For ikke lenge siden utviklet "Xiehe Taichu" -taben AI -modellen i fellesskap av Peking Union Medical College Hospital og Institute of Automation of the Chinese Academy of Sciences offisielt inn i det kliniske applikasjonsstadiet. Forskerteamet ser på evnen til effektivt å undertrykke kunstig intelligens "illusjoner" som en av de tre kjernefordelene. Relaterte rapporter viser at tradisjonelle kunstige intelligensmodeller ofte produserer "illusjoner" på grunn av datastøy eller kunnskapsblinde flekker, noe som lett kan føre til feilaktige slutninger. Ved å integrere autoritative data, dynamisk oppdatere kunnskap og legge til sporbarhetsmekanismer, undertrykker "Concordia · Taichu" effektivt forekomsten av "illusjoner" i modellen og forbedrer troverdigheten til klinisk beslutningstaking.
For å undertrykke 'hallusinasjoner' bruker vi hovedsakelig lokaliserte datasett av høy kvalitet (for eksempel reell diagnose og behandlingsregister) og et stort antall manuelt validerte kunnskapsbaser (for eksempel klinisk diagnose og behandlingsretningslinjer, lærebøker og offentlig tilgjengelig vitenskapelig litteratur) for modell finjustering. "Gong Mengchun forklarte," gjennom teknikker som rask ordteknikk, effektiv bevisstøtte, sporbarhetsbekreftelse, kriteriumverifisering, etc. brukes i resonnementsprosessen, og tilbakemelding og korreksjon blir kontinuerlig gitt. "Dette kan forstås som å la AI bare lære" god kunnskap "og begrense" grensen "for resonnement, eller legge til en" sporbarhet "-mekanisme for kontinuerlig å revidere" utdanning "før klinisk anvendelse.
I følge statistikk utgitt av relevante profesjonelle institusjoner, har DeepSeek blitt utplassert på toppsykehus i Kina. Flere sykehus, inkludert Huashan sykehus tilknyttet Fudan University, Ruijin Hospital og Shenzhen People's Hospital, har startet felles forskning og utvikling med topp innenlandske kunstige etterretningsselskaper. Gjennom kryssdisiplinær integrasjon og dokking har de fremskyndet å fremme medisinsk intelligens og løst "flaskehals" -problemet. Bransjen mener at å bruke DeepSeeks unike "hierarkiske kunnskapsdestillasjon" -teknologi kan redusere inferens og beregningsarbeid i komplekse medisinske scenarier med 30%.
En stor mengde forskning basert på multimodale kliniske data hjemme og i utlandet har bekreftet at den kliniske innsikten levert av kunstig intelligensteknologi kan overstige kunnskapen og fysiske sensoriske grenser som leger kan forstå, og gi viktige hjelpemidler for klinisk beslutningstaking. Gong Mengchun sa at når det gjelder nye bevis og vurderinger gitt av AI, bør vi innta en "forsiktig verifisering og full skjønn" holdning, bygge en multimodal klinisk datainfrastruktur, sortere ut køer av høy kvalitet og verifisere forskjellige datadrevne medisinske funn. Integrering av kliniske bevis levert av AI i diagnose- og behandlingsprosessen i form av flerfaglig diagnose og behandling (MDT) for å tjene pasienter er en av mainstream -utviklingstrendene innen det globale medisinske forskningsfeltet.
