一位患者，多种语境：以上下文智能扩展医学人工智能
人工智能
2025-12-01 v3 计算与语言
摘要
医学人工智能，包括临床语言模型、视觉语言模型和多模态健康记录模型，已经能够总结病历、回答问题并支持决策。它们对新人群、专业领域或护理环境的适应通常依赖微调、提示或从外部知识库检索。这些策略可能扩展性差且存在上下文错误风险：输出看似合理但遗漏了关键的患者或情境信息。我们提出上下文切换作为解决方案。上下文切换在推理时调整模型推理而无需重新训练。生成模型可以根据患者生物学特征、护理环境或疾病定制输出。多模态模型可以基于病历、实验室结果、影像和基因组学进行推理，即使某些数据缺失或延迟。智能体模型可以根据任务和用户协调工具和角色。在每种情况下，上下文切换使医学人工智能能够在专业领域、人群和地理区域之间自适应。这需要在数据设计、模型架构和评估框架方面取得进展，并为能够扩展到无限多种语境同时保持可靠性和适用于真实世界护理的医学人工智能奠定基础。
引用
@article{arxiv.2506.10157,
title = {One Patient, Many Contexts: Scaling Medical AI with Contextual Intelligence},
author = {Michelle M. Li and Ben Y. Reis and Adam Rodman and Tianxi Cai and Noa Dagan and Ran D. Balicer and Joseph Loscalzo and Isaac S. Kohane and Marinka Zitnik},
journal= {arXiv preprint arXiv:2506.10157},
year = {2025}
}