那你需要考虑患者输入信息是否可信的问题，LLM等机器学习模型训练的一个准则是人类不会说谎，但是患者经常说谎 
得看怎么处理这个问题了。
针对医生那边的，感觉你说的和现在高校+医院合作的科研项目没什么区别啊，便于决策是说由LLM来提供医疗建议吗？我觉得这个风险太高了吧，因为心理学上人是会偏向于相信自己见到的，LLM生成的文字也不例外（可见《思考，快与慢》眼见为实偏见），如果出现了误诊等，就很麻烦。
还有上下文的问题，会不会丢信息等等，因为病历等一般都不短。
我做的方向和CV有关，据我个人浅显了解，医学影像那边针对于超高分辨率的图像其实处理还是有挺多问题的（切patch/不足的感受野等等导致的分割错误 etc），即使是这种专家模型也很困难，我会比较质疑LLM对于疾病诊断的能力，或许在完全了解病情别结合手册后能给出一般的病症，但是这个“完全了解”本身就是最大的问题，就跟做检查一样，到底要做多少才能确诊
3 Likes
我对目前体系培养的不太有信心，生怕新来的直接无脑了(
引用一下：
【新闻出处】：综合《南方都市报》、中国新闻网、深圳卫视《科创最前沿》等官方媒体在 2026年1月 的集中报道。当时张文宏是在香港高山书院论坛上发表的演讲。
【原文段落】：
“在我们医院，我拒绝把AI引入病历系统。”
“现在要从实习医生、住院医生，再到我（这个岗位），它一下进来后，（年轻医生）对疾病的诊断，没有经过系统的训练，马上通过AI得出结论……造成什么问题？（年轻医生）没有经过系统的训练，就不能鉴别AI是对还是错。”
“我自己也会使用AI……但是我一般看一眼就知道（AI）哪里是错的，（年轻医生会不会被误导）取决于你的能力是不是强过这个AI。”
【新闻出处】：2026年3月 全国两会期间，张文宏作为全国政协委员接受《澎湃新闻》等媒体的专访。
【原文段落】：
“AI可以作为医生的‘第二意见’或‘风险提示’工具，但不具备直接向患者输出最终诊断结论的角色。”
“AI应成为赋能基层医生、推动分级诊疗落地的利器，而非患者手中不可控的‘听诊器’。要始终坚持‘医生主导、AI辅助’的原则。”
“不能离开人的操作，不能把生命健康直接交给AI来处理。”
2 Likes
别的不知道，CV这一块医院内部的数据难搞是最大的问题
1 Like
这就是需要人类的地方了(毕竟患者说空腹，你得旁敲侧击确认是真空了而不是我吃了我认为吃了也等于空腹的）
这不是蚂蚁阿福们在做的吗，而且他们都列出一堆法条证明自己的隐私保护能力(
临床博士在读，已经在考虑未来医工交叉的方向了，纯临床的上限太低，现在是小医生不可能爬上去的时代。
1 Like
联邦学习中的投毒攻击检测和数据异构缓解在医疗上有什么可以应用的场景呢？
感觉得大厂做，然后被采购
数据难获取还是难处理？
用未经训练过的大模型直接做诊断，肯定会有问题。我们做的很多工作也是和科研相关的。目前更多的方法是训练单独的智能体用于解决专科的疾病问题
至于患者说谎的问题，如果纳入客观的指标，一般还好。
AI肯定不能代替医生，毕竟最后要有人担责。
现阶段跨医疗机构的多中心合作，以联邦学习的名义跑通流程的非常少见，大部分还是把数据物理汇集后统一建模。如果能把联邦学习作为一种标准的研究范式，价值非常高。再结合后续的数据异构缓解，对模型效果提升很有帮助。
想转就尽快。虽然现在AI赛道也比较卷，但是比做基础还是好很多。
我是病理科的，我们科室之前想换一套全新的病理工作站系统。我去和信息科的人对接，想办法开放端口啥的。那叫一个真实费劲啊。演示的时候，工作站这也行那也行，到落地了，信息科那边说这个接口没有那个接口没有。最后工作站用起来只是老工作站换了套ui。ai这种需要大量上下文的场景，可太难办了。
1 Like
效率低，确实比较难办
还得是主任去沟通，跟信息科主任去沟通。我们这种小喽喽完全没得用
现在AI+医学的交叉很卷，如果是医学生的话走数据为主的路线更好。
那你愿意给我投票吗？
说实话，医疗行业里面就不只是技术问题了。
很多客观现实问题。
在 LLM 出现之前就已经有很多 CV、NLP 相关项目落地医院了吧