谷歌认为，现在有机会将更多的医疗保健任务交给生成式人工智能模型，或者至少有机会让这些模型来帮助医疗工作者完成任务。

12月13日，谷歌发布了专为医疗行业设计的MedLM模型，成为其在医疗保健人工智能应用方面的一个重要里程碑。MedLM是基于Med-PaLM及其后续版本Med-PaLM 2开发出来的，专注于提升大型语言模型（LLMs）以满足医疗行业的特定需求。这些模型旨在帮助医疗工作者完成各种任务，从撰写病人笔记到识别新的生物标记物。该模型在数十个医学考试问题上的表现达到了 "专家级 "水平。MedLM 目前已面向美国的谷歌云客户开放，在某些其他市场处于预览阶段。

目前MedLM提供两种版本：一种是为复杂任务设计的大模型，另一种是适合广泛应用的小型可微调模型。

提升医疗文档自动化性能

HCA医疗保健（HCA Healthcare）正在采用Augmedix提供的医疗文档服务，以帮助医生处理医疗笔记。随着MedLM的加入，Augmedix的文档产品的自动化性能将提高，其质量和摘要能力也将随着时间的推移不断改善。这些产品可以节省时间，减少医生的职业倦怠，提高临床医生的效率，并改善对患者的整体护理。MedLM的加入还使得Augmedix的产品更易于在医疗系统中进行扩展，并支持越来越多的医学亚专科领域，如初级保健、急诊科、肿瘤科和骨科。

提升临床研究和开发效率

BenchSci的ASCEND平台是一个由人工智能驱动的证据引擎，可生成一个包含1亿多个实验的高保真知识图谱，这些实验是从数百种不同的数据来源解码而来。这使科学家能够理解生物研究中的复杂联系，全面掌握经验验证和本体论推导的关系，包括生物标记物、详细的生物途径和疾病之间的相互联系。MedLM 的整合进一步提高了准确性、精确性和可靠性，再加上 ASCEND 的专有技术和数据集，旨在显著促进新型生物标记物的识别、分类、排序和发现，为科学发现的成功铺平道路。

生成式医疗人工智能模型仍具挑战

谷歌在开发MedLM时每天都在与从业人员、研究人员和医疗保健机构紧密合作，反映了其通过AI技术增强医疗保健的承诺。然而，这种技术的部署并非没有争议。按照以往人工智能应用于医疗保健领域的经验，如英国国家医疗服务体系（NHS）的Babylon Health和IBM的Watson Health曾经面临的问题，凸显了确保诊断准确性和可靠性的挑战。此外，生成式人工智能模型因在提供医疗相关答案时可能的不准确性以及传播错误信息或泄露敏感数据的风险而受到批评。

一项由一群眼科医生共同撰写的研究向 ChatGPT 和谷歌的 Bard 聊天机器人提出了有关眼部状况和疾病的问题，结果发现这几种工具的大多数回答都大相径庭。ChatGPT 生成的癌症治疗方案充满了潜在的致命错误。而包括 ChatGPT 和 Bard 在内的模型在回答有关肾功能、肺活量和皮肤的问题时，甚至发表了种族主义言论，揭穿了医学观点。

世卫组织在一份声明中说："虽然世卫组织热衷于适当使用包括生成式人工智能在内的技术来支持医疗保健专业人员、患者、研究人员和科学家，但令人担忧的是，在生成式人工智能方面，通常会对任何新技术采取的谨慎态度并没有得到贯彻。"仓促采用未经测试的系统可能会导致医护人员犯错，对患者造成伤害，削弱对人工智能的信任，从而破坏或延迟此类技术在世界各地的潜在长期利益和使用。"

谷歌曾多次声称他们在发布生成式人工智能医疗工具时格外谨慎，并强调专注于这些技术的安全和负责任地使用这些技术，旨在使AI在医疗保健中的好处惠及所有人。

谷歌与主要竞争对手微软和亚马逊正在拼命争夺医疗人工智能市场，到 2032 年，这个市场的价值可能达到数百亿美元。最近，亚马逊推出了 AWS HealthScribe，它使用生成式人工智能来转录、总结和分析病人与医生的对话记录。微软正在试用各种人工智能驱动的医疗产品，包括由大型语言模型支撑的医疗 "助理 "应用程序。由此可见，医疗人工智能市场的竞争正在加剧。虽然潜在的好处巨大，但在确保患者安全和信任AI技术的同时，人工智能在医疗保健中的挑战和伦理考量需要谨慎应对。