這項(xiàng)由美國密蘇里州默西醫(yī)院內(nèi)分泌科的約翰遜·托馬斯（Johnson Thomas）博士領(lǐng)導(dǎo)的研究團(tuán)隊(duì)，聯(lián)合Starfishdata.ai、alignmentlab.ai和Solo Tech公司的專家共同完成。該研究發(fā)表于2025年，詳細(xì)探討了如何利用小型人工智能模型在瀏覽器中直接處理醫(yī)療轉(zhuǎn)錄，生成結(jié)構(gòu)化病歷。有興趣深入了解的讀者可以通過研究團(tuán)隊(duì)公開的數(shù)據(jù)集和模型訪問完整研究成果。

　　醫(yī)生們每天都在為一件事情頭疼不已：寫病歷。據(jù)統(tǒng)計(jì)，醫(yī)生們每天要花費(fèi)2個(gè)小時(shí)在各種文書工作上，這幾乎占據(jù)了他們一半的工作時(shí)間。每看一個(gè)病人1小時(shí)，就要花將近2小時(shí)來整理電子病歷系統(tǒng)中的各種記錄。這種情況就像是讓一個(gè)廚師花一半時(shí)間做菜，另一半時(shí)間寫菜譜和記錄用料一樣令人沮喪。

　　近年來，大型語言模型（就是類似ChatGPT這樣的AI系統(tǒng)）的出現(xiàn)給醫(yī)療文檔處理帶來了曙光。這些AI就像是智能的秘書，能夠聽懂醫(yī)生和病人的對(duì)話，然后自動(dòng)整理成規(guī)范的病歷。但是，現(xiàn)有的解決方案面臨著三個(gè)嚴(yán)重的問題。

　　首先是隱私問題。目前大多數(shù)AI系統(tǒng)都需要把病人的對(duì)話錄音上傳到云端服務(wù)器進(jìn)行處理，這就像是把病人的私密醫(yī)療信息交給了遠(yuǎn)程的陌生人處理。在美國，這樣的做法必須嚴(yán)格遵守HIPAA（健康保險(xiǎn)可攜帶性和問責(zé)法案）等法律法規(guī)，一旦發(fā)生數(shù)據(jù)泄露，后果不堪設(shè)想。

　　其次是成本問題。這些強(qiáng)大的AI系統(tǒng)需要昂貴的計(jì)算資源，通常需要按月付費(fèi)訂閱，對(duì)于小型診所來說這筆費(fèi)用相當(dāng)可觀。這就像是為了寫幾封信而雇傭一個(gè)全職秘書一樣不劃算。

　　最后是技術(shù)門檻問題。這些系統(tǒng)通常需要專業(yè)的技術(shù)人員來部署和維護(hù)，對(duì)于許多醫(yī)療機(jī)構(gòu)來說過于復(fù)雜。

　　面對(duì)這些挑戰(zhàn)，托馬斯博士的研究團(tuán)隊(duì)提出了一個(gè)創(chuàng)新的解決方案：開發(fā)一個(gè)能夠完全在瀏覽器中運(yùn)行的小型AI模型，專門用于醫(yī)療轉(zhuǎn)錄和病歷生成。這個(gè)方案的核心思想是小而精——雖然模型規(guī)模較小，但通過專門的訓(xùn)練，它能夠在保證隱私安全的前提下，在普通電腦的瀏覽器中直接處理醫(yī)療轉(zhuǎn)錄任務(wù)。

　　研究團(tuán)隊(duì)選擇了Meta公司開發(fā)的Llama 3.2 1B模型作為基礎(chǔ)。這個(gè)模型只有10億個(gè)參數(shù)，相比那些動(dòng)輒數(shù)千億參數(shù)的大型模型來說，它就像是一臺(tái)緊湊型汽車，雖然不如大型豪華車那樣功能全面，但足夠滿足日常通勤需求，而且更加經(jīng)濟(jì)實(shí)用。

