陳祺燾，倪璟雯，徐 君，高曉涵，夏麗珍 （三明市中西醫(yī)結(jié)合醫(yī)院藥學(xué)部，福建 三明 365001）

中醫(yī)藥作為中國傳統(tǒng)文化的重要組成部分，在保障人民健康方面發(fā)揮著不可替代的作用。隨著“健康中國”行動(dòng)的深入推進(jìn)，人民群眾對(duì)健康美好生活需求的提升，中醫(yī)藥被賦予了更高的期望[1]。一方面，中醫(yī)藥在疾病預(yù)防、治療和康復(fù)方面獨(dú)具優(yōu)勢(shì)：中醫(yī)藥強(qiáng)調(diào)個(gè)體化辨證論治，可根據(jù)不同病因、病機(jī)和個(gè)體差異，制定有針對(duì)性的治療方案；中醫(yī)藥還重視整體調(diào)理，通過調(diào)節(jié)人體陰陽、氣血等方式來提高機(jī)體免疫力，從而達(dá)到預(yù)防疾病、延緩衰老、提高生活質(zhì)量的目的。另一方面，中醫(yī)藥產(chǎn)業(yè)也面臨著巨大的發(fā)展機(jī)遇：當(dāng)前，隨著人民群眾對(duì)健康需求的提升，中醫(yī)藥市場需求不斷增長；同時(shí)，中醫(yī)藥在科技創(chuàng)新、標(biāo)準(zhǔn)化建設(shè)、產(chǎn)業(yè)升級(jí)等方面也取得了重要進(jìn)展，逐步實(shí)現(xiàn)了從傳統(tǒng)到現(xiàn)代的轉(zhuǎn)型升級(jí)，各種中藥飲片被廣泛應(yīng)用于臨床的診療過程中，受到了廣大患者與醫(yī)生的認(rèn)可[2]。

西醫(yī)學(xué)習(xí)中醫(yī)（簡稱“西學(xué)中”）是一項(xiàng)為了補(bǔ)充中醫(yī)從業(yè)人員，通過為西醫(yī)醫(yī)生提供中醫(yī)理論基礎(chǔ)培訓(xùn)而使西醫(yī)醫(yī)生能夠開展中醫(yī)藥診療的培訓(xùn)制度，發(fā)展至今已有60 余年的歷史。但由于西醫(yī)醫(yī)師對(duì)中醫(yī)知識(shí)學(xué)習(xí)不足，使得中藥或中醫(yī)護(hù)理技術(shù)濫用的情況非常普遍。有學(xué)者通過對(duì)2018年上海市某社區(qū)衛(wèi)生服務(wù)中心開具的中藥門診處方進(jìn)行分析發(fā)現(xiàn)，不合理處方超過總處方的20%[3]。GPT-4（generative pre-trained transformer 4）是一種基于Transformer 架構(gòu)的生成式人工智能（AI generated content，AIGC），其強(qiáng)大的邏輯自洽和數(shù)據(jù)分析能力使其一面世立刻成為各個(gè)領(lǐng)域關(guān)注的焦點(diǎn)。本研究準(zhǔn)備借助GPT-4賦能，擬通過抽取國內(nèi)公開的常見中藥應(yīng)用案例，采用對(duì)話問答的方式由GPT-4進(jìn)行中藥處方生成測試，再由中醫(yī)藥學(xué)領(lǐng)域的專家對(duì)生成結(jié)果進(jìn)行評(píng)分，同時(shí)進(jìn)行圖靈測試，評(píng)估GPT-4 模型是否具有與人類智能相當(dāng)?shù)哪芰?，為AIGC 賦能中醫(yī)藥行業(yè)提供一種研究思路。

1 案例來源

由研究者隨機(jī)抽取《2023年春季成人流行性感冒中醫(yī)藥防治專家共識(shí)》[4]、《咳嗽中醫(yī)診療專家共識(shí)意見（2021）》[5]、《毒蛇咬傷中醫(yī)診療方案專家共識(shí)（2016版）》[6]收錄的案例，并排除臨床表現(xiàn)的中醫(yī)診斷證型與用藥存在較大爭議的案例（如同一臨床表現(xiàn)被不同專家判斷為虛寒、虛熱兩個(gè)相反證型的案例）。

2 研究方法

2.1 研究框架

本研究主要分為3個(gè)部分：首先，使用2020年版《中國藥典》和中國中醫(yī)藥出版社出版的第5版《中藥學(xué)》為語料對(duì)GPT-4 模型進(jìn)行訓(xùn)練；然后，使用GPT-4 模型，根據(jù)“1.1”項(xiàng)下抽取案例的臨床表現(xiàn)進(jìn)行中藥處方生成；最后，以人工盲評(píng)的方式對(duì)模型生成的中藥處方進(jìn)行評(píng)價(jià)。

