脈衛(wèi)MedVision -2023ChatGPT醫(yī)療行業(yè)應(yīng)用白皮書

脈衛(wèi)2023年9月MEDVISION脈衛(wèi)01ChatGPT與醫(yī)療領(lǐng)域大語(yǔ)言模型02醫(yī)療行業(yè)應(yīng)用：輔助醫(yī)療健康服務(wù)03醫(yī)療行業(yè)應(yīng)用：輔助醫(yī)藥研發(fā)與生命科學(xué)04ChatGPT醫(yī)療行業(yè)應(yīng)用展望2大語(yǔ)言模型三三ChatGPT是由OpenAl開發(fā)的一種大型語(yǔ)言模型(LLM),它的設(shè)計(jì)目標(biāo)是理解和生成人類語(yǔ)言，從而脈衛(wèi)能夠進(jìn)行自然、有深度和有價(jià)值的對(duì)話?；趶?qiáng)大的GPT技術(shù)架構(gòu)，ChatGPT已經(jīng)展現(xiàn)出在語(yǔ)言理解、文本生成、情感識(shí)別等多方面的強(qiáng)大能力，并且在教育、醫(yī)療、客服等領(lǐng)域得到了廣泛的應(yīng)用。時(shí)間發(fā)布產(chǎn)品/模型重要?jiǎng)?chuàng)新點(diǎn)GPT-3模型文本生成：GPT-3生成的文本質(zhì)量非常高，接近人類水平；代碼生成：已經(jīng)具備了代碼生成的能力；對(duì)話模型：ChatGPT基于GPT-3.5的對(duì)話模型，內(nèi)容生成：更長(zhǎng)篇的內(nèi)容輸出；GPT-4模型高級(jí)推理：數(shù)據(jù)推理、圖表分析、角色扮演，各項(xiàng)專業(yè)測(cè)試得分大幅提升(醫(yī)療/司法考試、各類學(xué)科考試);復(fù)雜指令：支持輸入的文本長(zhǎng)度提升；4(/MEDVISION脈衛(wèi)大語(yǔ)言模型LLM智能交互能力法難以解決的問題，比如·1)復(fù)雜問題的理解、分析；·2)接近人類對(duì)話方式的語(yǔ)言交互；2019年OpenAl發(fā)布GPT-2,谷歌推出BERT模型2022年OpenAl推出ChatGPT55MEDVISION脈衛(wèi)ChatGPT作為大語(yǔ)言模型的代表性產(chǎn)品，在醫(yī)療領(lǐng)域，它能理解醫(yī)示例：醫(yī)學(xué)實(shí)體識(shí)別(病案信息處理等)斤以上示例僅展示ChatGPT在醫(yī)療行業(yè)的技術(shù)能力、應(yīng)用案例，并不代表實(shí)際應(yīng)用或?qū)μ囟ㄇ闆r的準(zhǔn)確解決方案。6實(shí)際應(yīng)用中，應(yīng)考慮法律、倫理和醫(yī)學(xué)專業(yè)人士的意見，并遵守適用的法律和規(guī)定。6示例：診中臨床病例整理MEDVISION脈衛(wèi)77示例：健康管理咨詢(過敏飲食問題)示例：診后隨訪(虛擬家庭醫(yī)生)示例：健康管理咨詢(過敏飲食問題)MEDVISION脈衛(wèi)881.3醫(yī)療領(lǐng)域大語(yǔ)言模型概覽MEDVISION脈衛(wèi)自2022年以來，醫(yī)療領(lǐng)域大語(yǔ)言模型的研發(fā)進(jìn)入了爆發(fā)期。這一趨勢(shì)的背后，是人工智能技術(shù)的快模型名稱發(fā)布時(shí)間2022年Stanford和MosaicML2022年2022年10月StanfordUniversity等2022年11月2023年3月2023年3月2023年5月Google和Nvidia等ChatGPT)和醫(yī)療領(lǐng)域?qū)Ｓ媚Ｐ?如PubMedGPT、Med-的優(yōu)勢(shì)在于其廣泛的應(yīng)用范圍和強(qiáng)大的泛化能力，而醫(yī)療領(lǐng)種產(chǎn)學(xué)研一體化的合作模式，經(jīng)成為Al領(lǐng)域的一個(gè)重要研究9MEDVISION脈衛(wèi)技術(shù)架構(gòu)·底層算法：基于HuggingFaceGPT模型進(jìn)行訓(xùn)練的。定位與特色·PubMedGPT是一個(gè)專門為生物醫(yī)學(xué)文本設(shè)計(jì)的大型語(yǔ)言模型。PubMedGPT在PubMed摘要和PubMedCentral的Pile數(shù)據(jù)集上進(jìn)行了訓(xùn)練。