肝病治療的數(shù)字因素

林俊

作者單位：200092 上海 同方威視技術(shù)股份有限公司

當(dāng)下肝病治療的數(shù)字因素主要包括遠(yuǎn)程醫(yī)療和人工智能輔助醫(yī)療。遠(yuǎn)程醫(yī)療被譽(yù)為緩解健康不平等的機(jī)會(huì),因?yàn)樗够颊吣芸朔で筢t(yī)療保健的結(jié)構(gòu)性障礙。這里的結(jié)構(gòu)性障礙,主要是指工作時(shí)間的大幅減少或高昂的交通費(fèi)用,給肝病患者增加了額外負(fù)擔(dān),并可能導(dǎo)致觀察到的不平等結(jié)果。疫情前,遠(yuǎn)程醫(yī)療是一種承諾而不是現(xiàn)實(shí),盡管患者偏愛遠(yuǎn)程醫(yī)療選項(xiàng),但只有少數(shù)健康系統(tǒng)提供了強(qiáng)大的遠(yuǎn)程醫(yī)療基礎(chǔ)設(shè)施。疫情迫使美國醫(yī)療保健系統(tǒng)迅速采用遠(yuǎn)程醫(yī)療作為提供醫(yī)療保健的重要工具。鑒于這種快速采用,遠(yuǎn)程醫(yī)療已被確定為治療晚期肝病患者的重要手段,可以改善患者的就醫(yī)環(huán)境,使醫(yī)療服務(wù)更加公平。

然而,近期Hepatology雜志刊登的一篇論文,反駁了遠(yuǎn)程醫(yī)療在改善肝病就診和縮小差距方面的效果。作者評(píng)估了縣級(jí)范圍內(nèi),與肝臟相關(guān)的死亡率、寬帶的可用性和胃腸病學(xué)/肝臟移植中心的使用情況之間的關(guān)系。認(rèn)為遠(yuǎn)程醫(yī)療最需要的是解決“數(shù)字鴻溝”問題[1]。

任何單一的策略都無法彌合數(shù)字鴻溝;相反,應(yīng)該制定幾種互補(bǔ)的策略來解決在患者/家庭、衛(wèi)生系統(tǒng)和國家政策層面上肝病遠(yuǎn)程醫(yī)療的障礙。

一、患者/家庭層面

肝病診所必須找到克服數(shù)字健康要素和準(zhǔn)備不足的方法。視頻訪問門戶可能不易于那些數(shù)字健康素養(yǎng)有限的人使用,可能使某些群體無法使用這項(xiàng)技術(shù)。因此,隨著衛(wèi)生系統(tǒng)尋求使這些平臺(tái)廣泛可用,他們必須考慮不同水平的數(shù)字健康素養(yǎng)。例如,數(shù)字健康導(dǎo)航員,診所工作人員可以幫助患者下載、登錄并成功完成與他們的肝病專家的虛擬訪問,可能會(huì)使肝病學(xué)中的遠(yuǎn)程醫(yī)療更具包容性。

二、衛(wèi)生系統(tǒng)層面

肝移植中心應(yīng)尋求加強(qiáng)社區(qū)合作伙伴關(guān)系,改善其所在地區(qū)內(nèi)未得到服務(wù)和處于風(fēng)險(xiǎn)地帶的地理區(qū)域的肝病學(xué)服務(wù)。這項(xiàng)工作可能包括與當(dāng)?shù)匦l(wèi)生中心合作,為數(shù)字健康素養(yǎng)挑戰(zhàn)或缺乏寬帶技術(shù)提供面對(duì)面支持。例如,肝病診所可以與遠(yuǎn)程初級(jí)保健實(shí)踐合作,使患者可以在他們的初級(jí)保健醫(yī)生辦公室通過遠(yuǎn)程方式與遠(yuǎn)程肝病專家進(jìn)行電子健康預(yù)約。

三、政策層面

肝病學(xué)界必須倡導(dǎo)相應(yīng)政策,為其患者提供公平的遠(yuǎn)程醫(yī)療技術(shù)。據(jù)估計(jì),美國有2100萬人缺乏寬帶接入。擴(kuò)大應(yīng)急寬帶補(bǔ)貼或連接護(hù)理試點(diǎn)計(jì)劃的接入可能改善生活在貧困中的患者的接入。

此外,遠(yuǎn)程醫(yī)療技術(shù)現(xiàn)在應(yīng)被視為醫(yī)療服務(wù)交付的一個(gè)重要組成部分。而肝病治療的另一重要數(shù)字應(yīng)用就是人工智能。人工智能現(xiàn)在最熱的一個(gè)分支就是大語言模型。大型語言模型在各種自然語言處理(NLP)中表現(xiàn)出色,隨著預(yù)訓(xùn)練和指導(dǎo)微調(diào)等技術(shù)的應(yīng)用,人工智能在肝病治療應(yīng)用中的效果顯著提高。作為專門針對(duì)肝病臨床治療進(jìn)行設(shè)優(yōu)化的語言模型,通過在訓(xùn)練過程中融入大量且多樣化的真實(shí)世界數(shù)據(jù),如醫(yī)療記錄、領(lǐng)域特定知識(shí)和多輪對(duì)話咨詢,模擬各種場(chǎng)景。從而可以更好地準(zhǔn)確處理多個(gè)臨床任務(wù)。此外,經(jīng)過全面的包括在醫(yī)學(xué)知識(shí)問答、醫(yī)學(xué)考試、患者評(píng)估框架咨詢和醫(yī)療記錄上的診斷和分析,表明通過預(yù)訓(xùn)練和微調(diào),有效地將大型語言模型應(yīng)用于肝病治療的全過程。

