ℹGoogle 开发能够诊断医学推理和对话的 AI 人工智慧系统「AMIE」，可以回答各种医学问题#

ℹGoogle 开发能够诊断医学推理和对话的 AI 人工智慧系统「AMIE」，可以回答各种医学问题# Google 开发一款能够诊断医学推理和对话的 AI 人工智慧系统「AMIE」，可以模拟真实的医疗对话环境，与病人和医生进行构通，回答任何...

WiNGPT：基于GPT的医疗垂直领域大模型，旨在将专业的医学知识、医疗信息、数据融会贯通，为医疗行业提供智能化的医疗问答、诊断

WiNGPT：基于GPT的医疗垂直领域大模型，旨在将专业的医学知识、医疗信息、数据融会贯通，为医疗行业提供智能化的医疗问答、诊断支持和医学知识等信息服务，提高诊疗效率和医疗服务质量。 核心功能： 医学知识问答：可以回答关于医学、健康、疾病等方面的问题，包括但不限于症状、治疗、药物、预防、检查等。 自然语言理解：理解医学术语、病历等医疗文本信息，提供关键信息抽取和归类 多轮对话：可扮演各种医疗专业角色如医生与用户进行对话，根据上下文提供更加准确的答案。 多任务支持：支持32项医疗任务，八大医疗场景18个子场景。 模型架构：基于Transformer的70亿参数规模大语言模型, 采用RoPE相对位置编码、SwiGLU激活函数、RMSNorm，训练采用Qwen-7b1作为基础预训练模型。 主要特点： 高准确度：基于大规模医疗语料库训练，具有较高的准确率和较低的误诊可能性。 场景导向：针对不同的医疗场景和真实需求进行专门优化和定制，更好的服务应用落地。 迭代优化：持续搜集和学习最新的医学研究，不断提高模型性能和系统功能。 | 下载地址： |

《医书类》简介：《医书类》资料收集了各类医学书籍相关内容，涉及中医、西医等不同医学体系。涵盖基础医学理论、临床诊断治疗方法、药学

《医书类》 简介：《医书类》资料收集了各类医学书籍相关内容，涉及中医、西医等不同医学体系。涵盖基础医学理论、临床诊断治疗方法、药学知识等。可能包括古代中医经典著作，如《黄帝内经》《伤寒杂病论》的解读；也有现代医学的专业书籍，介绍疾病的诊断技术、治疗手段和药物应用。为医学专业学生、医护人员以及医学爱好者提供丰富的学习和研究资料 标签： #医书 #医学知识 #中医 #西医 #医学研究 文件大小：NG 链接：

法国 Bioptimus 公司发布疾病诊断人工智能模型H-optimus-0

法国 Bioptimus 公司发布疾病诊断人工智能模型H-optimus-0 这家初创公司是众多试图应用人工智能实现医学突破的公司之一。Google的 DeepMind 最近发布了新版 AlphaFold，这是一个为预测蛋白质结构而开发的具有里程碑意义的人工智能系统。K Health是一家美国初创公司，它开发的聊天机器人能在病人看医生之前与他们对话，该公司在一笔交易中融资5000万美元，估值约为9亿美元。Bioptimus公司首席技术官罗多尔夫-詹纳顿（Rodolphe Jenatton）说，公司选择了开源模式，以提高该领域的透明度并加快发展。该公司表示，希望进一步的发展能让该模型在人类生物学的不同层面发挥作用，目前的模型则只关注组织。人们对使用人工智能诊断医疗状况仍存在广泛担忧。皮尤研究中心2023年的一项调查发现，60%的病人会对医生依靠人工智能为他们提供医疗服务感到不舒服。本周早些时候，专家们呼吁英国国家卫生服务局将重点放在基本的癌症护理上，而不是人工智能"灵丹妙药"上。2021年，《自然医学》（Nature Medicine）杂志上的一项研究发现，应用于胸部X光检查的人工智能算法对女性、黑人和西班牙裔患者以及享受医疗补助的患者诊断不足。詹纳顿将H-optimus-0的首次发布描述为"更长旅程的一部分"。Bioptimus 公司于今年 2 月在法国生物技术公司 Owkin Inc.这家初创公司从 Sofinnova Partners、国有投资银行 Bpifrance 和电信亿万富翁 Xavier Niel 等投资者那里获得了 3500 万美元的种子资金。 ... PC版： 手机版：

