谷歌的新医疗AI模型Med Gemini展现了令医疗界惊讶的出色能力。这个由谷歌DeepMind和谷歌研究团队开发的专门用于医疗应用的模型,是强大的Gemini AI系列的专门版本。

Med Gemini的关键特点包括:

1. 自我训练: 该模型从自身输出中生成合成样本,用于进一步完善其能力,特别是在处理复杂的医疗场景方面。

2. 搜索集成: 当遇到难以回答或信心不足的问题时,Med Gemini可以进行网络搜索以获取更多信息,从而提高输出的准确性和可靠性。

3. 持续知识更新: Med Gemini从外部源搜索和整合信息的能力,使其能够在不需要频繁重新训练的情况下持续更新知识库,与最新的医学研究和实践保持同步。

谷歌的Gemini模型已经针对医疗应用进行了微调和专门化,从而开发出"Med Gemini"。这个先进的AI系统在医疗领域展现了令人印象深刻的能力:

1. 多模态理解: Med Gemini可以处理和整合文本、图像和长篇医疗记录等各种格式的信息,提供全面的分析。

2. 先进推理: 该系统采用自我训练和搜索集成来增强其处理复杂医疗数据和查询的能力。它可以利用自身的输出来生成新的训练样本,不断完善其推理和决策能力。

3. 基准测试性能: Med Gemini在各种医疗基准测试中超越了之前的最先进模型,包括经过医疗微调的GPT-4。它在MedQA数据集上达到了91.1%的准确率,在解决测试问题的问题后进一步提高到92.2%。

谷歌的Med Gemini已经超越了之前医疗AI系统的最高水平。以下是它的比较情况:

• Med Gemini在MedQA基准测试中达到了91.1%的准确率,超过了之前最高的GPT-4医疗提示模型的90.2%。
• 这一改进是在不需要使用复杂技术(如集成模型或答案选择洗牌)的情况下实现的,这些技术曾用于提高GPT-4的性能。
• MedQA基准测试被发现存在质量问题,7.4%的问题存在模糊的标准答案。解决这些问题进一步将Med Gemini的得分提高到91.8%。
• Med Gemini在各种医疗推理任务中都超越了之前的最高水平,包括高级文本推理、多模态理解和长上下文处理。

Med Gemini利用两种关键的先进推理技术来增强其医疗能力:

1. 自我训练:

   • Med Gemini通过处理医疗数据和查询,并使用自身的输出作为新的训练样本来生成合成训练样本。
   • 这种迭代的自我训练过程有助于模型不断完善其推理和决策能力,特别是在复杂的医疗场景中。
   • 该模型还可以从模拟的医疗场景中学习,在这些场景中它必须解释来自文本、图像或记录的各种医疗数据,反馈有助于提高其准确性和可靠性。

2. 基于不确定性的搜索:

   • 当Med Gemini遇到它缺乏信心或内部数据不足的问题或场景时,它可以主动进行网络搜索以获取更多信息。
   • 该模型计算其预测的不确定性,并使用这个来指导其搜索策略,有助于提高输出的准确性和可靠性。
   • 这使得Med Gemini能够在不需要频繁重新训练的情况下持续更新其知识库,适应新的医学研究、临床实践和指南。

该论文包含了几个对话示例,展示了Med Gemini模型如何在医疗场景中提供帮助。以下是一些关键要点:

1. 多模态交互: 该模型能够进行来回对话,要求用户提供额外的信息(如图像)以提供更全面的评估。

2. 专科诊断: 一个示例展示了该模型能够基于有限的数据(单张照片和简短描述)准确诊断一种相对罕见的专科皮肤病。一位皮肤科医生注意到该模型在这种专科病例诊断方面的出色准确性。

3. 放射报告生成: 另一个示例显示该模型能够根据提供的X光图像和病史为医生生成放射报告。

4. 视频分析: 该模型还能够分析医疗指导视频,提取相关时间戳以回答有关内容的问题。

谷歌的Med Gemini和Amy是两个针对医疗应用开发的不同AI系统,各自有专门的能力和目标。

Med Gemini是一个更通用的AI模型,擅长处理复杂的多模态医疗数据,如文本、图像和长篇医疗记录。它专门用于理解和整合各种格式的广泛医疗知识,以协助诊断和治疗规划。Med Gemini的主要优势在于其处理大量数据的能力、先进的推理能力,以及为医疗专业人员提供全面集成分析的能力,以帮助他们做出更明智的决策。

另一方面,Amy主要设计用于改善诊断对话和医疗咨询过程中的推理。它旨在模拟和支持医疗咨询过程中的互动对话,专注于病史采集、诊断准确性和与患者的沟通。Amy被优化用于与患者进行有意义的对话,解决医疗实践中的交流和同理心方面的问题。