需要注意的是，考慮到GPT-4原生訓(xùn)練數(shù)據(jù)來自于2021年及之前的互聯(lián)網(wǎng)數(shù)據(jù)，為進(jìn)一步研究GPT-4模型的處方生成能力，本次研究將把基于GPT-4開發(fā)的實(shí)時(shí)聯(lián)網(wǎng)模型（簡稱“聯(lián)網(wǎng)模型”）一同納入處方生成研究，并將處方生成結(jié)果一同參與盲評(píng)，最后將GPT-4模型和聯(lián)網(wǎng)模型生成結(jié)果的盲評(píng)得分進(jìn)行對(duì)比。

2.2 模型訓(xùn)練

將2020年版《中國藥典》和第5 版《中藥學(xué)》的文字內(nèi)容發(fā)送至GPT-4模型以及聯(lián)網(wǎng)模型，對(duì)模型接受程度進(jìn)行確認(rèn)并針對(duì)處方的格式進(jìn)行命令限制，以提升模型對(duì)中藥飲片和處方的理解分析能力。

2.3 處方生成

考慮到評(píng)價(jià)涉及用藥安全性，本研究采用的專家共識(shí)處方應(yīng)包含每種中藥飲片的具體劑量，病種涉及咳嗽、蛇傷等。

隨機(jī)抽取30個(gè)專家共識(shí)內(nèi)的用藥案例（均為口服水煎劑），由GPT-4 模型以及聯(lián)網(wǎng)模型根據(jù)案例的臨床表現(xiàn)生成處方。

2.4 處方評(píng)價(jià)及圖靈測試

GPT-4 模型、聯(lián)網(wǎng)模型生成的中藥處方和專家共識(shí)處方由三明市中西醫(yī)結(jié)合醫(yī)院3名具有副高級(jí)及以上職稱的中醫(yī)師/中藥師根據(jù)處方安全性、適宜性進(jìn)行盲評(píng)（每張?zhí)幏降淖罱K得分為3名專家的平均分），并判斷每張?zhí)幏绞欠駷槿斯ど蒣7]。考慮到相應(yīng)法規(guī)及醫(yī)學(xué)倫理方面的要求，GPT-4 模型及聯(lián)網(wǎng)模型生成的中藥處方未使用臨床試驗(yàn)進(jìn)行測評(píng)。本研究主要根據(jù)用藥安全性、適宜性（即根據(jù)“十八反十九畏”、超劑量使用、“先煎后下”等標(biāo)注、對(duì)癥情況）由具有副高級(jí)及以上職稱的專家對(duì)生成處方和共識(shí)處方進(jìn)行評(píng)分（評(píng)分標(biāo)準(zhǔn)見表1）。為保證評(píng)分的準(zhǔn)確性，在評(píng)分時(shí)，專家不知道處方是由模型生成的或是人工生成的（即盲評(píng)）。

表1 專家評(píng)分標(biāo)準(zhǔn)

專家對(duì)處方進(jìn)行評(píng)分時(shí)，同時(shí)需要判斷該處方是否為人工生成的處方（即圖靈測試）。如果超過一半的模型生成處方被錯(cuò)誤判斷或模型生成處方被錯(cuò)誤判斷的比例高于人工生成處方，則說明自動(dòng)生成的處方對(duì)人類有足夠的迷惑性。該測試用于評(píng)估GPT-4 模型是否具有與人類智能相當(dāng)?shù)哪芰Α?/p>

2.5 統(tǒng)計(jì)學(xué)方法

采用SPSS 26.0 軟件對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析[8]。對(duì)各生成處方盲評(píng)所得分?jǐn)?shù)進(jìn)行正態(tài)性檢驗(yàn)，并分別將專家共識(shí)處方和GPT-4生成處方、聯(lián)網(wǎng)模型生成處方盲評(píng)分?jǐn)?shù)進(jìn)行配對(duì)t檢驗(yàn)分析。檢驗(yàn)水準(zhǔn)α＝0.05。

3 結(jié)果

3.1 數(shù)據(jù)正態(tài)性檢驗(yàn)分析

本次研究共納入30個(gè)臨床案例，各類型處方通過盲評(píng)所得分?jǐn)?shù)的正態(tài)性檢驗(yàn)見表2。

表2 數(shù)據(jù)正態(tài)性檢驗(yàn)分析

由表2 可見，Shapiro-Wilk 檢驗(yàn)結(jié)果顯示，專家共識(shí)處方、GPT-4生成處方、聯(lián)網(wǎng)模型生成處方具備正態(tài)性分布特質(zhì)（P＞0.05）。

