[摘要]"醫(yī)療健康領(lǐng)域擁有豐富的多模態(tài)數(shù)據(jù)和開放多樣的醫(yī)療健康場景，是人工智能大模型最具有應(yīng)用前景的領(lǐng)域之一?；诨A(chǔ)硬件、設(shè)備與模型框架的人工智能大模型通過醫(yī)療文本、醫(yī)療影像或醫(yī)療多模態(tài)數(shù)據(jù)集開展預(yù)訓(xùn)練、微調(diào)、評估優(yōu)化和利用進而完成模型構(gòu)建。醫(yī)療健康大模型在輔助診療、醫(yī)學(xué)影像研究、健康管理、生物醫(yī)學(xué)研究、藥物研發(fā)、醫(yī)學(xué)考試與教育等領(lǐng)域獲得成功應(yīng)用，但同時也迎來數(shù)據(jù)安全風(fēng)險、道德倫理風(fēng)險和技術(shù)風(fēng)險等挑戰(zhàn)。為規(guī)范人工智能大模型技術(shù)的發(fā)展，部分國家制定相關(guān)法律法規(guī)和標準指南。醫(yī)療健康領(lǐng)域與人工智能的合作機遇與挑戰(zhàn)并存，人工智能大模型技術(shù)仍需不斷優(yōu)化發(fā)展，推動與醫(yī)療健康領(lǐng)域的更深度融合。

[關(guān)鍵詞]"人工智能；大模型；醫(yī)療健康；智慧應(yīng)用

[中圖分類號]"R319；TP391.1""""""[文獻標識碼]"A""""[DOI]"10.3969/j.issn.1673-9701.2024.33.018

Research"on"the"application"of"artificial"intelligence"large"models"in"the"field"of"medical"and"health"care

MA"Ao，"GE"Xiaoling

Information"and"Data"Center，"Children"Hospital"of"Fudan"University，"Shanghai"201102，"China

[Abstract]"The"medical"and"health"field"has"abundant"multimode"data"and"open"and"diverse"medical"health"scenarios，"which"is"one"of"the"most"promising"fields"for"the"application"of"artificial"intelligence"large"models."Based"on"basic"hardware，"equipment，"and"model"frameworks，"the"artificial"intelligence"model"is"pre-trained，"fine-tuned，"evaluated，"optimised，"and"utilized"through"medical"texts，"medical"images，"or"medical"multimode"datasets"to"complete"model"construction."The"large"medical"and"health"model"has"been"successfully"applied"in"the"fields"of"auxiliary"diagnosis"and"treatment，"medical"imaging"research，"health"management，"biomedical"research，"drug"research，"medical"examination"and"education，"but"it"also"faces"challenges"such"as"data"security"risks，"moral"and"ethical"risks，"and"technical"risks."In"order"to"regulate"the"development"of"artificial"intelligence"large"model"technology，"some"countries"have"formulated"relevant"laws，"regulations，"and"standard"guidelines."Opportunities"and"challenges"coexist"in"the"field"of"medical"and"health"cooperation"with"artificial"intelligence，"and"artificial"intelligence"large"model"technology"still"needs"to"be"continuously"optimised"and"developed"to"promote"deeper"integration"with"the"medical"and"health"field.

[Key"words]"Artificial"intelligence;"Large"model;"Healthcare;"Smart"application

ChatGPT的問世掀起席卷世界的人工智能大模型科技浪潮，也把人工智能大模型突破性的智能優(yōu)勢展示在大眾面前。以ChatGPT為代表的人工智能大模型具有規(guī)模性（參數(shù)量大）、涌現(xiàn)性（產(chǎn)生預(yù)料之外的新能力）及通用性（不局限于特定問題或領(lǐng)域）等特性，可基于“少樣本”“零樣本”完成學(xué)習(xí)，并成功應(yīng)用于各類下游任務(wù)[1]。醫(yī)學(xué)健康是人工智能大模型最有應(yīng)用價值的領(lǐng)域之一，醫(yī)學(xué)健康人工智能大模型的應(yīng)用展現(xiàn)出蓬勃發(fā)展的態(tài)勢。

