生物技术
大型语言模型 (LLM) 能否帮助神经科医生分析中风患者？
Securities.io 保持严格的编辑标准，并可能从审核过的链接中收取报酬。我们不是注册投资顾问，这不是投资建议。请查看我们的 关联公司披露.
人工智能（AI）是本十年最大的技术突破之一。ChatGPT 的推出尤其将人工智能推向了主流，其应用范围遍及包括医疗在内的各个领域。值得注意的是，神经科医生可能会从使用人工智能精确定位脑卒中位置中大大受益，因为 最近的一项研究显示.
说到中风，它是导致美国人死亡的主要原因之一；在美国，每 40 秒就有一人中风，每 3 分 14 秒就有一人死于中风。除死亡率外，中风还会导致长期残疾。因此，确定中风在大脑中的位置有助于预测其长期影响，这些影响可能差别很大，从损害个人的行动能力到影响语言和言语能力不等。此外，人工智能还能帮助确定患者的预后，并确定最佳治疗方法。
通常情况下，脑部扫描有助于找到病变的位置，即中风造成的组织损伤区域。然而，并不是每个人都能找到神经科医生进行脑部扫描。
为了弥补这一不足，"我们想确定 GPT-4 能否根据患者的健康史和神经系统检查准确定位中风后的脑部病变，"研究作者、美国神经病学学会成员、布鲁克林纽约州立大学下州健康科学大学医学博士 Jung-Hyun Lee 说。
其他与会者 研究 包括纽约林肯医学中心内科医学博士 Eunhee Choi、耶鲁大学公共卫生学院生物统计学系和吴采研究所计算生物学和生物信息学项目医学博士 Robert McDougal，以及纽约州立大学下州健康科学大学神经病学系和国王县医院神经病学系医学博士 William W. Lytton。
这项研究发表在美国神经病学会的在线期刊《神经病学®临床实践》上，展示了人工智能处理神经病学检查和健康史文本的能力，以确定大脑中的病变位置。
为此，研究小组使用了大型语言模型（LLM）GPT-4。这种生成式预训练转换器是在海量数据基础上训练出来的，在生成对基于文本的查询的文本回复方面表现出了 "非凡的能力"。
这项工作并非首创，因为以前曾探索过 LLM 在回答医生提出的自由形式问题方面的功能。不过，以前开发的病灶定位软件范围相当有限。本研究的目的是评估 GPT -4 根据临床表现定位急性中风病灶的能力，从而展示人工智能作为神经病学临床工具在未来可能发挥的作用。
巨大潜力
在这项研究中，研究人员整理了 46 个已发表的中风病例的健康史和神经系统体检结果。然后将这些文本数据输入 GPT-4。利用 "零点思维链 "和 "文本分类 "提示技术，该模型的任务是回答有关每位患者的三个特定问题，重复三次：患者是单发病变还是多发病变、病变位于大脑的哪一侧以及病变位于大脑的哪个区域。
在将 GPT -4 结果与每位参与者的脑部扫描结果进行比较后，研究人员发现，除了小脑和脊髓的病变外，其他结果都相当令人满意。
GPT-4 在确定大多数病例的脑部病变位置方面表现出很高的准确性，特异性达到 87%（正确识别的阴性比例），灵敏度达到 74%（正确识别的实际阳性比例）。在确定受影响最严重的大脑区域时，该模型的特异性也达到了 94%，灵敏度为 85%。
研究进一步发现，在 76% 例参与者中，该模型始终能识别脑部病变的数量；在 83% 例参与者中，该模型始终能识别病变的位置；在 87% 例参与者中，该模型始终能识别涉及的特定脑区。然而，当评估该模型对每个参与者的三次尝试中所有三个问题的回答时，其一致性急剧下降，GPT-4 只能为 41% 的参与者提供准确的答案。
这表明，LLMs，如生成预训练变换器（GPT），"还不能用于临床"。尽管如此，它们在识别中风后病变位置方面仍大有可为，而且由于它们能在不同语言间发挥作用，还能减少医疗保健方面的差距。
