场景还原：一名正在接受化疗的患者来到急诊科诊室，突然出现了强烈的咳嗽、发热症状。患者究竟是吸入性肺炎、感染性肺炎还是社区获得性肺炎？答案对选择适当的治疗方案至关重要。然而，患者的病情复杂，常规检查结果并不典型。这时，医生打开了嵌入医院信息系统（HIS）的医学人工智能大模型Med-Go，将患者的详细病史、症状和检查结果输入后，Med-Go迅速提供了可能的诊断方向，并列出了每种可能的诊断依据和需要进一步进行的检查项目。借助Med-Go的建议，患者最终被确诊为吸入性肺炎，及时接受了针对性治疗，病情得以迅速控制。
□ 同济大学附属东方医院急诊科、重症医学科主任 张海涛
打造全能型医生助手
中国有超过14亿人口，医疗需求巨大，医疗资源分布不均衡，靠增加医生数量无法从根本上解决问题。另外，广大基层医生由于资源有限，难以及时获取最新、最权威的医学知识，面对复杂疑难病例时常感到力不从心。而基层分级诊疗不精准，也可能导致资源浪费，甚至病情误判。
如今，人工智能这一前沿技术，为多领域的创新发展带来新希望。为了打造一款拥有自主知识产权的医学人工智能大模型，让中国医生能够应用先进的医学知识，全面提高医疗服务质量，中国科学院软件研究所与同济大学附属东方医院联合成立的“生物医学人工智能联合实验室”技术团队共同努力研发了医学大模型MedGo，并投入应用。
随着人们对疾病的认识加深，医学学科越分越细，不同科室医生间的知识壁垒也愈发明显，普通医师很难全面掌握各专科知识。
Med-Go如同一名知识渊博、分析推理能力极强的全能型医学助手，无论在大型三甲医院，还是在偏远地区的基层医疗卫生机构，医生都能借助Med-Go的辅助诊疗建议，提升诊疗水平，更好地服务患者。
Med-Go的应用能最大限度地缩小城乡医疗及不同医疗机构间的差距，极大地提升基层医疗能力，让更多的患者在家门口就能享受到优质高效的医疗服务。
高质量数据夯实基础
在Med-Go的研发过程中，我们认识到高质量医学数据是模型质量的基础。
为此，医学团队在医学数据选取上精益求精，例如，选用《哈里森内科学》《Braunwald心脏病学》等全球权威的医学教材，以及最新的指南和高质量荟萃分析，确保模型学习到的知识权威、前沿且可靠。我们自行研发的专业翻译模型和数据解析模型，可迅速高效将所需的数据转化为能够学习的数据。
同时，研发团队注重加强模型的技术能力，如检索增强生成（RAG）技术，使模型能快速及时地在外挂数据库中调取相应的数据，增强模型回答的时效性和逻辑推理能力。团队还注重强化思维链的应用，确保模型每一次的回复都经过反复“思考”。医生在使用中的及时反馈，也进一步促进了模型的优化。团队自主研发的多组智能体，使模型的功能更强大。
高质量的数据和适当的技术，让Med-Go不仅能给出精准答案，还能清晰展示推理过程。通过这一系列技术的结合，Med-Go给出的诊疗建议有了更高的准确度和可信度。
医生团队是项目“灵魂”
在这个跨学科的项目中，医生侧和技术侧的人员各自扮演了非常重要的角色。
医生团队以专业知识和临床经验，为模型提供了坚实的医学基础。我们深度参与了问题和医学场景的提出，数据的甄别、标注和验证，确保模型学习到有价值的医学知识。
然而，医生在参与这样的项目时，也面临着不少挑战。医生团队需要充分理解并与技术团队充分融合，理解医学侧的任务，并与技术团队进行高效的无缝对接。这种跨领域沟通，使技术团队和医学团队能理解对方及自己所需要做的工作，大家可以迅速地“在学中干，在干中学”。
医学领域的知识日新月异，我们与所有的同行一样面临着巨大压力。但是，责任使然，我们必须尽快研发中文医学模型，使这个模型具有渊博的医学知识，并且能够进行复杂的医学“思考”。
目前，Med-Go成效初显，让我们感受到了它在临床、科研、教学和管理等方面的巨大潜力。
共创医学发展美好未来
Med-Go的研发之路是一段充满挑战和收获的旅程。
人工智能在医学领域的发展前景使我们充满信心。Med-Go的诞生，是医学与人工智能深度融合的成果。我们相信，随着技术的不断发展，Med-Go将不断升级和完善，最终为提升我国医疗水平、造福全民健康作出更大贡献。我们期待，Med-Go能够助力缩小城乡和区域间的医疗差距，提升基层医疗卫生机构的诊疗能力，为患者提供更高质量的医疗服务。
未来，我们将继续坚持高质量医学知识的甄别，融合先进的人工智能技术，不断优化和提升Med-Go的能力，让人工智能成为医生的优秀伙伴，发挥更大的作用。