ChatGPT在病理中的应用

人工智能（AI）模型的快速发展，例如OpenAI的ChatGPT，标志着医学研究进入了新时代。这些AI工具能够处理和分析大量数据，提供高效的诊断和治疗方案建议，显著提升医疗服务质量和效率。ChatGPT 等模型的自然语言处理能力使研究人员能够快速获取和整理最新研究成果，加速科研进程。AI 模型还能通过模拟实验和预测疾病发展，帮助制定更有效的治疗/研究策略。随着AI技术进步，医学研究将变得更加精准和个性化，推动医疗领域的创新和发展。

《The Lancet》IF:23.8 Q1 2024年7月9日在线发布：这篇Viewpoint探讨大语言模型（LLM）（表1）在数字病理学中的应用及其面临的挑战。数字病理学是一个快速发展的领域，需要复杂的前后背景的理解。尽管LLM在特定领域的效率有限，但定制化人工智能工具如FrugalGPT和BioBERT的出现，展示了其在特定领域的潜力和应用。研究者强调，在数字病理学中，结合精选文献数据库与用户交互式网络应用程序，可以实现精确的信息检索，提高信息提取的可靠性和准确性。

表1. 大语言模型概述

认识到特定领域生成人工智能（表2）在推动医学研究方面的巨大潜力，该团队承担了管理综合数字病理学文献数据库的任务。他们使用特定关键词（如“病理学”、“H&E”、“github”、“wsi”和“机器学习”）在Google Scholar上进行搜索，以提取2022年1月以来的同行评审稿和预印本稿件。此次搜索共找到650篇出版物，涵盖了机器学习算法、创新方法、新数据集以及数字病理学应用的最新发展。

表2. 生物医学领域著名的文本生成人工智能工具概述。

他们从PDF中提取文本，清理数据，并用元数据扩充，以便有效集成到语义搜索数据库中。他们的方法将基于GPT-4 Turbo的GPT4DFCI与RAG架构结合，创建了GPT4DFCI-RAG。使用RAG技术在用户交互过程中动态查询语义数据库，使模型能够根据最新文献生成准确且上下文相关的响应，并提供具体的证据链接。这种设计减少了生成不准确响应的机会，确保了信息的特异性和相关性。

他们评估了GPT4DFCI-RAG和通用ChatGPT-4模型在响应相同查询时的性能。结果显示，特定领域的GPT4DFCI-RAG生成的响应更具相关性，并且幻觉率显著降低。该评估表明，特定领域的语言模型通过提供真实参考的准确响应，可以克服通用聊天机器人的许多限制。

在计算病理学领域，PathML 库是一个重大进步，简化了复杂组织病理学数据集的分析。PathML 以可扩展性、标准化和易用性为原则，促进了生物医学研究中的图像分析工具和 AI 算法的应用。他们将 PathML 文档与 GPT-4 集成，使用户能够通过直观的聊天界面与 PathML 互动，提出问题并获得使用指导。

这种集成满足了数字病理学的关键需求，为缺乏编程经验的病理学家和湿实验室科学家提供了先进的计算工具。通过与 GPT-4 支持的 PathML 聊天机器人互动，用户可以轻松获取组织分割、生物标志物量化和肿瘤分类等分析任务的即用型命令（见附录第 9-10 页）。用户还可以使用该工具解释 PathML 功能、最佳实践以及故障排除建议，从而获得全面支持。

PathML 与 ChatGPT-4 的结合展示了显著减少执行复杂分析所需时间和精力的几个例子，并通过 ChatGPT-4 的指导，增强了用户对计算病理学的理解（见附录第 8-10 页）。这种无缝集成创造了一个对用户友好的环境，鼓励计算技术在病理学中的应用和探索。通过简化计算病理学，他们不仅增强了研究能力，还为缺乏编码经验的科学家铺平了创新的道路。

总结：特定领域的文本生成人工智能工具具有显著增强医学研究和公共卫生的潜力。然而，这些工具的全部潜力尚未充分发挥。将这些工具集成到学术和研究框架中，可以极大提高知识检索的效率和准确性，优于通用大语言模型（LLM）。此外，随着通用LLM部署成本的持续增长，规模较小且专业的LLM将比通用LLM更有用且更具成本效益。他们设想的未来场景是在研究初始阶段使用通用LLM（例如，ChatGPT）进行想法探索和头脑风暴，在发现研究问题后使用较小的专业LLM。专门的LLM示例包括RAG架构，例如本文介绍的架构，可能与Microsoft Phi或Databricks Mosaic AI等较小模型相结合。最终，随着LLM和RAG系统在提取和总结复杂文本信息方面能力的不断提升，研究团队有望减少工作量。这些系统将帮助研究人员提高科学研究的有效性。

参考文献

1.       Omar M, Ullanat V, Loda M, Marchionni L, Umeton R. ChatGPT for digital pathology research. Lancet Digit Health. 2024 Jul 9:S2589-7500(24)00114-6. doi: 10.1016/S2589-7500(24)00114-6IF: 23.8 Q1. Epub ahead of print. PMID: 38987117.

2.       Thirunavukarasu AJ, Ting DSJ, Elangovan K, Gutierrez L, Tan TF, Ting DSW. Large language models in medicine. Nat Med. 2023 Aug;29(8):1930-1940. doi: 10.1038/s41591-023-02448-8. Epub 2023 Jul 17. PMID: 37460753.

请关注微信公众号，更多精彩内容实时更新中

本网站发布所有原创内容，版权归属尖端生物及相关版权方，内容仅供学术交流，如有侵权请联系删除。未经授权的转载是侵权行为，版权方保留追究法律责任的权利。投稿，转载或版权问题，请联系:submit@advanced-biotech.cn;商务合作请联系:cc@advanced-biotech.c