這個(gè)數(shù)據(jù)集涵蓋了1600萬篇摘要和500萬篇全文文章。性能測(cè)評(píng)·在MedQA-USMLE(美國(guó)醫(yī)學(xué)執(zhí)照考試的問題和答案對(duì))上，PubMedGPT超過了DRAGON(一種先進(jìn)的生物醫(yī)學(xué)語(yǔ)言模型),并設(shè)立了新的最高標(biāo)準(zhǔn)，在PubMedQA和BioASQ的其他兩個(gè)QA任務(wù)上匹配了DRAGON的表現(xiàn)。應(yīng)用場(chǎng)景·PubMedGPT在生物醫(yī)學(xué)領(lǐng)域有廣泛應(yīng)用，特別是在醫(yī)學(xué)問題回答方面表現(xiàn)出色，為醫(yī)生和研究者提供強(qiáng)大的輔助工具。10數(shù)據(jù)來源：/stanford-crfm/BioMedLM1.3醫(yī)療大語(yǔ)言模型案例：谷歌Med-PaLMMEDVISION脈衛(wèi)技術(shù)架構(gòu)·底層算法：基于Transformer的大型語(yǔ)言模型。定位與特色·Med-PaLM是一個(gè)專門為醫(yī)療問題設(shè)計(jì)的大型語(yǔ)言模型，能夠提供高質(zhì)量的醫(yī)療問題答案。利用了Google大型語(yǔ)言模型的能力，將其對(duì)齊到醫(yī)療領(lǐng)域，以更準(zhǔn)確和安全地回答醫(yī)療問題。性能測(cè)評(píng)·Med-PaLM2在USMLE問題上的準(zhǔn)確率達(dá)到85.4%,與“專家”考試者的表現(xiàn)相當(dāng)。應(yīng)用場(chǎng)景·Med-PaLM可用于解答用戶的健康問題1.3醫(yī)療大語(yǔ)言模型案例：谷歌Med-PaLM脈衛(wèi)USMLE測(cè)試得分醫(yī)師回答vsMed-PaLM回醫(yī)師回答vsMed-PaLM回答treatment.KnowledgeGraphPretraining)模型，由StanfordUniversity等機(jī)構(gòu)研發(fā)，是一種采用自監(jiān)督的預(yù)訓(xùn)練方法，從大規(guī)模的文本和知識(shí)圖譜中預(yù)訓(xùn)練深度聯(lián)合語(yǔ)言-知識(shí)基礎(chǔ)模型。技術(shù)架構(gòu)數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，包括兩種自監(jiān)督推理任務(wù)(掩碼語(yǔ)言建模和知識(shí)圖譜鏈接預(yù)測(cè))。定位與特色模的數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，從而獲得深度聯(lián)合的文本和知識(shí)圖譜表性能測(cè)評(píng)·DRAGON在包括一般和生物醫(yī)學(xué)領(lǐng)域的問題回答等多種下游任務(wù)上超越了現(xiàn)有的語(yǔ)言模型和語(yǔ)言模型+知識(shí)圖譜模型?！RAGON在涉及長(zhǎng)上下文或多步推理的復(fù)雜推理以及低資源QA上表現(xiàn)出顯著的性能，并在各種BioNLP任務(wù)上獲得了新的最先進(jìn)的應(yīng)用場(chǎng)景·可以用于各種下游任務(wù)，包括一般和生物醫(yī)學(xué)領(lǐng)域的問題回答，以及復(fù)雜的推理任務(wù)。數(shù)據(jù)來源：/michiyasunaga/dragon技術(shù)架構(gòu)定位與特色·Hippocratic的使命是開發(fā)最安全的人工健康普適智能，以高醫(yī)療保健的可接近性和健康結(jié)果。Hippocratic的模型不專注于診斷，而是專注于解釋福利和賬單、提供飲食建議和藥物提醒、回答術(shù)前問題、接納病人和傳遞“陰性”測(cè)試結(jié)果(即沒有問題的結(jié)果)。性能測(cè)評(píng)·HippocraticAl的Al在超過100個(gè)醫(yī)療認(rèn)證上表現(xiàn)優(yōu)于包括GPT-4和Claude在內(nèi)的領(lǐng)先語(yǔ)言模型，包括護(hù)理的NCLEX-RN,美國(guó)泌尿科委員會(huì)考試和注冊(cè)營(yíng)養(yǎng)師考試?！