期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
医疗大模型发展现状与展望
1
作者 钱波 李富江 +1 位作者 郑常乐 张道强 《数据采集与处理》 北大核心 2025年第3期562-584,共23页
医疗大模型是大规模预训练模型技术在医疗领域的重要应用成果,已成为智能辅助医疗的重要研究方向。通过在海量医学数据上进行预训练,这类模型展现出跨任务迁移、多模态理解和复杂推理等关键能力,突破了传统神经网络在医学应用中的多项... 医疗大模型是大规模预训练模型技术在医疗领域的重要应用成果,已成为智能辅助医疗的重要研究方向。通过在海量医学数据上进行预训练,这类模型展现出跨任务迁移、多模态理解和复杂推理等关键能力,突破了传统神经网络在医学应用中的多项限制。借助这些能力,医疗大模型正在重塑辅助诊断、病例报告生成和医学影像分析等核心任务的实现路径,对实现医疗“通用智能”具有深远意义。基于此,本文对医疗大模型的发展现状与未来趋势进行综述。首先,回顾了医疗人工智能模型在人工智能快速演进背景下的发展历程;其次,重点介绍了大模型在病理学、眼科和脑疾病等医学子领域的研究进展;最后探讨了当前医疗大模型面临的挑战,并展望其未来的发展方向。 展开更多
关键词 医疗大模型 人工智能 预训练模型 辅助医疗
在线阅读 下载PDF
医疗大模型技术及应用发展研究 被引量:6
2
作者 陈晓红 刘浏 +3 位作者 袁依格 王俊普 李大元 邱建华 《中国工程科学》 CSCD 北大核心 2024年第6期77-88,共12页
医疗大模型基于深度神经网络架构进行复杂医疗数据的高效处理与模式识别,为智慧医疗提供新型的决策支持;需要系统分析医疗大模型技术及应用情况,以精准把握医疗大模型的发展方向、精准应对面临的发展挑战,进而基于医疗大模型提升医疗文... 医疗大模型基于深度神经网络架构进行复杂医疗数据的高效处理与模式识别,为智慧医疗提供新型的决策支持;需要系统分析医疗大模型技术及应用情况,以精准把握医疗大模型的发展方向、精准应对面临的发展挑战,进而基于医疗大模型提升医疗文本、医学图像、药械研发、医学教育等方面的能力。本文梳理了医疗大模型的技术范式与应用场景,剖析了由基础层、模型层、应用层、公共模块构成的医疗大模型技术体系,覆盖评价指标体系构建、数据集范围与题型、模型对齐方法、模型评测平台的医疗大模型评测体系,辨识出医疗大模型应用存在的数据安全、技术风险、落地挑战、伦理道德等方面的难点。为此建议,发挥政府引导优势、保障数据安全,加快基础理论研究、突破技术风险,强化应用场景牵引、缓解落地挑战,建立健全监管机制、规范伦理道德,完善公共服务体系、营造创新生态,以加快医疗大模型创新应用,推动我国智慧医疗的高端化、智能化、绿色化发展。 展开更多
关键词 医疗大模型 多模态数据 预训练微调 提示工程 技术体系 评测体系
在线阅读 下载PDF
中文医疗大模型综述:进展、评估与挑战 被引量:1
3
作者 籍欣萌 昝红英 +1 位作者 崔婷婷 张坤丽 《中文信息学报》 CSCD 北大核心 2024年第11期1-12,共12页
大型语言模型(Large Language Models, LLMs)已在多个领域受到广泛关注,并取得了令人瞩目的成绩。将LLMs应用于医学领域,如辅助医疗诊断、影像报告生成等,在人工智能和临床医学中都是很有前景的研究方向。由于中外医生对患者进行医疗诊... 大型语言模型(Large Language Models, LLMs)已在多个领域受到广泛关注,并取得了令人瞩目的成绩。将LLMs应用于医学领域,如辅助医疗诊断、影像报告生成等,在人工智能和临床医学中都是很有前景的研究方向。由于中外医生对患者进行医疗诊断的过程存在差异,包括治疗方式、用药习惯和用药剂量等,特别是在传统中医领域,因此,为了更好地满足中文医疗领域的需求,构建大规模真实的中文医学数据集,开发中文医疗大模型是十分重要的。该文从医疗问诊、医学影像、心理健康三个方面对当前中文医疗大模型进行了概述,并介绍了当前中文医疗大模型已有的评测基准,阐述了当前中文医疗大模型面临的挑战,如幻觉、价值对齐等。未来的研究将致力于解决这些问题,并扩展医疗大模型的应用场景。 展开更多
关键词 大语言模型 医疗大模型 人工智能
在线阅读 下载PDF
大语言模型在医疗健康领域的应用现状与前景展望
4
作者 陈紫林 祝帆帆 +2 位作者 罗宇昕 张伟 卢龙 《医学与哲学》 北大核心 2025年第12期32-37,共6页
系统梳理了医疗大语言模型的开发方式、模型类型与应用现状,并指出其在医疗场景下所面临的独特且更为复杂的伦理安全挑战。相较于其他人工智能技术,医疗大语言模型在数据安全与隐私保护、算法偏见与公平性、医患关系重构、责任归属不清... 系统梳理了医疗大语言模型的开发方式、模型类型与应用现状,并指出其在医疗场景下所面临的独特且更为复杂的伦理安全挑战。相较于其他人工智能技术,医疗大语言模型在数据安全与隐私保护、算法偏见与公平性、医患关系重构、责任归属不清以及跨领域迁移中的伦理风险等方面呈现出更深层次的问题。因此,推动医疗大模型的实际落地,既需持续突破技术瓶颈、提升生成内容的准确性与可解释性,也需正视其潜在的伦理风险与社会影响。将医疗大语言模型嵌入临床工作流程,应遵循自主、有利、不伤害与公平四项基本伦理原则。 展开更多
关键词 医疗健康大模型 实现范式 应用场景 伦理挑战
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部