21世紀經(jīng)濟報道記者 閆碩 北京報道
近日，OpenAI推出HealthBench開源基準測試，用于衡量大語言模型在醫(yī)療健康領域的性能表現(xiàn)與安全可靠性，引發(fā)業(yè)內(nèi)廣泛討論。
根據(jù)官方信息，HealthBench由262位來自60個國家/地區(qū)執(zhí)業(yè)的醫(yī)生共同參與構(gòu)建，整合了5000段真實的醫(yī)療對話數(shù)據(jù)。與以前的狹窄基準不同，HealthBench通過48562個獨特的醫(yī)生編寫的評分標準進行有意義的開放式評估，涵蓋多個健康背景和行為維度。
有研報分析指出，隨著OpenAI推出HealthBench等醫(yī)療大模型評估基準的建立和完善，AI醫(yī)療模型的性能評估將更加科學、全面，有助于加速AI技術在醫(yī)療領域的落地應用，為醫(yī)療行業(yè)的智能化升級提供有力支持，相關企業(yè)有望迎來新的發(fā)展機遇。
另一方面，大模型本身也在加速變革。事實上，隨著大模型競爭的白熱化，競爭的焦點也已進入全新階段：從早先粗放的參數(shù)體量堆砌競賽，轉(zhuǎn)變?yōu)槟Ｐ托蕛?yōu)化與單位算力下的性能提升。
IQVIA艾昆緯戰(zhàn)略規(guī)劃副總監(jiān)Barrett Li向21世紀經(jīng)濟報道記者表示，隨著大模型的不斷進化，以及模型優(yōu)化方法的不斷提升，已經(jīng)為AI在要求更特殊的專業(yè)場景中的更廣泛應用拓展了可能性，尤其是對于醫(yī)藥行業(yè)的AI應用來說，已顯現(xiàn)三大趨勢：模型即產(chǎn)品、本地與端側(cè)部署、研發(fā)端AI應用的快速拓展。
改善人類健康將成為通用人工智能（AGI）的決定性影響之一。如果能夠得到有效開發(fā)和部署，大語言模型有望拓展健康信息的獲取渠道，支持臨床醫(yī)生提供高質(zhì)量醫(yī)療服務，并幫助人們維護自身健康。而評估對于理解模型在醫(yī)療場景中的表現(xiàn)至關重要。
OpenAI認為，現(xiàn)有評估仍然存在一些問題，首先，未反映真實場景，脫離了實際醫(yī)療互動的復雜性，如僅采用標準化測試或有限臨床問題。其次，缺乏專家醫(yī)學驗證，評分標準未經(jīng)過醫(yī)療專家嚴格審核，難以體現(xiàn)專業(yè)醫(yī)療判斷。此外，也并未預留改進空間，最先進模型已接近“天花板”得分，無法激勵持續(xù)優(yōu)化。
也因此，在過去的一年里，OpenAI與60個國家的262名醫(yī)生合作構(gòu)建了HealthBench，包括5000個真實的醫(yī)療對話數(shù)據(jù)。HealthBench 的測試樣本被分為7個主題和5個評估維度。其中，7個主題包括緊急轉(zhuǎn)診、專業(yè)溝通定制、健康數(shù)據(jù)任務等方面，5個評估緯度則包含準確性、溝通質(zhì)量、情境理解等方面。
在HealthBench的基礎上，OpenAI還推出了兩個特別版本：HealthBench Consensus（共識版）和HealthBench Hard（困難版）。前者包含34個經(jīng)醫(yī)生共識驗證的、對模型行為表現(xiàn)尤為關鍵的評估維度；后者則設置了更高難度的評估場景，目前最高得分僅為o3模型的32%，主要被用于挑戰(zhàn)模型在復雜醫(yī)療情境中的極限表現(xiàn)。
對于HealthBench的可信度，OpenAI開展了HealthBench Consensus（共識版）的元評估，即將模型的打分結(jié)果與醫(yī)生人工打分進行對比。結(jié)果表明，7個評估領域中的6個領域，模型打分結(jié)果與醫(yī)生評分的中位數(shù)水平高度一致。
有券商分析師向21世紀經(jīng)濟報道記者表示，在醫(yī)療等垂直領域，準確性和實際場景的相關性比“流暢對話”更為關鍵，HealthBench不同于過去大多關注通用大語言模型表現(xiàn)的基準，而是聚焦醫(yī)療垂直領域，為醫(yī)療領域的AI應用提供更為專業(yè)的評估工具，同時也將推動大模型領域建立專業(yè)的AI評估標準。
