医学大模型开源项目：医学大模型的局限性 + 改进思路

医学大模型开源项目：医学大模型的局限性 + 改进思路

GPT在医学上的优势：专业性凸显，实用性兼备
大模型在医学上的局限：问诊详细程度完全随机、推理和决策逻辑不完整、建议偏方向性实用性欠缺
方案一：海量相关数据 + GPT4 + 恐怖算力暴力
方案二：设置快慢双系统，快系统理解信息，慢系统辅助决策
【临床推理与鉴别诊断不充分】的问题与改进思路
【诊断辅助检查方案不准确】的问题与改进思路
【诊断逻辑与诊断不完整】的问题与改进思路
【治疗方案设计不全面】的问题与改进思路
知识图谱
医学指南
临床数据和决策逻辑
监管

医学大模型开源项目

GPT在医学上的优势：专业性凸显，实用性兼备

可得性启发，几乎适用于所有病情的【初步诊断】，尤其是【小众病，罕见病】，极大概率避免诊断错误（误诊、诊断过度、无效诊断）。

专业性凸显，实用性兼备。

大模型在医学上的局限：问诊详细程度完全随机、推理和决策逻辑不完整、建议偏方向性实用性欠缺

相当于家庭医生，但达不到专科要求。

这是医学数据微调的大模型，微调数据决定了做不到专科医生独立的、全流程的、完备的诊断。

大模型执行临床诊疗任务的四个问题：

【临床推理与鉴别诊断不充分】、【诊断辅助检查方案不准确】、【诊断逻辑与诊断不完整】、【治疗方案设计不全面】

方案一：海量相关数据 + GPT4 + 恐怖算力暴力

完备的推理能力，我只在 GPT4 上看过。

能玩超长的文字冒险游戏，还能得高分。

但我不确定这种推理能力能否胜任医学的全流程诊断。

更关键的是，GPT4微调、部署、数据安全、成本都有问题，这种方案不可行。

方案二：设置快慢双系统，快系统理解信息，慢系统辅助决策

快系统是LLM，微调的医学大模型，功能是自然语义理解和对话、复杂的信息集成和洞察

慢系统是临床知识图谱 + 文本向量库，功能是医疗决策逻辑、最新医学知识

设置独立的临床推理算法，因子与参数独立存储，每条都经过医学指南、三甲医生验证

【临床推理与鉴别诊断不充分】涉及要素：重要既往史、一般情况、诊治经过、主要症状特点、病情发展与演变、病因与诱因、伴随症状、相关基础病、既往诊治、起病时间和起病情况

【诊断辅助检查方案不准确】涉及要素：必要证据、可能证据、充分证据、排除证据，完善辅助检查推荐逻辑

【诊断逻辑与诊断分型不完整】涉及要素：确诊标准（正向因子+排除其他相关主要疾病因子），对每种疾病根据症状匹配诊断推断公式

【治疗方案设计不全面】涉及要素：接确诊后，必须有实用性（药物治疗方案、一般治疗、随访计划）

【临床推理与鉴别诊断不充分】的问题与改进思路

医学大模型问题，如下：

偏离主诉和没抓住核心，顶级医生发现用户问题会一追到底，而不是跟随用户关注无关内容，单纯理解对一句话是毫无意义
缺症状细节、缺鉴别内容，只能问患者有什么症状，不能自己主动猜有什么问题（反问和求证）
逻辑顺序错乱
与问诊内容无关
错误内容
思路过窄未考虑到
诊断范围过宽，冗余输出
缺主要诊断
缺重要合并诊诊断
缺并发症诊断
未关联并发症
主次顺序错误
分型错误
缺原发病诊断

不足：大模型问诊不稳定，导致有的信息获取不全

改进：临床知识图谱 + 文本向量库，把临床规则放入向量库，辅助问诊获取全面的信息

【诊断辅助检查方案不准确】的问题与改进思路

医学大模型问题，如下：

缺确诊检查项、缺鉴别检查项
检查无依据、无关、相关度低
有错误
检查非常规、普及性低
检查重复（CT、MRI、X线）

【诊断辅助检查方案不准确】涉及要素：必要证据、可能证据、充分证据、排除证据，完善辅助检查推荐逻辑。

【诊断逻辑与诊断不完整】的问题与改进思路

医学大模型问题，如下：

缺进一步检查建议
过于宽泛
缺相项问题解读

不足：模糊、宽泛、方向性建议

改进：结合教科书、临床指南、临床思维，结构化存储到决策系统中，实现精准医疗

【治疗方案设计不全面】的问题与改进思路

医学大模型问题，如下：

诊断不清楚就推荐治疗
方向性错误、无适应症、无依据、无评估
推荐已用过效果不好的药
用药不全面
存在明确禁忌
优先顺序错误
缺病因治疗
其他治疗不全面
治疗不合适疾病分期
手术不全面
重复开同类药物
复杂病重没有请多学科会诊
复查周期过长

