Go”，江苏省射阳县人民医院及其下属社区卫生服务中心、山西省沂州市人民医院及其下属社区卫生服务中心也安装了“Med-Go”。医生填写患者的主诉、现病史、体格检查等后，“Med-Go”即可就能给出诊断、鉴别诊断和下一步处理的辅助建议，不仅提高了诊疗质量和效率，还减少了漏诊误诊的发生，在疑难罕见病例中表现尤为突出。

张海涛在演示如何在手机端使用Med-Go 32B。

同济大学附属东方医院急诊、重症医学科主任张海涛介绍，Med-Go系列持续运行一年多来，总体平稳，性能可靠，展现出强大的应用潜力。以江苏省射阳县人民医院医联体为例，大模型已覆盖门诊问答、病历质控、慢病随访等场景。医生反馈其在信息整理、用药提醒与随访计划上“拓宽了思路”，基层医护上手快、运行稳。公开评测显示，在近20项医学评测中，大模型表现稳健，其临床推理与中文场景优势明显，在多项任务上与同量级开源模型持平或更优。

【诊治疑难杂症的“第二大脑”】

不仅是基层医生提升诊疗能力的口袋里的“主任医师”，“Med-Go”也是医生诊治疑难杂症的“第二大脑”。

张海涛现场演示了一个病例：这是北京某著名三甲医院儿科的真实案例，患儿两次住院，经过近一年的时间才做出正确的诊断，为一种十分罕见的自身免疫性疾病。张海涛将患儿病历输入“Med-Go”，几分钟就给出了专家们用了一年才做出的诊断；将同样的病历输入美国最好的医学大模型，得出的结论虽然包括正确的诊断，但多了几个选择。张海涛说：“这一堆病历，如果让现实中的主任医师阅读，仅仅是看完就需要一个多小时！”

随着人们对疾病的认识加深，医学学科越分越细，哪怕同样是乳腺癌也要分成不同的类型，一个主任医师很难掌握各个细分亚专科的知识。但是，对于计算机而言就不成问题，一个“Med-Go”就是个“全能”的医生，一个患者的症状，“Med-Go”可以全方位“思考”、做出判断，给医生提供辅助。

带教医生在向实习医生现场演示如何使用“Med-Go”进行辅助学习。 周游 摄影

“Med-Go”也成为医生带教的助力器。在东方医院的教学查房中，带教医生正在为一群实习医生讲解病例。除了给学生详细分析了病例的诊断思路、鉴别诊断和治疗方案之外，他还演示了如何使用“Med-Go”进行辅助学习——个性化的知识点讲解、病例分析和文献解读，帮助医学生和住院医师更高效地掌握专业知识，而且系统还支持制定教学计划和评估方案，使教学过程更加标准化和智能化。

【“吃”进了1000多本精选教材】

“Med-Go”为什么这么能？因为给它喂的“料”不但足、而且紧跟国际、国内权威教材。张海涛说：“一开始，我们用6000多本教材来训练它，其中一些国际权威教材还没有中文版本，60多名专家硬是一页一页翻译，把一万多页的新书翻了出来，喂给了它。”理论上而言，“Med-Go”比一个主任医师掌握的知识更新、更全，PK过真实的医师可能性很大。

在重症监护室，医生在手机端即可方便使用Med-Go 32B。 李蕾 摄影

如何让计算机学会像主任医师一样思考医学问题？这就需要把医学知识解构成计算机能懂能用的语言。比如，一种药在“Med-Go”里面可以有202个维度，关系到疾病表现出来的症状、患者年龄、患者生活的环境等等，没有哪个医生能够从202个维度来周密思考用一种药，而计算机可以从202个维度去思考。

“随着应用越来越多，我们发现，投喂的数据并非越多越好，而是要越‘精’越好。”张海涛说，于是，我们又精选了1000多本医学资料进行“喂料”。“精准高效的可解释性医学回复内容，是医学模型的核心竞争力，也是提高临床应用的重中之重。”张海涛说，“Med-Go”能够有效辅助医生分析复杂疑难和罕见病例，提供精准且透明的临床诊疗建议。

Med-Go 32B系统在手机端的应用，方便医生查房时随时查阅。

作为全新的智能医疗助手，Med-Go大模型的数据由医生定标准，数据治理、标注与质控由临床专家把关，融合了教材、指南与多源资料，对罕见病、边界病例做人工合成与针对性增强，补齐“少而缺”的短板。

“Med-Go最大的特色是来源于医生、服务医生。开源其基座模型，希望通过持续的优化迭代，让医学大模型真正成为临床一线医生的‘随身助手’，让医生把时间还给临床。复杂信息的整理、对照、初步建议由系统先作处理，医生把精力放在跟患者的沟通与对疾病的诊断上。”张海涛说。

原标题：《基层“随身主任医师”、诊治疑难杂症“第二大脑”，同济Med-Go全球开源》

栏目主编：徐瑞哲 题图来源：李蕾 摄 图片来源：同济大学 周游 摄

来源：作者：解放日报 李蕾