会议追问｜医生最想用GPT解决哪些问题？

2023年4月9日，由天桥脑科学研究院（TCCI）携手华山医院（国家神经疾病医学中心）、上海市精神卫生中心（国家精神疾病医学中心）联合主办的AI助力攻克脑疾病研讨会圆满落幕。本次会议邀请了来自人工智能、医学、计算机工程学等领域的专家学者，聚焦GPT在脑科学的热点和进展，共同探讨AI与医学融合过程中的前景与风险，为相关领域未来发展方向指明了道路。（点击查看会议详情）

会议期间，专家们进行了充满启发性的观点互动，在此，追问媒体对精彩观点进行了整理，以飨读者。

Q

作为临床医生，最想用GPT这种大型AI模型解决哪些问题？

毛颖：精神疾病不是我的领域，但是我想，GPT的语言理解能力很强，而目前很多精神疾病，比如精神分裂症，其诊断大多是通过医生与患者对话进行的，所以在精神疾病的诊断方面GPT会有很好的效果。另外，对于语言的认识，英文环境下已经做得很好，但是在中文环境下我们仍然大有所为。

陈亮：有没有可能医生和患者进行一段自由交谈以后，GPT能够提取里面的信息，直接将关键字段填入病史，如果发现缺少了哪些字段，还能提醒医生再继续问一问。如此之来，病史质量提升，医生的工作量也会下降。

▷图片来源：Alterfines in Pixabay

郁金泰：我想ChatGPT在队列建设上会起到非常重要的作用，比如阿尔茨海默症的早期识别主要是通过与患者的信息沟通。这部分患者的队列建设，尤其是社区队列，患者的数量是非常大的，如果通过人工的话，时间成本和人力成本非常高。因此，ChatGPT对于健康信息的采集显示出了巨大的优势。

另外，我们在做认知评估时会涉及各种量表，而中国早期轻度认知功能受损的患者约有4000万，如果通过人力去筛查的话很难实现早期的识别。但是通过GPT把有价值的量表提取并做成在线的数据采集，将会起到非常重要的作用。除此之外，在临床诊疗过程中，认知障碍的神经退行性疾病的诊断也依赖于病史问询，好的病史对于疾病的诊断非常重要。因此，我们可以把一些具有敏感性或特异性的信息指标，通过算法研发出有助于临床诊疗的工具，对于基层医生的诊断可以提供很好的指导价值。

Q

GPT在疾病治疗的过程中又能发挥什么作用呢？

郁金泰：在认知方面，目前证据级别比较高的就是计算机辅助的认知训练，还有就是针对明确的风险因素，通过ChatGPT的相关数字疗法对此类人群进行管理。

比如通过人机对话，我们可以获取患者相关的可调风险因素，针对这种风险因素制定一套对患者有效的预防模式，同时再通过进一步定期评估来观察患者的危险因素是否得到有效控制。

另外，通过这种评估我们可以发现患者到底是在语言还是记忆或者空间等方面出现了问题，针对患者的问题采取相应的认知训练，这方面也非常有前景。

更重要的是，认知其实和情绪一样，是一个公共健康问题，单纯靠医生无法解决，可能需要这方面的工具来解决。

Q

目前，GTP这类大型AI模型在区分不同的疾病以及对疾病严重程度的预测方面表现出了一定优势，那么如何更好地发挥它的优势，并将其应用到临床疾病的诊断中？

吴梦玥：很长一段时间我都在进行基于语言功能来判断抑郁症、帕金森、老年痴呆等疾病这方面的研究。我们发现，对比躯体症状，患者在描述自己精神上的感受时，语言表达会比较模糊，也比较主观，每个人对自己症状的理解有很大差异。通过躯体症状来判断疾病的模型是比较容易的，但是在精神疾病领域就遇到了很大的困难。从患者非常自由的口语表达提取出来的症状与医生面诊得出的结果差异性很大。而ChatGPT通过大型数据库训练后，其自然语言处理能力和理解能力，相比之前训练的模型要好很多，所以我认为在这方面GPT这种大型AI模型会有很好的表现。

