科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着医疗信息化建设的不断加深和新型数字化医疗设备的广泛使用, 医疗数据爆发性增长, 围术期管理已迈入医疗大数据时代。越来越多的医疗数据被用于构建各种模型, 以实现疾病的风险预警[1,2]、早期诊断[3]以及辅助医生决策[4], 从而提升诊疗效率和安全性[5]。然而, 围术期大数据存在"跨粒度、高维多模态、混合噪音高、同本体量纲迥异"等特点, 基于常规规模机器学习所构建的风险预警和决策支持模型普遍存在准确性偏低、泛化性差等问题。相比之下, 大模型在文本生成[6]、语义理解和推理[7]、多任务[8,9]以及模型泛化性[10]等方面性能优越, 在围术期多模态数据分析和建模方面具有明显优势。因此, 大模型在围术期医学研究与应用中有广阔的前景。
-
单位中国科学院; 中国人民解放军陆军军医大学; 复旦大学附属华山医院; 第三军医大学
