本地醫療團隊用大語言模型 研發“虛擬醫生”居家看診 | 聯合早報
zaobao
本地醫療研究團隊在大語言模型基礎上研發能與患者視頻互動的人工智能醫生形象，可用多種語言，為居家病患提供保健建議，幫助他們管理病情。
新保集團人工智能部署長張書維副教授星期三（5月29日）在新加坡亞洲科技會展（Asia Tech x SG）的ATxSummit活動中，就人工智能在醫學領域的發展和應用發表主旨演講。
他指出，生成式人工智能，尤其是大語言模型（Large Language Model，簡稱LLM）越來越多地應用在醫療場景中，例如輔助醫生整理多次轉介的住院病患的病例、校對醫學論文的初稿等。
大語言模型是基於海量文本數據訓練的深度學習模型，不僅能生成自然語言文本，還能深入理解文本含義，處理各種自然語言任務，如文本摘要、問答、翻譯等。
張書維在演講中現場展示以自己為原型的人工智能醫生虛擬形象（avatar），使用英語、華語和法語，通過視頻向患者解釋病情，內容的複雜程度可根據病患的需要和理解能力進行調整。
延伸閲讀
[本地新智能遠程系統 讓病患居家做物理治療
](https://www.bdggg.com/2024/zaobao/news_2024_05_15_682364)
[新保集團和全國人工智能核心合作 推廣醫療領域使用人工智能
](https://www.bdggg.com/2023/zaobao/news_2023_11_24_648172)
他指出，雖然對於將人工智能用於醫學診斷仍存在爭議和不確定性，但利用大語言模型，就患者的病情為他們答疑解惑、提供日常的保健建議，則是可行的。
以新保集團人工智能部署長張書維副教授為原型的人工智能醫生虛擬形象，可以用多種語言向患者解釋病情，內容的複雜程度也可根據病患的需要和理解能力進行調整。（新保集團提供）
張書維説：“患者向我反映，就醫時看診時間通常只有五到十分鐘，且英語不一定是他們的第一語言，而利用大語言模型，虛擬形象就能用他們最熟悉、舒適的語言和方式，隨時隨地與他們溝通。”
生成式AI可更長期、縱向地記錄及研究病患身體狀況
新加坡國立大學楊潞齡醫學院數碼醫療研究所主任何鼎教授也在主旨演講中指出，生成式人工智能可以更長期、縱向地記錄及研究病患的身體狀況，而不再根據單一時間點的狀況進行判斷。
“我們的細胞和身體隨着時間不斷變化，一些治療方法也須要跟着這些變化而變化。”
何鼎提到，與其利用以往病患的歷史數據來訓練人工智能模型、從而治療下一名病患，不如運用病患自身的以往數據來指導治療方案，例如調節用藥劑量。
新保集團擬與政府和業界 共同探討針對大語言模型治理框架
在人工智能治理方面，張書維接受《聯合早報》訪問時透露，新保集團計劃在星期三下午的閉門會議中，與政府和業界共同探討初步擬定的針對大語言模型的治理框架。
他指出，這個治理框架不僅可確保模型生成準確客觀的答案，還注重生成的內容符合臨牀共識，且能夠為內容提供推理過程和信息來源。
“我們在保證內容正確、符合臨牀規範的基礎上，還要讓模型給予患者客觀、沒有偏見和歧視的回答，例如無論華族、馬來族或印族病患發問，他們給出的答案都一致。”