ChatGPT医疗革命？AI助手如何重塑医学教育与诊疗?

文章主题：

🌟ChatGPT的医学潜力不容忽视，它正逐步渗透到教育辅助、行政支持与临床诊断等多个领域。💡然而，医学数据的独特性和挑战性——复杂且获取不易——给AI在医疗领域的准确性带来了挑战。这可能导致潜在误导，需要谨慎对待其医疗应用结果。👩‍⚕️💻

🔥ChatGPT热度不减，全球活跃用户已破亿，AI浪潮汹涌而来！🚀人们惊叹于这个硅谷OpenAI研发的神奇模型，它不仅在学术圈引发热议，日常对话中也频频亮相。从论文撰写到法庭判决，ChatGPT正以惊人的速度改变世界。👩‍💻ChatGPT的语言理解能力让它成为通用任务助理的潜力股，各行各业都在积极探索其应用，医疗领域尤为引人注目。📝医生和科学家们正在积极研究它在疾病诊断与治疗中的可能性，斯坦福大学的研究者已经在JAMA上发表了相关论文，深入探讨其心血管健康建议的有效性。🔍然而，AI带来的挑战也不容忽视。随着全球医疗人才短缺问题日益严重，人工智能有望缓解部分压力，但其信息准确性、虚构和偏见问题需要医学界严谨对待。🏥《福布斯》警告，在医疗服务不足的地区，AI虽有潜力，使用时仍需谨慎监管。👀未来，ChatGPT在医疗领域的应用将如何平衡便利与精确？让我们拭目以待，同时期待科技的力量为全球健康带来实质性的改善。👩‍⚕️medicine + AI = #HealthRevolution 🌟