　　為了讓這個(gè)通用的AI模型變成醫(yī)療專家，研究團(tuán)隊(duì)采用了一種叫做參數(shù)高效微調(diào)的技術(shù)，具體使用了LoRA（Low-Rank Adaptation）方法。這種方法就像是給一個(gè)通用工具箱添加專業(yè)工具一樣，不需要重新制造整個(gè)工具箱，只需要添加一些專PG電子通信門的工具就能讓它勝任特定的工作。

　　訓(xùn)練數(shù)據(jù)的準(zhǔn)備是這項(xiàng)研究的另一個(gè)重要環(huán)節(jié)。研究團(tuán)隊(duì)創(chuàng)建了1500對(duì)合成的醫(yī)療轉(zhuǎn)錄和對(duì)應(yīng)的結(jié)構(gòu)化病歷，這些數(shù)據(jù)主要聚焦于內(nèi)分泌科的病例。這個(gè)過程就像是為一個(gè)醫(yī)學(xué)生準(zhǔn)備教材，需要包含各種常見的病例、癥狀討論、治療方案和隨訪指導(dǎo)。

　　數(shù)據(jù)生成過程經(jīng)過了精心設(shè)計(jì)。研究團(tuán)隊(duì)首先創(chuàng)建了真實(shí)的內(nèi)分泌科咨詢?cè)掝}，涵蓋了常見的內(nèi)分泌疾病、癥狀、治療方法和生活方式討論。然后，他們?yōu)槊總€(gè)話題制定了詳細(xì)的背景描述，以確保生成的對(duì)話內(nèi)容準(zhǔn)確且相關(guān)。

　　接下來，研究團(tuán)隊(duì)使用高級(jí)的AI提示技術(shù)，生成了自然且真實(shí)的內(nèi)分泌科醫(yī)患對(duì)話。這些對(duì)話包含了實(shí)驗(yàn)室檢查結(jié)果、病情討論、用藥計(jì)劃和隨訪指導(dǎo)，同時(shí)還加入了真實(shí)對(duì)話中常見的打斷、澄清等自然語言特征。

　　為了確保數(shù)據(jù)質(zhì)量，每個(gè)生成的轉(zhuǎn)錄都經(jīng)過了自動(dòng)化的批評(píng)和修訂循環(huán)。系統(tǒng)會(huì)評(píng)估內(nèi)容的完整性、臨床相關(guān)性和真實(shí)性，并根據(jù)反饋進(jìn)行迭代改進(jìn)。最終，這些精心制作的轉(zhuǎn)錄被轉(zhuǎn)換成標(biāo)準(zhǔn)化的結(jié)構(gòu)化內(nèi)分泌科病歷。

　　特別值得一提的是，研究團(tuán)隊(duì)在擴(kuò)大數(shù)據(jù)集規(guī)模之前，先生成了20個(gè)樣本，并請(qǐng)內(nèi)分泌科專家進(jìn)行評(píng)估。只有在確認(rèn)這些樣本的醫(yī)學(xué)準(zhǔn)確性、臨床真實(shí)性和文檔標(biāo)準(zhǔn)符合專業(yè)要求后，他們才繼續(xù)生成完整的1500個(gè)樣本數(shù)據(jù)集。這種做法就像是在大規(guī)模生產(chǎn)前先制作樣品讓專家驗(yàn)收一樣謹(jǐn)慎。

　　為了全面評(píng)估模型的性能，研究團(tuán)隊(duì)設(shè)計(jì)了兩套不同的評(píng)估數(shù)據(jù)集。第一套是100個(gè)內(nèi)部評(píng)估數(shù)據(jù)集，包含合成的轉(zhuǎn)錄和結(jié)構(gòu)化病歷。第二套是修改后的ACI基準(zhǔn)測(cè)試，包含140個(gè)轉(zhuǎn)錄，這些轉(zhuǎn)錄的結(jié)構(gòu)化病歷格式經(jīng)過調(diào)整以匹配訓(xùn)練數(shù)據(jù)的格式。

