先做个广告：如需代注册ChatGPT或充值 GPT4.0会员（plus），请添加站长微信：gptchongzhi
本文编辑：科研小通
推荐使用GPT中文版,国内可直接访问：https://ai.gpt86.top
ChatGPT大数据模型就应该用在有用的领域，比如医疗！那么医生会被取代吗?
学医造福人民，但是城里医院跟县里的医院医疗水平差距就很大，城里的医生比县里的医生的医术也要高不少，想要真正做到全民共享医疗资源谈何容易。
但是看了谷歌的数据大模型，未来也许可以精准化就医，什么病，什么症状都能对阵下药，对于普通病患可以提供最好最对的医疗资源！
学医造福人民，但是城里医院跟县里的医院医疗水平差距就很大，城里的医生比县里的医生的医术也要高不少，想要真正做到全民共享医疗资源谈何容易。
但是看了谷歌的数据大模型，未来也许可以精准化就医，什么病，什么症状都能对阵下药，对于普通病患可以提供最好最对的医疗资源！
医学ChatGPT
是福是货
近日，谷歌和谷歌旗下人工智能公司DeepMind的研究团队在Nature期刊上发表了一篇名为Large language models encode clinical knowledge的论文，研究大型语言模型（Large language models，LLMs）编码临床知识。能够在Nature期刊上发文，含金量不用再多做强调了。
![]()
文献网址：https://www.nature.com/articles/s41586-023-06291-2/
大型语言模型(LLM)已经展示了令人印象深刻的能力，但临床应用的门槛很高。评估模型临床知识的尝试通常依赖于基于有限基准的自动评估。
![]()
为了解决这些局限性，研究团队提出 MultiMedQA，一个结合现有的六个医疗问题回答数据集，跨越专业医学，研究和消费者查询和一个新的医疗问题数据集在线搜索，HealthSearchQA的基准，包含3173个常见搜索的消费者医疗问题的数据集。
通过这一基准来评估大语言模型回答医学问题的真实性、在推理中使用专业知识、有用性、准确性、健康公平性和潜在危害。
![]()
结果发现，使用 Flan-PaLM 和提示策略的组合，在 MedQA，MedMCQA，PubMedQA 和 MMLU 临床主题数据集上展示了先进的性能，超过了几个强大的 LLM 基线。
来看一些数据：在 MedQA 上达到了67.6% 的准确率(比以前的最新水平高出17% 以上) ，在 MedMCQA 上达到57.6% ，在 PubMedQA 上达到79.0%。但是进一步评估显示，它在回答消费者的医疗问题方面还是存在差距。
![]()
为了能够解决上述的问题，研究团队使用一种设计指令微调（instruction prompt tuning）的方式，进一步调试Flan-PaLM适应医学领域。
结果产生的新模型Med-PaLM在试行评估中表现相当不错，再来看一组数据：我们认为临床医生的回答在92.9%的问题中与科学共识一致，而Flan-PalM仅在61.9%的答案中与科学共识一致，对于其他问题，答案要么与共识相反，要么不存在共识。
这表明，通用教学调整本身不足以产生科学和临床基础的答案。然而，92.6% 的 Med-PalM 答案被认为符合科学共识，显示了教学及时调整作为一种调整技术的力量，以产生科学依据的答案。
同样地，Flan-PaLM有29.7%的回答被评为可能导致有害结果，Med-PaLM仅5.9%，相当于临床医生的回答的6.5%。
![]()
总体来看，Med-PaLM是一个强大的专精医学领域的大语言模型，而设计指令微调是一种有效的数据和参数校准技术，能够提高大语言模型的准确性、真实性、一致性、安全性，减少危害和偏差等因素，有助于缩小模型与临床专家的差距，使这些模型更接近现实世界的临床应用。
医学ChatGPT
是福是货
近日，谷歌和谷歌旗下人工智能公司DeepMind的研究团队在Nature期刊上发表了一篇名为Large language models encode clinical knowledge的论文，研究大型语言模型（Large language models，LLMs）编码临床知识。能够在Nature期刊上发文，含金量不用再多做强调了。
文献网址：https://www.nature.com/articles/s41586-023-06291-2/
大型语言模型(LLM)已经展示了令人印象深刻的能力，但临床应用的门槛很高。评估模型临床知识的尝试通常依赖于基于有限基准的自动评估。
为了解决这些局限性，研究团队提出 MultiMedQA，一个结合现有的六个医疗问题回答数据集，跨越专业医学，研究和消费者查询和一个新的医疗问题数据集在线搜索，HealthSearchQA的基准，包含3173个常见搜索的消费者医疗问题的数据集。
通过这一基准来评估大语言模型回答医学问题的真实性、在推理中使用专业知识、有用性、准确性、健康公平性和潜在危害。
结果发现，使用 Flan-PaLM 和提示策略的组合，在 MedQA，MedMCQA，PubMedQA 和 MMLU 临床主题数据集上展示了先进的性能，超过了几个强大的 LLM 基线。
来看一些数据：在 MedQA 上达到了67.6% 的准确率(比以前的最新水平高出17% 以上) ，在 MedMCQA 上达到57.6% ，在 PubMedQA 上达到79.0%。但是进一步评估显示，它在回答消费者的医疗问题方面还是存在差距。
为了能够解决上述的问题，研究团队使用一种设计指令微调（instruction prompt tuning）的方式，进一步调试Flan-PaLM适应医学领域。
结果产生的新模型Med-PaLM在试行评估中表现相当不错，再来看一组数据：我们认为临床医生的回答在92.9%的问题中与科学共识一致，而Flan-PalM仅在61.9%的答案中与科学共识一致，对于其他问题，答案要么与共识相反，要么不存在共识。
这表明，通用教学调整本身不足以产生科学和临床基础的答案。然而，92.6% 的 Med-PalM 答案被认为符合科学共识，显示了教学及时调整作为一种调整技术的力量，以产生科学依据的答案。
同样地，Flan-PaLM有29.7%的回答被评为可能导致有害结果，Med-PaLM仅5.9%，相当于临床医生的回答的6.5%。
总体来看，Med-PaLM是一个强大的专精医学领域的大语言模型，而设计指令微调是一种有效的数据和参数校准技术，能够提高大语言模型的准确性、真实性、一致性、安全性，减少危害和偏差等因素，有助于缩小模型与临床专家的差距，使这些模型更接近现实世界的临床应用。
网友评论