北京
每个门诊日对我来说都以同样的方式开始。病人几分钟后到，病历已经积了几年。旧的出院小结、被改写过四次的用药清单、每次就诊都略有漂移的化验值、一份有人匆忙录入的扫描转诊单。你读得很快，因为这就是工作。而在所有这些内容里，通常有一行比其他都重要。钾在悄悄爬高。两页之前有一个药物相互作用。我一直想要的，是在那部分有一双额外的眼睛，能把整份记录好好读一遍，而我继续把注意力放在面前的人身上。这就是我构建ChartPilot的原因。
大语言模型能读病历，但摘要不是医生真正需要的
现在，人们很快会告诉我，大语言模型已经能读所有这些了。他们没说错。把文件丢进去，写一个像样的提示词，几秒钟就能得到一份干净的摘要。我试过，确实有用。但摘要并不是我早上9点门诊排满时真正需要的东西。我需要的，是能确保我不会漏掉那个会改变下一步处置的发现，并且能在一秒内让我看到它从哪里得出，方便我核对，然后让我据此行动，或者有意识地判断它不重要。最后这一点比听起来更重要。一个什么都标记的工具只是噪音。一个让我确认、推翻或纠正，并且会记住的工具，才是同事。
每条事实必须来自确定性代码，而不是模型想象
ChartPilot读取病人记录，生成一页简报，发现按需要担心的程度排序。底下有一条我拒绝让步的规则：这一页上的每条事实都来自读取病历的普通确定性代码，绝不来自模型的想象。AI被允许做编辑，把代码已经发现的内容重新表述，仅此而已。在此之上还有一层，会丢弃任何没有引用的说法；然后是第二个AI模型，对第一个模型保持盲态，唯一的工作就是试图证明每条说法是错的。如果一条说法经不起这种检验，它在我看到之前就被丢弃。如果流程里有什么坏了，页面会大声说出来，并把自己标记为需要复核。它绝不会给我一个平静、空洞的“未发现异常”，因为在医学里，那是最危险的输出。
没有从头训练模型，也能推动真实结果
我真正兴奋的部分是它会自我改进，而且方式被低估了。我没有从头训练一个模型。我没有数据也没有算力去从零构建一个临床语言模型，老实说，大多数想帮助医生的人也没有。我发现的是，你可以在不训练基础模型的情况下推动真实结果，只需要把确定性代码、引用校验和对抗性审查组合起来，让医生始终掌握最终决定权。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
