大模型在围术期医学中应用的前景  

Application prospect of large models in perioperative medicine

作　　者：易斌 刘祥 刘江[2] 陈芋文 王英伟 Yi Bin;Liu Xiang;Liu Jiang;Chen Yuwen;Wang Yingwei(Department of Anesthesiology,First Affiliated Hospital,Army Medical University(Third Military Medical University),Chongqing 400038,China;Chongqing Institute of Green Intelligence,Chinese Academy of Sciences,Chongqing 400700,China;Department of Anesthesiology,Huashan Hospital of Fudan University,Shanghai 200040,China)

机构地区：[1]陆军军医大学(第三军医大学)第一附属医院麻醉科,重庆400038 [2]中国科学院重庆绿色智能研究院,重庆400700 [3]复旦大学附属华山医院麻醉科,上海200040

出　　处：《中华麻醉学杂志》2023年第7期773-777,共5页Chinese Journal of Anesthesiology

基　　金：国家重点研发计划(2018yfc0116702)。

摘　　要：随着医疗信息化建设的不断加深和新型数字化医疗设备的广泛使用,医疗数据爆发性增长,围术期管理已迈入医疗大数据时代。越来越多的医疗数据被用于构建各种模型,以实现疾病的风险预警[1,2]、早期诊断[3]以及辅助医生决策[4],从而提升诊疗效率和安全性[5]。然而,围术期大数据存在"跨粒度、高维多模态、混合噪音高、同本体量纲迥异"等特点,基于常规规模机器学习所构建的风险预警和决策支持模型普遍存在准确性偏低、泛化性差等问题。

关 键 词：医疗数据 医疗大数据 机器学习 数字化医疗设备 泛化性 风险预警 决策支持模型 爆发性增长 

分 类 号：R619[医药卫生—外科学]