和大家一起看看基础模型在通用医学人工智能（Generalist Medical AI, GMAI）的应用，以及它如何通过多模态数据解析、动态任务学习和医学知识运用，彻底改变我们的医疗实践。

什么是通用医学AI（GMAI）？unsetunset

通用医学AI是一类先进的基础模型，具备处理多种医疗任务的能力，而无需针对每个具体任务进行单独训练。

与传统的AI模型不同，GMAI可以通过少量或无需标注数据，灵活应对不同的医疗需求。

这种模型通过在大规模、多样化的数据集上进行自监督学习，能够理解和整合来自影像、电子健康记录（EHR）、组学、实验室结果等多种数据类型，生成详细的诊断报告、治疗建议甚至蛋白质设计方案。

图1 | GMAI模型概况

a. GMAI在多种医学数据模态上通过子监督学习进行训练。为了实现灵活的交互，不管是文字、语音还是图像都要和语言配对。接下来GMAI需要访问各种医学知识源，以执行医学推理任务，从而解锁各种下游应用。最终，GMAI模型还能够执行用户实时指定的任务。为此，GMAI可以从知识图谱或数据库等来源检索上下文信息，利用正式的医学知识对以前未见过的任务进行推理。

b. GMAI模型为多个临床学科的众多应用奠定了基础，每个应用都需要经过仔细的验证和监管评估。

a. GMAI可以实现多功能且自我解释的病床边决策支持。

b. 基于事实的放射学报告配备了可点击的链接，用于可视化每个发现。

c. GMAI有潜力对模型开发过程中从未遇到过的现象进行分类。在增强手术流程中，通过利用医学领域知识和位置环境，对罕见的异常发现进行逐步推理解释。

下面是这三个应用方向:

面向医生的：

1.临床决策支持CDSS：GMAI可以解析电子健康记录，预测患者未来的健康状况，并提供详细的治疗建议，帮助临床医生做出更明智的决策。这一能力是过渡期CDSS（完全人工标记）的升级版，不在依赖医学产品经理能力和对电子病历数据质量提更高的要求，使CDSS系统真正实用化，不止于评级。

2.病历文书生成：通过监控医生与患者的对话，GMAI能够自动起草病历记录和出院报告，减少医生的行政负担，让他们有更多时间专注于医生诊疗/患者护理。这一能力或可提前学习国家卫健各级质控指标（病历质控、单病种质控、DRG/DIP等），自动生成规范化病历文书。

3.检验检查原片解读：GMAI可以自动生成详细的检验检查，描述检验/影像中的异常和正常发现，并结合患者病史提供互动式可视化，帮助放检验/射科医生更准确地诊断疾病。这一能力从OCR识别检验检查报告结果，进化为识别检验检查原片。

4.手术流程规划：在手术过程中，GMAI能够实时标注视频，提供语音提醒，甚至在遇到罕见病理现象时，依据解剖学知识进行推理，辅助外科医生做出更准确的判断。这一能力从手术示教进化成手术决策支持，规划针对患者更加个性化的合理手术方案。

面向患者服务的：

GMAI驱动的聊天机器人能够与患者互动，提供健康建议和解释，甚至根据患者自带的数据（如饮食照片）进行健康监控，提升患者的自我管理能力。

面向科研的：

1.新药研发：GMAI可以根据文本描述生成蛋白质的氨基酸序列及其三维结构，辅助科学家进行蛋白质设计，加速药物研发和生物工程的进展。

2.临床试验自动入组、随访管理：GMAI可提前阅览类似研究，确定选题方向；自动识别病历中符合入组条件的病人，进行智能外呼征询入组，并在实验研究中进行随访管理；在实验结束自动生成试验结论。