外媒 | 基础模型有望推动医疗人工智能的发展-普瑞纯证

斯坦福大学人类中心人工智能研究所的专家在上周的一篇博客文章中讨论了基础模型在医疗人工智能中的应用机会。基础模型是一种在大型未标记数据集上训练的人工智能模型，具有高度适应新应用的能力。这些模型基于深度学习的基本思想，有两个关键区别：基础模型不需要标记的数据集进行模型训练，并利用预训练过程来提高适应性和样本效率。专家认为，这些差异可以帮助基础模型推动医疗人工智能的发展，提供解决当前模型存在的问题的机会。文章指出，尽管普遍认为电子病历数据可以用于构建分类、预测和生存模型，但目前大多数基于这些数据训练的模型并没有转化为临床收益。此外，创建和管理人工智能模型所需的资源（包括财务资源）对于医疗系统来说是不可持续的。基础模型可以帮助解决这些问题，通过提供与更少的手动标记示例相关的人工智能适应性机会，开发模块化、可重用和稳健的人工智能，使多模态成为新常态，创建人工智能与人类协作的新接口，以及减轻医院开发、部署和维护人工智能的成本，从而创建模型指导的护理工作流程，有望显著提高护理和结果。人工智能适应性是一个重大挑战，因为大多数医疗人工智能模型是使用更稳定的生物输入和更多样化的操作输入进行单一目的的训练，这些模型通常具有较差的泛化能力，限制了它们的临床应用。为了解决这个问题，一些模型会在本地医院数据上重新训练，以确保在该患者人群中具有良好的性能。然而，这可能会导致利用人工智能的复杂性、成本和人员障碍。文章中指出：“这就是基础模型可以提供一种快速、廉价地适应本地使用的模型机制。基础模型不是专门针对单一任务进行专业化，而是从未标记的数据中捕获广泛的知识。然后，从头开始训练模型的代价大大降低，从而可以适应现有的基础模型。”由于基础模型是在大规模数据集上训练的，因此它们可以更好地适应新的应用场景，为医疗人工智能的发展提供了新的机遇。

版权声明 本网站所有注明“来源：普瑞纯证”或“来源：pureFDA”的文字、图片和音视频资料，版权均属于普瑞纯证网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：普瑞纯证”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。