该研究还强调了神经科专业知识对中风干预的日益重要性，尤其是在远程医疗使用激增的情况下。此外，该模型还有助于及时做出决策，评估是否需要进行更多影像学检查甚至神经科医生会诊。
李说：
"它们的使用潜力令人鼓舞，特别是在神经病学医疗服务有限的多个国家，服务不足地区对改善医疗服务的需求极大"。
值得注意的是，GPT-4 的准确性取决于所输入数据的质量，并非每个中风患者都能获得详细的病史和神经检查信息。
研究强调，研究人员一直在使用 LLM，没有经过医学培训或微调。此外，研究还指出，非典型病例的报告往往缺乏足够详细的健康史和神经系统检查。因此，已发表病例中的信息不充分，以及逻辑失误或基础知识的空白，都会造成不准确性。
因此，有必要在后勤、法律、患者安全和隐私、确保准确性和一致性以及与医院工作流程整合等方面开展进一步研究，以便在临床环境中可行地使用 LLM。
法学硕士在医疗保健领域的重要性和使用率与日俱增
这项研究取得了丰硕成果，再次证明了法学硕士在医疗保健领域--一个备受关注的领域--发挥着越来越重要的作用。毕竟，他们正在以多种方式改变着这个行业。它们的使用正逐渐从探索阶段走向实际应用，现在已经影响到临床研究和病人护理。它们能够处理大量数据，提供实时见解，并生成具有人类质量和特定专业知识的文本，正在彻底改变这一领域。
这些模型在大量复杂数据（包括从互联网上获取的文本、图像和视频）的基础上进行训练，可广泛应用于包括医学在内的各个领域。
2018 年，微软支持的 OpenAI 发布了其首个 LLM--GPT-1，它首次开始受到关注。其被广泛采用的原因是它的公共可访问性和便捷易用性。这些功能是结合了从人类反馈中强化学习（RLHF）模型的结果，这有助于它提供比以前的同类产品更可信、更像人类的输出。
自基于 LLM 的聊天机器人应用 ChatGPT 推出以来，Meta（Llama）、谷歌（BARD）、亚马逊和 Salesforce 支持的 Anthropic（Claude）等多家科技公司都发布了自己的 LLM。与此同时，OpenAI 的最新版本 GPT-4 已经显示出更强的能力，例如超过了美国医学执照考试（USMLE）的及格分数。
因此，通过对 LLM 进行微调和提供额外培训，我们可以利用 LLM 改善病人护理。人与人之间的交流是其中的关键部分，GPT 的类人能力使其在提高患者满意度和实现最佳临床效果方面相当有效。
对人类来说，处理海量数据是一件令人生畏的事情，而 LLM 只需极少的时间就能轻松完成。它们通过组织数据来简化这一过程，使我们能够很好地利用这些数据。不仅是过去的数据，LLM 还能不断分析新收到的数据，如生命体征和患者症状，从而极大地帮助医疗保健专业人员做出实时、快速的决策。
通过分析来自科学文献、临床试验、治疗指南和医疗记录的大量数据集，LLM 也在加速医学研究，帮助确定新疗法和开发有效疗法。这些模型还能帮助建立相关性并发现模式，从而促进我们对疾病的了解并加快医学研究。
此外，这些模型还能提供有价值的见解，帮助医疗专业人员做出临床决策，如准确诊断和个性化治疗计划，从而改善患者护理。不仅是专业人员，LLM 还能为患者提供易于理解和获取的信息，使他们更好地了解自己的病情，并参与到医疗保健过程中来，从而增强患者的能力。
推动医疗创新
鉴于其巨大的效益和潜力，医疗保健生成式人工智能市场的估值达到了 2022 年超过 10 亿美元 根据《生成式人工智能跟踪报告》，到 2032 年，这一数字预计将增长到 $22 亿美元。
