Glass AI｜大语言模型（LLM）下的临床决策支持系统CDSS
来自：知乎 Leo Zhang
前两天受盛景网联（盛景网联科技股份有限公司 | 投资孵化 | 经济平台）邀请参与到与大语言创业公司澜舟科技（www.langboat.com/）的首席产品官李京梅的对话访谈节目中讨论，主题是ChatGPT在行业中的落地和趋势。我提到在2018年医疗AI创业的时候曾经尝试过AI在医疗临床决策支持系统CDSS中的应用。那时技术确实没有成熟到支持复杂且对精度要求极高的医疗领域。所以即使IBM Watson以及国内的医渡云、惠每、森亿等公司都投入了大量的研发资源在CDSS中，但应用的现状是CDSS以医院评级为主，真正大规模的应用还很少。即使是初级医生使用CDSS的动力不足。
另一个折中的方式是建立一套高权性的病例库和多模态的病历搜索引擎。一个新的病历出现后找到相似的病人和病历，给临床医生提供参考。但这个想法在落地的时候又会受到病历不能出院、不能出省等多方面的数据安全方面的限制。
在ChatGPT发布后，对其在医疗NLP领域做了多次的测试（Leo Zhang：ChatGPT的进化（3）-医疗NLP应用测试对比及医生评价）。这些结果给几位资深的医生看后得到的结论是很多回答可以达到3年左右临床医生的水平。大语言模型可以解决以上提到的很多问题。其一是海量通识知识与专科病历及多组学知识的融合与压缩；其二是数据的隐私问题，LLM相当于做了压缩和加密；其三是强大的学习和推理能力。欠缺的是证据的可靠性，置信度和信息的来源。这部分将会是以后的研究和产品化的重点。
昨天，看到Glass AI发布了2.0版本。Glass Health有两个核心功能，一个是电子病历的院外的保存和分享；一个是基于LLM+知识库的鉴别诊断DDx和治疗计划的生成。这两个功能在GPT3.5的加持下，可以迅速迭代形成闭环。
Glass Health公司简介
https://glass.health/
Glass Health: We empower doctors with AI-assisted diagnosis and clinical… | Y Combinator
简单介绍一下这家公司。Glass Health是2021年创建的公司，创始人Dereck Paul和Graham Ramsey分别是临床和计算机背景。在2022年底，Glass Health从布雷耶资本（Breyer Capital由Jim Breyer创立，他曾领导Facebook的A轮投资。吉姆是一个对技术领域充满热情和长期投资的人，特别是在医疗保健和生命科学领域）和Y Combinator筹集了第一轮投资。这家公司的使命是用新一代无摩擦的软件来赋予临床医生学习和行医的权利。它是一个以人工智能为动力的医学知识管理和临床决策平台，帮助临床医生提供更好的病人护理。
Glass AI产品体验
Glass AI 2.0将基础大型语言模型（LLM）与临床知识数据库相结合，由临床医生创建和维护，以创建DDx区分性诊断和临床计划。
DDx 鉴别诊断
DDx 是 Diagnosis Differential 的缩写，意思是“鉴别诊断”（Differential Diagnosis）。鉴别诊断是指通过对患者症状、体征、病史等信息的综合分析，将可能引起这些表现的疾病进行排除、筛选和鉴别，最终确定患者确切的疾病诊断。
DDx通常是由医生在进行病史采集、体格检查和各种实验室检查之后，根据症状和体征来列出的可能的疾病清单。通过进一步的检查和排除，医生可以逐渐缩小诊断范围，最终确定最可能的诊断。
DDx 是医生制定治疗计划和评估治疗效果的重要依据。因此，鉴别诊断是医学领域中至关重要的技能之一。
Clinical Plan 治疗方案及计划
Clinical Plan 通常指医生在进行诊疗工作时所制定的治疗方案和计划。Clinical Plan 的制定是一个系统化的过程，包括对患者进行全面评估、制定诊疗目标、确定治疗方案和制定治疗计划等环节。
具体来说，制定 Clinical Plan 的过程包括以下步骤：
评估患者：包括病史采集、体格检查、实验室检查等，以确定患者的病情、疾病类型和疾病程度等。
制定诊疗目标：根据患者的病情和治疗需求，制定具体的诊疗目标，如症状缓解、疾病控制或治愈等。
确定治疗方案：根据患者的诊断结果和病情特点，确定最适合患者的治疗方案，包括药物治疗、手术治疗、物理治疗等。
制定治疗计划：根据治疗方案和诊疗目标，制定具体的治疗计划，包括用药剂量、用药频次、治疗期限、康复计划等。
定期评估：对患者的病情和治疗效果进行定期评估，如有需要，及时对 Clinical Plan 进行调整和优化。
Clinical Plan 对于患者的治疗效果和康复进程至关重要，它需要由医生根据患者的病情和个体差异进行制定和调整，以最大程度地提高治疗效果和患者的生命质量。
案例1：心肌梗死患者
主诉及病史（输入）
71 year old male with a history of Ml presents with subacute progressive dyspnea onexertion and is found to have bilateral lower extremity edema, an S3 heart sound, andJVD on physical exam, EF newly revealed to be 30%.