1""人工智能大模型的概述

1.1""人工智能大模型的定義與分類

人工智能大模型是“大數(shù)據(jù)+大算力+強算法”結(jié)合的深度神經(jīng)網(wǎng)絡(luò)模型，其具有超大規(guī)模參數(shù)、復(fù)雜的計算結(jié)構(gòu)模型，可處理海量的數(shù)據(jù)，完成復(fù)雜任務(wù)[2]。根據(jù)預(yù)訓(xùn)練數(shù)據(jù)集的模態(tài)類別，可將人工智能大模型歸納為大語言模型、大視覺模型或視覺-語言模型、多模態(tài)型大模型[3]。

1.2""醫(yī)療健康領(lǐng)域的人工智能大模型

面向醫(yī)療健康領(lǐng)域的人工智能大模型基于“大數(shù)據(jù)+大算力+強算法”，針對不同的醫(yī)療健康場景和任務(wù)，使用來自成像、電子健康記錄、實驗室結(jié)果、基因組學(xué)、圖表或醫(yī)療文本等數(shù)據(jù)進行預(yù)訓(xùn)練、微調(diào)、評估優(yōu)化和利用，提供高效率和個性化的智慧醫(yī)療服務(wù)。本文總結(jié)人工智能大模型在醫(yī)療健康領(lǐng)域應(yīng)用的基本框架，見圖1。

2""人工智能大模型的基本設(shè)計流程

2.1""人工智能大模型基礎(chǔ)

在開展大模型建模之前需要完成硬件設(shè)備與數(shù)據(jù)資源準備。人工智能大模型需配置中央處理器、圖形處理器或張量處理器、芯片、傳感器、通信網(wǎng)絡(luò)等基礎(chǔ)硬件與設(shè)備，配備巨大的算力資源。用于預(yù)訓(xùn)練和微調(diào)的數(shù)據(jù)資源主要來源于書籍、網(wǎng)絡(luò)爬蟲數(shù)據(jù)庫、Reddit鏈接、維基百科、代碼和其他途徑[4]。

2.2""人工智能大模型設(shè)計基本流程

人工智能大模型在Transformer和Vision"Transformers等基礎(chǔ)框架上開展訓(xùn)練并建立基礎(chǔ)能力的過程被稱作預(yù)訓(xùn)練，主要包括數(shù)據(jù)收集與準備、模型選擇與特征工程、開展不斷優(yōu)化策略和算法的預(yù)訓(xùn)練任務(wù)等步驟[4-6]。微調(diào)是在預(yù)訓(xùn)練的基礎(chǔ)上進行額外訓(xùn)練以適用更具體領(lǐng)域的技術(shù)，常用技術(shù)有使用監(jiān)督微調(diào)進行指令調(diào)優(yōu)和使用基于人類反饋強化學(xué)習(xí)與人類的價值觀或偏好達成一致等[7-8]。評估與優(yōu)化主要針對完成微調(diào)的模型進行準確率、召回率、連貫度、對齊度、跨模態(tài)信息整合能力等方面評估，并針對評估結(jié)果開展調(diào)整模型參數(shù)、嘗試不同的網(wǎng)絡(luò)結(jié)構(gòu)、使用正則化技術(shù)防止過擬合等優(yōu)化[9]。在大模型部署應(yīng)用于解決各種下游任務(wù)時，應(yīng)注意性能監(jiān)控和異常情況的處理。

3""人工智能大模型在醫(yī)療健康領(lǐng)域的應(yīng)用發(fā)展現(xiàn)狀

自ChatGPT出現(xiàn)以來，許多研究已將人工智能大模型廣泛應(yīng)用于醫(yī)療健康領(lǐng)域。本文收集整理部分近年發(fā)布的國內(nèi)外醫(yī)療人工智能大模型，見表1。

經(jīng)初步整理與歸納，將人工智能大模型在醫(yī)療健康領(lǐng)域的應(yīng)用大致劃分為輔助診療、醫(yī)學(xué)影像研究、健康管理、生物醫(yī)學(xué)研究、藥物研發(fā)、醫(yī)學(xué)考試與教育6個方面。