值得一提的是，在HealthBench的測評中可以發(fā)現(xiàn)，大模型在醫(yī)療領域的應用正迅速發(fā)展。比如，2023年推出的GPT-3.5Turbo得分為16%，而2024年5月推出的GPT-4o得分已達到32%，2024年12月推出的o3模型得分更是達到60%。另外，較小規(guī)模的模型尤其進步顯著，GPT-4.1 nano的表現(xiàn)超過GPT-4o，且成本僅為GPT-4o的1/25。
根據(jù)世界經(jīng)濟論壇發(fā)布的《人工智能驅(qū)動健康的未來：引領潮流》報告，人工智能是醫(yī)療保健的主要變革力量，預計2024年—2032年，AI醫(yī)療市場將以每年43%的速度增長，市場規(guī)模有望達到4910億美元。
其中，AI在醫(yī)療服務中的應用前景廣闊。中信建投證券分析指出，AI可以擴展醫(yī)療服務可及性，可應用于診斷前、診治及診斷后階段，解決當前醫(yī)院系統(tǒng)醫(yī)療人員短缺和缺乏有效分流等問題，以少量資源實現(xiàn)高效率。此外，AI輔助醫(yī)生診療未來有望降低誤診率的同時，在部分疑難雜癥診療方面也有望發(fā)揮協(xié)同作用。
也因此，不僅評估工具在發(fā)生變革，大模型本身也在持續(xù)優(yōu)化。當前，AI在醫(yī)療領域的應用歷經(jīng)了從規(guī)則驅(qū)動到數(shù)據(jù)驅(qū)動、從單一任務優(yōu)化到多模態(tài)協(xié)同的演變，已進入到多模態(tài)融合階段。
浙商證券分析指出，大模型的多模態(tài)能力解決了早期AI醫(yī)療存在的信息割裂和數(shù)據(jù)孤島等問題，大模型通過“預訓練+微調(diào)”架構(gòu)，用統(tǒng)一參數(shù)體系處理多模態(tài)醫(yī)療數(shù)據(jù)。在臨床應用中，借助多模態(tài)技術，AI可以實現(xiàn)跨模態(tài)數(shù)據(jù)的理解和動態(tài)時序建模，使得AI診療與醫(yī)生的診療水平更加接近。
需要指出的是，由于萬億級參數(shù)模型高昂的訓練成本與當下較低的投資回報比，疊加通用參數(shù)的堆砌對專業(yè)場景下的模型效率提升遇到了瓶頸，大模型競爭的焦點已從早先粗放的參數(shù)體量堆砌競賽，轉(zhuǎn)向模型效率優(yōu)化與單位算力下的性能提升。
在應用方面，Barrett Li向記者總結(jié)道，隨著大模型的不斷進化，目前對于醫(yī)藥行業(yè)的AI應用來說，幾大趨勢已經(jīng)顯現(xiàn)：
首先，模型即產(chǎn)品。相比通用大模型在其他行業(yè)中相對較低的應用門檻，醫(yī)藥行業(yè)高度專業(yè)性的場景，對于模型的適配性有著更高的要求。而隨著模型訓練與針對特定知識庫優(yōu)化的技術與應用逐漸推廣，大模型廠商未來預計會逐步關閉對外的API接口，轉(zhuǎn)而將專業(yè)化后的模型本身作為產(chǎn)品直接提供給企業(yè)用戶使用，顛覆現(xiàn)有的套殼應用層。而現(xiàn)有的專業(yè)AI軟件，也必須逐步增強其底層模型訓練的能力以應對這一挑戰(zhàn)。在可見的未來，將會有更多直接針對醫(yī)藥行業(yè)訓練的模型被廣泛應用。
其次，本地與端側(cè)部署。針對特定場景而訓練優(yōu)化的專業(yè)模型，可以在滿足性能要求的前提下，減少對硬件方面提出過高的要求。因此在成本可控性、分析可溯源、數(shù)據(jù)安全、反饋延遲等要求更高的場景下，專業(yè)中小模型的本地部署會提供極大的賦能。
“此外，研發(fā)端AI應用也在快速拓展。出于高度專業(yè)性、數(shù)據(jù)安全、隱私合規(guī)等因素，相比通用大模型在商業(yè)化階段的快速發(fā)展，醫(yī)藥行業(yè)企業(yè)尚未在研發(fā)階段感受到AI所帶來的巨大轉(zhuǎn)變。而隨著特定場景專業(yè)模型訓練的普及，研發(fā)階段AI應用的壁壘未來也有望被逐一消解?！盉arrett Li說道。
本文鏈接：http://m.enbeike.cn/news-7-17974-0.htmlAI醫(yī)療進入精準化“深水區(qū)” ：OpenAI醫(yī)療評估基準落地、大模型加速變革｜AI醫(yī)療浪潮?
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