一个有心肌梗死病史的71岁男性患者，主诉逐渐加重的运动时气促，并在体格检查中发现双下肢水肿、第三心音和颈静脉淤血。心功能检查显示心肌收缩功能新发现降至30%。
临床计划 Clinical Plan（输出）
病历：亚急性进行性运动性呼吸困难
患者为71岁男性，有心肌梗死病史，因亚急性进行性运动性呼吸困难、双下肢水肿、第三心音和颈静脉怒张等症状就诊。患者新近检查显示射血分数（EF）为30％，提示心力衰竭伴随降低的射血分数（HFrEF）。
诊断： 严格记录液入液出，每日站立体重 远程医疗服务 心电图 BNP或NT-proBNP +/- 肌钙蛋白B 每日两次基础代谢面板+BMP+镁，目标钾 > 4.0，镁 > 2.00 超声心动图 脂质谱、糖化血红蛋白 铁、总铁结合力、铁蛋白 自身抗体（ANA）、类风湿因子（RF）、人类免疫缺陷病毒（HIV）、血清蛋白电泳/尿蛋白电泳、游离轻链、甲状腺刺激素（TSH）及游离甲状腺素（free T4），用于新心力衰竭的诊断 考虑缺血性评估，以确定新心力衰竭的诊断（CT冠状动脉成像、冠状动脉造影、压力试验）
治疗： 前负荷处理 静脉利尿，剂量为家庭利尿剂剂量的2.5倍（已知有充血性心力衰竭情况）或静脉呋塞米0.5-1毫克/千克 考虑增加静脉利尿剂的剂量，最高可达每日300毫克呋塞米等效剂量，以达到每日净负液量为负1.5-2升的目标。
案例二：胸痛患者
主诉及病史（输入）
65-year-old woman with history of diabetes and hyperlipidemia presents with acute-onset chest pain and diaphoresis found to have hyperacute T-waves without STelevation.
65岁女性，有糖尿病和高脂血症病史，出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高。
DDx 鉴别诊断
一下是ChatGPT的翻译。
无ST段升高型心肌梗死（NSTEMI） 患者出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高，这可能与无ST段升高型心肌梗死一致。糖尿病和高脂血症的存在作为危险因素支持这一诊断。心脏生物标志物如肌钙蛋白的升高进一步提示这一诊断。
不稳定性心绞痛 患者出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高，这可能与不稳定性心绞痛一致。糖尿病和高脂血症的病史增加了这一诊断的可能性，心脏生物标志物未升高进一步支持这一诊断。
冠状动脉痉挛 患者出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高，这可能与冠状动脉痉挛一致。虽然患者的年龄和性别不符合该疾病的典型人群，但其糖尿病和高脂血症的病史可能有助于该疾病的发展。有吸烟或使用兴奋剂药物的病史进一步提示这一诊断。
急性心包炎 患者出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高，这可能与急性心包炎一致。虽然心电图结果不典型，但并不排除这一疾病的可能性。急性胸痛伴随着锐利的胸膜性疼痛，位置变化、心包摩擦音和弥漫性ST段升高可进一步提示这一诊断。
胃食管反流病（GERD） 患者出现急性胸痛和出汗，发现具有高度急性T波升高，但无ST段升高。
与ChatGPT的输出结果的比较
Glass AI在ChatGPT的基础上还是有差异和提升，这种提升的技术细节的猜测：1.用Few Shot Learning的方式作为GPT3.5的Prompt 2. 信息检索指南
Glass病历库
类似Notion的形式，可以建立Schema和各种关系。有社区分享Library。对临床医生和学者确实非常友好。与Glass AI叠加，相互促进形成闭环。
HealthX推荐｜医疗大语言模型深入产品与思考，供参考