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生

Google的Med-Gemini医疗人工智能模型被证明表现不输人类医生 医生每天要治疗众多病人，他们的需求从简单到非常复杂。为了提供有效的医疗服务，他们必须熟悉每位患者的健康记录，了解最新的治疗程序和治疗方法。此外，建立在同理心、信任和沟通基础上的医患关系也至关重要。要想让人工智能接近真实世界中的医生，它必须能够做到所有这些。Google的Gemini模型是新一代多模态人工智能模型，这意味着它们可以处理来自不同模态的信息，包括文本、图像、视频和音频。这些模型擅长语言和对话，理解它们所训练的各种信息，以及所谓的"长语境推理"，即从大量数据（如数小时的视频或数十小时的音频）中进行推理。Gemini医学模型具有Gemini基础模型的所有优点，但对其进行了微调。研究人员测试了这些以药物为重点的调整，并将结果写入了论文中。这篇论文长达 58 页，内容丰富，我们选取了其中最令人印象深刻的部分。自我培训和网络搜索功能要做出诊断并制定治疗方案，医生需要将自己的医学知识与大量其他相关信息结合起来：病人的症状、病史、手术史和社会史、化验结果和其他检查结果，以及病人对先前治疗的反应。治疗方法是"流动的盛宴"，现有的治疗方法会不断更新，新的治疗方法也会不断推出。所有这些都会影响医生的临床推理。因此，Google在 Med-Gemini 中加入了网络搜索功能，以实现更高级的临床推理。与许多以医学为重点的大型语言模型（LLM）一样，Med-Gemini 也是在 MedQA 上进行训练的，MedQA 是美国医学执照考试（USMLE）的多选题，旨在测试不同场景下的医学知识和推理能力。Med-Gemini 如何使用自我培训和网络搜索工具不过，Google也为他们的模型开发了两个新的数据集。第一个是 MedQA-R（推理），它通过合成生成的推理解释（称为"思维链"，CoTs）对 MedQA 进行了扩展。第二种是 MedQA-RS（推理和搜索），它为模型提供使用网络搜索结果作为额外上下文的指令，以提高答案的准确性。如果一个医学问题的答案不确定，就会提示模型进行网络搜索，以获取更多信息来解决不确定问题。Med-Gemini 在 14 个医学基准上进行了测试，并在 10 个基准上建立了新的最先进（SoTA）性能，在可以进行比较的每个基准上都超过了 GPT-4 模型系列。在 MedQA（USMLE）基准测试中，Med-Gemini 利用其不确定性指导搜索策略达到了 91.1% 的准确率，比Google之前的医学 LLMMed-PaLM 2 高出 4.5%。在包括《新英格兰医学杂志》（NEJM）图像挑战（具有挑战性的临床病例图像，从 10 个病例中做出诊断）在内的 7 项多模态基准测试中，Med-Gemini 的表现优于 GPT-4，平均相对优势为 44.5%。研究人员说："虽然结果......很有希望，但还需要进一步开展大量研究。例如，我们还没有考虑将搜索结果限制在更具权威性的医学来源上，也没有考虑使用多模态搜索检索或对搜索结果的准确性和相关性以及引文的质量进行分析。此外，是否还能教会较小规模的法律硕士使用网络搜索还有待观察。我们将这些探索留待今后的工作中进行。"从冗长的电子病历中检索特定信息电子病历（EHR）可能很长，但医生需要了解其中包含的内容。更复杂的是，它们通常包含相似的文本（"糖尿病"与"糖尿病肾病"）、拼写错误、缩略词（"Rx"与"prescription"）和同义词（"脑血管意外"与"中风"），这些都会给人工智能带来挑战。为了测试Med-Gemini理解和推理长语境医疗信息的能力，研究人员使用一个大型公开数据库重症监护医疗信息市场（MIMIC-III）执行了一项所谓的"大海捞针任务"，该数据库包含重症监护患者的去标识化健康数据。该模型的目标是在电子病历（"大海"）中的大量临床记录中检索到与罕见而微妙的医疗状况、症状或程序（"针"）相关的内容。共收集了 200 个案例，每个案例都由 44 名病史较长的重症监护室患者的去标识化电子病历记录组成。他们必须具备以下条件：100 多份医学笔记，每个例子的长度从 20 万字到 70 万字不等在每个例子中，条件只被提及一次每个样本都有一个感兴趣的条件这项大海捞针的任务分为两个步骤。首先，Med-Gemini 必须从大量记录中检索所有与指定医疗问题相关的内容。其次，该模型必须评估所有提及内容的相关性，对其进行分类，并得出结论：患者是否有该问题的病史，同时为其决定提供清晰的推理。Med-Gemini 的长语境能力示例与 SoTA 方法相比，Med-Gemini 在"大海捞针"任务中表现出色。它的精确度为 0.77，而 SoTA 方法为 0.85，召回率也超过了 SoTA 方法：0.76 对 0.73。研究人员说："也许 Med-Gemini 最引人注目的方面是长语境处理能力，因为它们为医疗人工智能系统开辟了新的性能前沿和新颖的、以前不可行的应用可能性。这项'大海捞针'式的检索任务反映了临床医生在现实世界中面临的挑战，Med-Gemini-M 1.5 的性能表明，它有潜力通过从海量患者数据中高效提取和分析信息，显著降低认知负荷，增强临床医生的能力。"有关这些关键研究点的浅显易懂的讨论，以及Google和微软之间争论的最新情况，请观看《AI Explained》从 13:38 开始的视频。新的 OpenAI 模型即将诞生，人工智能的赌注又提高了（还有 Med Gemini、GPT 2 聊天机器人和 Scale AI）与 Med-Gemini 对话在一次实际应用测试中，Med-Gemini 收到了一位患者用户关于皮肤肿块瘙痒的询问。在要求提供图像后，模型提出了适当的后续问题，并正确诊断出了这种罕见的病变，同时建议用户下一步该怎么做。Med-Gemini 诊断对话在皮肤科的应用实例Med-Gemini 还被要求在医生等待放射科医生的正式报告期间，为其解读胸部 X 光片，并编写一份通俗易懂的英文版报告提供给病人。Med-Gemini 的放射诊断对话辅助系统研究人员说："Med-Gemini-M 1.5 的多模态对话功能很有前景，因为它们无需进行任何特定的医疗对话微调即可实现。这些功能可以实现人、临床医生和人工智能系统之间无缝、自然的互动。"不过，研究人员认为还需要进一步的工作。他们说："这种能力在帮助临床医生和患者等现实世界应用方面具有巨大潜力，但当然也会带来非常大的风险。在强调这一领域未来研究潜力的同时，我们并没有在这项工作中对临床对话的能力进行严格的基准测试，正如其他人之前在对话诊断人工智能的专门研究中所探索的那样。"未来愿景研究人员承认，要做的工作还有很多，但 Med-Gemini 模型的初步能力无疑是很有希望的。重要的是，他们计划在整个模型开发过程中纳入负责任的人工智能原则，包括隐私和公平。隐私方面的考虑尤其需要植根于现有的医疗保健政策和法规，以管理和保护患者信息。公平性是另一个可能需要关注的领域，因为医疗保健领域的人工智能系统有可能无意中反映或放大历史偏见和不公平，从而可能导致边缘化群体的不同模型性能和有害结果。但归根结底，Med-Gemini 被视为一种造福人类的工具。大型多模态语言模型为健康和医学带来了一个全新的时代。Gemini"和"医学Gemini"所展示的能力表明，在加速生物医学发现、协助医疗保健服务和体验的深度和广度方面，都有了重大飞跃。然而，在提高模型能力的同时，必须对这些系统的可靠性和安全性给予细致的关注。通过优先考虑这两个方面，我们可以负责任地展望未来，让人工智能系统的能力成为科学进步和医疗保健有意义且安全的加速器。该研究可通过预印本网站arXiv 获取。 ... PC版： 手机版：

