No fa gaire, el model AI de pacients rars "Xiehe Taichu" desenvolupat conjuntament per Peking Union Medical College Hospital i l'Institut d'Automatització de l'Acadèmia de Ciències Xineses va entrar oficialment a la fase d'aplicació clínica. L’equip d’investigació considera la capacitat de suprimir eficaçment les “il·lusions” d’intel·ligència artificial com un dels seus tres avantatges bàsics. Els informes relacionats mostren que els models d’intel·ligència artificial tradicionals sovint produeixen “il·lusions” a causa del soroll de les dades o els punts cecs de coneixement, cosa que pot conduir fàcilment a inferències errònies. En integrar dades autoritàries, actualitzar dinàmicament el coneixement i afegir mecanismes de traçabilitat, "Concordia · Taichu" suprimeix eficaçment l'aparició de "il·lusions" en el model i millora la credibilitat de la presa de decisions clíniques.
Per suprimir les “al·lucinacions”, utilitzem principalment conjunts de dades localitzats d’alta qualitat (com ara diagnòstic reals i registres de tractament) i un gran nombre de bases de coneixement validades manualment (com ara el diagnòstic clínic i les directrius de tractament, els llibres de text i la literatura científica disponible públicament) per a un model d’ajustament. "Gong Mengchun va explicar," a través de tècniques com l'enginyeria de paraules ràpides, el suport eficaç de l'evidència, la verificació de traçabilitat, la verificació de criteris, etc. s'apliquen en el procés de raonament i es proporcionen contínuament la retroalimentació i la correcció. "Això es pot entendre que permet a l'AI aprendre només" bon coneixement "i limitar el" límit "del raonament o afegir un mecanisme de" traçabilitat "per revisar contínuament l'educació" abans de l'aplicació clínica.
Segons les estadístiques publicades per institucions professionals rellevants, DeepSeek s'ha desplegat als hospitals de primer nivell de la Xina. Diversos hospitals, entre els quals hi ha l'Hospital Huashan, afiliat a la Fudan University, l'Hospital Ruijin i l'Hospital Popular de Shenzhen, han iniciat investigacions i desenvolupament conjunts amb empreses d'intel·ligència artificial domèstica més importants. Mitjançant la integració disciplinària i l’atracament, han accelerat la promoció de la intel·ligència mèdica i han resolt el problema de “coll d’ampolla”. La indústria creu que l’ús de la tecnologia única de “destil·lació de coneixement jeràrquic” de DeepSeek pot reduir el 30%la càrrega de treball d’inferència i de càlcul en escenaris mèdics complexos.
Una gran quantitat d’investigacions basades en dades clíniques multimodals a casa i a l’estranger han confirmat que les visions clíniques proporcionades per la tecnologia d’intel·ligència artificial poden superar el coneixement i els límits sensorials físics que els metges poden comprendre, proporcionant opinions auxiliars importants per a la presa de decisions clíniques. Gong Mengchun va dir que quan es tracta de noves evidències i judicis proporcionats per IA, hauríem d’adoptar una actitud de “verificació prudent i judici complet”, construir una infraestructura de dades clíniques multimodals, ordenar les cues d’alta qualitat i verificar diversos descobriments mèdics impulsats per dades. La integració de les evidències clíniques proporcionades per la IA en el procés de diagnòstic i tractament en forma de diagnòstic i tractament multidisciplinaris (MDT) per atendre els pacients és una de les tendències principals de desenvolupament en el camp de recerca mèdica global.
