ChatGPT的出现引起了广泛的关注，吸引了来自不同领域的科学家和从业者的目光。他们都希望这一里程碑式的技术能够为自己的行业带来新的变革。
最近，上海科技大学生物医学工程学院创始院长、联影智能联席CEO沈定刚教授主持了一场线上MICS学术沙龙活动。这次活动邀请了乔治亚大学计算机科学系终身教授刘天明、美国亚利桑那州梅奥诊所放射肿瘤学教授和医学物理部科研主任、AAPM Fellow刘伟、美国伦斯勒理工学院生物医学工程系P.K. Lashmet讲席副教授闫平昆、哈佛大学医学院和麻省总医院讲师李响四位学者，共同探讨了ChatGPT在医学影像领域中的潜力。
这次学术沙龙的目的是探讨如何利用ChatGPT的技术在医学影像领域中进行创新。刘天明教授分享了他在计算机科学和医学领域的研究成果，他强调了ChatGPT在医学影像分析和诊断中的潜在应用。刘伟教授则分享了他在放射肿瘤学领域的经验，他认为ChatGPT可以帮助医生更准确地解读和分析医学影像，提高诊断的准确性和效率。闫平昆副教授则介绍了他在生物医学工程领域的研究，他认为ChatGPT可以与医学影像处理算法相结合，提供更全面的医学影像分析解决方案。李响讲师则分享了他在医学教育领域的实践经验，他认为ChatGPT可以用于医学教育和培训，帮助医学生和医生提高知识和技能。
通过这次学术沙龙，与会者们对ChatGPT在医学影像领域的应用前景有了更深入的了解。他们认为，ChatGPT的出现将为医学影像分析和诊断带来新的机遇和挑战，有望推动医学影像领域的进一步发展和创新。他们也呼吁学术界和产业界加强合作，共同探索ChatGPT在医学影像领域的应用，为医疗健康事业的发展做出更大的贡献。
在讨论中，刘天明指出，ChatGPT的表现令人惊叹，这要归功于In-context Learning或Prompt（提示词）等技术的运用，同时还利用了参数丰富的Transformer对转换为向量的文本进行处理。这些技术的发展需要长期的积累和研究。
然而，在专业性较强的领域，如医学，ChatGPT的表现还有待提高，需要将其从常识性知识向生物医学领域知识的迁移和进一步学习训练，以提升其在专业领域中的应用能力。
刘伟表示，如果想将ChatGPT应用于医学影像领域，多模态学习是必不可少的。医学领域涉及许多不同类型的数据，如图像、音频、文本等，必须利用多模态学习将它们结合起来，才能在临床工作中应用。
此外，还需要考虑特定领域数据的限制。对于医学这样的专业领域数据，需要使用更专业的提示词来生成问题。
李响分享了团队的一个新进展，他们尝试利用包含医学领域专业知识的知识图谱来改善ChatGPT的应用效果。
知识图谱可以在整个流程中发挥作用，无论是文本输入、语言生成还是改善ChatGPT的效果等方面。
然而，获得一个良好的知识图谱是很困难的，李响团队正在尝试利用ChatGPT从大量的专业语料库中自动发现知识图谱，为语言模型在临床工作中的应用提供重要的先验知识。
闫平昆则认为，ChatGPT之所以如此成功，与现有的视觉模型相比，其学习的对象——文字，具有人类表达方式的天然优势。因此，当前阶段应该关注如何更好地将图像信息输入到大型模型中。有两种方法可以实现这一目标。一种方法是通过图像分析模型提取图像中的信息，然后将其发送给ChatGPT。另一种方法是进行多模态学习，特别是视觉-语言学习。通过将图像信息与语言结合起来，可以直接对图像信息进行编码，并与文字一起发送到大型模型中。
以下是此次研讨会的主要内容，经过雷峰网《医健AI掘金志》编辑和整理（文章末尾可查看此次学术沙龙涉及的文章列表）：
沈定刚：首先，我想介绍一下我对ChatGPT的理解。OpenAI是一家规模较小的公司，只有87名年轻员工，平均年龄为32岁。尽管人数不多，但年轻员工在数据分析领域扮演着非常重要的角色。从ChatGPT团队的成就可以看出，我们应该支持年轻人的发展，并为他们提供成长的机会。
虽然人数有限，但ChatGPT团队的成员都是经验丰富的人才，他们毕业于名校，并在谷歌、Facebook、NVIDIA、Microsoft、DeepMind和Apple等知名公司工作过。团队的构成相对均衡，包括本科生、硕士研究生和博士生，每个级别的人才都非常重要，这有助于确保技术的优质发展。尽管团队年轻，但他们经验丰富，其中还包括一些顶尖的AI科学家。
这样的团队构成使得他们能够在AI领域取得卓越成就，也证明了人数并非唯一的关键因素，团队的质量更为重要。
323AI导航网发布
相关文章
