医疗 AGI 之路：以最低成本统一领域专用医疗 LLM
人工智能
2023-06-21 v1 计算与语言
计算机视觉与模式识别
摘要
医疗通用人工智能（AGI）是一个新兴领域，旨在开发专为医疗应用设计的系统，这些系统具备在广泛任务和领域中理解、学习并应用知识的能力。大语言模型（LLMs）是迈向 AGI 的重要一步。然而，在医疗领域训练跨领域 LLM 面临重大挑战，主要归因于需要从多样化领域收集数据。由于隐私限制和公开医疗数据集的稀缺，该任务尤为困难。在此，我们提出医疗 AGI（MedAGI），一种以最低成本统一领域专用医疗 LLM 的范式，并给出一条实现医疗 AGI 的可能路径。随着医疗领域越来越多领域专用的专业多模态 LLM 被开发出来，MedAGI 旨在通过我们新颖的自适应专家选择算法分析用户问题，自动选择合适的医疗模型。它为医疗领域现有 LLM 提供了一种统一方法，无论引入何种新模型都无需重新训练。这一特性使其成为快速发展的医疗领域中面向未来的解决方案。为展示 MedAGI 的鲁棒性，我们在三个不同的医疗领域进行了评估：皮肤病诊断、X 射线诊断和病理图像分析。结果表明，MedAGI 展现出卓越的通用性和可扩展性，在多样化领域中均取得了优异性能。我们的代码已公开，以促进进一步研究：https://github.com/JoshuaChou2018/MedAGI。
引用
@article{arxiv.2306.10765,
title = {Path to Medical AGI: Unify Domain-specific Medical LLMs with the Lowest Cost},
author = {Juexiao Zhou and Xiuying Chen and Xin Gao},
journal= {arXiv preprint arXiv:2306.10765},
year = {2023}
}