“AI医生”，离我们越来越近了。

7月12日，谷歌和DeepMind的科研人员在《自然》杂志上发表了一项研究，不仅提出了MultiMedQA（美国医师执照试题）评估基准，用于评估大语言模型在编码临床知识方面的表现，还详解了谷歌医疗大模型Med-PaLM的进化过程。

最终的研究结果显示，一组临床医生对谷歌和DeepMind团队的医疗大模型Med-PaLM回答的评分高达92.6%，与现实中人类临床医生的水平（92.9%）相当。此外，Med-PaLM仅5.9%的答案被评为可能导致“有害”结果，与临床医生生成的答案（5.7%）的结果相似。

谷歌医疗大模型Med-PaLM几乎可媲美人类医生

在这篇最新的《自然》论文中，谷歌和DeepMind科学家团队介绍了全新的MultiMedQA评估基准，专门用于评估大语言模型在编码临床知识方面的表现。

该基准结合了六个现有医疗问答数据集（MedQA 、MedMCQA 、PubMedQA、LiveQA 、MedicationQA和MMLU），涵盖专业医学、研究和消费者查询等多个方面，以及一个全新的在线搜索医疗问题库数据集HealthSearchQA，力图从多方面把AI培养成一名合格的医生。

此外，该团队提出了一个基于人类评估的框架模型，该模型包括多个维度，例如事实、理解、推理，以及可能的偏见。

该团队在MultiMedQA上对拥有5400亿参数的谷歌大型语言模型PaLM（Pathways Language Model）及其变体Flan-PaLM进行了评估。

在实验中，研究人员采用了提示策略组合，Flan-PaLM在每个MultiMedQA多选题数据集上都达到了极高的准确率，其中在MedQA（美国医学执照考试类型问题）上的准确率为67.6%，比之前的技术水平高出17%以上。

图片来源：《自然》

论文指出，虽然Flan-PaLM在MedQA的多项选择题上表现出色，但它对病人医疗问题的回答却暴露出关键的差距。为了解决这个问题，谷歌科学家团队提出了指令提示调整，让Flan-PaLM进一步与医学接轨，产生了Med-PaLM。

在评估中，Med-PaLM表现令人鼓舞，一组临床医生对其回答的评分为92.6%，与现实中临床医生的水平（92.9%）相当。

 

图片来源：《自然》

AI医疗市场五年内或破千亿美元，科技巨头纷纷布局

基础模型和大语言模型的出现为医学AI的发展提供了助力。《每日经济新闻》记者注意到，其实除了谷歌和其旗下的DeepMind外，微软、IBM等科技大厂一直在持续关注AI医疗方面的应用落地。在这轮大模型浪潮之前，AI检测心电图、X光片已在一些医院中投入应用。

 

IBM官网对医学领域AI的介绍

过去数年来，AI在医疗领域的发展迅猛，为医疗行业带来了革命性的变革和巨大的潜力。

根据麦肯锡咨询的数据，AI每年可以创造3.5万亿至5.8万亿美元的商业价值。预计到2025年，全球AI应用市场总值将达到1270亿美元，其中AI医疗占据1/5的份额，处于高速成长阶段。

知名市场调研公司ReportLinker此前针对全球医疗保健AI市场的年度报告曾预测，全球医疗保健AI市场规模将从2023年的146亿美元增长到2028年的1027亿美元，期间复合年增长率为47.6%。

中国AI产业发展迅速，自2019年以来，AI医疗以40%～60%的增速快速发展，中国的AI医疗核心软件市场规模已接近30亿元，并且还有重资产性质的AI医疗机器人，总体规模接近60亿元。