3.1""輔助診療

醫(yī)療健康大模型在輔助診療的具體應(yīng)用主要有臨床決策支持、智能分診導(dǎo)診、病歷報告書寫和疾病預(yù)測等。IBM公司探索建立智能醫(yī)療大模型“盟友”幫助臨床醫(yī)生更好地找到治療腫瘤疾病的生物標志物或提供參考意見[10]。清華大學(xué)聯(lián)合上海交通大學(xué)和新加坡國立大學(xué)團隊構(gòu)建糖尿病診療的視覺-大語言模型的多模態(tài)集成智能系統(tǒng)DeepDR-LLM，提供糖尿病視網(wǎng)膜病變輔助診斷結(jié)果及個性化糖尿病綜合管理意見[11]。Yang等[12]建立癲癇疾病的Episemogpt大模型預(yù)測致癇區(qū)，提供患者術(shù)前評估參考意見。岐黃問道[13]、仲景[14]、數(shù)智本草[15]等大模型應(yīng)用于中醫(yī)藥垂直領(lǐng)域的輔助診療。

3.2""醫(yī)學(xué)影像研究

人工智能大模型是醫(yī)學(xué)影像分析的有力工具。模型通過圖像分割、邊緣檢測、特征提取等方法，精確定位病變區(qū)域，并對其進行量化分析，幫助醫(yī)生更準確地判斷病情，生成輔助診斷報告，制定個性化治療方案。XrayGLM[16]是首個會看胸部X線片的中文多模態(tài)醫(yī)學(xué)大模型，在醫(yī)學(xué)影像診斷和多輪交互對話上顯示出非凡的潛力。Qilin-Med-VL[17]由北京大學(xué)團隊研發(fā)設(shè)計，是用來整合文本和視覺數(shù)據(jù)分析的多模態(tài)人工智能大模型。據(jù)報道該模型可用于圖文數(shù)據(jù)分析、生成醫(yī)學(xué)字幕、回答復(fù)雜醫(yī)學(xué)查詢、對醫(yī)學(xué)數(shù)據(jù)進行詳細和全面的解釋，目前處于持續(xù)優(yōu)化階段。

3.3""健康管理

醫(yī)療健康大模型在健康管理有醫(yī)療問診咨詢、個人健康監(jiān)測、精神情緒管理及術(shù)后康復(fù)管理等多個應(yīng)用場景。HealthGPT主推面向個人提供專業(yè)、便捷、安全的用藥、營養(yǎng)保健服務(wù)，實現(xiàn)人工智能在醫(yī)藥領(lǐng)域的“技術(shù)普惠”[18]。星火認知大模型打造全面升級的醫(yī)療診后康復(fù)管理平臺，將專業(yè)的診后管理和康復(fù)指導(dǎo)延伸到院外[19]。華東師范大學(xué)上海市心理健康與危機干預(yù)重點實驗室推出人工智能傾訴師EmoGPT，為用戶提供專業(yè)化、個性化的心理支持服務(wù)[20]。醫(yī)療健康大模型的出現(xiàn)使健康管理的醫(yī)療資源更加可及和覆蓋更多人群，推動醫(yī)療服務(wù)從以治療為中心向以預(yù)防性和參與性為中心轉(zhuǎn)變。

3.4""生物醫(yī)學(xué)研究

醫(yī)療健康大模型擁有高效的學(xué)習(xí)能力和龐大的參數(shù)體系，可為生物大分子結(jié)構(gòu)數(shù)量等計算提供高效和準確的計算方法，緩解生物分子實驗成本高、試驗周期長、生產(chǎn)難度大等問題。尤其是大模型出色的涌現(xiàn)能力已被用來建模并探索隱藏在大規(guī)模未標記數(shù)據(jù)中的生物特性，如Lin等[21]使用ESMfold模型框架優(yōu)化蛋白靶點結(jié)構(gòu)的預(yù)測。在文獻檢索分析方面，科研人員利用大模型進行海量文獻檢索、成果調(diào)研等工作，可提高研究工作效率，釋放更多創(chuàng)新活力。Microsoft經(jīng)過醫(yī)學(xué)文本預(yù)訓(xùn)練得到的大模型BioGPT，在生物醫(yī)學(xué)文獻上具有明顯優(yōu)勢，可為生物醫(yī)學(xué)術(shù)語生成流暢的描述[22]。

3.5""藥物研發(fā)

垂直領(lǐng)域的醫(yī)藥研發(fā)大模型可在新藥設(shè)計的計算方法、藥物性質(zhì)預(yù)測、藥物反應(yīng)分析及所涉及的藥物數(shù)據(jù)收集、標記等各個階段發(fā)揮作用[23]。Liu等[24]認為人工智能驅(qū)動的語言模型在藥物研發(fā)中可提供關(guān)鍵性的“適合目的”的選擇從而加速新型冠狀病毒疾病治療進展。You等[25]使用人工智能技術(shù)進行癌癥靶點識別和藥物研發(fā)，提出人工智能輔助可大幅度縮短藥物研發(fā)周期、提高實驗效率、優(yōu)化藥物合成路線及篩選最有希望的候選化合物。