ぴ撃Ｐ驮诖策叾Y儀表現(xiàn)較好，比如“顯示同情心”和“對(duì)病人的生活產(chǎn)生個(gè)人興趣”,Hippocratic的模型在所有類別中得分最高，包括GPT-4。該模型在涵蓋醫(yī)療賬單和編碼知識(shí)的認(rèn)證專業(yè)編碼員考試上得分為71%,在醫(yī)院安全培訓(xùn)合規(guī)測(cè)驗(yàn)上得分為72.7%。應(yīng)用場(chǎng)景·Hippocratic的模型被用于解釋福利和賬單，提供飲食建議和藥提醒，回答術(shù)前問題，接納病人以及傳遞醫(yī)學(xué)檢測(cè)結(jié)果。14數(shù)據(jù)來源：官網(wǎng)()MEDVISION脈衛(wèi)專業(yè)的醫(yī)學(xué)問答(QA)數(shù)據(jù)集是評(píng)估醫(yī)療大語(yǔ)言模型(LLM)性能的重要標(biāo)準(zhǔn)。通過這些數(shù)據(jù)集，我們可以客觀地評(píng)估模型在理解和生成醫(yī)學(xué)知識(shí)方面的能力，比如診斷推理、疾病理解、醫(yī)療知識(shí)的獲取等。在醫(yī)療領(lǐng)域大語(yǔ)言模型快速發(fā)展趨勢(shì)下，借鑒國(guó)際優(yōu)質(zhì)醫(yī)學(xué)QA數(shù)據(jù)集，中國(guó)亦亟需推動(dòng)建立標(biāo)準(zhǔn)化醫(yī)學(xué)QA數(shù)據(jù)集，推動(dòng)醫(yī)療大語(yǔ)言模型產(chǎn)業(yè)發(fā)展：1)推動(dòng)醫(yī)療大語(yǔ)言模型國(guó)際對(duì)標(biāo)·高質(zhì)量的醫(yī)學(xué)QA數(shù)據(jù)集有助于中國(guó)Al模型研發(fā)水平與國(guó)際頂級(jí)水平進(jìn)行對(duì)·通過標(biāo)準(zhǔn)化測(cè)評(píng)，幫助研發(fā)愛團(tuán)隊(duì)明確當(dāng)前技術(shù)水平，找出改進(jìn)優(yōu)化的方向。2)解決中國(guó)特色醫(yī)療數(shù)據(jù)問題·結(jié)合中國(guó)醫(yī)療管理體系術(shù)語(yǔ)(醫(yī)院管理術(shù)語(yǔ)、醫(yī)保術(shù)語(yǔ))?！ぶ袊?guó)特色醫(yī)學(xué)數(shù)據(jù)：中醫(yī)、民族醫(yī)學(xué)等等。MEDVISION脈衛(wèi)megaloblasticanemiaandearlysignsofneurologicalabnormality.Thedrugmostprobablyrequiredisc)ErythropoietinMEDVISION脈衛(wèi)·MedQA-USMLE是一個(gè)基于美國(guó)醫(yī)療執(zhí)照考試(USMLE)的多項(xiàng)選擇問題回答數(shù)據(jù)集?！?shù)據(jù)來自專業(yè)醫(yī)療委員會(huì)的考試，涵蓋了各種醫(yī)療領(lǐng)域的問題。monthhistoryofrightupperandlowHenoticedtheweaknesswhenhestartedfallingfarmorefrequentlywhilerunningerrands.Sincethen,hehashadmedicalhistoryissignificantonlyforwell-controlledpatientssymptoms?(答案為A)數(shù)據(jù)提供者·TongjiMedicalCollege,HUST(華中科技大學(xué)同濟(jì)醫(yī)學(xué)數(shù)據(jù)規(guī)模/構(gòu)成數(shù)據(jù)集QA包含三種語(yǔ)言：·英語(yǔ)：12723個(gè)·簡(jiǎn)體中文：34251個(gè)·繁體中文：14123個(gè)數(shù)據(jù)維度·Question:問題描述·Options:選項(xiàng)與正確答案·Evidence:依據(jù)與解釋·該數(shù)據(jù)集的多語(yǔ)言特性(包括中文和英文),有助于中國(guó)醫(yī)療大模型研發(fā)與全球水平的對(duì)標(biāo)評(píng)估。