3.2 專家共識(shí)處方和GPT-4生成處方比較

本次研究共使用30個(gè)臨床案例，專家共識(shí)處方的平均分為3.76分，略高于GPT-4生成處方的3.62分。通過配對(duì)t檢驗(yàn)分析可知，專家共識(shí)處方和GPT-4 生成處方的平均分比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。結(jié)果見表3。

表3 專家共識(shí)處方和GPT-4 生成處方的配對(duì)t 檢驗(yàn)分析結(jié)果

3.3 GPT-4生成處方和聯(lián)網(wǎng)模型生成處方比較

本次研究共使用30個(gè)臨床案例，GPT-4生成處方的平均分為3.62 分，略高于聯(lián)網(wǎng)模型生成處方的3.50 分。通過配對(duì)t檢驗(yàn)分析可得，GPT-4生成處方和聯(lián)網(wǎng)模型生成處方的平均分比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。結(jié)果見表4。

表4 GPT-4 生成處方和聯(lián)網(wǎng)模型生成處方的配對(duì)t 檢驗(yàn)分析結(jié)果

3.4 圖靈測試結(jié)果

本研究共納入30 個(gè)案例，根據(jù)上述案例形成了90個(gè)處方（分為專家共識(shí)處方、GPT-4 生成處方、聯(lián)網(wǎng)模型生成處方各30個(gè)），由3位專家判斷這90個(gè)處方是否為人工生成的處方。圖靈測試結(jié)果（表5）顯示，270個(gè)處方中，共有138 個(gè)模型生成處方被錯(cuò)誤判斷，占比為51.11%（＞50%），其中GPT-4 生成處方被錯(cuò)誤判斷的占比達(dá)30.37%（＞30%），結(jié)合上文“3.2”項(xiàng)下結(jié)果發(fā)現(xiàn)，GPT-4模型生成處方已經(jīng)具備一定的專業(yè)性。

表5 圖靈測試結(jié)果

4 討論

4.1 如何提高GPT-4的學(xué)習(xí)、完善能力

在使用GPT-4和聯(lián)網(wǎng)模型進(jìn)行處方生成的過程中，GPT-4 體現(xiàn)出強(qiáng)烈的原則性和強(qiáng)大的學(xué)習(xí)能力，主要體現(xiàn)在：（1）要求提供蛇傷處方時(shí)，雖然研究者已經(jīng)發(fā)出限制命令，要求GPT-4 模型僅提供中藥名稱和單次劑量，但GPT-4模型仍會(huì)發(fā)出警告，要求及時(shí)就醫(yī)；（2）在放開限制命令后，GPT-4 模型不僅會(huì)對(duì)處方中每個(gè)組分進(jìn)行方解，而且在生成處方的過程中，會(huì)逐漸對(duì)先煎后下等特殊處理方式進(jìn)行標(biāo)注，其生成處方的評(píng)分結(jié)果已經(jīng)非常接近專家共識(shí)處方。與此同時(shí)，已有深度學(xué)習(xí)模型介入影像學(xué)診斷的相關(guān)研究，其模型評(píng)分結(jié)果已經(jīng)超過了低年資影像科醫(yī)生的評(píng)分結(jié)果[9]。隨著AIGC 介入醫(yī)學(xué)領(lǐng)域的深度和廣度不斷擴(kuò)大，要進(jìn)一步提高生成式模型醫(yī)學(xué)水平，需要開展以下幾項(xiàng)工作：（1）海量病例語料訓(xùn)練。本次測試的病例主要為咳嗽等常規(guī)案例，未考慮到患者性別、年齡、人種等因素，對(duì)于臨床診斷等方面的內(nèi)容有待進(jìn)一步探索。（2）算法優(yōu)化。臨床醫(yī)生年齡分布較廣，對(duì)于藥品名稱、臨床癥狀的口語化描述問題較為嚴(yán)重。這一方面需加強(qiáng)規(guī)范醫(yī)生的病歷書寫，另一方面也需對(duì)AIGC算法進(jìn)行優(yōu)化，對(duì)口語化內(nèi)容進(jìn)行識(shí)別。

