最近，Eric J. Topol和 Pranav Rajpurkar研究团队提出了一个通用医学人工智能基础模型，文章名字《Foundation models for generalist medical artificial intelligence》

模型研究进展包括：多模态架构，和自监督学习技术，以及模型的上下文学习能力的出现。这些进展将使得开发GMAI成为可能，这意味着它们将广泛应用于医学应用程序，很大程度上将取代针对特定任务的模型。

作者确定了三个将GMAI模型与传统医学AI模型区分开来（上图所示）的关键能力：1. 将GMAI模型适应于新任务将像用普通英语（或其他语言）描述任务一样简单。通过简单地将新任务解释给模型，使其解决以前未见过的问题，而无需重新训练。2. GMAI模型可以使用各种数据模态接受输入和产生输出（例如，可以接受图像、文本、实验室结果或任何组合）。这种灵活的交互方式与更为严格的多模式模型形成对比，后者总是将预定义的模态集合作为输入和输出（例如，必须始终同时输入图像、文本和实验室结果）。3. GMAI模型将正式理解医学知识，使它们能够推理出以前未见过的任务，并使用医学准确的语言解释它们的输出。

作者描述了6种模型的应用场景

1. 生成放射学报告：通过GMAI实现一种新型多功能数字放射学助手，支持放射科医生在整个工作流程中的工作。GMAI模型可以自动起草放射学报告，描述异常和相关的正常发现，同时考虑患者的病史。这些模型可以通过将文本报告与交互式可视化配对来为临床医生提供进一步的帮助，放射科医生也可以通过与GMAI模型聊天来提高他们对病例的理解。

2.手术过程特征增强提取：手术GMAI模型可以协助手术团队进行手术：“我们找不到肠破裂的位置。检查一下我们是否错过了过去15分钟内任何肠段的视觉呈现”。GMAI模型可以执行可视化任务，潜在地实时注释手术过程的视频流。它们也可以以口头形式提供信息，例如在手术医生遇到罕见解剖现象时引发警报或朗读相关文献。

3. 辅助临床决策：GMAI可以提供一类新的床边临床决策支持工具，扩展了现有的基于人工智能的早期预警系统，提供更详细的解释和未来治疗建议。例如，床边决策支持的GMAI模型可以利用临床知识，并提供自由文本解释和数据摘要：“警告：该患者即将休克。过去15分钟内，她的循环已不稳定 <链接到数据摘要>。推荐下一步操作：<链接到清单>”。

4.生成文档：文档编写是临床工作流程中不可或缺但劳动密集的部分。通过监控电子病人信息以及医护人员和病人的交谈，GMAI模型可以预先起草诸如电子笔记和出院报告等文档，供医护人员仅需审核、编辑和批准。因此，GMAI可以大大减少行政开销，让医护人员有更多时间与病人交流。

5.聊天机器人： 与患者交流的聊天机器人。GMAI有潜力在临床环境之外也能为患者提供高质量的护理。例如，GMAI可以使用多种模态建立患者的全面情况，从未结构化的症状描述到连续葡萄糖监测读数到患者提供的药物日志。在解释这些异构数据类型之后，GMAI模型可以与患者互动，提供详细的建议和解释。重要的是，GMAI实现了可访问的沟通，提供关于患者计划的清晰、可读或可听的信息。

6. 生成蛋白质：GMAI 可以从文本提示中生成蛋白质氨基酸序列及其三维结构。受到已有蛋白质序列生成模型的启发，这样的模型可以基于期望的功能属性来生成蛋白质序列。与此同时，基于 GMAI 的生物医学知识，可以构建与现有文本生成图像模型一样灵活且易于使用的蛋白质设计界面。此外，通过解锁上下文学习能力，基于 GMAI 的文本生成蛋白质模型可以通过几个示例指令和序列来动态定义新的生成任务，例如生成能够在满足其他限制条件的情况下与指定靶标高亲和结合的蛋白质。

如果，大家想详细了解GMAI的相关信息，建议去读原文哦~