　　評(píng)估方法也非常全面，包括了多個(gè)維度。在文本相似性方面，研究團(tuán)隊(duì)使用了ROUGE、BERTScore和BLEURT等指標(biāo)來衡量生成的病歷與參考病歷之間的相似度。這些指標(biāo)就像是不同角度的放大鏡，能夠從詞匯重疊、語義相似性和整體質(zhì)量等方面全面評(píng)估模型性能。

　　除了自動(dòng)化評(píng)估，研究團(tuán)隊(duì)還采用了AI評(píng)委的方法，使用GPT-4.1 mini對(duì)生成的病歷進(jìn)行全面的臨床質(zhì)量評(píng)估。這個(gè)評(píng)估涵蓋了事實(shí)正確性、完整性、臨床相關(guān)性、邏輯連貫性、否定檢測(cè)、術(shù)語準(zhǔn)確性、可讀性和整體質(zhì)量等多個(gè)維度，每個(gè)維度都使用1-5分的評(píng)分標(biāo)準(zhǔn)。

　　臨床安全性評(píng)估是這項(xiàng)研究的重中之重。研究團(tuán)隊(duì)特別關(guān)注了兩個(gè)關(guān)鍵指標(biāo)：幻覺（AI生成不存在的醫(yī)療信息）和遺漏（AI忽略了重要的醫(yī)療信息）。這些問題在醫(yī)療應(yīng)用中可能造成嚴(yán)重后果，因此研究團(tuán)隊(duì)將其分為輕微、中等和嚴(yán)重三個(gè)級(jí)別進(jìn)行詳細(xì)分析。

　　經(jīng)過精心的訓(xùn)練和優(yōu)化，研究團(tuán)隊(duì)開發(fā)的OnDevice模型在各項(xiàng)評(píng)估中都表現(xiàn)出了顯著的改進(jìn)。在ACI基準(zhǔn)測(cè)試中，ROUGE-1分?jǐn)?shù)從基礎(chǔ)模型的0.346提升到0.496，增長(zhǎng)了43.3%。ROUGE-2分?jǐn)?shù)更是從0.118提升到0.227，增長(zhǎng)了92.7%。這些數(shù)字意味著優(yōu)化后的模型生成的病歷在內(nèi)容覆蓋和準(zhǔn)確性方面都有了大幅提升。

　　在內(nèi)部評(píng)估數(shù)據(jù)集上，改進(jìn)效果更加明顯。ROUGE-1分?jǐn)?shù)從0.363提升到0.653，增長(zhǎng)了79.9%。ROUGE-2分?jǐn)?shù)從0.135提升到0.390，增長(zhǎng)了188.5%。BERTScore F1分?jǐn)?shù)也從0.827提升到0.907，這表明生成的病歷在語義理解方面有了顯著提升。

　　臨床質(zhì)量評(píng)估結(jié)果同樣令人鼓舞。在事實(shí)正確性方面，模型在ACI基準(zhǔn)測(cè)試中的得分從2.81提升到3.54，在內(nèi)部評(píng)估中從3.28提升到4.42。完整性評(píng)分也有類似的提升，從2.26提升到3.23（ACI基準(zhǔn)），從2.50提升到3.90（內(nèi)部評(píng)估）。這些改進(jìn)意味著優(yōu)化后的模型能夠生成更加準(zhǔn)確、完整的醫(yī)療記錄。

　　最重要的是，在臨床安全性方面，OnDevice模型表現(xiàn)出了顯著的改進(jìn)。嚴(yán)重幻覺的案例數(shù)從85個(gè)減少到35個(gè)，降低了58.8%。在內(nèi)部評(píng)估中，嚴(yán)重幻覺更是從33個(gè)減少到5個(gè)，降低了84.8%。嚴(yán)重遺漏的情況也得到了大幅改善，從107個(gè)減少到21個(gè)，降低了80.4%。在內(nèi)部評(píng)估中，嚴(yán)重遺漏幾乎完全消除，從71個(gè)減少到1個(gè)，降低了98.6%。

