医疗领域的生成式人工智能:实际应用与科学依据
A 医疗领域的生成式人工智能 它能够整理临床记录、辅助病例分析,并为研究提出分子结构模型。为了理解其贡献,有必要了解这些应用是如何运作的,以及相关研究得出了哪些结果。.
发表在以下期刊上的研究,例如 自然医学 e 《JAMA Network Open》 研究了相关化合物的开发以及医生对语言模型的应用。尽管这些研究显示了重要的可能性,但其效益会因任务类型和使用方式的不同而有所差异。.
因此,要理解这项技术,就必须了解其应用领域、现有证据以及在不同情境下应采取的注意事项。.
什么是生成式人工智能?
A 生成式人工智能 它整合了能够从海量数据中学习模式和关联的计算模型。基于这些学习成果,这些模型会根据接收到的信息和指令生成文本、图像及其他表现形式。.
以医疗领域为例,这些模型可以生成病历摘要,并为药物研发提出分子结构方案。不过,每项结果都取决于训练数据、所提供的背景信息以及该工具的使用目的。.
这些 大型语言模型, ,或 LLMs (大型语言模型),它们利用语言进行处理。为了构建一个响应,它们会计算文本单元可能出现的序列,这些序列被称为 代币. 而 多模态模型 可以组合不同的格式,例如文本和图片。.
通过一个例子可以更清楚地说明两者的区别:一种人工智能工具可以分析临床数据并计算患某种疾病的风险;而生成式人工智能则能将病历中的信息转化为一份供医疗团队参考的摘要。.
然而,在此摘要中,系统可能会遗漏某项过敏信息,或包含原始文件中未记载的内容。因此,医护人员在使用前需核对内容。世卫组织在 关于卫生领域多模式模型的指导意见.
生成式人工智能在医疗健康领域能发挥什么作用?
其应用领域包括文档编制、临床工作支持和药物研究。然而,每项活动都需要相应的评估标准。.
例如,在汇总病历时,该工具必须保留病历中的信息。而在药物研究中,科学家则需要验证是否能够合成并测试所提出的分子。.
信息与文献管理
查阅患者病历可能需要阅读分散在多份文件中的门诊记录、检查结果和处方。在此背景下,生成式人工智能可将主要数据汇总成一份摘要,便于医疗团队查阅。.
此外,该工具还能调整技术性内容的表述方式。例如,一篇关于某项操作流程的文本,可以作为基础,用于编写更便于患者理解的说明。随后,负责的专业人员会对译文的准确性和清晰度进行审核。.
A 世界卫生组织(世卫组织) 将诊疗记录、行政事务和职业培训列为这些模型的潜在应用领域。.
临床推理支持
除了整理文件外,语言模型还能帮助专业人士探索假设并分析行为方案。不过,研究人员仍在探讨在哪些情况下这种支持能提升工作表现。.
一个 发表在……上的一项研究 自然医学, ,2025年2月, ,评估道 92名医生参与了模拟临床情境演练. 能够使用GPT-4和常规资源的参与者平均得分 高出6.5个百分点 在关于行为的推理任务中,表现优于仅使用传统方法的学生。.
尽管得分更高,但该组完成病例分析所花费的时间也更长。由于评估是在模拟环境中进行的,作者强调有必要在实际诊疗中进一步研究这些结果。.
生成式人工智能在药物研发中的应用
在药物研发中,生成式模型可以提出具有目标特性的分子结构。随后,科学家们会筛选出值得深入研究的化合物,并评估在实验室中合成这些化合物的可行性。.
合成完成后,通过实验验证其生物活性和毒性等性质。由此,研究团队测试这些计算结果是否具备推进后续开发的合适特性。.
一个例子是 rentosertib, ,一种用于治疗特发性肺纤维化的候选药物,该疾病会导致肺组织纤维化并引发呼吸困难。.
一个 发表在……上的2a期临床试验 自然医学, ,2025年6月, ,对这一在生成式人工智能支持下研发的化合物进行了评估。该研究包括 71名参与者,为期12周 并将不同剂量与安慰剂进行了比较。.
因此,该案例展示了从计算模型到临床研究的转化过程。该技术为候选药物的发现和设计做出了贡献,而实验研究则使其行为和效果得以评估。.
生成式人工智能在医疗健康领域的局限性有哪些?
科学结果因活动而异。例如,一项 发表在……上的论文 《JAMA Network Open》, ,2024年10月, ,评估道 50名医生分析了有或没有语言模型辅助的临床病例.
在这项研究中,与传统方法相比,使用该工具并未在统计学上显著改善诊断推理能力。因此,仅提供该技术本身并不能保证带来益处。.
本文介绍的两项针对医生的实验评估了不同的任务。因此,其结果突显了一个重要问题: 该工具在哪些活动、哪些用户以及哪些条件下展现出了实用性?
错误答案与认知偏见
一个回答看似有说服力,却可能包含错误信息。因此,专业人士需要核对数据、查阅原始文件并查阅所引用的参考文献。.
此外,模型可能会复现训练数据中的不平衡现象。例如,如果这些数据中某些特定患者群体的样本量较少,该工具在不同人群中的表现可能会有所不同。.
A 世卫组织对这些风险以及对自动化的过度依赖发出了警告. 因此,批改时既要评估答案的准确性,也要评估其是否符合具体情境。.
信息保护
病历和研究文件可能包含个人数据、健康史及机密信息。因此,机构在提交这些材料之前,必须了解该工具的使用条款。.
该分析应阐明系统将数据存储在何处、谁可以访问这些数据,以及供应商是否可以使用这些数据来训练模型。凭借这些信息,组织便能确定可以使用哪些文件,以及需要采取哪些控制措施。.
除了技术选择外,各团队还需要明确的日常工作指南。这样一来,相关流程有助于避免信息发送不当的情况。.
在选用工具之前应注意哪些方面?
2026年1月,美国食品药品监督管理局(FDA)和欧洲药品管理局(EMA)宣布 药物研发中人工智能良好实践的十项共同原则. 该倡议旨在指导制定利用这些技术生成证据的实践方法,但并不意味着对具体工具的认可。.
实际上,评估应从具体需求出发。例如,如果团队打算对文档进行摘要整理,就可以将生成的文本与原始记录进行对比,从而衡量其中的错误、遗漏以及审阅所需的时间。.
在实施之前,有必要回答以下问题:
- 该工具旨在解决什么问题?
- 现有研究是否评估过类似的活性?
- 测试发现了哪些错误?
- 谁来审核结果?
- 团队将如何在使用过程中跟踪性能表现?
通过这种方式,该机构能够评估该解决方案是否有助于工作,以及在扩大其应用范围之前需要进行哪些调整。.
如何将机遇转化为收益?
A 医疗领域的生成式人工智能 拓宽了组织知识和探索科学假说的途径。不过,其贡献程度取决于计算能力、实验评估以及专业人员参与的综合作用。.
在制药行业,只有当团队能够对某项提案进行系统性的研究时,该提案才具有价值。为此,需要将执行该提案所需的方案、文件、人员和物资有机地结合起来。另请参阅 临床研究用药品的供应机制是怎样的.
在FIC公司,我们根据每个项目的具体要求,通过为制药行业和临床研究提供物流解决方案,来保障这一连续性。如果您的业务涉及药品及原材料的供应、仓储或运输,, 与我们的团队交流 以协调各方需求并规划后续步骤。. 推动科学发展的解决方案。.