医学AI研发虽已有“千军万马”，但高质量基座模型仍然缺乏。
11月18日，人工智能医学大模型Med-Go开源仪式在同济大学附属东方医院举行。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-Go32B（参数规模为320亿），开源的内容包括大模型权重、代码和SOP。
打造高质量医学基座模型
据了解，本次开源的Med-Go大模型，是同济大学今年围绕“工程智能”系统布局五大研究院之一的医学人工智能研究院成立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，通过开源，希望能够汇聚全球智慧、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。
“完整开放模型权重与工程代码，插件化扩展，可以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。”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。
Med-Go的研发初衷，就是为医学类AI的二次开发打造一个高质量“地基”。据悉，当前银泰证券，全国正处在“千军万马做专病专科模型和智能体”的阶段，急需一个可靠、安全、可复现的通用医学基座模型。
基座模型，即人工智能领域经过海量数据预训练的通用基础模型，具备强大的可迁移能力，可作为多种下游任务的起点。同济大学附属东方医院急诊、重症医学科主任张海涛表示，现在的大部分基座模型都是通用模型，缺乏医学知识，“相当于读了高中，但没有读大学”，常导致“精准度差，落地效果差”。
而训练专业的医学基座模型，挑战在于“走弯路”。“把模型调傻了的，比调成功的概率大多了。” 张海涛向记者坦言，训练模型权重时如果缺乏经验，往往会导致模型“越练越傻”，或产生“灾难性遗忘”，或出现“AI幻觉”，而这无疑是追求严谨、安全的医学模型最需要避免的。
同济大学附属东方医院重症医学科（北院）副主任刘杨演示Med-Go在HIS系统中的使用。
帮助疑难病症早诊断早治疗
一个AI模型的好坏，最终要由临床实践来检验。Med-Go已在东方医院的医院信息系统（HIS）中“实战”了一年多，经历了数次迭代。作为模型开发的参与者和用户，同济大学附属东方医院重症医学科（北院）副主任刘杨告诉记者，现在模型中使用最多的就是多学科会诊功能和病历质控功能。“医生每天既要临床研究，又要看病人，还要写病史，非常忙。它能帮医生极大减轻工作量。”
而对困难疑难病症的早诊断早治疗，Med-Go也有明显优势。作为重症监护室（ICU）医生，刘杨深有感触。他分享了一个最新案例：一位病人从内科转入ICU，“来了之后我们就觉得是有溶血方面的问题，但不知道具体是哪种分型。在Med-Go帮助下，发现可能是免疫性溶血，按照它的指导，很快做了各项检查。第二天学科会诊，确实是这方面的问题。”免疫性溶血是血液科高年资医生才能判断的疾病，早诊断早检查，对于“时间就是生命”的ICU来说，无疑是对患者生命的又一重保障。
“Med-Go的优点是，不是一个学科很强，而是各个学科的都很好。”在刘杨的办公室中，记者看到，当用自然语言输入病人的状况后，Med-Go就可以模拟多学科会诊，扮演不同科室的医生，生成诊断、鉴别诊断和进一步处理的建议等。
提升基层医院智能化医疗服务能力
和一些由互联网公司研发的基座大模型不同，Med-Go由同济大学附属东方医院的临床医生主导研发，其数据由医生定标准，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、边界病例进行人工合成与针对性增强。为保证数据质量，研发团队精选了6000多本国内外权威医学著作，并在迭代中进一步压缩到1000多本，确保了模型的专业性。张海涛表示，Med-Go32B模型在多项评测中，表现已可与国内外顶尖模型相媲美。
值得一提的是，此举将为提升基层和专科医院的智能化医疗服务能力带来契机。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。
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“拓思路、用得稳”，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。
本次仪式由同济大学、上海市浦东新区人民政府、上海市卫生健康委员会共同主办。
上海市委常委、浦东新区区委书记李政出席银泰证券。
优配网提示：文章来自网络，不代表本站观点。
