Nature 最新：醫學版 ChatGPT 已開始臨床測試

人工 AI 在臨床醫學上的應用發展到什麼程度瞭？

近日，谷歌於 Nature 發表瞭題為：Large language models encode clinical knowledge 的研究論文，展現瞭專精於醫學領域的大語言模型——Med-PaLM——的測評結果。

論文截圖

Med-PaLM 在大語言模型 Flan-PaLM 的基礎上進行微調。研究人員首先對 Flan-PaLM 進行測試，結果發現，在整合瞭美國醫師執照考試類問題的數據集中，Flan-PaLM 達到瞭 67.6% 的準確率，達到瞭通過考試的標準（60%）。不過，進一步評估顯示，Flan-PaLM 在回答消費者的醫療問題方面依然存在不足。

論文截圖

經過更適應醫學領域的調整後，Med-PaLM 誕生。研究人員讓真正的人類臨床醫生和 Flan-PaLM、Med-PaLM 共同回答瞭 140 個臨床問題，並將答案交由一組臨床醫生評分。

測試結果顯示，評分小組認為 Flan-PaLM 的答案隻有 61.9% 符合科學共識，而 Med-PaLM 的這一比例為 92.6%，與臨床醫生生成的答案（92.9%）相當。此外，29.7% 的 Flan-PaLM 答案被評為可能導致有害結果，而 Med-PaLM 的這一比例為 5.9%，這與臨床醫生生成的答案（5.7%）的結果相似。

論文截圖

論文表示，盡管研究結果展現出瞭一定的希望，但醫學領域非常復雜，依然有許多困難需要克服和改善，在 Med-PaLM 真正應用於臨床之前，還需要更詳細的進一步評估。（策劃：z_popeye｜監制：gyozua、carellero）