醫療GPT還未能讓患者充分受益

1 評論 669 瀏覽 0 收藏 12 分鐘

正如醫學先驅希波克拉底所言:“生命是短暫的,藝術是長久的。”在醫療GPT的應用中,我們需認識到其局限性,并探索如何更好地結合人機協作,以實現更精準的醫療服務。

當我提到醫療GPT的時候,很多人會覺得它已經接近人類的思維方式了——聰明、迅速,而且能聊得天花亂墜。

但如果你以為醫療GPT像個醫生一樣能幫助你解決所有醫療問題,那你可能得調整一下預期。雖然大語言模型(LLM)在自然語言處理方面確實牛逼,但它的運作機制跟人類大腦差別可不小。

甚至可以說,醫療GPT在醫療領域的應用就像是一臺高效的洗衣機——能處理很多事情,但有些復雜污漬它就是洗不干凈。

市面上有很多醫療GPT是基于一種被稱為“神經轉換器”(Transformer)的深度學習架構構建的。簡單來說,這個架構的核心是一系列復雜的神經網絡,它通過節點間的連接來傳遞信息。雖然這種架構的靈感來源于人腦的神經元結構,但它在規模和復雜性上與人腦大相徑庭。

人腦的神經元數量以百億計,且每個神經元之間的連接極為復雜,形成一個高度動態、具有自我調節能力的系統。而醫療GPT的神經網絡雖然龐大(它的規??赡苁悄壳叭祟愃苡柧毜淖畲缶W絡之一),但與大腦相比,它的“學習”和“推理”能力依然相對初級。

醫療GPT的“學習”過程并不像人類那樣通過實時經驗積累來形成認知。它的學習是離線的,依賴于大量的文本、圖像和其他形式的數據,這些數據通過預先設定的算法被轉化為一個“模型”。這個模型代表了醫療GPT的知識體系,一旦訓練完成,它就可以在推理階段通過運算得出一個合理的回答。然而,這個“模型”并不是實時更新的,除非對其進行重新訓練,否則它對世界的理解是固化的,這也是醫療GPT面臨的第一個技術瓶頸。

與人類不同,醫療GPT的知識庫不會隨著時間推移而自動更新。換句話說,它的“世界觀”只能在訓練時刻定格,如果在訓練之后有新的醫學發現或技術突破,醫療GPT并不會知道這些變化。例如,如果它的最后一次訓練數據是在2022年1月,那么它就無法獲得此后的任何醫學進展。這對醫療行業尤其棘手,因為醫學知識日新月異,新的研究、治療方案和臨床指南不斷涌現。雖然醫療GPT能夠通過網絡搜索來獲得一些實時數據,但它的回答還是受到歷史數據的限制,無法保證最新的醫學信息。

這一問題的癥結在于,醫療GPTT并不像人類那樣能夠自主學習。人類的大腦在不斷接觸新信息時能夠快速調整和更新認知結構,然而GPT只能依賴“離線訓練”來獲得新知識,這使得它在一些快速變化的領域(比如醫學)面臨顯著的知識過時問題。

另一個關鍵問題是醫療GPT缺乏長期記憶。當你與醫療GPT進行對話時,它不會記住你之前說過的內容。每次與它的互動都像是全新的開始。如果你與醫療GPT討論某個話題,然后結束對話,再開始新的對話,它會把這兩次對話視作完全獨立的事件,而不會“記得”你之前提過的內容。這意味著,醫療GPT無法像醫生那樣在持續的醫療過程中跟蹤患者的病情變化,或者在多個就診之間做出判斷,未來agent應該可以。

此外,醫療GPT的會話長度也有嚴格限制。它的“思考”能力也僅限于一段有限的文本長度,過長的病例或診療記錄需要通過反復的總結和分段處理。這種方式在實際的醫療應用中造成了巨大的不便,尤其是對于需要長時間跟蹤病情的慢性疾病患者。

對于醫療行業而言,醫療GPT的這些局限性顯得尤為突出。

舉個例子,醫療專業人員通常依賴詳細的患者病歷進行診療決策,而醫療GPT在面對過長的病例時顯得力不從心。如果一個患者的病歷超過了GPT的輸入長度,它只能在“碎片化”的基礎上做出總結,這無疑降低了它的實用性。