3.6""醫(yī)學(xué)考試與教育

人工智能大模型在醫(yī)學(xué)考試與教育中的應(yīng)用日益廣泛。具體來說，在回答具有挑戰(zhàn)性的臨床考試問題時，ChatGPT比斯坦福大學(xué)醫(yī)學(xué)院低學(xué)年的醫(yī)學(xué)生表現(xiàn)得更好[26]。當研究者將ChatGPT對患者提問的回答與醫(yī)生提供的回答進行比較時，發(fā)現(xiàn)大模型的回答在質(zhì)量和共情方面甚至更為出色[27]。Med-PaLM模型在美國執(zhí)業(yè)醫(yī)師資格考試中取得專家水平的表現(xiàn)，并在回答消費者的醫(yī)療問題方面獲得醫(yī)生的認可[28]。以上研究結(jié)果顯示出人工智能對醫(yī)學(xué)教育和臨床實踐的加速影響。

4""人工智能大模型在醫(yī)療領(lǐng)域的風(fēng)險與挑戰(zhàn)

4.1""隱私保護與數(shù)據(jù)安全

醫(yī)療數(shù)據(jù)中包含大量診斷信息、遺傳信息和個人標識等敏感信息，大模型對海量醫(yī)療數(shù)據(jù)的使用容易侵犯患者的隱私權(quán)。在模型部署、數(shù)據(jù)收集、處理和傳輸中，醫(yī)療數(shù)據(jù)也面臨嚴峻的安全風(fēng)險，一旦泄漏或被濫用，可能對國家安全、社會安全及個人生命財產(chǎn)安全等產(chǎn)生嚴重的影響和后果[29]。

4.2""道德規(guī)范與倫理風(fēng)險

人工智能大模型的出現(xiàn)給予醫(yī)療工作者輔助決策等幫助，卻增加醫(yī)療決策的不透明度，降低可信賴度，模糊醫(yī)療診斷和治療的責(zé)任分工。人工智能大模型一旦使用有偏差的數(shù)據(jù)集，可導(dǎo)致有偏見、歧視性的輸出，破壞醫(yī)療公平，從而引發(fā)一系列道德和倫理問題。

4.3""結(jié)果的精確度與幻覺

人工智能大模型的本質(zhì)是一個概率模型，即使輸入的微小差異也可能導(dǎo)致輸出的巨大差異，在醫(yī)療健康領(lǐng)域應(yīng)用的精確度還遠遠不夠，甚至可因模型的不穩(wěn)定性或?qū)R的偏差出現(xiàn)幻覺，產(chǎn)生有害、有偏見或有毒的信息，導(dǎo)致誤用的潛在風(fēng)險[30]。

4.4""技術(shù)限制與高質(zhì)量數(shù)據(jù)集缺失

即使Transformer框架已表現(xiàn)出足夠的智能性優(yōu)勢，但仍面臨較高的訓(xùn)練成本和緩慢的推理效率。如何在系統(tǒng)或硬件升級成本與提高Transformer框架效率之間找到平衡是十分現(xiàn)實的問題。隨著模型參數(shù)和規(guī)模的不斷增加，平衡模型容量與防止過擬合也是一大挑戰(zhàn)。模型過大易陷入噪聲數(shù)據(jù)的學(xué)習(xí)，而模型過于簡化則可能遺漏復(fù)雜模式。同時，高質(zhì)量數(shù)據(jù)集的缺失也成為限制人工智能大模型更快發(fā)展的制約因素[4]。

