一项于3月14日发表在《JAMA Health Forum》上的论文表明，一种开源AI工具在复杂诊断任务中的表现可以与专有闭源模型相媲美。研究人员表示，这一点非常重要，因为“医疗机构可能能够在本地运行高性能的定制模型，而不必牺牲数据隐私或灵活性。”
名为Llama 3.1 405B的开源AI工具在《新英格兰医学杂志》每周发布的92个诊断挑战性临床案例中，其表现与领先的闭源模型GPT-4相当。
在讨论这两个模型的表现时，研究人员表示，这些发现表明开源AI工具正在变得越来越具有竞争力，并且可以为专有模型提供有价值的替代方案。
“据我们所知，这是首次有开源AI模型在如此具有挑战性的病例上达到GPT-4的性能水平，”该研究的资深作者、哈佛医学院Blavatnik研究所生物医学信息学助理教授Arjun Manrai博士在一份声明中说。“令人惊讶的是，Llama模型能够如此迅速地赶上领先的专有模型。患者、护理人员和医院都将从这种竞争中受益。”
该研究的主要作者、哈佛医学院生物医学信息学系AI in Medicine方向的博士生Thomas Buckley指出，一个优势是开源模型可以下载并在医院的私有计算机上运行，从而将患者数据保留在内部。相比之下，闭源模型在外部服务器上运行，需要用户将私人数据传输到外部。“对于许多首席信息官、医院管理员和医生来说，开源模型可能更具吸引力，因为数据离开医院进入另一个实体（即使是可信赖的实体）本质上是不同的。”Buckley在一份声明中说。
其次，医疗和IT专业人员可以调整开源模型以满足独特的临床和研究需求，而闭源工具通常更难以定制。“这一点非常关键，”Buckley说。“你可以使用本地数据来微调这些模型，无论是基本的方式还是复杂的方式，使它们适应你自己的医生、研究人员和患者的需求。”
然而，像OpenAI和Google这样的闭源AI开发者会托管自己的模型并提供传统的客户支持，而开源模型则将模型设置和维护的责任交给了用户。至少到目前为止，闭源模型已被证明更容易与电子健康记录和医院IT基础设施集成。
(全文结束)
