智能全科医生中国专家共识.docxVIP

智能全科医生中国专家共识

人工智能大语言模型（LLM）等新技术的飞速发展给医学临床实践带来了新的变革。国内外已开始了智能全科医生（AIGP）系统的研究及实践探索，但尚未形成共识。在此背景下，清华大学万科公共卫生与健康学院、北京大学公共卫生学院联合中国医师协会全科医师分会及来自国内多家单位的全科医学、公共卫生、人工智能、循证医学等多学科领域的专家学者，在广泛检索国内外文献的基础上，经过多轮专家研讨，最终形成《智能全科医生中国专家共识》，从智能全科医生的定义、特点、应用、挑战与建议等方面形成17条专家共识，为促进智能科技赋能全科医生临床实践、提升基层卫生智慧化服务水平提供科学参考。

一、AIGP的定义及特点

推荐意见1

AIGP又称全科医生人工智能大模型（GPAI），是指利用人工智能技术，模拟全科医生的思维方式、综合诊断和治疗能力，通过大数据分析和算法，自主获取医学领域专业知识并进行高级医学推理，为用户提供个性化的健康教育、医疗咨询、疾病预防、健康管理、常见病多发病的初步诊断建议和转诊建议等全科医疗服务的一种技术系统或平台。（强推荐）

推荐意见2

AIGP通常具备以下6个特点：（1）综合性：能够处理多种疾病和健康问题，涵盖多个医学领域和全生命周期。（2）自主学习性：能够使用没有特定任务的标记数据，完成一组多样化的工作。通过在大型、多样化的健康医疗及病案数据集上进行自我监督学习，将医疗文本、健康记录、实验室检查结果、基因组学数据以及统计图表等多源、多模态数据灵活组合、推理并加以解释，提高诊断和治疗的准确性和效率。（3）互动性：能够与用户进行交流，理解用户的症状描述，并提供相应的咨询服务。（4）个性化：根据用户的具体情况，提供个性化的健康管理和治疗方案。（5）便捷性：用户可以通过移动设备、电脑等远程访问AIGP，获取相应服务。（6）辅助性：AIGP通常作为医疗专业人士的辅助工具，不能完全替代专业医生的诊断和治疗。（强推荐）

解读与证据：

AIGP具有很强的综合性，能够覆盖人群的全生命周期，处理多种疾病和健康问题，涵盖疾病筛查预测、辅助诊断和健康管理等多个全科医学领域。同时，AIGP还具备自主学习能力，能通过不断学习和分析新的健康医疗及病案数据，提高诊断和治疗的准确性和效率。在使用过程中，AIGP能够与用户进行交流，理解用户的症状描述，并提供相应的咨询服务。通过大数据训练，AIGP能够从大量的患者数据中学习，从而根据用户的具体情况提供个性化的健康管理和治疗方案。例如，大语言模型LLaVA-Med，经过大规模生物医学图像和文本数据集的训练，能够处理多模态医疗信息，分析CT和X线片等医学影像，并据此推断患者潜在的病理情况，生成相关的问答内容。此外，不同于传统的线下就诊，用户仅通过手机、电脑等移动设备即可远程访问AIGP，获取服务。但需要注意的是，AIGP虽然具备综合的咨询与诊断能力，但目前尚不能完全替代专业医生的诊断和治疗，通常作为全科医生的辅助工具，自动执行常规和重复的诊疗任务，提高诊疗效率。

在早期的全科医学人工智能领域，模型的开发在很大程度上仍采用针对特定任务的模型开发方法。例如，胸部X线片解读模型可能会在一个数据集上进行训练，且需要大量的注释工作。这种模型只能检测肺炎，而无法完成撰写综合放射学报告的完整诊断工作。这种针对特定任务的狭隘方法产生的模型缺乏灵活性，只能执行由训练数据集及其标签预先定义的任务。而多模态架构、自我监督学习等新技术创新，使得医学人工智能大模型取得了飞速发展。基于新兴技术，经过海量且多样化的数据集训练，AIGP能够应用于许多下游任务。区别于针对特定任务的传统人工智能大模型，AIGP具有3个关键能力：首先，让AIGP适应新任务只需向模型解释新任务（动态任务规范），模型就能解决以前从未见过的问题，而无须重新训练；其次，AIGP可以通过不同的数据模式组合接受输入并产生输出（例如，可以接受检查图像、医疗文本、实验室检查结果或以上信息的任意组合），具有灵活的交互性，同时可以要求输出内容提供文字回复和可视化结果；最后，AIGP将掌握医学知识，使其能够对以前从未见过的任务进行推理，并使用准确的医学语言解释其输出的结果。

二、AIGP在提升全科医生能力中的应用

推荐意见3

帮助全科医生提升问诊、诊断、用药等全面能力，提高诊断准确率，减少误诊和漏诊，提升诊疗能力。AIGP能够辅助全科医生对急、难、险、重患者转诊时机、转诊地点及转诊路径的判断，帮助全科医生快速做出高效、科学的决策。（强推荐）

解读与证据：

全科医生服务是医疗卫生服务的“最后一公里”，符合全科医生需求的AIGP可以打通壁垒，消除差距，全面强化基层社区全科医生的专业技能，帮助基层社区全科医生提升问诊、诊断、用药等全面能力，从而应对人员短缺和知识更新不