5""人工智能大模型的治理與監(jiān)管

目前，人工智能監(jiān)管法規(guī)——歐盟《人工智能法案》[31]經(jīng)過多輪談判和修訂，于2024年7月正式公布，2024年8月1日正式生效。歐盟《人工智能法案》為全球人工智能監(jiān)管樹立了標桿，推動全球范圍內(nèi)人工智能法律法規(guī)的完善。美國2023年發(fā)布的《關(guān)于安全、可靠和值得信賴地開發(fā)和使用人工智能的行政命令》[32]旨在指導(dǎo)聯(lián)邦政府在人工智能領(lǐng)域的政策和行動。2024年5月新加坡政府發(fā)布《生成式人工智能模型治理框架》[33]提出9個治理維度，旨在促進生成式人工智能的可信生態(tài)系統(tǒng)發(fā)展。中國政府頒布法律法規(guī)和標準指南等加強對人工智能領(lǐng)域的法律法規(guī)建設(shè)和倫理規(guī)范引導(dǎo)，如頒布《生成式人工智能服務(wù)管理暫行辦法》[34]和《科技倫理審查辦法（試行）》[35]等法規(guī)文件對人工智能服務(wù)的安全性和科技倫理提出明確要求；發(fā)布《信息安全技術(shù)"生成式人工智能人工標注安全規(guī)范》《信息安全技術(shù)"生成式人工智能預(yù)訓(xùn)練和優(yōu)化訓(xùn)練數(shù)據(jù)安全規(guī)范》等系列標準和指南，用于指導(dǎo)生成式人工智能服務(wù)提供者提高安全管理水平。

6""人工智能大模型在醫(yī)療領(lǐng)域的展望與建議

隨著“互聯(lián)網(wǎng)+醫(yī)療”“互聯(lián)網(wǎng)+健康”政策的深入推進，醫(yī)學(xué)健康領(lǐng)域擁有更加豐富開放的醫(yī)療應(yīng)用場景和更加活躍的醫(yī)療健康數(shù)據(jù)要素。未來，國家應(yīng)加大對人工智能大模型基礎(chǔ)研究投入，推進醫(yī)療大模型數(shù)據(jù)庫和算力設(shè)施建設(shè)，夯實醫(yī)療健康大模型產(chǎn)業(yè)持續(xù)發(fā)展基礎(chǔ)。持續(xù)完善對醫(yī)療健康人工智能大模型的監(jiān)管，建立健全法律法規(guī)，完善標準指南體系，為人工智能大模型在醫(yī)療健康領(lǐng)域建立良好清朗的發(fā)展生態(tài)，助力產(chǎn)業(yè)的蓬勃發(fā)展。醫(yī)療健康主管部門應(yīng)加強醫(yī)療數(shù)據(jù)治理，重視并逐步提升醫(yī)療數(shù)據(jù)質(zhì)量，推動建立高質(zhì)量、公開的醫(yī)療標準數(shù)據(jù)集，促進數(shù)據(jù)資源的開放共享。醫(yī)療健康企事業(yè)單位應(yīng)鼓勵并推動醫(yī)療大模型算法、框架等基礎(chǔ)性、原創(chuàng)性技術(shù)的突破，增強醫(yī)療健康模型決策的透明性、可解釋性和穩(wěn)定性等。使用隱私保護技術(shù)增強模型訓(xùn)練，如聯(lián)邦學(xué)習(xí)、動態(tài)加密或差異隱私加強醫(yī)療數(shù)據(jù)的去隱私化和數(shù)據(jù)安全，重視培訓(xùn)和部署數(shù)據(jù)本身的隱私和安全相關(guān)的問題[36]。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 馬武仁，"弓孟春，"戴輝，"等."以ChatGPT為代表的大語言模型在臨床醫(yī)學(xué)中的應(yīng)用綜述[J]."醫(yī)學(xué)信息學(xué)雜志，"2023，"44（7）："9–17.

[2] 中國信息通信研究院."人工智能大模型賦能醫(yī)療健康產(chǎn)業(yè)白皮書[EB/OL]."（2023-10-31）[2024-08-08]."http：//aimd.org.cn/newsinfo/6513785.html？templateId=506998.

[3] QIU"J，"LI"L，"SUN"J，"et"al."Large"AI"models"in"health"informatics："Applications，"challenges，"and"the"future[J]."IEEE"J"Biomed"Health"Inform，"2023，"27（12）："6074–6087.

[4] ZHAO"W"X，"ZHOU"K，"LI"J，"et"al."A"survey"of"large"language"models[EB/OL]."（2023-11-24）[2024-08-08]."https：//arxiv.org/abs/2303.18223.

[5] NERELLA"S，"BANDYOPADHYAY"S，"ZHANG"J，""nbsp;"et"al."Transformers"in"healthcare："A"survey[EB/OL]."（2023-06-30）[2024-08-08]."https：//arxiv.org/abs/2307.00067.

