鉴于人工智能（AI）在今年取得的许多进展，AI已成为2023年的一个重要讨论点并不足为奇。现在，几乎在每个领域中都可以找到AI的应用案例，其中之一就是在医疗保健和医学领域的令人兴奋和有用的应用。从药物发现到转录医学文件，甚至协助手术，它正在改变医疗专业人员的生活，还有助于减少错误并提高其效率。本文讨论了2023年几个有可能改变医学界的AI模型。
Med-PaLM 2
Med-PaLM由Google Research设计用于医学领域，能够对医学问题提供高质量的答案。该模型利用了Google的LLM的强大性能，并是其中一个在回答USMLE样式问题时达到人类专家水平的首个模型。在评估时，该模型展示了理解症状、进行复杂推理并选择适当治疗的能力。此外，它在研究中基于MedQA医学考试基准测试中取得了86.5%的准确率。尽管显示出了有前途的能力，研究人员希望进行更严格的评估，以确保该模型可以在关键安全领域部署。
Bioformer
Bioformer是BERT的一个紧凑版本，可用于生物医学文本挖掘。虽然BERT在NLP应用中取得了最先进的性能，但通过减少参数可以提高计算效率，对性能的影响很小。Bioformer研究人员采用这种方法开发了一个模型，其模型尺寸比BERT大大减小（减少60%）。该模型是在PubMed摘要和PubMed Central全文文章上训练的，并使用了生物医学词汇表。研究人员发布了两个版本的模型-Bioformer8L和Bioformer16L，在命名实体识别、关系抽取、问题回答和文档分类等参数评估中表现良好，即使参数更少。
MedLM
MedLM是由Google开发的一套针对医疗保健用例进行调优的基础模型。MedLM中的两个模型旨在处理复杂任务并扩展到各种任务中。这些模型的主要目的是自动化任务，以节省时间，提高效率并改善患者整体健康状况，Google的研究人员与德勤合作以试行MedLM的能力。MedLM还与其他AI系统集成，如BenchSci的ASCEND，以提高临床研究和开发的质量和速度。
RoseTTAFold
RoseTTAFold是一款通过有限信息预测蛋白质结构的深度学习软件。它能够研究蛋白质序列的模式、蛋白质氨基酸的相互作用以及它们的三维结构。该模型使研究人员能够模拟蛋白质和小分子药物彼此之间的相互作用，促进药物发现研究。该模型的研究人员还公开了其代码，以造福整个社区。
AlphaFold
AlphaFold是由DeepMind开发的功能强大的AI模型，可以根据蛋白质的氨基酸序列预测其三维结构。DeepMind与EMBL的欧洲生物信息研究所（EMBL-EBI）合作共同发布了一个包含超过2亿个AI生成的蛋白质结构预测结果的数据库，以促进科学研究。在CASP14中，AlphaFold在高准确性的情况下超过了其他模型，产生了令人满意的结果。此外，它具有更好地帮助研究人员理解蛋白质结构和推进生物研究的潜力。
ChatGLM-6B
ChatGLM是一个双语模型（中英文），它在中文医疗对话数据库上进行了精细调整。该模型在相对较短的时间内（13小时）进行了精细调整，使其成为非常实惠且适用于医疗目的的LLM。该模型还具有更长的序列长度，因此支持更长的对话和应用程序。该模型使用了监督式精细调整、RLHF等技术进行训练，从而使其能够更好地理解人类指令。因此，该模型具有出色的对话和问答能力。
本文最初发表在MarkTechPost上，文章标题为：医疗领域人工智能模型清单（2023年）。