不足：实用性欠缺，偏方向性

改进：结合教科书、临床指南、临床思维，结构化存储到决策系统中，实现精准医疗（不同疾病的分期、分型下，诊断方法的适用条件、成本、风险、收益综合分析）

知识图谱

知识图谱 = 实体 + 关系

实体：现实世界存在的事物，如小明、小强

关系：实体之间的关系，如朋友

三元组：实体、实体、关系

黎明-电话-xxx，黎明-年龄-20，黎明-朋友-张三

实体识别、实体抽取、关系抽取、实体统一、实体消歧（如苹果是水果，还是公司）

{'age': 25,'location': 'beijing'
}

医学指南

从医学教材、指南上抽取诊断逻辑、治疗方案。

全世界的大部分地方的医生，对于绝大多数的常见病，是当着病人的面查怎么治病。

看到主治医生查房的时候，每个小医生人手一个Pad。主治医生说到一个病的时候，每个医生赶紧查，然后按照Pad上面说的给病人开药。

他们在查临床诊治指南：

针对特定的临床情况，系统制订出的帮助临床医生和患者做出恰当处理的推荐意见。

去医院治疗普遍的问题，担心自己接受的治疗是不是最好的？医生的水平如何？会不会技术不行？会不会因为想挣钱，过度医疗？

指南就是解决所有这些问题的。

它是一套标准化的方案，对医生治病的每一个环节都有建议。

比如，怎么检查、怎么治疗、怎么手术、怎么用药、剂量多少、联合用什么药。几乎所有的常见病都有这么细的指南。

同时，对于同一种病，不论这种病有多简单，都会用到多个不同的指南。

就拿阑尾炎这种外科医生入门级的手术来说，也至少要用到4个指南。

麻醉有《麻醉学操作指南》；手术有《阑尾炎诊治指南》；术后要用到《抗菌药物在围手术期的预防应用指南》；如果感染严重，还会用到《抗菌药物临床应用指南》。

再比如，冠心病的病人，可能要用到至少10个指南。包括《高血压管理指南》、《中国心血管病预防指南》等等。

指南就是这么重要。它几乎涵盖到了临床上所有的常见病，以及常见病里所有的类型。

一个医生规范地应用指南，就可以保证病的基本治疗。

指南是最基础、最标准、最规范的方案。

按照这个方案做，就可以避免不同操作者的水平差异带来的治疗差异，还能保证效果、降低风险。

而且制定指南用到的科学方法，是医学上最讲证据的方法 — 循证医学。

循证，也就是让证据说话，把证据转化为最好的临床指导建议。

把世界上治疗这个病全部的、最好的证据拿来评估，并根据这些证据制定治疗建议。

而且不断地升级迭代，保证了指南的前沿性和时效性。

永远是利用最新的证据，给病人制定治疗方案。

临床数据和决策逻辑

指南只能保证已知问题的情况，最佳流程。

但在治疗中，其实要面对巨大的不确性。

一个学生游泳被溺，送过来的时候一个心跳电信号都没有。

按照指南按压100-120 次 / 分，出现了几个微弱的电信号，再提升他的心率，但心率紊乱。

接下来呢，指南没有？

是先升血压呢？还是先维持这种紊乱的心律呢？或者是用药物纠正这个心律呢？

这些都需要具体情况具体分析，需要临床数据和决策逻辑。

监管

在2022年，国家卫生健康委办公厅、国家中医药局办公室联合制定的《互联网诊疗监管细则（试行）》文件中，

针对主体、业务活动、互联网诊疗质量及安全方面提出了明确监管要求，其中就强调了：

处方必须由接诊医师本人开具，严禁使用人工智能等自动生成处方。

处方药应当凭医师处方销售、调剂和使用。

处方药的意思是，必须有医生开的方才能拿到的药，因为这些药有很强副作用。

而非处方药是可以的，其实大部分模型报的药名都是非处方药。

比如糖尿病的二甲双胍，在硅谷不是糖尿病也会吃，在硅谷，吃二甲双胍已经成了一种风尚，这个 open AI 的创始人山姆奥特曼都在吃。

因为ta能模拟少吃的效果，少吃寿命就长，当然我不推荐正常人吃，临床试验还在进行，可能有副作用。