MEDVISION脈衛(wèi)·PubMedQA是一個(gè)生物醫(yī)學(xué)問題回答(QA)數(shù)據(jù)集，該數(shù)據(jù)集從PubMed摘要中收集。任務(wù)定義是使用相應(yīng)的摘要回答研究問題，這些問題的答案可以是yes/no/maybe·例如：術(shù)前使用他汀類藥物能否減少冠狀動(dòng)脈旁路移植術(shù)后的心房顫動(dòng)?(Results)TheoverallincidenceofpostoperativeAFwas26%.PostoperativeAFwassignificantlylowerintheStatingroupcomparedwiththeNonstatin數(shù)據(jù)規(guī)模QA數(shù)據(jù)包含：·1k專家注釋數(shù)據(jù)·61.2k未標(biāo)記數(shù)據(jù)·211.3k人工生成數(shù)據(jù)數(shù)據(jù)維度·Question:問題描述·Context:上下文，即問題相關(guān)的摘要，但不包括結(jié)論·LongAnswer:長(zhǎng)答案，即摘要的結(jié)論·Answer:對(duì)結(jié)論的總結(jié)，是yes/no/maybe的形式MEDVISION脈衛(wèi)數(shù)據(jù)集定義·MedMCQA是一個(gè)大規(guī)模的、多主題的、多選擇題的醫(yī)學(xué)領(lǐng)域問題回答數(shù)據(jù)集，旨在解決真實(shí)世界的醫(yī)學(xué)入學(xué)考試問題。canleadtothefollowingchangeinkidneyparenchyma?hyperophy,tumors,normalpregnancy[..]數(shù)據(jù)提供者數(shù)據(jù)規(guī)模/構(gòu)成·包含了194,267個(gè)問題；·覆蓋了2,400個(gè)醫(yī)療主題和21個(gè)醫(yī)學(xué)科目。數(shù)據(jù)維度·Question:問題·Options:選項(xiàng)·CorrectAnswer:正確答案(選項(xiàng))·Explanation:詳細(xì)解釋19數(shù)據(jù)來源：https://huggingface.co/datasets/medmcqa數(shù)據(jù)集定義(MCQA)數(shù)據(jù)集。·來自法國(guó)藥學(xué)專業(yè)醫(yī)學(xué)專業(yè)文憑真實(shí)考試的問題組成，混合了單一和多個(gè)答案。數(shù)據(jù)提供者數(shù)據(jù)規(guī)模/構(gòu)成數(shù)據(jù)集由3,105個(gè)問題組成：·訓(xùn)練集包含2171個(gè)問題(70%)·驗(yàn)證集包含312個(gè)問題(10%)·測(cè)試集包含622個(gè)問題(20%)數(shù)據(jù)維度·answers:從A到E的5個(gè)選項(xiàng)列表·correctanswers:正確的選項(xiàng)(問題的一個(gè)或多個(gè)答案)MEDVISION脈衛(wèi)·數(shù)據(jù)集的問題來源于真實(shí)的法國(guó)藥學(xué)專業(yè)醫(yī)學(xué)專業(yè)文憑考試，聚焦藥學(xué)領(lǐng)域。20httpspaperswithcodecomdatasetfrenc醫(yī)療行業(yè)應(yīng)用：輔助醫(yī)療健康服務(wù)2.1ChatGPT輔助醫(yī)療健康服務(wù)：診前、診中MEDVISION脈衛(wèi)臨床筆記與EHR:ChatGPT輔助整理保險(xiǎn)事務(wù)處理：輔助醫(yī)生起草、撰寫前訪談，幫助醫(yī)生生成病情摘要、醫(yī)生與患者問診咨詢記錄，形成臨床面向保險(xiǎn)公司的醫(yī)保申訴郵件(美國(guó)筆記，集成到HER(電子病例系統(tǒng))。商業(yè)醫(yī)保場(chǎng)景)。疾病早期篩查(*):使用ChatGPT診斷結(jié)果解釋(*):使用ChatGPT結(jié)自動(dòng)化隨訪(*):使用ChatGPT定期結(jié)合患者的健康數(shù)據(jù)和風(fēng)險(xiǎn)因素，合患者病例檔案信息、醫(yī)學(xué)知識(shí)庫(kù)，自動(dòng)與患者隨訪對(duì)話，詢問患者的恢提供個(gè)性化的篩查建議、方案；輔助提供更精準(zhǔn)的診斷解釋參考；復(fù)情況，監(jiān)測(cè)可能的并發(fā)癥癥狀。