說起 AI+醫(yī)療，很多人第一反應(yīng)是：會不會不靠譜？

然而，現(xiàn)在的 AI，已經(jīng)具備考醫(yī)生正高級職稱的能力了。

7月23日，夸克健康大模型成功通過了中國 12 門核心學(xué)科（ 包括全科醫(yī)學(xué)、普通內(nèi)科學(xué)等 ）的主任醫(yī)師（ 正高級職稱 ）筆試評測，成為國內(nèi)首個(gè)完成這一挑戰(zhàn)的大模型。

在醫(yī)療資源分布不均、全科醫(yī)生供給仍顯不足的背景下，如何借助科技手段緩解基層壓力、提升初診效率，一直是當(dāng)前行業(yè)關(guān)注的焦點(diǎn)。

《 中國全科醫(yī)生培養(yǎng)和使用發(fā)展報(bào)告（ 2022 ）》統(tǒng)計(jì)顯示，截至 2022 年，我國全國全科醫(yī)生數(shù)量約 46 萬人，人均配置僅為每萬人口 3.3 名，距離 2030 年 “ 5 名每萬人 ” 的目標(biāo)仍有顯著差距。

資源壓力催生出對可信的醫(yī)療智能系統(tǒng)的迫切需求，各個(gè)廠商紛紛入局，夸克也是其中之一。

武漢大學(xué)人民醫(yī)院腫瘤中心副主任醫(yī)師汪晶對此事評價(jià)道：“ 不管是對醫(yī)生還是患者來說，這種幫助都是一個(gè)非常大的進(jìn)步 ”。

一方面，大模型能有效改善盲目就醫(yī)現(xiàn)象，另一方面，也能提高醫(yī)療資源的匹配精準(zhǔn)度。這使得大眾能更早期發(fā)現(xiàn)病因，也會有助于減少醫(yī)院漏診、誤診的情況。

為了更深入了解相關(guān)細(xì)節(jié)，知危就行業(yè)和技術(shù)兩個(gè)層面與夸克團(tuán)隊(duì)進(jìn)行了交流。

以下是知危與夸克專家團(tuán)隊(duì)的對話內(nèi)容，經(jīng)過了不改變原意的編輯。

知危：即便評測中夸克健康大模型各項(xiàng)能力已經(jīng)是最強(qiáng)，但距離 100% 準(zhǔn)確率還很遠(yuǎn)，特別是高級職稱醫(yī)生級別的問題。在這個(gè)準(zhǔn)確率下將其投入 C 端應(yīng)用，如何保證內(nèi)容質(zhì)量和安全性？

夸克：一個(gè)可供參考的角度是，在實(shí)際主任醫(yī)師職稱考試中，擁有多年經(jīng)驗(yàn)的醫(yī)生的通過率在 60% 左右?？淇私】荡竽Ｐ椭魅吾t(yī)師考試測試中正確率為 67.7% 。

為保障內(nèi)容質(zhì)量，我們建立了龐大的專家標(biāo)注運(yùn)營體系，擁有 10 名三級醫(yī)院主治醫(yī)師以上專職醫(yī)師和簽約合作的 400 余名三甲醫(yī)院副主任醫(yī)師以上專家。他們會嚴(yán)格按照真實(shí)診療場景定義樣本構(gòu)建策略，進(jìn)行多層次審核與質(zhì)檢，確保訓(xùn)練數(shù)據(jù)和模型輸出的專業(yè)性和規(guī)范性。此外，模型內(nèi)部通過一致性驗(yàn)證器校驗(yàn)推理路徑與答案的一致性，并有 “ 對抗作弊 ” 機(jī)制，盡可能避免模型生成誤導(dǎo)性內(nèi)容。

知危：據(jù)稱 “ 夸克健康大模型實(shí)現(xiàn)了從初級到副高級職稱的兩級跳 ”，請問初級醫(yī)生和副高級職稱、高級職稱醫(yī)生分別需要哪些關(guān)鍵維度的能力？

夸克：夸克健康大模型在職稱考試中能力的躍升，體現(xiàn)了醫(yī)生不同層級所需的關(guān)鍵能力遞進(jìn)。

初級醫(yī)生： 核心是基礎(chǔ)醫(yī)學(xué)知識的廣度與準(zhǔn)確性，能正確解答常規(guī)疾病的單選題，掌握標(biāo)準(zhǔn)化診療流程?？荚囈詥芜x題為主，案例分析占比較低。

副高級職稱醫(yī)生： 要求更強(qiáng)的專業(yè)知識深度、多選判斷和初步案例分析能力。需清晰把握正確邊界，應(yīng)對多選題比重攀升。

高級職稱醫(yī)生： 需具備卓越的綜合知識、高難度多選題判斷及深度臨床推理與綜合分析能力?？荚囍卸噙x題和案例分析題比重極高，對模型在“慢思考”下結(jié)合綜合知識解決細(xì)微辯證問題的能力提出極高要求。

大模型本質(zhì)是概率模型，概率模型做單選題的時(shí)候相對容易，因?yàn)橹灰尨竽Ｐ瓦x擇概率最大的選項(xiàng)當(dāng)作正確答案就可以。