说到人工智能在医疗设备领域的应用、 心脏病学一直引领着这一趋势根据 GlobalData 的数据，2022 年 FDA 批准的人工智能医疗设备中有 57% 属于心脏科。预计未来这一趋势将持续下去，2019 年至 2024 年，医疗设备公司在人工智能方面的支出将以 20.6% 的年复合增长率增长。
未来，我们甚至可以看到人工智能与三维生物打印技术的结合，从而能够根据每位患者的具体需求量身定制功能齐全的器官。
这种潜力促使许多主流机构为医疗保健行业推出了专门的人工智能解决方案。例如，微软提供了一种名为 Nuance Dragon Ambient eXperience (DAX) 的专门解决方案。它可以捕捉临床医生与患者的对话，将其翻译成笔记，并将其集成到电子病历中。
谷歌已经推出了 MedLM，这是一个通过 Vertex AI 平台提供的以医疗保健为重点的 LLM。此后，该公司一直在根据其最新研究成果训练其健康人工智能模型，以便将人工智能应用于医疗保健行业。该模型已被合作机构用于构建简化护士交接和支持临床医生记录等解决方案。
就在上个月，谷歌为其模型增加了新的功能，并推出了 用于胸部 X 射线的 MedLM 来改变放射科的工作方式。我们的想法是让生成式人工智能为医疗机构提供支持，协助对胸部 X 光片进行分类，以满足多种使用情况的需要。
但这还不是全部。谷歌研究部门正在与 Fitbit 合作，为个人健康建立一个大型语言模型，为 Fitbit 移动应用程序中的健康功能提供支持。该模型将根据每个人的个人健康和健身目标为其提供个性化指导。
亚马逊网络服务（AWS）还提供 HealthScribe，它可以分析会诊对话，为评估、现病史和治疗计划等环节创建摘要临床笔记。然后，企业可以将这些笔记整合到临床应用中，从而更高效地总结病人的就诊情况。
今年早些时候，医疗技术公司西门子医疗集团（Siemens Healthineers 与印度科学研究所（IISc）携手合作 西门子医疗集团（Siemens Healthineers）与计算数据科学公司（CDS）共同成立了西门子医疗集团-计算数据科学公司（CDS）精准医疗人工智能合作实验室（Collaborative Laboratory for AI in Precision Medicine）。该实验室的重点是开发开源人工智能工具，以自动精确分割神经影像数据中的病理结果。这将有助于更准确地诊断神经病学相关疾病并分析其临床效果。
这仅仅是医疗领域人工智能发展趋势的开始。人工智能的作用预计会更大。目前，人工智能被用于在手术中生成实时的、针对病人的三维模型，它还将进一步发展，提供交互式医疗保健体验，改变病人的教育和参与方式。即使在基因组编辑方面，人工智能也有望超越对复杂基因数据的分析，为高度定制的基因编辑提供更准确的基因-疾病关联预测。
人工智能驱动的沉浸式虚拟现实心理健康治疗课程是该技术在该领域的另一种应用方式。此外，纳米机器人还能利用人工智能在早期阶段识别和处理各种医疗状况。
然而，法律硕士在医疗保健领域的应用并非没有问题。研究人员、医护人员和医疗机构必须注意隐私、透明度和安全性方面的道德问题。由于缺乏责任感，这些模式也可能被用于传播错误信息，这一点也应加以考虑。更不用说，它们还存在着复制现有偏见的固有局限性。
世界各国政府都在努力解决人工智能带来的问题。欧洲已经建立了人工智能法律框架，而英国卫生和社会关怀部正计划提高利用人工智能开发医疗设备时所用数据的透明度。
结论
LLM 在医疗行业的应用日益广泛，预计其应用范围和影响将进一步扩大。然而，重要的是，这些模型的使用要负责任，基础数据质量要高，不能有任何固有的偏见和错误信息，这样才能提供更准确的结果和更好的患者治疗效果。
