AI在医疗领域再次发光！谷歌DeepMind团队发布的全新诊断对话式AI在测试中击败医生，通过了图灵测试，再次引领医疗AI的。
我妻子的身体5年来经历了种种痛苦，最终被检查出一种叫肢体活动过度Ehlers-Danlos综合征的遗传病。现在的医疗体系是根据不同科室划分，而这个遗传病hEDS会影响各个系统和器官。大多医生都只关注自己专业相关的症状，很难整体诊断。
OpenAI联创Greg Brockman的一番话点明，当前先进AI系统还需不断演进，有望破解人类医学难题。
当前医学大模型已取得很大的进展，以同理心回应患者情绪，总结医学摘要，根据临床病史鉴别诊断病情等等。
不过，若想研发一个与临床医生专业知识相当的AI，并且拥有强大的对话诊断能力，是一个巨大的挑战。
如今，谷歌DeepMind研究团队推出全新的医学对话AI——AMIE，竟通过了「图灵测试」！
具体来说，AMIE采用了一种强化学习算法中「自我博弈」方法，可以在一个模拟环境中自我对弈，并通过自动反馈机制，可在各种疾病、医学专科和环境中进行扩展学习。
在病人双盲文本测试中，AMIE在诊断呼吸系统和心血管疾病等疾病直接击败医生，比初级保健医生（PCP）更准确。
论文称，虽然在AMIE在临床应用之前还需要进一步的研究，但代表着迈向对话式诊断人工智能的一个里程碑。
足见，谷歌最新研究暗示了AI驱动的诊断对话的未来。不久的将来，Greg口中的AGI便会降临。
受现实世界中用于衡量会诊质量和临床沟通技巧的工具的启发，研究人员构建了一个试验性评估标准，按照病史采集、诊断准确性、临床管理、临床沟通技巧、关系培养和移情等标准来评估诊断对话的过程。
然后，研究人员设计了一项随机、双盲交叉研究，让经过验证的患者与经过认证的初级保健医生（PCP）或针对诊断对话进行优化的人工智能系统通过文字聊天的方式进行互动。
在典型的OSCE考试中，临床医生可能会轮流经过多个工作场景，每个工作场景都模拟了真实的临床场景。
研究人员在真实世界的数据集上训练AMIE，这些数据集包括医学推理、医学总结和真实世界的临床对话。
使用通过被动收集和转录个人临床访问而开发的真实世界对话来训练LLM是可行的，但是，有两个重大挑战限制了它们在训练医学对话LLM方面的有效性。
首先，现有的真实世界数据往往无法捕捉到大量的医疗条件和场景，这阻碍了数据的可扩展性和全面性。
其次，从真实世界对话记录中获得的数据往往是嘈杂的，包含含糊不清的语言（包括俚语、行话、幽默和讽刺）、中断、不合语法的语句和不明确的引用。
为了解决这些局限性，研究人员设计了一个基于自演的模拟学习环境，该环境具有自动反馈机制，用于虚拟医疗环境中的诊断性医疗对话，使研究人员能够在多种医疗条件和环境中扩展AMIE的知识和能力。
除了所描述的真实世界数据的静态语料库之外，研究人员还利用该环境通过不断变化的模拟对话集对AMIE进行了反复微调。
（1）「内部」自演循环，即AMIE利用上下文中批评者的反馈来完善其与人工智能患者模拟器进行模拟对线）「外部」自演循环，即完善的模拟对话集被纳入后续的微调迭代中。
此外，研究人员还采用了推理时间链策略（ inference time chain-of-reasoning strategy），使AMIE能够根据当前对话的情况逐步完善自己的回答，从而得出有理有据的答复。
在一项随机、双盲交叉研究中，研究人员从专科主治医师和模拟患者的角度对AMIE和初级保健医生进行了评估，该研究包括来自加拿大、英国和印度OSCE提供者的149个病例场景，涉及各种专科和疾病。值得注意的是，研究人员的研究既不是为了模仿传统的面对面OSCE评估，也不是为了模仿临床医生通常使用的文本、电子邮件、聊天或远程医疗方式。
相反，研究人员的实验反映了当今消费者与LLM交互的最常见方式，这是人工智能系统参与远程诊断对话的潜在可扩展且熟悉的机制。
从专科医生的角度来看，AMIE的诊断准确性更高，在32个指标中的28个指标上表现更优，从患者的角度来看，在26个指标中的24个指标上表现更优。
二十名全科临床医生评估了303个来自《新英格兰医学杂志》（NEJM）临床病理会议（CPC）的具有挑战性的真实医疗病例。
虽然人工智能在特定的临床应用中显示出巨大的前景，但参与临床实践中的动态、对话式诊断过程需要许多人工智能系统尚未表现出的能力。
医生不仅要掌握知识和技能，还要恪守各种原则，包括安全和质量、沟通、伙伴关系和团队合作、信任和专业精神。
它只是早期的实验性工作，而不是产品，有一些局限性，研究人员认为值得进行严格而广泛的进一步科学研究，以展望未来，让会话式、移情式和诊断式人工智能系统变得安全、有用和易用。
首先，研究人员的评估技术很可能低估了人类对话在现实世界中的价值，因为研究人员研究中的临床医生仅限于使用一个陌生的文本聊天界面，该界面允许大规模的 LLM 患者互动，但并不代表通常的临床实践。
其次，任何此类研究都必须被视为漫长旅程中的第一步探索。要从研究人员在本研究中评估的LLM研究原型过渡到可供人们和护理人员使用的安全、强大的工具，还需要进行大量的额外研究。
还有许多重要的限制因素需要解决，包括在真实世界限制条件下的实验表现，以及对健康公平与公正、隐私、稳健性等重要主题的专门探索，以确保技术的安全性和可靠性。
配料：牛肉(86%)、水、面包屑(大米和玉米粉、淀粉、玉米、盐、葡萄糖)、盐、甜菜提取物、香料和芳香草药、天然香气和防腐剂E223(亚硫酸盐)。
一年前，我的身体在与自己作战，我的病情恶化速度之快超出了专家们的理解。然后，GPT成为了我的Copilot。
论文作者表示，「据我们所知，这是第一次为诊断对话和记录临床病史而设计的对话式人工智能系统」。