再者,醫療GPT無法像人類醫生那樣靈活地應對復雜的臨床判斷。在面對模棱兩可的病例時,人類醫生依靠個人經驗、臨床直覺和團隊協作來做出決策,而醫療GPT則只能基于其訓練時的知識庫做出推理。這種推理缺乏靈活性,容易受到先前訓練數據的影響,且不具備像人類一樣的主觀判斷能力。

我認為,盡管醫療醫療GPT有這些局限性,但它依然可以在醫療領域發揮巨大的潛力。尤其在一些資源匱乏的地區,醫療GPT可以成為一種彌補醫療服務不足的工具。例如,在偏遠地區,患者可能無法及時獲得專業醫生的意見,而醫療GPT則可以通過智能手機等終端提供遠程醫療服務,為患者提供初步的診斷建議、疾病預防或健康管理指導。

不過,要充分發揮醫療GPT的潛力,仍然需要將其與人類醫生相結合,形成“人機協作”的模式。在這種模式下,醫療GPT可以幫助醫生快速處理大量的病例信息,提供信息支持和初步診斷,從而使醫生能夠集中精力處理更復雜的病情和進行臨床決策。未來,我們可能會看到AI作為一種“醫療助理”在醫生的決策過程中發揮更加重要的作用。

在我們團隊做醫療應用之前,得先搞清楚這家伙是怎么“思考”的。醫療GPT基于一種叫做Transformer的神經網絡架構,核心概念是自注意力機制(self-attention)。簡而言之,它能在處理語言時,不只是關注當前詞語,還能迅速抓住上下文中其他詞語之間的關聯性。簡單地說,它有點像是你在一堆字詞中,快速找到一個隱藏的連鎖反應的能力。

不過,這種能力其實是通過大量的歷史數據學習得來的。醫療GPT并不會“活學活用”——它只能根據已經學習過的知識來“推測”答案。所以,如果你問它某個2022年后的醫學新發現,它可能會直接陷入“那是我的過期知識”模式,做出不靠譜的回答。

現在我們知道,醫療GPT的知識庫不會主動更新,它得“離線訓練”一次才能獲得新的信息。想象一下,它就像個落后于時代的醫療診所,醫生每次來診斷前都要看一遍去年甚至更早的醫學書籍。

如果你告訴它最新的研究成果,它就像個健忘癥患者,根本記不住,只能依賴過去的信息做決策。這個問題在快速發展的醫學領域尤其明顯,因為醫學一直在變化——新的療法、藥物和臨床研究不斷涌現,醫療GPT能提供幫助,但不能保證它給出的答案總是最新的。

再說到醫療GPT的短期記憶問題。你每次和它聊,仿佛是重新開始一次全新的對話,上一輪的內容統統被遺忘。如果你讓醫療GPT分析一個患者的病歷,它只能在當前會話內處理有限的信息,像是給它一頁紙,它就處理這一頁。而如果病歷長得像小說,它就只能處理其中一小段內容,其他的只能等下一次再“續集”。這樣一來,對于復雜且跨時間的數據,醫療GPT顯得有些力不從心,完全無法像醫生一樣記住患者的歷史。

即便如此,醫療GPT依然有其獨特的優勢,尤其是在減輕醫療行業負擔方面。你可以把它想象成醫生的“副手”,但絕不取代主治醫生。比如,在病歷整理和總結方面,醫療GPT可以快速從患者的各種記錄中提取關鍵信息,幫助醫生節省大量時間。它甚至能像個超級搜索引擎一樣,幫忙查找最新的臨床指南和醫學文獻,為醫生提供參考。

但問題是,醫療GPT的建議只能作為參考,不能成為決策的主導力量。對于復雜的病例,或者需要多方面綜合判斷的情況,醫生的經驗與判斷力依然無可替代。畢竟,醫療GPT的建議只能停留在紙面上,它沒有面對患者時的直覺和細膩的感受。

目前的醫療GPT未能讓患者和以醫生充分受益,現在Ai對醫療的作用還在采用階段,真正作用體現可能還需要時間,現在是半導體主場時間,ai醫療的非常早期的階段,只不過大家提前應用了起來。

本文由人人都是產品經理作者【羅福如】,微信公眾號:【羅福如】,原創/授權 發布于人人都是產品經理,未經許可,禁止轉載。

題圖來自Unsplash,基于 CC0 協議。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 醫療GPT雖然在某些方面無法完全替代人類醫生,但它在提高醫療服務效率、輔助診斷、患者教育等方面具有顯著的潛力和價值。

    來自廣東 回復