尝试利用生成式AI技术解决医疗行业的人力短缺问题并提高工作效率的努力仍在继续。据21日医疗界消息，由韩国天主教大学延禧圣玛丽医院的黄雄珠教授领导的研究团队开发了该国首个基于图像生成医疗软件的“眼科图像生成AI”，以及“生成式AI电子病历（EMR）系统”。
生成式人工智能（Generative AI）是指通过训练大数据和模式来创建新的结果，如文本、图像、视频、音乐和编码的技术。OpenAI于2022年底发布的“ChatGPT”是一个典型的例子。黄教授将这项技术引入了眼科领域。“眼科图像生成AI”可以实时转录医生对患者所说的话，并立即生成图像。相关的EMR系统提供了针对视网膜、青光眼和白内障的标准图表格式及基础图表，旨在让医务人员更直观和轻松地使用图像生成技术记录病历。
黄教授表示：“过去，医生需要手绘图表来帮助患者理解病情，但现在在EMR系统中很难实现这一点。”他补充道，“借助眼科图像生成AI和生成式AI EMR，我们可以帮助患者更直观地了解自身状况，同时提高医务人员的工作效率，避免不必要的人员浪费。”研究团队还计划未来基于大型语言模型（LLM）开发“AI代理EMR”。
此外，黄教授的研究团队与Puzzle AI合作，开发了世界上首个利用生成式AI的青光眼诊断解决方案。该方案可以通过生成AI技术和垂直数据，从眼底检查结果和光学相干断层扫描图像中生成视野测试结果。对于老年患者来说，进行视野测试可能具有挑战性，而且费用较高。由于需要多种医疗设备，重复测试也很常见。这种解决方案通过匹配青光眼患者的光学相干断层扫描图像与视野测试图像，自动产生测试结果，从而减少过多的重复测试，使复杂测试结果可以通过更经济的方式预测。
医疗服务中利用生成式AI技术的服务正在不断开发。生成式AI通过大量数据训练，可以像医生一样预测、诊断疾病并建议治疗方案，还能辅助探索、预测和设计具有合适结构和功能的药物，在新药开发中扮演重要角色。目前可用的医疗AI软件主要基于X射线或CT图像进行诊断，但预计应用范围将扩展到使用生成式AI技术生成解释报告。
例如，一个生成式AI平台可以在识别胸部X光图像中的问题的同时提供文字回应。如果AI分析患者的X光片并诊断出气胸（当空气因肺部破裂而泄漏到胸膜空间时发生），它可以生成一份解释报告，指出需要进行胸腔引流等干预措施。
据业内消息，Lunit、Kakao子公司Kakao Brain和DEEPNOID正在开发结合生成式AI技术的医疗器械软件。它也被视为加速新药开发的重要工具。今年早些时候，美国公司NVIDIA发布了用于新药开发的生成式AI模型BioNEMO。该模型支持简化诸如蛋白质结构和分子对接预测等药物发现过程。虽然ChatGPT学习了大规模的人类语言规则，但BioNEMO已经学会了“氨基酸序列和蛋白质结构”的“语言”。基于此，它可以预测蛋白质结构并生成蛋白质序列以设计治疗性蛋白质。当生成式AI创建三维蛋白质模型时，专门从事推理和论证的AI构建最佳蛋白质结合方式。
国内公司HITS开发了一个名为“HyperLab”的数字药物设计平台，集成了生成式AI技术，目前正在将名为NOVA的大规模语言模型（LLM）集成到该平台上。此举旨在增强“AI助手”功能，方便研究人员使用。HITS表示：“集成LLM将支持不熟悉计算机技术的研究人员快速高效地开展AI驱动的新药研发研究。”
Syntekabio注册了一项专利，称为“3bm GPT”，这是一种利用生成式AI GPT模型学习技术，能够高效提供关于三维蛋白质和化合物配体结合的分析和预测。该公司官员解释说：“即使在结合信息有限的情况下，3bm GPT也可以得出蛋白质或化合物的特性，大大提高了研究人员的便利性，并可能应用于使用生成式AI搜索结合物质或目标蛋白质。”
随着国内外利用生成式AI技术开发医疗产品的进展，监管机构也开始建立相关制度。食品药品安全部计划在24日发布该国首个生成式AI医疗器械指南。
如果生成式AI未能找到准确答案，可能会触发“幻觉”现象，即通过对大量学习内容相似部分的聚类产生错误结果。因此，有呼声要求制定有关审查和许可的标准和指南，考虑此类错误和研发过程中可能出现的伦理问题。
韩国疾病控制和预防机构最近开始着手制定数字医疗领域生成式AI研究的伦理指南。该机构计划在全面审查国内外研究伦理趋势的基础上，检查研究设计、模型开发和验证以及后期检查中可能出现的各种伦理问题后，制定指南。
(全文结束)