另外，在声学方面我们一直存在的困扰是，抑郁症患者语音和正常人语音在声学层面有怎样的差异？我们发现单纯声学层面的表征方式迁移性效果很不好，在一个数据库上表现很好的特征组合，换成另外一个数据集，效果就大打折扣。而如果我们把传统的物理声学信息与医生对患者语言描述的信息相结合，通过这两种模态的结合很可能会得到一个比较通用的表征方式，所以我认为ChatGPT也可以帮助我们理解抽象特征。

▷图片来源：Victoria_Watercolor in Pixabay

胡鹏伟：在生命科学领域，我们过往用人工智能做蛋白质相关的研究，将蛋白质的序列转化成一些可被机器学习的数据形态。随着大型AI模型出现，这在蛋白质相关领域已经开始广泛应用。比如，AlphaFold的蛋白质结构预测，它是先用一个大模型学习了全部已知蛋白质的结构、序列等多种信息，然后再用该模型去预测未知蛋白质的结构，目前预测的蛋白质结构已经超过已知的三倍左右。在生命科学领域，不只是蛋白质，还包括RNA、DNA等等多种数据的表达，AI大模型在对它们特征的重新表达，以及基于重新表达的再预测方面都已经在发挥作用。

Q

模型的好坏很多时候取决于数据量的大小，而医疗领域通常数据量都很小，如何解决这个问题？

胡鹏伟：我们曾经做过眼底病变的预测，当时的样本量也很有限，大概仅有几万张患者的眼底图片。我们利用这几万张样本，把样本的病灶和正常组织进行区分，然后进行强化学习，最后再通过不同的组合去生成新的医疗样本。这只是一个例子，我觉得其他基于图片性质的数据，甚至是一些基于文本结构化的医疗化数据，都可以进行尝试。

吴梦玥：相对而言，医疗领域的数据确实量都比较少，用大的预训练模型，然后在小数据集上做微调，效果非常好。此外，预训练模型和迁移领域的小数据模型之间，会有一些格式或者说知识领域上的差异性，所以我们在做数据微调时加一些合适的prompt，让它们之间的差异缩小，让微调的效果更好，也是一个比较好的研究方向。另外，我们可以引入医生的专业知识，做一个有引导的微调范式，可能也是一个比较好的方向。

Q

一个语言模态需要多大的信息量来预测抑郁症？如何将其他模态的信息整合进ChatGPT模型当中，一起做临床抑郁的诊断和预测?

吴梦玥：ChatGPT开放了API端口之后，其实是可以把很多其他模态的数据放进来的。比如说语音，只要前端把语音的整体数据提取特征之后，其实是可以匹配到ChatGPT的端口里面，最后进行定量分析。当然，现在的一大难点是，在换了一个数据集之后，效果就会很差。一是因为数据集比较小，每次的实验效果并不一致。二是它的迁移性比较难，所以我们也希望把临床的数据拿进来，可以实现一个比较鲁棒的、可迁移的检测方式。

胡鹏伟：从源头来说，首先确定哪些信号是现在能够获取的，语音是现在用得比较多的，除此之外还有患者自身的其他信息，比如基因信息、行为信息、生理信号信息等。如何把一个人的这些信息数字化到模型里，我觉得可能依赖于传递式设备，不只是录音设备、录像设备，还需要能够收集血压、血糖、心电、血氧等生理信号的设备。如果通过可穿戴式设备把这些信号收集回来，然后为每个人建立模型，再把这些信号交给ChatGPT，我觉得才可能依靠ChatGPT描述好一个人。

彭代辉：我个人做得最多的是脑影像和脑电，但是这两个维度的指标和抑郁症全病程发展过程以及内在机制之间的灵敏度和特异度非常低。从临床医生的角度来讲，对于抑郁的诊断，语言文本、面部表情这两个维度做得非常成熟，让临床医生可以辅助诊断，但是我们总希望能找到一些生物学的信息，比如说血压、心跳、呼吸。虽然它们的特异度、灵敏度和疾病机制之间可能没有直接关联，但是从医疗角度来讲，这些维度的检测是可操作的，具有可获得性和可依从性。我觉得人工智能计算机建模至少在疾病的监测维度、某些风险事件的监测维度，是有突破的，有可能实现的。