但是多選題很不一樣，不單需要模型知道各個(gè)選項(xiàng)的概率，還需要知道多大的概率可以達(dá)到正確性的邊界，所以在多選題上，模型對正確答案穩(wěn)定的邊界需要非常清楚，否則容易選漏或選錯(cuò)，甚至答不全。為解決這一難題，需要非常重視正確性對齊的技術(shù)。

夸克大模型在多選題和案例分析題上的表現(xiàn)遠(yuǎn)超通用模型，是 “ 慢思考 ” 深度推理能力和正確性對齊技術(shù)的體現(xiàn)。

知危：你們在醫(yī)療、健康相關(guān)搜索中索引來源是否包括了內(nèi)部知識庫和外部來源？如果有外部來源，這些內(nèi)容如何保證質(zhì)量？內(nèi)部和外部來源都允許用戶進(jìn)行來源驗(yàn)證嗎？

夸克：夸克健康大模型在搜索中融合了內(nèi)部構(gòu)建的百萬級醫(yī)學(xué)知識圖譜、術(shù)語集與四大類外部權(quán)威資料，包括網(wǎng)頁數(shù)據(jù)、書籍、指南、藥品說明書、中英文文獻(xiàn)及公開病歷數(shù)據(jù)。

為保證外部內(nèi)容質(zhì)量，我們建立了 A-D 分級且細(xì)分 5-9 級的循證體系，依據(jù)出版時(shí)間、出版社權(quán)威性及臨床研究證據(jù)（ 如 PubMed、臨床試驗(yàn)數(shù)據(jù)庫 ）對知識進(jìn)行優(yōu)先級排序和沖突消解。

模型采用 “ 邊想邊搜 ” 機(jī)制，在輸出答案時(shí)會針對每個(gè)觀點(diǎn)給出依據(jù)來源，方便用戶進(jìn)行論證和驗(yàn)證，確保信息的透明度和可信度。

知危：你們建立了很龐大的專家標(biāo)注運(yùn)營體系，這對于數(shù)據(jù)質(zhì)量和規(guī)模特別重要，也是醫(yī)療

AI 領(lǐng)域的痛點(diǎn)，請問你們團(tuán)隊(duì)如何實(shí)現(xiàn)這一點(diǎn)，在合作對象篩選上有什么原則？

夸克：我們組建了醫(yī)學(xué)運(yùn)營團(tuán)隊(duì)，與超 400 位權(quán)威專家和 1000 余位專職醫(yī)生共建知識庫。合作標(biāo)準(zhǔn)以專業(yè)背景、臨床經(jīng)驗(yàn)和數(shù)據(jù)處理能力為核心，優(yōu)先選擇三甲醫(yī)院資深醫(yī)生及具備科研能力的專家，確保數(shù)據(jù)專業(yè)度與一致性。

知危：過程獎勵(lì)設(shè)計(jì)和分配在學(xué)術(shù)、工程領(lǐng)域還是普遍的難題，夸克健康大模型的技術(shù)報(bào)告中講解了相關(guān)的方法，可否補(bǔ)充說明一下當(dāng)前方案的合理性和研發(fā)過程的關(guān)鍵點(diǎn)？

夸克：過程獎勵(lì)是構(gòu)建高可信推理模型的關(guān)鍵?？淇私】荡竽Ｐ偷暮侠硇栽谟谟?xùn)練 AI 學(xué)會整體的診療思維。為此，我們團(tuán)隊(duì)構(gòu)建了獨(dú)特的 “ 可驗(yàn)證強(qiáng)化學(xué)習(xí)范式 ”，通過 “ 假定模型 ” 提供過程反饋，引導(dǎo)模型形成符合臨床規(guī)范的安全思維鏈。

研發(fā)關(guān)鍵點(diǎn)在于：

• 構(gòu)建符合臨床思維的高質(zhì)量思維鏈數(shù)據(jù)；
• 引入一致性驗(yàn)證器模型二次校驗(yàn)推理與答案一致性；
• 有效對抗模型在訓(xùn)練中的 “ 作弊 ” 行為，即模型生成結(jié)構(gòu)合理但本質(zhì)錯(cuò)誤或欺騙性的推理過程?？淇送ㄟ^人工標(biāo)注負(fù)面案例和迭代訓(xùn)練驗(yàn)證器，逐步壓縮模型 “ 作弊 ” 空間。

當(dāng)然，思考思維和真實(shí)醫(yī)生的能力對齊還需要一個(gè)過程。以及在復(fù)雜的延續(xù)性情景，也還需要做對齊，比如不僅要能處理病人的診斷和治療，在病情發(fā)生細(xì)微變化的時(shí)候，模型要獲取微變化的邏輯，并進(jìn)行合理決策。

知危：合成數(shù)據(jù)的應(yīng)用目前看已越來越成為共識，包括醫(yī)療行業(yè)和其它許多領(lǐng)域，請問大規(guī)模使用合成數(shù)據(jù)為夸克健康大模型研發(fā)帶來了多大的降本提效作用？

