以大模型為代表的人工智能技術(shù)在醫(yī)療行業(yè)具有重大應(yīng)用價(jià)值，包括病歷文書處理、醫(yī)患互動(dòng)、精準(zhǔn)診療等。目前全球范圍內(nèi)，醫(yī)療行業(yè)的最大痛點(diǎn)之一是醫(yī)生護(hù)士花費(fèi)大量時(shí)間在病歷書寫和錄入上。有關(guān)調(diào)查數(shù)據(jù)顯示，這方面的工作占據(jù)了他們60%的時(shí)間。在國(guó)內(nèi)的住院醫(yī)生中，甚至占據(jù)了90%的時(shí)間。虎博利用大模型的歸納總結(jié)、邏輯推理和自然語(yǔ)言對(duì)話能力，大幅提高醫(yī)生護(hù)士的工作效率，減輕了醫(yī)護(hù)人員的工作負(fù)擔(dān)。

該案例采用了Tigerbot自研通用大模型和SoftTiger醫(yī)療基礎(chǔ)大模型，利用國(guó)內(nèi)外數(shù)百位醫(yī)生的標(biāo)注校驗(yàn)的脫敏臨床真實(shí)數(shù)據(jù)，經(jīng)過了數(shù)百?gòu)圙PU為期數(shù)月的訓(xùn)練和微調(diào)。該模型通過國(guó)際權(quán)威的醫(yī)療行業(yè)術(shù)語(yǔ)庫(kù)和知識(shí)庫(kù)，對(duì)病歷文書進(jìn)行知識(shí)抽取和知識(shí)庫(kù)構(gòu)建，大幅降低了大模型的幻覺；基于多語(yǔ)言能力，該應(yīng)用天然涵蓋包括中文、英語(yǔ)、拉丁文、阿拉伯語(yǔ)在內(nèi)的多語(yǔ)種和小語(yǔ)種，以支持“一帶一路”國(guó)家戰(zhàn)略項(xiàng)目。該應(yīng)用落地到真實(shí)場(chǎng)景后，經(jīng)過chatbot arena 方法的系統(tǒng)評(píng)測(cè)和專家評(píng)測(cè)，效果達(dá)到全球前三，僅次于GPT-4和 GOOGLE-GEMINI，優(yōu)于GPT-3.5和LLAMA-2在內(nèi)的主流開源模型。經(jīng)臨床醫(yī)生試用后，降低了他們?cè)跁鴮懖�歷報(bào)告上67%的時(shí)間。此案例已經(jīng)推動(dòng)了公司和巴西醫(yī)療機(jī)構(gòu)和保險(xiǎn)機(jī)構(gòu)的業(yè)務(wù)合作。該研究成果已經(jīng)被在斯坦福大學(xué)舉辦的AAAI 2024 Spring Symposium on Clinical Foundation Models錄取并發(fā)表，是首個(gè)被國(guó)際頂級(jí)學(xué)術(shù)會(huì)議錄取的醫(yī)療基礎(chǔ)大模型。

目前全球范圍內(nèi)，醫(yī)療行業(yè)的最大痛點(diǎn)之一是醫(yī)生護(hù)士花費(fèi)大量時(shí)間在病歷書寫和錄入上。有關(guān)調(diào)查數(shù)據(jù)顯示，這方面的工作占據(jù)了他們60%的時(shí)間。在國(guó)內(nèi)的住院醫(yī)生中，甚至占據(jù)了90%的時(shí)間。虎博利用大模型的歸納總結(jié)、邏輯推理和自然語(yǔ)言對(duì)話能力，大幅提高醫(yī)生護(hù)士的工作效率，減輕了工作負(fù)擔(dān)。

我們采用了Tigerbot自研通用大模型和SoftTiger醫(yī)療基礎(chǔ)大模型，利用國(guó)內(nèi)外數(shù)百位醫(yī)生的標(biāo)注校驗(yàn)的脫敏臨床真實(shí)數(shù)據(jù)，經(jīng)過數(shù)百?gòu)圙PU為期數(shù)月的訓(xùn)練和微調(diào)。該模型通過國(guó)際權(quán)威的醫(yī)療行業(yè)術(shù)語(yǔ)庫(kù)和知識(shí)庫(kù)，對(duì)病歷文書進(jìn)行知識(shí)抽取和知識(shí)庫(kù)構(gòu)建，大幅降低了大模型的幻覺；基于多語(yǔ)言能力，該模型天然涵蓋包括中文、英語(yǔ)、拉丁文、阿拉伯語(yǔ)在內(nèi)的多語(yǔ)種和小語(yǔ)種，以支持“一帶一路”等國(guó)家戰(zhàn)略項(xiàng)目。該應(yīng)用落地到真實(shí)場(chǎng)景后，經(jīng)過chatbot arena 方法的系統(tǒng)評(píng)測(cè)和專家評(píng)測(cè)，效果達(dá)到全球前三，僅次于GPT-4和 GOOGLE-GEMINI，優(yōu)于GPT-3.5和LLAMA-2在內(nèi)的主流開源模型。

經(jīng)臨床醫(yī)生試用后，該應(yīng)用減少了他們?cè)跁鴮懖�歷報(bào)告上67%的時(shí)間，為醫(yī)生護(hù)士減輕了工作負(fù)擔(dān)，提高了工作效率，使醫(yī)生把更多時(shí)間用在診療和科研上，是臨床醫(yī)療工作流程上的一次變革，具有重大的社會(huì)價(jià)值。該研究成果被在斯坦福大學(xué)舉辦的AAAI 2024 Spring Symposium on Clinical Foundation Models 錄取并發(fā)表，是首個(gè)被國(guó)際頂級(jí)學(xué)術(shù)會(huì)議錄取的醫(yī)療基礎(chǔ)大模型。

347795ca088e155fd4a4f932002dcc56

7ad6b7eececea7874fd0a6532ae0ff815ee7508f