　　這些改進(jìn)數(shù)字的背后，反映的是模型在理解醫(yī)療語言和生成準(zhǔn)確病歷方面的顯著進(jìn)步。研究團(tuán)隊(duì)的方法證明了通過專門的訓(xùn)練，即使是較小的AI模型也能在特定領(lǐng)域達(dá)到很高的專業(yè)水準(zhǔn)。

　　研究團(tuán)隊(duì)還特別強(qiáng)調(diào)了他們方案的三個(gè)核心優(yōu)勢(shì)。首先是隱私保護(hù)。由于整個(gè)處理過程都在用戶的瀏覽器中完成，病人的醫(yī)療信息永遠(yuǎn)不會(huì)離開本地設(shè)備，這就像是在自己家里處理機(jī)密文件一樣安全。這種方法完全符合HIPAA等隱私法規(guī)的要求，為醫(yī)療機(jī)構(gòu)提供了完全的數(shù)據(jù)主權(quán)。

　　其次是成本效益。傳統(tǒng)的云端AI服務(wù)需要持續(xù)的訂閱費(fèi)用，而這個(gè)方案一旦部署就可以無限期使用，不需要額外的運(yùn)營成本。這就像是購買一臺(tái)設(shè)備而不是租用服務(wù)，長(zhǎng)期來看更加經(jīng)濟(jì)實(shí)用。

　　第三是可及性。這個(gè)方案不需要專業(yè)的技術(shù)人員來部署和維護(hù)，普通的醫(yī)療機(jī)構(gòu)只需要一臺(tái)能夠運(yùn)行現(xiàn)代瀏覽器的電腦就可以使用。這大大降低了技術(shù)門檻，讓更多的醫(yī)療機(jī)構(gòu)能夠享受到AI技術(shù)帶來的便利。

　　當(dāng)然，這項(xiàng)研究也存在一些局限性。首先，評(píng)估主要集中在內(nèi)分泌科病例上，對(duì)其他醫(yī)學(xué)?？频倪m用性還需要進(jìn)一步驗(yàn)證。其次，雖然1500個(gè)訓(xùn)練樣本對(duì)于參數(shù)高效微調(diào)來說已經(jīng)足夠，但可能限制了模型接觸更多樣化臨床場(chǎng)景的機(jī)會(huì)。此外，盡管LLM評(píng)委評(píng)估很全面，但可能無法捕捉到人類臨床醫(yī)生才能察覺的所有實(shí)用性方面。最后，評(píng)估是在精心準(zhǔn)備的數(shù)據(jù)集上進(jìn)行的，可能無法完全反映真實(shí)臨床轉(zhuǎn)錄環(huán)境的挑戰(zhàn)。

　　研究團(tuán)隊(duì)為了確保研究的可重復(fù)性和推廣性，已經(jīng)將評(píng)估代碼、GPT-4.1評(píng)委的提示詞以及所有相關(guān)資源公開發(fā)布。這種開放的態(tài)度為其他研究者復(fù)制和改進(jìn)這項(xiàng)工作提供了便利。

　　展望未來，研究團(tuán)隊(duì)指出了幾個(gè)重要的發(fā)展方向。首先是將評(píng)估擴(kuò)展到多個(gè)醫(yī)學(xué)?？?，以評(píng)估模型在內(nèi)分泌科以外的泛化能力。其次是進(jìn)行真實(shí)臨床環(huán)境的試驗(yàn)，讓執(zhí)業(yè)醫(yī)師實(shí)際使用這個(gè)系統(tǒng)，從而獲得對(duì)實(shí)用性和工作流程整合挑戰(zhàn)的重要洞察。最后是開發(fā)持續(xù)學(xué)習(xí)框架，使模型能夠根據(jù)臨床反饋不斷改進(jìn)，同時(shí)保持病人隱私。

　　這項(xiàng)研究的意義不僅僅在于技術(shù)創(chuàng)新，更在于它為醫(yī)療AI的發(fā)展指出了一條可行的道路。通過證明小型化、專業(yè)化的AI模型可以在保證隱私安全的前提下實(shí)現(xiàn)高質(zhì)量的醫(yī)療文檔處理，這項(xiàng)工作為醫(yī)療AI的普及和應(yīng)用奠定了重要基礎(chǔ)。

