أعلنت Google يوم الأربعاء عن إطلاق مجموعة جديدة من نماذج الذكاء الاصطناعي الخاصة بالرعاية الصحية ، MedLM ، المصممة لمساعدة الأطباء والباحثين على إجراء دراسات معقدة ، وتلخيص التفاعلات بين الطبيب والمريض ، وأكثر من ذلك ، وفقا ل Sina Finance. تمثل هذه الخطوة أحدث محاولة من Google لتحقيق الدخل من الأدوات الذكاء الاصطناعي في صناعة الرعاية الصحية. تشتمل مجموعة MedLM على نموذج الذكاء الاصطناعي كبير ومتوسط الحجم ، وكلاهما مبني على Med-PaLM 2. Med-PaLM 2 هو نموذج لغوي كبير تم الإعلان عنه لأول مرة من قبل Google في مارس من هذا العام ، وتم تدريبه على البيانات الطبية.

أظهر باحثو Microsoft الأداء المتفوق ل GPT-4 في اختبارات المعرفة الطبية ، خاصة عندما يقترن بتقنيات الهندسة السريعة المتقدمة ، والتي تفوقت على MedPaLM2 المضبوط بشكل احترافي ، كما ذكرت الصفحة الرئيسية لمشرفي المواقع في 4 ديسمبر. تظهر النتائج أن تطبيق هندسة سريعة أكثر فعالية على النماذج العامة السائدة قد يكون طريقة أفضل لتحقيق نتائج أكثر دقة من الضبط والتدريب على النماذج الذي يستغرق وقتا طويلا وشاقا. تستخدم طريقة Med_ مجموعة متنوعة من التقنيات الهندسية السريعة ، بما في ذلك منطق سلسلة الأفكار الذي تم إنشاؤه بواسطة GPT-4 وتوليد استجابات متعددة تم تسجيلها بشكل فردي ، والتي تقوم بعد ذلك بإرجاع الإجابة الأعلى تسجيلا للمستخدم. على الرغم من أن هذا النهج يزيد من تكلفة الاستدلال لأنه يتم إنشاء المزيد من العلامات ، تشير النتائج إلى أن الجمع بين النماذج الرائدة للأغراض العامة ، مثل GPT-4 ، مع تقنيات الهندسة السريعة المتقدمة لتقييم معايير الأداء الحديث ، قد يكون من المفيد النظر فيه. تسلط الدراسة الضوء على أن منطق سلسلة العقل الذي تم إنشاؤه بواسطة GPT-4 يتفوق على مطالبات Med-PaLM2 التي وضعها الخبراء لأنه يوفر منطقا منطقيا أكثر دقة خطوة بخطوة. لكن الدراسة أشارت أيضا إلى أن هذا الاستنتاج خاص ب GPT-4 وليس بالنماذج الأساسية العامة الأخرى.

وفقًا لـ PRNewswire، في 9 أكتوبر، أعلنت League، المنصة الرائدة لتجربة مستهلكي الرعاية الصحية في الولايات المتحدة، أنها ستستخدم تقنية الذكاء الاصطناعي التوليدية من Google Cloud لتحقيق تخصيص أعمق وأكثر دقة لتجربة المستهلك على نطاق واسع. على المدى الطويل، ستستكشف League أيضًا استخدام نموذج اللغة الطبي الكبير Med-PaLM 2 (LLM) من Google Cloud.

وفقًا لتقرير صادر عن Heart of the Machine في الأول من سبتمبر، أطلق مختبر ذكاء البيانات والحوسبة الاجتماعية (FudanDISC) بجامعة فودان مساعدًا شخصيًا طبيًا وصحيًا صينيًا - DISC-MedLLM. في تقييم الاستشارة الطبية والصحية للأسئلة والأجوبة ذات الجولة الواحدة والحوار متعدد الجولات، يظهر أداء النموذج مزايا واضحة مقارنة بنماذج الحوار الطبي الكبيرة الحالية. بالإضافة إلى ذلك، أصدرت مجموعة البحث أيضًا مجموعة بيانات عالية الجودة للضبط الدقيق الخاضع للإشراف (SFT) مكونة من 470,000 - DISC-Med-SFT، كما كانت معلمات النموذج والتقارير الفنية مفتوحة المصدر أيضًا.

وفقًا للأخبار الواردة من IT House في 14 أغسطس ، صرح فريق البحث في Microsoft مؤخرًا أن النماذج الكبيرة مثل GPT-4 لديها إمكانات كبيرة في المجال الطبي.النماذج المرضية لتحسين كفاءة تطوير الأدوية الطبية. تدعي Microsoft أن GPT-4 هو في الواقع أفضل من الأدوات الطبية مثل Criteria2 Query في السوق ، وبينما تم تدريب GPT-4 فقط على بيانات الإنترنت "العامة" بدلاً من البيانات الطبية المحددة ، إلا أنها لا تزال جيدة بما يكفي لمعايير طبية محددة • بناء دراسات سريرية معقدة والقيام بالمزيد بالصور الطبية والبيانات البيولوجية الأخرى. كما ورد سابقًا ، تقوم Microsoft حاليًا بتطوير نموذج LLaVA-Med الطبي استنادًا إلى GPT-4 لتوفير بيانات التصوير الطبي الحيوي للمهنيين الطبيين. تدعي Microsoft أن نموذج "LLaVA-Med" الخاص بها يمكنه تسريع الرعاية والأبحاث المتعلقة بالصناعة الطبية. أطلقت Microsoft سابقًا نماذج لغوية مثل BioGPT للمهام الطبية ، لكن Microsoft تراهن على OpenAI وتعتمد على GPT-4 لتطوير نماذج طبية مخصصة.

