佛罗里达大学（University of Florida）和英伟达（NVIDIA）的研究职员配合开发的一种新的人工智能盘算机程序可以很好地天生医生的条记，以至于两名医生都无法区分出其中的区别。
在这项看法验证研究中，医生审查了病人的条记——一些是由真正的医生写的，而另一些是由新的人工智能程序建设的——医生识别出准确作者的准确率只有49%。
来自英伟达和佛罗里达大学的19名研究职员组成的团队体现，他们的研究效果揭晓在杂志《npj Digital Medicine》上，为人工智能以突破性的效率支持医护职员翻开了大门。
图片信息：这些段落 引用了两个病人的案例，一个是人类写的，一个是GATORTRONGPT建设的，你能区分作者是机械照旧人类吗？ 。
研究职员训练超等盘算机基于一种新模子GatorTronGPT天生医疗纪录，该模子的功效与ChatGPT类似。GatorTron™模子的免费版本在开源人工智能网站“Hugging Face”上的下载量凌驾43万次。据该文章的主要作者、佛罗里达大学医学院康健效果和生物医学信息系的Yonghui Wu博士先容，GatorTron™模子是该网站唯一可用于临床研究的模子。
“在医疗保健领域，每小我私家都在谈论这些模式。GatorTron™和GatorTronGPT是奇异的人工智能模子，可以为医学研究和医疗保健的许多方面提供动力。然而，它们需要大宗的数据和普遍的盘算能力来构建。我们很谢谢能有英伟达的超等盘算机hypergator来探索人工智能在医疗保健领域的潜力。”
佛罗里达大学校友、英伟达（NVIDIA）团结首创人Chris Malachowsky以他的名字命名了佛罗里达大学新的数据科学与信息手艺马拉考斯基大厅。佛罗里达大学和英伟达之间的公私相助同伴关系为这个1.5亿美元的结构提供了资金。2021年，佛罗里达大学使用英伟达价值数百万美元的基础设施包，将其超等盘算机HiPerGator升级为精英级盘算机，这在大学里是第一次。
在这项研究中，Wu和他的同事开发了一个大型语言模子，使盘算性能够模拟自然的人类语言。这些模子可以很好地处置惩罚标准的写作或对话，但医疗纪录带来了特另外障碍，好比需要�；せ颊叩囊�，并且手艺水平很高。数字医疗纪录不可在谷歌上搜索或在维基百科上共享。
为了战胜这些障碍，研究职员从佛罗里达大学医疗纪录中提取了200万名患者的识别信息，同时保存了820亿个有用的医学词汇。将这组数据集与另一个1950亿字的数据集相团结，他们训练GatorTronGPT模子，用GPT-3架构或天生预训练变压器（一种神经网络架构）来剖析医疗数据。这使得GatorTronGPT能够写出类似于医生条记的临凑樟暇。
“这款GatorTronGPT模子是佛罗里达大学在全校规模内整合人工智能的首批主要产品之一。我们很兴奋与英伟达的相助已经取得效果，并为医学的未来涤讪了基础，” Elizabeth Shenkman博士说，她是佛罗里达大学康健效果和生物医学信息学部分的配相助者和主席。
在医疗GPT的许多可能用途中，一个想法是用人工智能纪录和转录的条记着代枯燥的文档。Wu说，佛罗里达大学有一个立异中心，正在开发该软件的商业版本。
为了让人工智能工具抵达与人类写作相当的水平，程序员需要破费数周时间为超等盘算机编写基于数十亿个单词的临床词汇和语言用法的程序。提供须要临床数据的一个资源是OneFlorida+临床研究网络，在UF协调并代表许多医疗保健系统。
“至关主要的是，不但要有云云大宗的UF康健临床数据，并且要为人工智能做好准备。只有超等盘算机才华处置惩罚云云重大的2770亿个单词的数据集。我们很兴奋将GatorTron™和GatorTronGPT模子应用到UF health的现实医疗保健中，”合著者、UF health首席数据科学家和首席研究信息 Jiang Bian博士说。
14名UF和UF康健西席的横截面为这项研究做出了孝顺，其中包括来自研究盘算的研究职员，临床和转化科学研究所内的集成数据存储库研究效劳，以及医学院内的部分和部分，包括神经外科，内渗透学，糖尿病和代谢，心血管医学，康健效果和生物医学信息学。
这项研究的部分资金来自以患者为中心的效果研究所、国家癌症研究所和国家老龄化研究所。
期刊：npj Digital Medicine
DOI：10.1038/s41746-023-00958-w
