这一次，在人工智能应用于医疗场景的层面，中国企业走在了前面。从进展看，医联率先发布的医疗问诊领域的MedGPT，在国内和国际领域都处于引领地位。值得一提的是，医联率先完成了MedGPT的真实世界测试。通用大语言模型在面对医学问题的准确性上存在天然缺陷，在问诊阶段，通用大语言模型往往会轻易给出结论，但对于医疗应用来说，一致性和准确性是底线问题。从测评结果来看，MedGPT则能够通过多轮问诊引导患者收集足够的诊断决策因?之后再进?到诊断环节，从而保证准确性。
医联MedGPT项目负责人王磊表示，MedGPT不会轻易给出诊断结论，而是会循序渐进地引导患者给出足够能够支撑有效诊断的病情全貌。也就是说，MedGPT 是通过收集足够信息并做出符合医学的决策，以“治愈”为目的而进行人机交互。通过独有的将?然语??模型AI技术与?系列?程调优技术以及医学?致性校验技术相结合，并在模型微调训练阶段采??量真实医?参与的RLHF（Reinforcement Learning from Human Feedback) 监督微调，有效提升模型的疾病特征判断与模式识别能?，确保医疗准确性。回到前述AI医生与真人医生的一致性测评，谷歌也做了一个类似的实验。
今年5月，谷歌发布了医疗大模型Med-PaLM 2，它在美国医疗执照考试（USMLE）中能得到86.5分，是首个在美国医疗执照考试中达到专家水平的大语言模型。随后，谷歌公布了医疗大模型Med-PaLM近期的测试数据，研究人员表示，在引入指令提示调整后，由此产生的模型Med-PaLM表现令人鼓舞：92.6%的长篇答案符合科学共识，与临床医生生成的答案（92.9%）相当；5.9%的答案被评为可能导致有害结果，与临床医生生成的答案（5.7%）的结果相似。尽管结论一致，但是两者的不同在于，医联的MedGPT的评测是基于真实患者的真实世界测评，而Med-PaLM则是针对“医学问题”的回答。医联MedGPT的领先，与其医疗数据优势有关，并且在AI领域布局多年。基于Transformer架构，大模型的底层原理各家都差不多，但是医联作为一家成熟的、运行多年的互联网医院，已经积累了庞大的有效问诊数据。医联MedGPT训练所用医学文本数据有20亿条，临床诊疗数据多达800万条。值得一提的是，医联即将发布的MedGPT plugin应用平台整合超过1000+医疗多模态能力，整合多样化的医疗多模态能力，可以丰富和完善全流程智能化诊疗体验。