[6] DOSOVITSKIY"A，"BEYER"L，"KOLESNIKOV"A，""""et"al."An"image"is"worth"16×16"words：nbsp;Trans-""""formers"for"image"recognition"at"scale[EB/OL]."（2021-06-30）[2024-08-12]."https：//arxiv.org/abs/2010.11929.

[7] MECKLENBURG"N，"LIN"Y，"LI"X，"et"al."Injecting"new"knowledge"into"large"language"models"via"supervised"fine-tuning[EB/OL]."（2024-04-30）[2024-08-12]."https：//"arxiv."org/abs/2404.00213.

[8] OUYANG"L，"WU"J，"JIANG"X，"et"al."Training""language"models"to"follow"instructions"with"human"feedback[EB/OL]."（2022-03-04）[2024-08-08]."https：//arxiv."org/abs/2203.02155.

[9] MAO"R，"CHEN"G，"ZHANG"X，"et"al."GPTEval："A"survey"on"assessments"of"ChatGPT"and"GPT-4，"2023[C]."https：//aclanthology.org/2024.lrec-main.693.pdf.

[10] EISENSTEIN"M."AI"assistance"for"planning"cancer"treatment[J]."Nature，"2024，"629（8014）："S14–S16.

[11] LI"J，"GUAN"Z，"WANG"J，"et"al."Integrated"image-based"deep"learning"and"language"models"for"primary"diabetes"care[J]."Nat"Med，"2024，"30（10）："2886–2896.

[12] YANG"S，"JIAO"M，"LUO"Y，"et"al."EpiSemoGPT："A"fine-tuned"large"language"model"for"epileptogenic"zone"localization"based"on"seizure"semiology"with"a"performance"comparable"to"epileptologists，"2024[C]."https：//www.medrxiv.org/content/10.1101/2024.05.26.24307955v2.full.pdf.

[13] 大經(jīng)中醫(yī)."岐黃問道大模型[EB/OL]."（2023-08-01）"[2024-08-08]."http：//www.dajingtcm.com/dajinggpt.

[14] YANG"S，"ZHAO"H，"ZHU"S，"et"al."Zhongjing："Enhancing"the"Chinese"Medical"capabilities"of"large"language"model"through"expert"feedback"and"real-world"multi-turn"dialogue，"2023[C]."https：//ojs.aaai.org/index."php/AAAI/article/view/29907/31586.

[15] 新華網(wǎng)."中醫(yī)藥大模型“數(shù)智本草”在天津發(fā)布[EB/OL]."（2024-05-09）[2024-08-08]."http：//www.xinhu"anet.com/politics/20240509/be28f085474b45fd9d6829766195568d/c.html.

[16] THAWAKAR"O，"SHAKER"A"M，"MULLAPPILLY"S"S，"et"al."XrayGLM："The"first"chinese"medical"multimodal"model"that"chest"radiographs"summarization[EB/OL]."（2023-12-30）[2024-08-08]."https：//github.com/Wang"Rongsheng/XrayGLM.

[17] LIU"J，"WANG"Z，"YE"Q，"et"al."Qilin-Med-VL："Towards"Chinese"large"vision-language"model"for"general"healthcare[EB/OL]."（2023-11-01）[2024-08-08]."https：//""arxiv.org/abs/2310.17956.

[18] 鐘經(jīng)文."叮當健康HealthGPT首推叮當藥師、營養(yǎng)師AI助手，讓百姓用藥更便捷、安全[EB/OL]."（2023-06-29）[2024-08-08]."https：//cn.chinadaily.com."cn/a/202306/29/WS649d1095a310ba94c561401f.html.

[19] 何力光."科大訊飛：訊飛醫(yī)療全面升級醫(yī)療診后康復(fù)管理平臺，將專業(yè)的診后管理和康復(fù)指導(dǎo)延伸到院外[EB/OL]."（2023-07-13）[2024-08-08]."https：//qzs.stcn."com/article/detail/284593.html.

[20] 華東師范大學(xué)."EmoGPT——國內(nèi)首款心理健康領(lǐng)域的AI大模型垂直應(yīng)用發(fā)布[EB/OL]."（2023-07-01）"[2024-08-08]."https：//shmh.ecnu.edu.cn/0a/b0/c32784a"527024/page.htm.

[21] LIN"Z，"AKIN"H，"RAO"R，"et"al."Evolutionary-scale"prediction"of"atomic-level"protein"structure"with"a"language"model[J]."Science，"2023，"379（6637）："1123–1130.

