自2009年我国大力推行医院信息化开始，电子病历逐渐成为了信息化的主要抓手。电子病历的应用对于规范医疗行为、记录诊疗数据等方面发挥了重要的作用。与此同时也增加了医生的工作负担，医生每天面对屏幕的时间越来越长。
《美国急诊医学杂志》（American Journal of Emergency Medicine）发布的一篇调研报告表明，医生信息录入任务占用了其工作时间的43%，而与病人交流的时间只剩28%。这种现象，一方面导致了医生工作的焦虑，同时还让患者感到被冷落。
大模型能为此做什么呢？
大模型能否代替医生书写病历？
四川大学华西医院信息中心刘加林教授团队于2023年6月在Journal of Medical Internet Research（JCI）发表文章“Utility of ChatGPT in Clinical Practice”
在临床决策支持方面，ChatGPT的应用已经取得了一些成果。研究表明，在诊断方面，ChatGPT在常见病的正确诊断率高达93.3%。在临床决策方面，36个已发表的临床案例输入ChatGPT，并根据患者年龄、性别和案例的敏感性比较了鉴别诊断、诊断测试、最终诊断和处理的准确性。在所有36个临床病例中，ChatGPT的总体准确率达到了71.7%（95% CI，69.3%~74.1%）。看到这些数据，医生恐怕已经开始怀疑自己离失业不远了。所谓“外行看热闹内行看门道”，当科研成果回归现实场景，是不是依旧“抗打”呢？医院临床与信息科是大模型在医院落地的“买单方”，为了得到真实反馈，我们对临床与信息专家分别做了调研。华山医院的资深住院医师张医生参与了本次调研，张医生告诉我们，她平时会用GPT帮忙翻译医学文献、查询一些科研学术问题。张医生给出的回复比较中肯，她认为用GPT做病历辅助书写有一定的可能性，但对于辅助诊断、开医嘱等场景还是抱有一些怀疑。大模型在临床应用可能存在的风险和挑战提示，其中的核心问题便是算法的透明性和可解释性以及数据偏见问题。
没有完美的技术
只有适合技术的应用场景
OpenAI 的网站上写道：“GPT-4仍然存在许多我们正在努力解决的已知局限性，例如社会偏见、幻觉和对抗性提示。”
本届大模型的优越性使其相较以往表现的更像“人”，这和多项技术的突破有关，关键之一便是大型深度神经网络架构（Transformer）的应用。这项技术的优势很明显，比如强大的学习能力能捕捉复杂的事物特征及特点。这里举个“栗子”便于理解，识别猫狗图像，传统机器学习方法为了让计算机识别图像中的猫和狗，通常需要手动提取图像的各种特征，如边缘、纹理、颜色等。这些特征最后会被传递给分类器来做出决策。整个过程需要人工设计和选择特征，工程量巨大。而Transformer则可以自动学习这些特征。模型内每个神经元层自动提取和组合，最终构建出对猫狗的高级抽象表示。这意味着神经网络可以从数据中自动捕捉和学习图像的各种特征，不需要手动特征工程。协和医院的朱医生也参与了本次调研，作为一名医生，她对于大模型却颇有研究，朱医生告诉我们：“现代医学之所以被称为'循证医学'，其核心思想便是根据可靠的临床研究及数据来制定治疗方案，以支持和确保医疗决策是基于科学证据而不是一堆非线性数据的推理。”随着调研的深入，大模型在医疗场景的应用愈发“扑朔迷离”，“大模型+医疗”该何去何从？上海理工大学医学信息工程专业孔祥勇老师对此有不同的看法。他认为，“第一、尽管大模型内部被称为'黑盒'，不能单独用于诊断，但可以给到参考建议；第二、我们讨论新技术应用的时候，不能只考虑优势，同时也要斟酌技术本身的特性及局限，这样才能更客观的评价它到底能够解决什么类型的问题。”
大语言模型推动人工智能代理发展
根据2022年9月份 Gartner 发布的新兴技术成熟度曲线解释，从技术周期上看，LLMs远没有到比较成熟的生态繁荣期，现在底层模型技术还在疯狂演进，投资与研发都集中在模型层和中间层，应用层普遍被认为还比较早，大模型的应用远远没有迎来爆发期。
当行业已然陷入「千模大战」时，前特斯拉总监、 OpenAI科学家Karpathy公开表示：“如今AI智能体才是未来最前沿的方向”“相比大模型训练，OpenAI内部目前更关注Agent领域”。大语言模型的浪潮推动了人工智能代理相关研究快速发展，成为当前通往AGI的主要探索路线。随着人工智能的发展，AI Agent（人工智能代理）成为了AI研究中的重要概念，Agent具有智能体的特质，程序员们戏称它为「AI工具人」。
它的能力可以定义为，以大模型为基座，同时具备「记忆+主动规划+工具调用 」能力的智能体，它由三个部分组成，分别是大脑、感知、行动。控制端（大脑）：是Agent的核心，承担了信息处理、决策、推理和规划等重要任务，Agent的核心规划能力便出自于此模块。感知端：用于理解和分析用户的需求，包括声音、视觉、触觉、嗅觉等多种感知模式。行动端：主要承担解决方案的执行与输出，输出形式包括文本、实体行动、使用工具等。
小结
在AI与医疗产业加速融合的大趋势下，AI推动数字健康持续发展，促进智慧医疗加速落地，已成为包括医疗领域专家学者、卫健委等业界人士的共识。但如何与医疗场景结合、实现应用落地，成为政府、医院、药企以及医疗科技企业等产业各方共同关注的话题，考量着产业各方的实践智慧和协作能力。
