本篇综述回顾了人工通用智能模型在医疗保健中的潜在应用，重点关注了基于大型自然语言模型、大型视觉模型和大型多模态模型的基础，强调了整合临床专业知识、领域知识和多模态能力到人工通用智能模型中的重要性，并阐述了指导医疗保健人工通用智能模型开发和部署的关键路线图，提供了有关在医疗领域部署大规模人工通用智能模型所面临的潜在挑战和风险的关键观点。该综述旨在为人工通用智能在医学影像、医疗保健及其他领域的未来可能应用提供启示。

Jun, 2023

本文为大规模 AI 模型在健康信息学中的应用提供了全面的综述，提出了大 AI 模型适用的七个关键领域和面临的挑战，并讨论了它们在未来方向和转化健康信息学领域的潜力和可能面临的风险。

Mar, 2023

机器学习在医疗人工智能系统中的应用，从传统和统计方法转向深度学习模型甚至最近的生成模型。近年来，发现了支持多模态数据集成的广泛可用的深度学习架构，尤其是针对图像的。将多种模态融入到这些模型中是一个蓬勃发展的研究课题，提出了独特的挑战。本文讨论了针对医学基于图像的临床决策支持模型的多模态人工智能的五大挑战（表示、融合、对齐、翻译和协同学习），并调查了近期解决这些挑战的方法。我们最后讨论了该领域的未来，并提出了在成功的临床模型及其在临床环境中的转化方面应进一步阐明的方向。

Nov, 2023

该研究综述了语言模型在医学成像领域中的应用，重点介绍了不同应用，如图像字幕、报告生成、报告分类、查找提取、视觉问答、可解释性诊断等，并探讨了语言模型在医学影像分析中的潜在优点，包括提高临床工作流程效率、降低诊断错误、协助医疗保健专业人员提供及时准确的诊断。

Apr, 2023

利用生成性人工智能进行医学图像的放射学报告撰写可极大地减少了时间成本和错误率。本研究中，我们提出了一个简单而有效的两阶段微调方案，通过软性视觉提示将视觉特征与大型语言模型的文本嵌入空间对齐。我们的框架在没有领域特定预训练的情况下取得了最先进的性能，并对软性视觉提示和注意力机制进行了详细分析，为未来的研究方向提供了启示。

Dec, 2023

本研究探讨了大型语言模型，如 OpenAI ChatGPT 在医学成像方面的变革潜力。通过公共数据辅助，这些模型增强了放射科医生的解释技能，提高患者与医生之间的沟通，并简化了临床工作流程。本文提出了一个分析框架，解释了 LLMs 与医学成像利益相关者（包括企业、保险机构、政府、研究机构和医院）之间的复杂相互作用，通过详细分析、实例应用和探讨其广泛影响及未来方向，旨在引发就 AI 助力医疗保健的战略规划和决策的讨论。

Jun, 2023

医疗影像科室面临日益增长的需求对放射科医生准时准确提交报告的压力。最近人工智能技术的进步已展示出自动生成放射学报告（ARRG）的巨大潜力，引发了大量研究。该调查论文通过方法学评审对当代 ARRG 方法进行了回顾，包括：评估基于特征（如可用性、大小和采用率）的数据集，研究深度学习训练方法（如对比学习和强化学习），探索先进的模型架构（包括 CNN 和 Transformer 模型的变种），通过多模态输入和知识图谱集成临床知识的技术，以及审查常用的 NLP 评估指标和定性临床审查的当前模型评估技术。此外，还分析了审查模型的定量结果，检查了表现最佳的模型以寻求进一步的见解。最后，强调了潜在的新方向，预测将采用其他放射学模态的附加数据集和改进的评估方法作为未来发展的重要领域。

May, 2024

通过深度学习方法，欧州央行会公布最新的 Automatic radiology report generation 的方法，并且总结了该领域内多模态数据获取、数据融合等关键技术的发展，并为进一步研究提供了详尽的信息。

May, 2024

人工智能在医疗保健领域产生了显著影响，特别是通过生成模型在医学图像生成、数据分析和诊断方面的应用。这篇文章探讨了生成模型在智能医疗设备中的应用，以提升诊断速度和准确性，改善医疗服务质量和效率并降低设备成本，实现了医学图像生成、数据分析和诊断的突破。此外，将生成模型与物联网技术结合，可以实现实时数据分析和预测，提供更智能的医疗服务，帮助远程医疗。挑战包括计算需求、伦理关注和特定场景的限制。

Jun, 2024

AI 在生物医学领域的应用包括使用大型语言模型来处理生物医学数据，如文本数据、生物序列和脑信号，并面临着可信性、个性化和多模态数据表示等挑战。

Mar, 2024