破解全行業數據壁壘尚需時間 GPT+醫療健康“徐步前行”

【資料圖】

以ChatGPT為代表的通用版大型語言模型引發市場關注。它背后的GPT（Generative Pre-trained Transformer，生成式預訓練轉換器）技術基座為人工智能應用打開一片嶄新世界。

“大模型時代已經到來。它已變成基礎設施，變成算力，變成生產力。大模型可能有通用技術，但更重要的是如何跟各個行業、各個場景相結合。”北京郵電大學人工智能學院教授何召鋒在“GPT+醫療健康”機會與挑戰交流會上說。

近日，為探討GPT對醫療健康領域的深度影響，吳階平醫學基金會、北京郵電大學人工智能學院、互聯網醫療健康產業聯盟、智云健康、聲智科技聯合在北京舉辦“GPT+醫療健康”機會與挑戰交流會，邀請眾多產學研資深專家參與。

聲智科技CEO陳孝良表示，現在大家比較關注的是以數據為中心的AI，特別是大模型的預訓練和微調技術，幾乎每天都有新的進展。從當前實踐來看，高質量的標注數據帶來AI語言模型的性能提升，比算法來說更為顯著。

數據、算力、算法是AI的三大基石。由于互聯互通基礎薄弱、受到高度監管、隱私安全要求高、數字化建設滯后等因素，醫療健康行業的特殊性對數據利用帶來一定挑戰。

智云健康首席科學家劉曉華認為，基于開源基礎大模型結合專業數據做大語言模型的本地化、小型化定制的發展路徑，是目前許多企業在應對大型語言模型開發成本高昂的情況下采取的一種合理策略。通過使用開源基礎大模型，可以降低開發大型語言模型所需的數據采集、處理和清洗成本，而結合專業數據，又能保證模型的高質量和多樣性。通過本地化、小型化和定制化，可以更好地滿足企業或行業的特定需求，提高模型的適用性和準確性。

破解全行業的數據壁壘需要時間逐步解決，但單個機構內部的數據開發利用則相對容易實現。北京大學第六醫院、南開大學藥學院、智云健康等相關負責人在交流會上分享了各自實踐經驗。

據南開大學藥學院教授、博士生導師林建平介紹，目前在藥物研發上，GPT并沒有形成特別大規模的應用，但是在其中的分子識別、文獻搜索、分子設計等環節，進行創新嘗試。他認為，GPT具有尋找病因、發現新的藥物靶點、預測藥物的相互作用、預測藥物劑量的優化等未來應用潛力。

智云健康是國內較早將人工智能、數字化和慢病管理服務場景進行融合應用的企業之一。智云醫療大腦（Cloudr Brain）是智云健康基于多年機器學習、臨床實踐和數據要素開發的AI醫療引擎，應用成效已經初步突顯。智云健康CTO牧唐表示，依托Cloudr Machine Learning Infrastructure基礎平臺，智云醫療大腦率先推出兩個醫療行業模型——ClouD GPT、ClouD DTx。ClouD GPT模型主要應用于醫院內部、互聯網醫院等場景下的輔助診療，大幅度提升診療效率和體驗。ClouD DTx則主要用于藥械研發、數字療法等AI輔助研發場景。

（文章來源：證券日報網）

關鍵詞：