وفقًا لتقرير صادر عن Webmaster's House في 14 أغسطس ، تعتقد Microsoft Research أن GPT-4 كافٍ للمهام الطبية ، ويمكنه تسريع العمليات الطبية وتحسين الكفاءة. تمتلك نماذج اللغات الكبيرة (LLMs) مثل GPT-4 إمكانات هائلة في المجال الطبي ، وفقًا لفريق أبحاث Microsoft. يمكن أن تساعد هذه النماذج في تسريع العمليات الطبية ، مثل تحسين كفاءة تطوير أدوية السرطان من خلال معالجة بيانات المرضى غير المنظمة على نطاق واسع. قدمت Microsoft أيضًا نماذج لغوية مثل BioGPT خصيصًا للمهام الطبية ، لكنها أوضحت الآن أنها ستعتمد بشكل أساسي على GPT-4 في المستقبل. بالإضافة إلى ذلك ، تعمل Microsoft على تطوير نموذج "LLaVA-Med" لدمج البيانات والأبحاث الطبية بشكل أوثق لتسريع الرعاية الطبية والبحث.

وفقًا لتقرير صادر عن Webmaster's Home في 31 يوليو ، أصدر فريق خبراء مؤلف من عدة معاهد بحثية تابعة لشركة Google مؤخرًا ورقة وأعلن عن نموذج متعدد الوسائط يسمى Med-PaLM M. Med-PaLM M هو نموذج توليدي متعدد الوسائط واسع النطاق يمكنه ترميز البيانات الطبية الحيوية وتفسيرها بمرونة. مقارنة بالنماذج الحالية ، يعمل Med-PaLM M بشكل تنافسي في العديد من المهام ، بل إنه يؤدي بشكل أفضل في بعض المهام. أظهر الباحثون أيضًا قدرات نقل التعلم والاستدلال الصفري في Med-PaLM M. ومع ذلك ، للتطبيقات العملية ، هناك حاجة إلى مزيد من العمل. يحمل هذا البحث وعدًا إيجابيًا للحلول الطبية المستقبلية القائمة على الذكاء الاصطناعي.

وفقًا لتقرير "Kechuangban Daily" ، وفقًا لورقة Google المنشورة في "Nature" في 12 يوليو ، عند الإجابة على الأسئلة الطبية ، كان أداء الطراز الطبي الكبير Med-PaLM جيدًا ، وأجاب عليه مجموعة من الأطباء. النتيجة 92.6٪ وهو ما يقارن بمستوى الأطباء في الواقع (92.9٪). بالإضافة إلى ذلك ، اقترحت Google معيارًا جديدًا لتقييم MultiMedQA ، يغطي الأسئلة والأجوبة في الفحوصات الطبية والبحوث الطبية وغيرها من المجالات ، لتقييم القدرات السريرية للنماذج الكبيرة.

تختبر Google برنامجًا للذكاء الاصطناعي تم تدريبه للإجابة ببراعة على الأسئلة الطبية ، حيث يتنافس مع منافسين مثل Microsoft ، وفقًا لصحيفة وول ستريت جورنال. المنتجات المستخدمة على نطاق واسع من قبل الأطباء. الذكاء الاصطناعي ، وهو روبوت محادثة طبي يسمى Med-PaLM 2 ، أفضل في إجراء محادثات حول القضايا الطبية أكثر من خوارزمية أكثر عمومية لأنه تم إعطاؤه أسئلة وأجوبة من امتحان الترخيص الطبي. بدأت الشركة في اختبار النظام في أبريل مع عملاء من بينهم مستشفى الأبحاث Mayo Clinic ، وفقًا لأشخاص مطلعين على الأمر.

وفقًا لتقرير IT House في 14 يونيو ، أظهر باحثو Microsoft مؤخرًا نموذج LLaVA-Med ، والذي يستخدم بشكل أساسي في الأبحاث الطبية الحيوية ويمكنه استنتاج الحالة المرضية للمريض بناءً على صور الأشعة المقطعية والأشعة السينية. يُذكر أن باحثي Microsoft قد تعاونوا مع مجموعة من المستشفيات للحصول على مجموعة بيانات كبيرة تتوافق مع نص الصورة الطبية الحيوية لتدريب نماذج الذكاء الاصطناعي متعددة الوسائط. تتضمن مجموعة البيانات الأشعة السينية للصدر ، والتصوير بالرنين المغناطيسي ، والأنسجة ، وعلم الأمراض ، والصور المقطعية ، وما إلى ذلك ، والتغطية شاملة نسبيًا. أثناء عملية التعلم ، يدور النموذج بشكل أساسي حول "وصف محتوى هذه الصور" و "شرح مفاهيم الطب الحيوي". وفقًا لمايكروسوفت ، انتهى النموذج بـ "إمكانات حوار متعدد الوسائط ممتازة" و "تفوقت LLaVA-Med على النماذج الحديثة الأخرى في الصناعة في بعض المقاييس على ثلاث مجموعات بيانات طبية حيوية قياسية تُستخدم للإجابة على أسئلة الرؤية." النموذج مفتوح المصدر حاليًا.