這些新產(chǎn)品旨在將各種形式的醫(yī)療數(shù)據(jù)整合起來，進行深入分析，從而為臨床醫(yī)生提供基于大模型的醫(yī)療輔助功能。

面向醫(yī)療保健行業(yè)，微軟發(fā)布Fabric與Azure的最新擴展

醫(yī)療保健領(lǐng)域越來越成為AI領(lǐng)域各大廠商的角逐焦點，微軟便是其中最新的例子。

就在上周，微軟宣布對其今年5月推出的數(shù)據(jù)分析平臺Fabric進行擴展，使其能夠?qū)Χ喾N類型的醫(yī)療數(shù)據(jù)進行分析。此外，微軟還宣布將在其Azure云計算服務(wù)中推出新選項，包括基于大語言模型的醫(yī)療保健助手。

微軟Cloud for Healthcare醫(yī)療保健云總經(jīng)理Umesh Rustogi在采訪中解釋稱，“我們希望能在Fabric One Lake中建立起統(tǒng)一的多模態(tài)數(shù)據(jù)底座，在這里幫助用戶將不同模態(tài)的數(shù)據(jù)整合起來，從而對數(shù)據(jù)進行推理、運行AI模型等。”

Rustogi還表示，目前媒體上已經(jīng)有大量專題文章在討論多模態(tài)技術(shù)趨勢在醫(yī)療保健領(lǐng)域的重要意義，“我們從多家客戶那邊聽到了這一論斷。他們認為，如果能將多種數(shù)據(jù)模態(tài)結(jié)合起來，就能釋放出新的見解，帶來單一數(shù)據(jù)模態(tài)研究所無法企及的可能性?！?/p>

這種組合模態(tài)的現(xiàn)實用例包括“一些看似簡單的任務(wù)，比如根據(jù)成像結(jié)果和臨床診斷標準來確定患者接受護理的次序。這是個極為常見的期望用例，但在目前還很難真正實現(xiàn)?！盧ustogi還引用了2020年《自然》雜志上發(fā)表的研究作為范例，文中概述的“數(shù)據(jù)融合”技術(shù)可“用于將醫(yī)學(xué)影像同EHR（電子健康記錄）相結(jié)合”。

Fabric的另一項新功能則是“去識別化服務(wù)”，即使用機器學(xué)習形式的AI技術(shù)來清洗臨床數(shù)據(jù)，從而隱藏醫(yī)生筆記中包含的患者身份信息。Rustogi表示，“對于整個醫(yī)療保健行業(yè)來說，如何在獲取這些非結(jié)構(gòu)化臨床記錄的同時、以有意義的方式對其進行「去識別化」處理，一直是個難以解決的現(xiàn)實挑戰(zhàn)?！?/p>

Rustogi的同事、微軟健康A(chǔ)I及健康與生命科學(xué)主管Hadas Bitran，則討論了Azure Web服務(wù)業(yè)務(wù)中的幾項新增AI產(chǎn)品。

首先是Azure AI Health Insights，這款產(chǎn)品由預(yù)構(gòu)建的機器學(xué)習AI模型組成，在目前的預(yù)覽階段共提供三種新增模型選項：

• 患者時間線模型，“使用生成式AI從非結(jié)構(gòu)化數(shù)據(jù)（例如用藥記錄、診斷和治療程序）中提取關(guān)鍵事件，并按時間順序進行排列組織，使臨床醫(yī)生能夠更準確地了解患者病史，從而更好地為護理計劃提供信息”；
• 臨床報告簡化模型，“使用生成式AI幫助臨床醫(yī)生掌握醫(yī)學(xué)術(shù)語，在將其轉(zhuǎn)換為簡單語言的同時保留全部實質(zhì)性臨床信息，以便能夠?qū)⒔Y(jié)果與患者及其他非專業(yè)人士共享”；
• 放射學(xué)見解模型，“通過對錯誤/不一致反饋進行質(zhì)量檢查，再配合與放射科醫(yī)生以往記錄中的量化指標進行比較，該模型能夠在臨床文檔中確定后續(xù)建議與臨床判斷。”

除了這三款模型之外，新服務(wù)還包含多個預(yù)先內(nèi)置的模型選項，后者已經(jīng)在臨床試驗中被用于匹配和分析腫瘤表型。

另有一款名為Azure AI Health Bot的新產(chǎn)品，其使用大語言模型技術(shù)從醫(yī)療機構(gòu)自有數(shù)據(jù)庫、美國國立衛(wèi)生研究院和美國藥監(jiān)局先進來源處，為醫(yī)療問題檢索匹配的答案。

在與Rustogi共同接受的采訪中，Bitran表示“其中的基本思路，就是通過這項服務(wù)為客戶提供專業(yè)的醫(yī)療保健輔助體驗?！?/p>

“有趣的是，這種探索能夠產(chǎn)生級聯(lián)效應(yīng)。也就是說，醫(yī)生可以優(yōu)先使用自己的信息來源；但如果找不到相匹配的信源內(nèi)容，AI服務(wù)將提供來自可靠消息來源的答案。如果后者處同樣沒有可供參考的內(nèi)容，AI服務(wù)還能從更廣泛的通用信息中搜尋參考資料?！?/p>

當然，目前人們對于在醫(yī)療保健等敏感場景下使用生成式AI（特別是大語言模型）仍抱有諸多懷疑。那么微軟又是如何看待這些擔憂？

Bitron認為，“這是個很好的問題，也確實值得我們高度關(guān)注。我絕對相信大語言模型還需要進一步發(fā)展，才能真正帶來符合需求的良好結(jié)果?！?/p>

“我們采取的方法，就是對于所創(chuàng)建的每個模型，只要其屬于大語言模型，就必須始終受到醫(yī)療保健行業(yè)內(nèi)特定保障措施的約束?！?/p>

Bitran還強調(diào)，“其中一種有趣的保障方法，就是在將大語言模型與體量較小且基于規(guī)則的模型混合起來，通過這種方式保證大語言模型始終穩(wěn)定可靠。”

例如，在用于臨床報告簡化的預(yù)構(gòu)建模型當中，“我們不僅要求語言模型對自己生成的結(jié)果做出解釋，同時還添加了一系列預(yù)處理和后處理邏輯，借此獲取簡化結(jié)果并結(jié)合性能指標衡量其可靠性。接下來，我們還會對結(jié)果進行交叉引用，看看其能否切實在相關(guān)場景中起到簡化作用，或者是否存在各種捏造或遺漏問題。”

Bitran指出，醫(yī)療保健領(lǐng)域的工作屬于微軟此前強調(diào)的“負責任的AI框架”所涵蓋的范疇。目前這套框架仍在評估階段。

“負責任的AI框架不僅涉及隱私、安全、可及性和透明度等層面，同時也高度強調(diào)正確性、負責任與公平性。”

Bitron最后總結(jié)道，“另外需要專門強調(diào)的是，我們的模型并不是要取代人類醫(yī)生。人類醫(yī)生永遠是流程的主體，而這些新模型的目標是作為能幫助臨床醫(yī)生減輕負擔的工具，為他們帶來更加高效、輕松的工作體驗。”