[22] LUO"R，"SUN"L，"XIA"Y，"et"al."BioGPT："Generative"pre-trained"transformer"for"biomedical"text"generation"and"mining[J]."Brief"Bioinform，"2022，"23（6）："bbac409.

[23] QURESHI"R，"IRFAN"M，"GONDAL"T"M，"et"al."AI"in"drug"discovery"and"its"clinical"relevance[J]."Heliyon，"2023，"9（7）："e17575.

[24] LIU"Z，"ROBERTS"R"A，"LAL-NAG"M，"et"al."""AI-based"language"models"powering"drug"discovery"and"development[J]."Drug"Discov"Today，"2021，"26（11）："2593–2607.

[25] YOU"Y，"LAI"X，"PAN"Y，"et"al."Artificial"intelligence"in"cancer"target"identification"and"drug"discovery[J]."Signal"Transduct"Target"Ther，"2022，"7（1）："156.

[26] STRONG"E，"DIGIAMMARINO"A，"WENG"Y，"et"al."Chatbot"vs"medical"student"performance"on"free-"response"clinical"reasoning""examinations[J]."JAMA"Intern"Med，"2023，"183（9）："1028–1030.

[27] LEE"Y"K，"SUH"J，"ZHAN"H，"et"al."Large"""""""language"models"produce"responses"perceived"to"be"empathic[EB/OL]."（2024-05-26）[2024-08-08]."https：//""arxiv.org/abs/2403.18148.

[28] SINGHAL"K，"TU"T，"GOTTWEIS"J，"et"al."Towards"expert-level"medical"question"answering"with"large"language"models[EB/OL]."（2023-05-16）[2024-08-08]."https：//arxiv.org/abs/2305.09617.

[29] 朱榮生，"馮紫雯，"陳琪，"等."人工智能的國際安全挑戰(zhàn)及其治理[J]."中國科技論壇，"2023（3）："160–167，"179.

[30] BANG"Y，"CAHYAWIJAYA"S，"LEE"N，"et"al."A"multitask，"multilingual，"multimodal"evaluation"of"chatgpt"on"reasoning，"hallucination，"and"interactivity[EB/OL]."（2023-11-28）[2024-08-08]."https：//arxiv.org/abs/2302."04023.

[31] Official"Journal"Ofnbsp;The"European"Union."Regula-"""tion"2024/1689"on"artificial"intelligence[EB/OL]."（2024-07-12）[2024-08-08]."https：//eur-lex.europa.eu/legal-"content/EN/TXT/HTML/？uri=OJ：L_202401689#d1e1907-1-1.

[32] MATTHEW"M."United"Nations"general"assembly""adopts"by"consensus"U.S.-led"resolution"on"seizing"the"opportunities"of"safe，"secure"and"trustworthy"artificial"intelligence"systems"for"sustainable"developmen[EB/OL]."（2024-03-21）[2024-08-08]."https：//www.state.gov/united-"nations-general-assembly-adopts-by-consensus-u-s-led-"resolution-on-seizing-the-opportunities-of-safe-secure-"and-trustworthy-artificial-intelligence-systems-for-sustainable-"development/.

[33] AI"Verify"Foundation."Proposed"model"AI"governance"framework"for"generative"AI[EB/OL]."（2024-01-16）"[2024-08-08]."https：//aiverifyfoundation.sg/downloads/"Proposed_MGF_Gen_AI_2024.pdf.

[34] 中華人民共和國中央人民政府."生成式人工智能服務(wù)管理暫行辦法[EB/OL]."（2023-07-10）[2024-08-08]."https：//www.gov.cn/gongbao/2023/issue_10666/202308/content_6900864.html.

[35] 中華人民共和國科學(xué)技術(shù)部."關(guān)于印發(fā)《科技倫理審查辦法（試行）》的通知[EB/OL]."（2023-09-30）[2024-08-08]."https：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/"gfxwj/gfxwj2023/202310/t20231008_188309.html.

[36] HAGOS"D"H，"BATTLE"R，"RAWAT"D"B."Recent"advances"in"generative"AI"and"large"language"models："Current"status，"challenges，"and"perspectives，"2024[C]."https：//arxiv.org/pdf/2407.14962.

（收稿日期：2024–08–08）

（修回日期：2024–10–30）