For ikke længe siden udviklede "Xiehe Taichu" sjældne patient -AI -model i fællesskab af Peking Union Medical College Hospital og Institute of Automation of the Chinese Academy of Sciences officielt det kliniske applikationsstadium. Forskerteamet betragter evnen til effektivt at undertrykke kunstig intelligens "illusioner" som en af dens tre kernefordele. Relaterede rapporter viser, at traditionelle kunstige efterretningsmodeller ofte producerer "illusioner" på grund af dataløj eller videnblinde pletter, som let kan føre til fejlagtige konklusioner. Ved at integrere autoritative data, dynamisk opdatere viden og tilføje sporbarhedsmekanismer, undertrykker "Concordia · Taichu" effektivt forekomsten af "illusioner" i modellen og forbedrer troværdigheden af klinisk beslutningstagning.
For at undertrykke 'hallucinationer' bruger vi hovedsageligt lokaliserede datasæt af høj kvalitet (såsom reel diagnose og behandlingsregistre) og et stort antal manuelt validerede videnbaser (såsom klinisk diagnose og behandlingsretningslinjer, lærebøger og offentligt tilgængelig videnskabelig litteratur) til model finjustering. "Gong Mengchun forklarede," gennem teknikker som hurtig ordteknik, effektiv bevisstøtte, sporbarhedsbekræftelse, kriteriumbekræftelse osv. Anvendes i begrundelsesprocessen, og feedback og korrektion leveres kontinuerligt. "Dette kan forstås som at give AI mulighed for kun at lære" god viden "og begrænse" grænsen "af ræsonnement eller tilføje en" sporbarhed "-mekanisme til kontinuerligt at revidere" uddannelse "inden klinisk anvendelse.
Ifølge statistikker, der er frigivet af relevante professionelle institutioner, er Deepseek blevet indsat i tophospitaler i Kina. Flere hospitaler, herunder Huashan Hospital tilknyttet Fudan University, Ruijin Hospital og Shenzhen People's Hospital, har startet fælles forskning og udvikling med top indenlandske kunstige efterretningsfirmaer. Gennem tværfaglig integration og docking har de fremskyndet fremme af medicinsk intelligens og løst problemet med "flaskehals". Branchen mener, at anvendelse af Deepseeks unikke "hierarkiske videndestillation" -teknologi kan reducere inferensen og beregningsarbejdsbyrden i komplekse medicinske scenarier med 30%.
En stor mængde forskning, der er baseret på multimodale kliniske data i ind-og udland, har bekræftet, at den kliniske indsigt, der er leveret af kunstig intelligensteknologi, kan overstige den viden og fysiske sensoriske grænser, som læger kan forstå, hvilket giver vigtige hjælpeudtalelser til klinisk beslutningstagning. Gong Mengchun sagde, at når det kommer til nye beviser og domme, der er leveret af AI, bør vi vedtage en "forsigtig verifikation og fuld vurdering" -indstilling, opbygge en multimodal klinisk datainfrastruktur, sortere køer i høj kvalitet og verificere forskellige datadrevne medicinske opdagelser. Integrering af klinisk bevis leveret af AI i diagnose- og behandlingsprocessen i form af tværfaglig diagnose og behandling (MDT) til at tjene patienter er en af mainstream -udviklingstendenser inden for det globale medicinske forskningsområde.