4.2 聯(lián)網(wǎng)模型質(zhì)量問題

本次處方評(píng)分中，聯(lián)網(wǎng)模型生成處方的平均分最低。通過對(duì)聯(lián)網(wǎng)模型數(shù)據(jù)來源進(jìn)行分析發(fā)現(xiàn)，其中混雜了大量非醫(yī)學(xué)類專業(yè)的網(wǎng)站數(shù)據(jù)，對(duì)聯(lián)網(wǎng)模型的處方生成造成了極大的干擾。對(duì)互聯(lián)網(wǎng)醫(yī)學(xué)類語料進(jìn)行規(guī)范標(biāo)識(shí)和整理，一方面能夠提高模型的訓(xùn)練質(zhì)量，另一方面還能夠降低群眾通過互聯(lián)網(wǎng)就醫(yī)的學(xué)習(xí)成本。對(duì)中文醫(yī)學(xué)語料進(jìn)行標(biāo)注整理是未來生成式醫(yī)學(xué)模型發(fā)展的必經(jīng)之路，同時(shí)此項(xiàng)工作對(duì)互聯(lián)網(wǎng)問診、分級(jí)診療、醫(yī)學(xué)科普有著極大推動(dòng)作用。

4.3 臨床方向AIGC研究的進(jìn)一步探索

本研究考慮到患者權(quán)益問題，并未對(duì)生成處方進(jìn)行臨床試驗(yàn)，同時(shí)為了保護(hù)患者隱私，本研究采用的是公開的專家共識(shí)所收錄的臨床案例。如果要進(jìn)一步發(fā)展藥事管理方向的AIGC，有以下兩點(diǎn)尚待解決：（1）診療權(quán)責(zé)以及醫(yī)學(xué)倫理問題[10]。目前未有相關(guān)的法律法規(guī)對(duì)藥事管理方向AIGC所生成的處方進(jìn)行明確的權(quán)責(zé)劃分。生成式模型算法的程序缺陷，醫(yī)生、藥師對(duì)生成處方的審核失誤都會(huì)對(duì)患者造成不可逆的傷害。如何保障患者（特別是妊娠、低齡、殘疾等弱勢(shì)患者群體）權(quán)益，患者權(quán)益的保障方應(yīng)該是模型公司還是醫(yī)院（即責(zé)任歸屬）等，均需要有明確的法律法規(guī)進(jìn)行規(guī)范；對(duì)于緊急情況下AIGC介入醫(yī)學(xué)研究的程度和范圍也需要倫理方面的專家進(jìn)行研探。（2）公民隱私及遺傳學(xué)信息保護(hù)問題。隨著生成式模型的發(fā)展，AIGC 進(jìn)入醫(yī)院藥事管理領(lǐng)域是可預(yù)見的，但因算力需求等原因，該技術(shù)目前主要基于互聯(lián)網(wǎng)使用，尚無與GPT-4 具有同等能力的本地化AIGC。歐盟在使用GPT模型的過程中已發(fā)現(xiàn)隱私及機(jī)密泄露等問題，遂將人工智能納入安全工作研究[11]。醫(yī)療信息涉及公民隱私和我國遺傳學(xué)信息保護(hù)，關(guān)系到國家安全，AIGC本地化部署是解決以上問題的唯一途徑。另外，與此關(guān)聯(lián)的還有本地化部署的設(shè)備費(fèi)用、運(yùn)營維護(hù)、醫(yī)療機(jī)構(gòu)系統(tǒng)適配對(duì)接等問題。

綜上，本文使用的GPT-4 和基于GPT-4 開發(fā)的實(shí)時(shí)聯(lián)網(wǎng)模型較好地學(xué)習(xí)了《中國藥典》和《中藥學(xué)》的內(nèi)容，其生成的處方在中藥處方評(píng)分環(huán)節(jié)取得了較為出色的成績，與專家共識(shí)處方較為接近。臨床科室醫(yī)生在使用中藥時(shí)，要求醫(yī)生對(duì)各種中藥藥性有較高的理解能力，目前通過西學(xué)中培訓(xùn)的醫(yī)生對(duì)相關(guān)知識(shí)的儲(chǔ)備仍有不足，中藥處方質(zhì)量有待提高。本GPT-4模型在生成處方的過程中自動(dòng)為處方標(biāo)注方解及參考來源，減少了醫(yī)生的學(xué)習(xí)成本和溝通成本，為臨床中藥的合理使用提供了技術(shù)支撐。實(shí)現(xiàn)醫(yī)院中醫(yī)藥方向生成式模型的落地，還需要做好以下幾點(diǎn)：（1）在相關(guān)法律法規(guī)的框架下收集大量的中醫(yī)處方和相關(guān)病癥數(shù)據(jù)，包括但不限于病歷、醫(yī)生處方和臨床診斷。（2）收集到的數(shù)據(jù)需要進(jìn)行清洗和標(biāo)準(zhǔn)化處理，以使其能適用于模型訓(xùn)練。（3）部署模型后，需要不斷地監(jiān)督模型的運(yùn)行，并根據(jù)反饋進(jìn)行調(diào)整；若發(fā)現(xiàn)模型生成處方有誤，需及時(shí)對(duì)模型進(jìn)行調(diào)整或重新訓(xùn)練。