Hiljuti astusid Pekingi Union Medical College'i haigla ja Hiina Teaduste Akadeemia automatiseerimisinstituudi poolt ühiselt välja töötatud "Xiehe Taichu" haruldase patsiendi AI mudel, mis olid ametlikult kliinilise rakenduse etappi välja töötatud. Uurimisrühm peab võimalust tehisintellekti "illusioone" tõhusalt maha suruda kui ühte oma kolmest peamisest eelisest. Seotud aruanded näitavad, et traditsioonilised tehisintellekti mudelid annavad sageli andmete müra või teadmiste pimedate kohtade tõttu "illusioone", mis võivad hõlpsalt põhjustada ekslikke järeldusi. Integreerides autoriteetseid andmeid, värskendades teadmisi dünaamiliselt ja lisades jälgitavuse mehhanisme, surub "Concordia · Taichu" mudelis "illusioonide" esinemise tõhusalt maha ja suurendab kliiniliste otsuste tegemise usaldusväärsust.
Hallutsinatsioonide mahasurumiseks kasutame peamiselt lokaliseeritud kvaliteetseid andmekogumeid (näiteks reaalseid diagnoosimis- ja raviarvestust) ning suurt hulka käsitsi kinnitatud teadmiste aluseid (näiteks kliinilisi diagnoosimist ja ravijuhiseid, õpikuid ja avalikult saadaolevat teaduslikku kirjandust) mudeli peenhäälestamiseks. "Gong Mengchun selgitas", "selliste tehnikate abil nagu kiire sõnadehnika, tõhusad tõendusmaterjalid, jälitavuse kontrollimine, kriteeriumi kontrollimine jne rakendatakse mõtlemisprotsessis ning pidevalt pakutakse tagasisidet ja korrektsiooni. "Seda võib mõista kui AI -l õppida ainult" häid teadmisi "ja piirata arutluskäiku" piiri "või lisada" jälgitavuse "mehhanismi, et enne kliinilist rakendust pidevalt" haridust "muuta.
Asjakohaste professionaalsete asutuste avaldatud statistika kohaselt on Deepseek kasutusele võetud Hiina tipphaiglates. Mitmed haiglad, sealhulgas Fudani ülikooli, Ruijini haigla ja Shenzheni rahvahaiglaga seotud Huashani haigla, on alustanud ühiseid teadusuuringuid ja arendamist kodumaiste tehislike luureettevõtetega. Ristdistsiplinaarse integratsiooni ja dokkimise kaudu on nad kiirendanud meditsiinilise luure edendamise ja lahendanud "kitsaskoha" probleemi. Tööstusharu usub, et Deepseeki ainulaadse "hierarhiliste teadmiste destilleerimise" tehnoloogia kasutamine võib vähendada järeldusi ja arvutustekoormust keerukate meditsiiniliste stsenaariumide korral 30%.
Suur hulk mitmeliigiliste kliiniliste andmete põhjal kodu- ja välismaal põhinevaid uuringuid on kinnitanud, et tehisintellektitehnoloogia pakutavad kliinilised teadmised võivad ületada teadmisi ja füüsilisi sensoorseid piire, mida arstid saavad aru saada, pakkudes olulisi abistavaid arvamusi kliiniliste otsuste tegemiseks. Gong Mengchun ütles, et kui tegemist on AI esitatud uute tõendite ja kohtuotsuste osas, peaksime kasutama "ettevaatlikku kontrolli ja täielikku otsustusvõimet" suhtumist, ehitama multimodaalseid kliinilisi andmeinfrastruktuure, korrima kvaliteetsed järjekorrad ja kontrollima erinevaid andmepõhiseid meditsiinilisi avastusi. AI poolt antud kliiniliste tõendite integreerimine diagnoosimis- ja raviprotsessi multidistsiplinaarse diagnoosimise ja ravi (MDT) vormis patsientide teenindamiseks on üks peavoolu arengusuundumusi ülemaailmse meditsiinilise uuringu valdkonnas.