　　研究團(tuán)隊(duì)已經(jīng)將完整的模型、訓(xùn)練數(shù)據(jù)、評(píng)估框架和基于瀏覽器的部署軟件開源發(fā)布，為更廣泛的應(yīng)用和進(jìn)一步研究提供了基礎(chǔ)。這種開放的做法體現(xiàn)了科學(xué)研究的共享精神，也為隱私保護(hù)、設(shè)備端AI在醫(yī)療工作流程中的應(yīng)用提供了重要參考。

　　說到底，這項(xiàng)研究解決的是一個(gè)非常實(shí)際的問題：如何讓AI技術(shù)真正服務(wù)于醫(yī)療實(shí)踐，而不是成為另一個(gè)技術(shù)負(fù)擔(dān)。通過開發(fā)一個(gè)能夠在普通瀏覽器中運(yùn)行的專業(yè)醫(yī)療AI助手，研究團(tuán)隊(duì)為減輕醫(yī)生的文書工作負(fù)擔(dān)、提高醫(yī)療效率、同時(shí)保護(hù)病人隱私提供了一個(gè)可行的解決方案。這種方法不僅技術(shù)上可行，經(jīng)濟(jì)上也更加可持續(xù)，為醫(yī)療AI的廣泛應(yīng)用開辟了新的道路。

　　歸根結(jié)底，這項(xiàng)研究證明了在醫(yī)療AI發(fā)展中，有時(shí)候小而精比大而全更有價(jià)值。通過專門的訓(xùn)練和優(yōu)化，即使是參數(shù)相對(duì)較少的AI模型也能夠在特定領(lǐng)域達(dá)到很高的專業(yè)水準(zhǔn)，同時(shí)避免了大型模型帶來的隱私、成本和部署復(fù)雜性問題。這為未來醫(yī)療AI的發(fā)展提供了重要的參考方向，也為其他需要隱私保護(hù)和本地部署的AI應(yīng)用場(chǎng)景提供了寶貴的經(jīng)驗(yàn)。

　　Q1：這個(gè)OnDevice模型能夠處理哪些類型的醫(yī)療記錄？ A：目前主要針對(duì)內(nèi)分泌科的醫(yī)療轉(zhuǎn)錄和病歷生成進(jìn)行了優(yōu)化，能夠處理常見的內(nèi)分泌疾病、癥狀討論、治療方案和隨訪指導(dǎo)。研究團(tuán)隊(duì)使用了1500個(gè)內(nèi)分泌科的醫(yī)患對(duì)話樣本進(jìn)行訓(xùn)練，雖然理論上可以適用于其他科室，但效果可能會(huì)有所不同。

　　Q2：在瀏覽器中運(yùn)行AI模型會(huì)不會(huì)很慢或者不穩(wěn)定？ A：研究團(tuán)隊(duì)選擇了只有10億參數(shù)的Llama 3.2 1B模型作為基礎(chǔ)，這個(gè)規(guī)模能夠在普通電腦的瀏覽器中穩(wěn)定運(yùn)行。通過參數(shù)高效微調(diào)技術(shù)，模型在保持較小體積的同時(shí)實(shí)現(xiàn)了專業(yè)化的性能。測(cè)試結(jié)果顯示，模型在文本相似性和臨床質(zhì)量評(píng)估方面都有顯著提升。

　　Q3：這個(gè)系統(tǒng)的隱私保護(hù)能力真的可靠嗎？ A：是的，這是該系統(tǒng)的核心優(yōu)勢(shì)之一。所有的數(shù)據(jù)處理都在用戶的瀏覽器中完成，病人的醫(yī)療信息永遠(yuǎn)不會(huì)上傳到云端服務(wù)器，完全符合HIPAA等隱私法規(guī)要求。這種本地處理方式為醫(yī)療機(jī)構(gòu)提供了完全的數(shù)據(jù)主權(quán)，避免了數(shù)據(jù)泄露的風(fēng)險(xiǎn)。