將大幅減低醫(yī)療人員的工作負(fù)擔(dān)；22注：*表示潛在的應(yīng)用場(chǎng)景(暫無落地案例覆蓋)MEDVISION脈衛(wèi)Kahun集成ChatGPT軟件(測(cè)試版):contraceptives,anti-coagulants,aspirin,period.MEDVISION脈衛(wèi)Nuance是一家美國(guó)的技術(shù)公司，成立于宣布將GPT-4集成到其臨床筆記軟件DAX中?！?chǎng)景描述：醫(yī)院(診所)的急診、護(hù)理場(chǎng)景。人工質(zhì)量控制審查環(huán)節(jié)(完全由GPT-4)處理，節(jié)省了數(shù)小時(shí)的延遲。MEDVISION脈衛(wèi)Nabla是一家位于法國(guó)巴黎的公司，成立于2018之之記每天節(jié)省醫(yī)生時(shí)每天節(jié)省醫(yī)生時(shí)間(小時(shí))平均每天增加接待患者數(shù)MEDVISION脈衛(wèi)Hello,Doctor.27數(shù)據(jù)來源：截圖來自軟件試用，指標(biāo)數(shù)據(jù)來自官網(wǎng)()MEDVISION脈衛(wèi)公司，專門從事醫(yī)療保健軟件的開發(fā)。主要產(chǎn)品MEDVISION脈衛(wèi)99網(wǎng)站操作示例Asherhealthcareprovider,westronglyrecommendthat[PatientName]continueonMounjarotohelp網(wǎng)站操作示例herbloodDocsGPT,醫(yī)生只需簡(jiǎn)述患者情況和申30數(shù)據(jù)來源：DoCsGPT網(wǎng)站(www.DocsGPT.com)MEDVISION脈衛(wèi)醫(yī)療行業(yè)應(yīng)用：輔助醫(yī)藥研發(fā)與生命科學(xué)MEDVISION脈衛(wèi)數(shù)據(jù)請(qǐng)求用戶問題數(shù)據(jù)請(qǐng)求專業(yè)回答數(shù)據(jù)返回專業(yè)回答MEDVISION脈衛(wèi)場(chǎng)景biomarkersfrompublic&private..詳細(xì)描述臨床試驗(yàn)信息根據(jù)條件搜索特定的臨床試驗(yàn)，得到試驗(yàn)的基本信息如研究設(shè)計(jì)、目標(biāo)、病人群體等。臨床試驗(yàn)資格獲取某種疾病或醫(yī)療狀況的臨床試驗(yàn)資格，即能否參與相關(guān)試驗(yàn)，可以結(jié)合摘要獲取病人群體信息。組織信息臨床試驗(yàn)組織搜索功能，根據(jù)組織信息篩選臨床試驗(yàn)結(jié)果。疾病信息疾病信息搜索功能，根據(jù)疾病信息篩選臨床試驗(yàn)結(jié)果。生物標(biāo)志物信息生物標(biāo)志物搜索功能，根據(jù)生物標(biāo)志物篩選臨床試驗(yàn)結(jié)果。ID查詢臨床試驗(yàn)信息使用特定的試驗(yàn)ID來獲取相應(yīng)的臨床試驗(yàn)詳情，包括研究設(shè)計(jì)、目標(biāo)、病人群體(該試驗(yàn)治療的疾病)、終點(diǎn)、修改和研究重點(diǎn)等信息。臨床試驗(yàn)地點(diǎn)通過試驗(yàn)ID,獲取該試驗(yàn)的實(shí)施地點(diǎn)信息。臨床試驗(yàn)分組和結(jié)果通過試驗(yàn)ID,獲取該試驗(yàn)的各個(gè)試驗(yàn)分組的信息以及相關(guān)的結(jié)果和測(cè)量數(shù)據(jù)。臨床試驗(yàn)資格通過試驗(yàn)ID,獲取該試驗(yàn)的資格要求，包括參與的包括和排除條件。