Towards Generalist Biomedical AI

T Tu, S Azizi, D Driess, M Schaekermann, M Amin, P Chang, A Carroll, C Lau...
[Google Research & Google DeepMind]

全科生物医学AI研究

  • 动机：医学是一种本质上多模态的学科，包含丰富的文本、影像、基因组等数据。灵活地编码、整合和解释这些数据的全科生物医学人工智能(AI)系统可以潜在地实现从科学发现到医疗服务的重要应用。

  • 方法：首先创建了一个全新的多模态生物医学基准数据集MultiMedBench，该数据集包括医学问答、乳腺和皮肤病理影像解读、放射科报告生成和总结以及基因变异调用等14种多样性任务。介绍了概念验证系统Med-PaLM Multimodal(Med-PaLM M)，一个大型的多模态生成模型，可以灵活地编码和解释包括临床语言、影像和基因组在内的生物医学数据。

  • 优势：Med-PaLM M在所有MultiMedBench任务中的性能均与最先进的技术相当或超过最先进的技术，往往大幅度超过专家模型。此外，还报道了对新的医学概念和任务的零样本泛化、任务间的积极迁移学习以及出现的零样本医学推理的例子。

提出一个可以灵活处理和解释生物医学数据的全科生物医学AI系统--Med-PaLM Multimodal，这是一个突破，有望使医疗服务更具影响力。

https://arxiv.org/abs/2307.14334 


图片图片
图片

内容中包含的图片若涉及版权问题，请及时与我们联系删除