图源：网络视频截屏

从医学教育到临床诊疗：ChatGPT潜能初现

在那些迫不及待地想了解“ChatGPT在医疗领域将有哪些作为”的专业人士中，来自美国加州的肺科医生Victor Tseng是一个。他所在的诊所Ansible Health最近成立了一个特别小组，专门来研究这个问题。他们给这个AI模型出的一个难题，是让它去参加美国的医生执照考试USMLE。这项考试难度很大，不仅测试考生的基础科学和医学知识以及病例管理，而且也评估他们在临床判断、伦理、批判性思维和解决问题方面的能力，考生通常要花费成百上千个小时来备考。研究团队使用了来自2022年6月的305道公开官方样题，这些试题还没有被纳入到ChatGPT训练的文本数据中。尽管如此，出乎研究者意料的是，ChatGPT在三项考试中几乎全都及格，或是接近及格。2月1日，在《ChatGPT辅助医疗：希望与陷阱》一文中，美国著名医疗媒体STAT写道，ChatGPT在医学教育辅助、行政工作协助和临床诊疗等方面都有潜在的应用前景。比如，美国医学教育的理念正在从围绕记忆、储存信息，逐渐转向强调组织、应用医学知识。而ChatGPT这样的人工智能系统，可以帮助医学生和医生更有效地学习，以此来促进这种转变。当我问一位生物工程领域的教授，对ChatGPT在医学中的前景有何看法时，他说，“我还没有考虑那么多，我现在正在考虑的问题是，怎么提高我的工作效率。我昨晚上还在用ChatGPT把我的课件变成文本文件，这样可以很快地把一个讲义生成。”不要小看ChatGPT在这种小事上的能力。许多业内人士都表示，ChatGPT可能可以帮助医生们节约大量花在行政事务上的时间，优化诊疗流程管理，节省出更多宝贵的时间。在2018年美国的一项调研中，70%的医生表示，他们每周在文书工作和行政任务上花费10个小时以上，其中近三分之一的人花费了20个小时或更长时间。英国知名的圣玛丽医院的两名医生2月6日发表在《柳叶刀》上的评述文章指出，医疗保健是一个具有很大的标准化空间的行业，特别是在文档方面。我们应该对这些技术进步做出反应，并探索在医疗保健的不同场景使用聊天机器人（如ChatGPT）的可行性。“出院小结”是这项技术一个很典型的应用，作者指出，因为它们在很大程度上是标准化的格式。ChatGPT在医生输入特定信息的简要说明、需详细说明的概念和要解释的医嘱后，在几秒钟内即可输出正式的出院摘要。这一过程的自动化可以减轻低年资医生的工作负担，让他们有更多时间为患者提供服务。比如，美国的临床医生往往需要花费大量的时间写授权信，以帮助患者获得保险支付。STAT的作者们把这样一个具体的任务扔给ChatGPT后，几秒钟之后就收到了一封电子邮件的初稿，虽然还需进一步编辑，但基本上传达了主要的信息。2022年12月27日，美国西北大学的一个团队在预印本论文bioRxiv上发表了一篇文章。这项研究中，研究者让ChatGPT学习发表在《柳叶刀》《美国医学会杂志》等顶刊上的文章，并撰写50篇医学研究摘要，结果发现，ChatGPT生成的摘要全部顺利通过了抄袭检测器。更激进一点，ChatGPT可以帮助进行临床诊疗吗？2022年12月22日，来自美国德雷塞尔大学的两名学者在PLOS Digital Health上发表的一篇论文探索了ChatGPT在这方面的能力。他们将它用于诊断阿尔茨海默病（AD）。作为痴呆症中最常见的一种，阿尔茨海默病（AD）是一种退行性中枢神经系统疾病，多年来科学家们一直在研发抗AD的特效药，但目前进展很有限。目前诊断AD的做法通常包括病史回顾和冗长的身体和神经系统评估和测试。由于60%～80%的痴呆症患者都有语言障碍，研究人员一直在关注那些能够捕捉细微语言线索的应用，包括识别犹豫、语法和发音错误以及忘记词语等，将其作为筛查早期AD的一种快捷、低成本的手段。德雷塞尔大学发表的这项研究发现，OpenAI的GPT-3程序，可以从自发语音中识别线索，预测痴呆症早期阶段的准确率达到80%。人工智能可以用作有效的决策支持系统，为医生提供有价值的数据以用于诊断和治疗。人眼可能会错过CT扫描中的微小异常，但经过训练的AI却能跟踪最小的细节。一位IT领域的专家告诉“医学界”，ChatGPT对于临床医学可能会有很大的帮助，毕竟每个医生的记忆都有限，无论如何也比不过计算机的强大存储。在更加基础的生物医学领域，ChatGPT也被认为是具有革命性。生命科学领域非常著名的风投机构Flagship Pioneering因孵化出Moderna公司而誉满天下，其创始人、MIT生物工程专业博士努巴尔·阿费扬（Noubar Afeyan）在对2023年的展望中写道，人工智能将在本世纪改变生物学，就像生物信息学在上个世纪改变生物学一样。他指出，机器学习模型、计算能力和数据可用性的进步，让以前悬而未决的巨大挑战正在被解决，并为开发新的蛋白质和其他生物分子创造了机会。最近，他的团队在Generate Biomedicines上发表的成果表明，这些新工具能够预测、设计并最终生成全新的蛋白质，其结构和折叠模式经过逆向工程，来编码实现所需的药用功能。

面临数据、伦理、风险等多方挑战

🌟 Eric Topol’s Vision for Medicine 🧬🚀 On January 16th, the trailblazer in medical AI, Eric Topol, shed light on the rapid evolution of his thoughts in an updated article. Four years ago, in his groundbreaking book “Deep Medicine,” he predicted that deep learning’s impact on healthcare would largely be confined to image analysis. However, today’s advancements in large language models (LLMs) have transformed AI in medicine, transcending single tasks and expanding its reach across various domains.🔍 GPT, the game-changer in NLP, is a Generative Pre-trained Transformer trained on massive internet data. It effortlessly generates contextually relevant sentences without prior knowledge, leveraging the power of Transformers that handle colossal amounts of training data. AlphaFold, an AI system predicting proteins with remarkable accuracy, is a testament to this.🔍 In 2018, OpenAI introduced GPT-1, a Transformer-based model trained on a staggering 100 billion words. Its successor, GPT-3, in 2020, took the game to another level with 175 trillion parameters, capturing the essence of human language and language understanding.🔍 The impact of AI in medicine is no longer a niche; it’s a driving force. From predicting kidney disease to simplifying radiology reports and forecasting leukemia recovery rates, AI has become an integral part of healthcare, enhancing precision and efficiency.🌍 As AI continues to revolutionize medical practices, we can expect even more groundbreaking applications that will shape the future of medicine. Stay tuned for the next chapter in this exciting journey! 🌟 #AIinMedicine #DeepLearningTransformsHealthcare

