A Survey on Medical Large Language Models: Technology, Application, Trustworthiness, and Future Directions

大型语言模型（LLMs），如GPT系列模型，因其生成和理解人类语言的惊人能力而受到了广泛关注。最近，LLMs已经成为医疗领域的一种创新和强大的辅助工具，改变了传统的做法，开启了增强医疗服务的新时代。本文综述了医学大型语言模型（Med-LLMs）的全面概述，概述了它们从一般到医学特定领域（即技术和应用）的演变，以及它们对医疗保健的变革性影响（例如，可信度和安全性）。具体而言，从LLMs的基本历史和技术出发，我们首先深入探讨了一般LLM模型在医学领域中的逐步适应和改进，特别强调了提高LLMs在处理复杂医学环境方面性能的先进算法，包括临床推理、知识图谱、检索增强生成、人类对齐和多模态学习。其次，我们探讨了Med-LLMs在临床决策支持、报告生成和医学教育等领域的广泛应用，说明它们在简化医疗服务和增强患者结果方面的潜力。最后，我们认识到创新的必要性和责任，讨论了确保Med-LLMs应用中公平、问责、隐私和鲁棒性的挑战。最后，我们对Med-LLMs可能的未来发展轨迹进行了简要讨论，确定了谨慎扩展Med-LLMs的途径。通过整合上述观点，本综述旨在为专业人士和研究人员提供对Med-LLMs的潜在优势和局限性的全面调查，确保医疗保健领域的负责任景观。

探讨医学大型语言模型在医疗领域的应用和挑战，并提出解决方案。

通过逐步改进和优化通用语言模型，将其应用于医学领域，包括临床推理、知识图谱、检索增强生成、人类对齐和多模态学习等算法，以提高处理复杂医学环境的性能。

介绍了医学大型语言模型在临床决策支持、报告生成和医学教育等方面的广泛应用，强调了它们在改进医疗服务和患者结果方面的潜力。还讨论了确保公平性、责任、隐私和鲁棒性的挑战，并提出了未来研究的方向。

与此相关的研究包括《GPT-3: Language Models are Few-Shot Learners》、《BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding》等。