MEDVISION1)按疾病、區(qū)域查詢臨床試驗(yàn)信息(eg美國(guó)乳腺癌臨床試驗(yàn)查詢) 用表格整理以上查詢結(jié)果：脈衛(wèi)以下是關(guān)于BTLA的臨床試驗(yàn)的信息：試驗(yàn)名稱2數(shù)據(jù)表整理輸出LymphocyteAttenuatorSafety,TolerabilityMonoclonalAntibody(S0脈衛(wèi)3)按資助方查詢臨床試驗(yàn)(egPfrize相關(guān)臨床試驗(yàn))試驗(yàn)名稱試驗(yàn)名稱COVID-Patient-ReportedHealth-RelatedQualityofLifeAssociatedWithCOVID-19:AProspectiveSurveyStudyonSymptomaticCOVID-PfizerBioNTechCOVIDBVaccineEffectivenessStudy-KaiserPer-manenteSouthernCaliforniaCOVID-SAFETY,PHASE2/3,DOUBLE-BLIND,2NONHOSPITALIZEDSYMPTOMATADULTPARTICIPANTSWITHCOVIDCOVID-試驗(yàn)名稱試驗(yàn)名稱SafetyandEfficacyFromLargeEtanerceptinJapanALONG-TERMPROSPECTIVEPOSTAIITHORISATIONSAFMEDVISION脈衛(wèi)22MEDVISIONWhataretheapprovedKRASG12Cdrugsfornon-smallcelllungcancer(NSCLC)?HereismyplantoansweryourquestionTheapprovedKRASG12Cdrugsfornon-smallcelllungcancer(NSCLC)are:1)分析步驟0691e68ef8c12)數(shù)據(jù)源查詢·KRAZATIQ1sales:S6.3millionofnetrevenue,achievedapproximatelyone-thirdofnewTheapprovedKRASG12Cdrugsfornon-smallcelllungcancer(NSCLC)areKRAZATl(genericname:partiallyoffsetbylowernetsellingprice,declinedQ-on-QintheUSby$14millionor23%drivenby40%volumegrowthpartiallyoffsetbylowernetsellingprice.LUMAKRAShasbeenlowerthanQ42022approvedin50countriesandisactivelylaunchingoutsidetheUS.DatawillbepresentedfromstudiesofLUMAKRASincombinationwithstandardofcarechemotherapyandnon-smallcelltungcancerandWhataretherecentcompetitiveinsightsforKRAZATlandLUMAKRASintheNSCLCmarketfromincombinationwithVectibixandstandardofcarechemotherapyincolorertalcanceratASCO41數(shù)據(jù)來源：官網(wǎng)(www.www.ferma.ai)MEDVISION脈衛(wèi)DESTINY-Breast?4trialwas23.9monthswithT-Dxd,whichisagainofover6months行業(yè)背景ChatGPT局限性脈衛(wèi)1.Metastaticcolorectalcancer2.Non-smallcelllungcancer3.Glioblastoma(atypeofbraincancer)4.Metastaticrenalcellcarcinoma(kidneycancer)peritonealcancer1.Metastaticcolorectalcancermetastaticnonsquamousnonsmallcellungcancer3.Recurrentglioblastomainadults4.MetastaticrenalcellcarcinomaEpthelialovarfanfaloplantubeorSourcehttpswwwgenecomdownavastinprescrbingpdfChatGPT局限性LLM的響應(yīng)的準(zhǔn)確性和相關(guān)性，從而實(shí)現(xiàn)模型性能的持續(xù)改進(jìn)。將反饋納入其中，可以防