近年來,預(yù)訓(xùn)練和微調(diào)大型語言模型的范式帶來了顯著的自然語言處理(NLP)領(lǐng)域的進(jìn)展。現(xiàn)在使用比較多的大模型主要有以下幾種:PALM[2]是基于Transformers和Pathways的大規(guī)模語言模型。與其他模型相比,PALM在計(jì)算方面更加高效,并達(dá)到了最先進(jìn)的水平在數(shù)百個(gè)自然語言、代碼和數(shù)學(xué)推理任務(wù)中的少樣本結(jié)果。LaMDA是一種基于Transformer的模型,為對(duì)話設(shè)計(jì),利用注釋數(shù)據(jù)和外部知識(shí)來增強(qiáng)其有用性和角色一致性[3]。InstructGPT通過細(xì)調(diào)和強(qiáng)化學(xué)習(xí)與人類對(duì)齊各種任務(wù)的用戶意圖[4]。GPT-3使用大型自回歸模型進(jìn)行少樣本學(xué)習(xí)。通過整合少量示范來改善性能。ChatGPT可以模擬人類,通過與提示互動(dòng)、撰寫摘要或創(chuàng)作電影劇本,推動(dòng)人工智能革命。大規(guī)模語言模型對(duì)于編寫輔助和為程序員生成高效代碼也是有效的。谷歌研究人員開發(fā)了FlanPaLM,這是PaLM的一種經(jīng)過調(diào)整的變體,顯示出改進(jìn)。通過自然語言指令進(jìn)行任務(wù)執(zhí)行。使用提示策略的組合,Flan-PaLM達(dá)到了最先進(jìn)的準(zhǔn)確度,但仍然不及臨床醫(yī)生。最近的前瞻性建議使用基礎(chǔ)模型的綜合醫(yī)學(xué)人工智能可能會(huì)破壞特定任務(wù)的范式,可以實(shí)現(xiàn)多功能應(yīng)用,如交互式筆記、床邊決策支持和患者聊天機(jī)器人。

將生成式語言模型應(yīng)用于醫(yī)學(xué)領(lǐng)域存在較大挑戰(zhàn)。輸出生成式語言模型可能存在事實(shí)錯(cuò)誤、邏輯不一致和連貫性問題,例如引用不存在的文章參考文獻(xiàn)。這些模型的推理能力有限,缺乏基礎(chǔ)。現(xiàn)實(shí)世界經(jīng)驗(yàn)導(dǎo)致回答普遍而模糊。發(fā)現(xiàn)ChatGPT在深度和洞察力方面不足這些證據(jù)表明,在醫(yī)療領(lǐng)域應(yīng)用這些技術(shù)帶來獨(dú)特的障礙,如高準(zhǔn)確性、可解釋性和安全處理敏感健康數(shù)據(jù)的必要性。

LiverGPT是一個(gè)為肝病醫(yī)療和臨床應(yīng)用量身定制的大型語言模型。認(rèn)識(shí)到通用大型語言模型在這些專業(yè)領(lǐng)域的局限性,我們將對(duì)模型進(jìn)行細(xì)化,建立綜合數(shù)據(jù)集,以便對(duì)模型進(jìn)行微調(diào)。這些數(shù)據(jù)集包含真實(shí)的醫(yī)療記錄、患者咨詢、各種醫(yī)學(xué)知識(shí)和檢查數(shù)據(jù),所有這些都旨在形成模型的知識(shí)庫和響應(yīng)速度。我們的廣泛實(shí)驗(yàn)涵蓋了醫(yī)療領(lǐng)域的一系列關(guān)鍵任務(wù),如醫(yī)療在對(duì)話、醫(yī)療檢查、診斷和醫(yī)療問題解答等方面。實(shí)證結(jié)果強(qiáng)調(diào)了LiverGPT在理解和生成醫(yī)療和臨床相關(guān)反應(yīng)方面的能力。

醫(yī)療保健的未來是數(shù)字化的。將遠(yuǎn)程醫(yī)療技術(shù)擴(kuò)展到那些因身體障礙無法親自看肝病專家門診的人,是克服肝病地理差異的機(jī)會(huì)之一。而人工智能的輔助醫(yī)療可以大大提高醫(yī)務(wù)工作者的工作效率,再結(jié)合遠(yuǎn)程醫(yī)療,更好地解決各種醫(yī)療條件差異的問題。現(xiàn)在仍面臨許多挑戰(zhàn),包括人口老齡化,公平性缺乏、不斷上漲的成本、醫(yī)生和護(hù)士的過度工作以及全球大流行病。信息技術(shù)有潛力通過為肝病治療提供新的工具和洞察力,ChatGPT[5]和GPT-4[6]有望實(shí)現(xiàn)這一目標(biāo)。還有很多工作要做,以確保這種技術(shù)可用于最需要的人。

利益沖突聲明：所有作者均聲明不存在利益沖突。