夸克：確實(shí)有顯著的降本提效作用。醫(yī)療數(shù)據(jù)高度稀缺且人工標(biāo)注成本極高。我們通過利用 SOTA LLM 生成原始思考數(shù)據(jù)（ CoT ），并結(jié)合多階段訓(xùn)練中的篩選機(jī)制，極大緩解了醫(yī)療數(shù)據(jù)人工標(biāo)注的成本。

合成數(shù)據(jù)系統(tǒng)能規(guī)?；蓸颖?，使專家精力更集中于處理核心痛點(diǎn)數(shù)據(jù)（ 如冷啟標(biāo)注、關(guān)鍵可驗(yàn)證數(shù)據(jù) ），提升整體數(shù)據(jù)生產(chǎn)效率。

另一方面，合成數(shù)據(jù)的使用對模型訓(xùn)練也有其必要性。舉一個(gè)例子，醫(yī)療專業(yè)資料里有很多圖和表，大量信息涵蓋在表格里，但表格對訓(xùn)練來說相對不是那么友好，所以需要進(jìn)行一些數(shù)據(jù)合成，把通順的自然語言匯入到底模里。

知危：夸克健康大模型的循證等級劃分體系，看起來是一個(gè)很

嚴(yán)謹(jǐn)有序的質(zhì)量驗(yàn)證體系，請問如何理解目前確立的循證等級的合理性？

夸克：其合理性在于對傳統(tǒng)循證醫(yī)學(xué)原則的創(chuàng)新性適應(yīng)與拓展。

傳統(tǒng)的循證醫(yī)學(xué)標(biāo)準(zhǔn)（ 如系統(tǒng)評價(jià)到未形成共識的實(shí)驗(yàn) ）雖嚴(yán)謹(jǐn)，但難以直接覆蓋如 WHO 資料、專業(yè)書籍等 “ 表外 ” 且非結(jié)構(gòu)化的權(quán)威醫(yī)學(xué)內(nèi)容。

為此，我們團(tuán)隊(duì)對其進(jìn)行了 “ 影射 ”，重新劃分為 ABCD 四個(gè)大等級，并進(jìn)一步細(xì)分為 5-9 個(gè)子級別。這一多層級體系的核心目的在于：

• 沖突知識的精準(zhǔn)判別： 當(dāng)模型遇到相互沖突的知識時(shí)，該分級體系能指導(dǎo)模型根據(jù)知識來源的循證等級，優(yōu)先采納最權(quán)威、最可靠的信息，確保輸出結(jié)論的醫(yī)學(xué)嚴(yán)謹(jǐn)性。
• 強(qiáng)調(diào)權(quán)威性與時(shí)效性： 體系高度關(guān)注知識的 “ 權(quán)威性 ” 和 “ 時(shí)效性 ”。例如，在檢索不同年份的診療指南（ 如 2024 年與 2022 年的高血壓指南 ）時(shí)，模型會明確優(yōu)先使用最新且更具權(quán)威性的版本，這對于快速迭代的醫(yī)學(xué)知識至關(guān)重要。
• 保障內(nèi)容生產(chǎn)質(zhì)量： 這一體系也是大規(guī)模 AIGC 科普內(nèi)容準(zhǔn)確性的底層保障。它確保了模型在生成個(gè)性化健康科普內(nèi)容時(shí)，其背后引用的知識是經(jīng)過嚴(yán)格循證、具備高可信度的。

這套體系保障了夸克健康大模型所輸出內(nèi)容的權(quán)威性、及時(shí)性和準(zhǔn)確性，是其 “ 正確性對齊 ” 技術(shù)策略的核心組成部分。

內(nèi)容質(zhì)量對醫(yī)療領(lǐng)域的重要性不言而喻，實(shí)際上我們觀察到，很多通用大模型在輸出藥品相關(guān)用法的時(shí)候，錯(cuò)誤非常分散并且非常細(xì)微。很多模型經(jīng)常把藥品名字輸錯(cuò)，在某些情況下可能是致命的。比如孕婦發(fā)燒的時(shí)候，能否吃布洛芬？有些模型就會回答是能吃的。但實(shí)際上，布洛芬在 FDA 的等級是 C 類，這種情況下應(yīng)該禁用。

知危：當(dāng)前版本除了圖片，沒有引入對更多多模態(tài)信息（ 比如聲音、面部表情等 ）的處理，背后的原因是什么？未來是否有相關(guān)規(guī)劃？

夸克：夸克健康大模型目前支持語音轉(zhuǎn)文本后作為輸入，目前還不支持語音作為直接輸入。文本和圖像在醫(yī)療數(shù)據(jù)中更為主流且標(biāo)準(zhǔn)化。

其他模態(tài)在診斷可靠性、標(biāo)準(zhǔn)化及技術(shù)成熟度上仍面臨挑戰(zhàn)，整個(gè)行業(yè)都在持續(xù)推動多模態(tài)在醫(yī)療領(lǐng)域的探索，我們也將繼續(xù)努力。

（ 對話全文完 ）