从医疗角度来讲，现有的一些生物学维度的指标可能可以辅助诊断，但是我们希望看到疾病的临床现象背后，包括智能机器人问诊的背后，是不是能对接到一些生物学标志物。也就是说，ChatGPT是不是能回归到生物学其他维度，帮助我们探讨疾病的发生机制。

▷图片来源：Pixabay

徐一峰：ChatGPT在精神心理领域具有广阔的前景，但是我觉得在实际应用中仍然面临着三大障碍。OpenAI非常注重数据和语料的质量，非常适合精神科应用。但它本身存在黑箱性质，或者说黑盒性质，如果把这个模型做出的决策用在人身上，不管是在诊断或者治疗当中，我都认为它是一个重大决策。那么，到底它能够用到什么程度，我觉得这是第一个要考虑的。

第二点是，ChatGPT在中文环境下，面临着使用的稳定性、语言文化的适应性等问题。

第三点是，在临床实践当中，精神疾病是带有病耻感的。所以在病人或者家属的强烈抗议下，我们就会做成中间性的诊断，比如说抑郁状态、焦虑状态。对于这样的数据，其基础可能本身就存在问题。

王振：如果想把人工智能用在精神心理的疾病诊疗上，结合除文本外的很多其他信息是非常重要的。比如面部微表情的识别、肢体语言的识别，再加上一些生理指标，将它们整合在一起的话，将来肯定能做很多工作。

目前在精神心理领域，很多团队想借助ChatGPT来模拟医生或者专业人员的一部分前端工作，比如预问诊、写病历、筛选出一些高风险人群等等，这样可以大幅度提高心理服务的可及性。但我觉得更加重要的是，ChatGPT做的只是人已经会做的事情，它只是提高效率。它是否能够辅助专业人员提升目前的能力，无论是在疾病的识别上还是在诊断治疗上，尤其是借助ChatGPT产生新的机制、新的知识，还有待验证。

另外，ChatGPT对中文的理解，以及对中国文化特征的理解，还是不足的。希望未来我们能够建立自己的GPT平台，服务于中国的精神科临床。

Q

在医疗领域，我们是否需要建立中国的GPT模型呢？

胡鹏伟：我想这个问题的答案是肯定的。目前应用ChatGPT进行一些初步的研究是没问题的。但是涉及生命科学领域，它是受到严格监管的。我觉得未来肯定需要有一个国家级别的中间平台，来汇总这些数据，建立安全机制，然后在此之上建立不同疾病的模型。这样的话，我们在上面开展科研才会比较放心，也是比较长久的路。

吴梦玥：ChatGPT拥有非常好的建模能力，除了需要非常大的算力，还需要数据的支撑，数据本身的质量也是一个非常关键的点。其实前段时间，国内也一直在推行各个医疗平台之间数据的格式、数据之间的共享机制，如果建好的话，对于我们后续做大自己的预训练模型是一件非常有帮助的事。

作者：lsy

编辑：lixia

排版：Yunshan

关于TCCI

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute，TCCI）是由陈天桥、雒芊芊夫妇私人出资10亿美元创建的，旨在支持、推进全球范围内脑科学研究，造福全人类，目前已经成为世界最知名和最大规模的支持人类脑科学研究的科研机构之一。

TCCI一期投入5亿元人民币支持中国的脑科学研究，与上海周良辅医学发展基金会合作成立上海陈天桥脑健康研究所（又名TCCI转化中心），致力于提升脑健康和脑疾病治疗研究和成果转化。后又与华山医院、上海市精神卫生中心等建立战略合作，设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室。在国际上，TCCI与加州理工学院合作成立TCCI加州理工研究院，设脑机接口、社交与决策神经科学、系统神经科学、分子与细胞神经科学、大脑成像、神经科学教育等多个中心，重点关注大脑基础研究。TCCI还在北美、亚洲、欧洲、大洋洲主办、资助了200多场高质量的学术会议。