Foundation Model for Advancing Healthcare: Challenges, Opportunities, and Future Directions

基础模型是在广泛数据上进行预训练的，能够适应各种任务，正在推动医疗保健领域的发展。它促进了医疗人工智能模型的发展，打破了有限的人工智能模型和多样化的医疗实践之间的矛盾。更广泛的医疗场景将受益于医疗基础模型（HFM）的发展，提高其先进的智能医疗服务。尽管即将广泛部署HFM，但目前对它们在医疗领域的工作方式、当前面临的挑战以及未来发展方向缺乏清晰的理解。为了回答这些问题，本文对HFM的挑战、机遇和未来方向进行了全面深入的调查。首先，它对HFM进行了全面的概述，包括方法、数据和应用，以便快速了解当前的进展。然后，它深入探讨了在数据、算法和计算基础设施方面构建和广泛应用基础模型所面临的挑战。本调查还确定了这个领域未来发展的新兴和有前途的方向。我们相信，本调查将增强社区对HFM当前进展的理解，并为未来在这个领域的发展提供有价值的指导。最新的HFM论文和相关资源可以在我们的网站上找到：https://github.com/YutingHe-list/Awesome-Foundation-Models-for-Advancing-Healthcare。

本文旨在探讨医疗基础模型（HFM）的挑战、机遇和未来发展方向。当前，HFM在医疗领域的工作原理、挑战和未来方向还不够清晰。

本文首先对HFM的方法、数据和应用进行了全面概述，接着深入探讨了在构建和推广基础模型在医疗领域中存在的数据、算法和计算基础设施方面的挑战。最后，本文还提出了未来HFM发展的新方向和前景。

本文的亮点包括全面的HFM概述、深入的挑战探讨、未来发展方向的探索以及提供了相关资源和代码。实验使用的数据集和开源代码均提供在作者的GitHub网站上。

近期在该领域的相关研究包括《医疗人工智能的机遇和挑战》、《基于深度学习的医疗图像识别》、《医疗图像分析中的深度学习方法》等。