Nature论文|斯坦福大学&哈佛大学等发布GMAI：通用医学人工智能的基础模型

​

标题：Foundation models for generalist medical artificial intelligence

作者：Michael Moor,  Oishi Banerjee,  Zahra Shakeri Hossein Abad,  Harlan M. Krumholz,  Jure Leskovec,  Eric J. Topol &  Pranav Rajpurkar  

[Stanford University& Harvard University &University of Toronto &  Yale New Haven Hospital &Scripps Research Translational Institute, La Jolla]

简介：

高度灵活、可重复使用的人工智能（AI）模型的异常快速发展有可能为医学带来新发现的能力。

我们为医学人工智能提出了一个新的范式，我们称之为通用医学人工智能（GMAI）。GMAI模型将能够使用极少或没有特定任务的标签数据来执行一系列不同的任务。通过在大型、多样化的数据集上进行自我监督，GMAI将灵活地解释不同的医疗模式组合，包括来自成像、电子健康记录、实验室结果、基因组学、图表或医疗文本的数据。模型将反过来产生富有表现力的输出，如自由文本解释、口语建议或图像注释，显示出先进的医学推理能力。

在这里，我们为GMAI确定了一组具有高度影响力的潜在应用，并阐述了实现这些应用所需的具体技术能力和训练数据集。我们预计，支持GMAI的应用将挑战当前监管和验证医学人工智能设备的策略，并将改变与收集大型医学数据集有关的做法。

https://www.nature.com/articles/s41586-023-05881-4.pdf

​Read More