谈一谈医学领域的性别不平等。

谈一谈医学领域的性别不平等。 2020年，《Lancet》刊登了由多个国家多所大学以及研究机构的学者联合发表的一项综述，如图1。 无论是在临床实验阶段还是在临床阶段，雌性、女性都更少成为药物、治疗方法的实验对象。其中一个原因是雌性动物体内的激素波动，还有就是女性由于承担着孕育的重要生理过程以及激素波动带来的不确定性，当然，该有一些社会经济文化因素等等。因此，一些上市的药物，会出现“对女性的不良反应比男性严重”、“适用剂量明显高于女性的合理剂量”。可见，医学研究中女性数据的缺乏带来了极大的影响，直接导致健康不平等。尽管越来越多的科学期刊与研究机构要求在动物实验与临床研究中纳入混合性别的研究对象，但依旧有大量研究难以完全做到这一点。 而针对一些具体的疾病，比如心脏病，虽然现有治疗指南并没有对性别作出明显区分，但已经有研究证明，在心脏病治疗中，女性达到最佳生存概率所需的多种药物剂量都显著低于男性所需剂量。2017 年，JAHA 杂志发布一项研究，用于评估急性心肌梗死后患者死亡率的性别差异。研究结果表明：急性心梗发生后，女性患者的 1 年、5 年死亡率均高于男性患者。研究人员分析，女性患者相对来说更容易出现一些非典型症状，导致女性心梗症状更少被察觉、诊断并获得循证治疗，从而增加女性患者的死亡率。2019年，JAHA杂志又发布了一项研究，推翻了前者的结论，心梗的症状并没有显著的性别差异，而导致差异的可能是医生对患者主诉的分析与潜在的性别偏见，女性患者在就诊时，确实可能面对未被察觉的性别歧视，并影响她们接收治疗的预后。2015年，《Circulation》发布了一项研究，结果表明男医生在接诊女患者时，更容易对女患者所描述的症状产生不信任的心理，认为对方可能是因为心理、精神因素所致。 再回到《Lancet》的那篇论文，就目前的观察来看，无论是在疾病的病因、发病率、诊断甚至是治疗上，确实存在性别差异，确实造成了健康不平等，这督促着专业人士以及所有人，将性别差异纳入考虑范围，更好地进行诊疗，努力实现医疗领域的性别平等。