2022年3月，谷歌医疗推出了新的研究项目，旨在利用人工智能将手机变成听诊器和其他疾病的家庭医疗筛查工具；10月，谷歌重磅推出了人工智能医学影像套件。2022年底，谷歌和人工智能实验室DeepMind发表了一篇论文，概述了其在Med-PaLM方面的工作——该大型语言模型旨在通过多个数据集，训练在医学领域生成准确、有用的答案；而开发者也能通过ChatGPT的API接口开发医疗应用程序……所有这些都表明，科技正在革新医疗领域。不过，对ChatGPT等人工智能过分乐观和不加审视的使用都是不恰当的。前述IT界的人士对“医学界”表示，ChatGPT属于一个叫做生成式AI的领域，这个工具对于文案生成（content creation）的影响是巨大的，比如帮助学生们写论文、邮件、甚至是写诉讼文件。然而，ChatGPT只能根据训练它的数据进行文字的重新组合，对于科学研究，他认为，毫无帮助。2022年1月，发表在《连线》杂志上的文章《医疗界的AI还有很长的路要走》写道，在训练AI算法所依赖的数据当中，医学信息更加复杂且可及性更差，使得有关医疗的AI结果存在误导性。科技行业与研究型医院的情况非常不同。《连线》杂志指出，Facebook等公司可以访问用户发布的数十亿张照片，以改进图像识别算法。然而，由于对隐私问题的担忧和医院IT系统的陈旧，获取健康数据无疑更加困难。纽约大学格罗斯曼医学院放射学教授Linda Moy近期她审阅了一篇由ChatGPT撰写的文章。她表示，ChatGPT的文章挺准确的，但它编造了一些参考文献。此外，她还担心，AI可能会编造数据。人工智能的好坏取决于开发者们“投喂”给它的信息，然而，网上有很多关于新冠疫苗的不准确信息，ChatGPT却“照单全收”，利用这些信息会产生不准确的结果。“我们不能把为消费者领域开发的人工智能工具，轻易搬到临床医学领域。”美国亚利桑那州立大学副教授维萨·贝里沙（Visar Berisha）表示。他与同事们在2021年发表的一篇期刊文章发现，许多健康类AI研究的算法结果看起来比实际更准确，因为它们是在很小的数据集上使用了强大的算法。另一方面，对医疗健康研究长期以来的不平等，使得医疗数据集本身就带有偏差。斯坦福大学的研究人员2020年发表的一项研究指出，在将深度学习应用于美国医疗数据的研究中，71%的数据来自加利福尼亚州、马萨诸塞州或纽约州，其他47个州的数据很少或根本没有；低收入国家在人工智能的医疗健康研究中几乎没有任何代表性。一位阿尔茨海默症领域的研究人员的看法是，ChatGPT对于了解生物医学某个领域的概况，还是很有帮助的，但是不能涉及到具体数据和实验方法。与此同时，使用这些医学类的生成信息需要人工把关，一个很大的问题是，ChatGPT目前无法识别对错。他曾经对ChatGPT说：2023年是农历狗年，请写一段祝福语。然后ChatGPT就照做了，然而，2023年实际上是兔年。为了验证其可靠性，我问ChatGPT：一个90岁的房颤病人，多发微出血，梗死直径小于1.5cm，什么时候抗凝合适?

🌟对于90岁房颤患者并发多发微出血，直径小于1.5cm的梗死风险评估，抗凝治疗并非轻率决定。老龄化患者的健康状况、病灶位置和潜在副作用是关键考量。与医疗专家深入探讨至关重要，尤其是对药物过敏或有相关疾病的患者。👩‍⚕️AI在医学伦理中的角色引人深思，最近一桩线上心理健康公司利用GPT-3引发争议，患者未获知情同意就接受机器人咨询，这突显了透明度和患者权益的重要性。🔍《柳叶刀》新研究强调，医疗接纳AI的同时，必须确保患者的理解和舒适度，否则可能导致对技术的抵触。🏠虽然日常琐事上的聊天机器人咨询可能无害，但药物信息的准确性至关重要，不可掉以轻心。记住，我虽能提供医学知识指导，但我并非医生，如有健康疑虑，请务必咨询专业人士。👩‍⚕️#医疗伦理 #AI在医疗 #患者权益