協(xié)和·太初 – 北京協(xié)和與中科院共同推出的罕見病領(lǐng)域AI大模型

協(xié)和·太初概述

協(xié)和·太初是由北京協(xié)和醫(yī)院與中國科學(xué)院自動化研究所共同開發(fā)的國內(nèi)首個針對罕見病的AI大模型，現(xiàn)已正式應(yīng)用于臨床。該模型利用了中國罕見病知識庫多年積累的經(jīng)驗以及中國人群的基因檢測數(shù)據(jù)，成為國際上首個符合中國人群特征的罕見病AI模型。通過采用極小樣本冷啟動技術(shù)，協(xié)和·太初能夠在數(shù)據(jù)稀缺的情況下，結(jié)合少量數(shù)據(jù)與醫(yī)學(xué)知識，實現(xiàn)全流程的輔助決策。

主要功能

• 初診咨詢與建議：患者可通過與模型進行多輪互動問診，迅速獲取初步的診療建議。
• 輔助醫(yī)生決策：模型構(gòu)建了“癥狀—檢查—鑒別診斷”的逐步推理鏈條，與醫(yī)生的臨床思維高度契合，幫助醫(yī)生快速理解診療流程。
• 病歷書寫與基因解讀：未來將提供病歷記錄、基因解讀及遺傳咨詢等醫(yī)生端服務(wù)。
• 知識自主迭代：通過分析患者交互記錄，評估診療過程，使決策驅(qū)動的數(shù)據(jù)得以主動更新，從而形成“臨床使用—數(shù)據(jù)反饋—模型迭代”的閉環(huán)。
• 抑制AI幻覺：構(gòu)建多維度可溯源的知識庫，有效減輕模型可能產(chǎn)生的“幻覺”，提高臨床決策的可靠性。

技術(shù)原理

• 極小樣本冷啟動技術(shù)：針對罕見病病例分散和數(shù)據(jù)不足的問題，研究團隊采用了極小樣本冷啟動策略，能夠在極少數(shù)據(jù)基礎(chǔ)上實現(xiàn)全面的輔助決策功能。
• “數(shù)據(jù)+知識”混合驅(qū)動：模型結(jié)合了豐富的罕見病知識庫和中國人群基因檢測數(shù)據(jù)，通過“數(shù)據(jù)+知識”的結(jié)合，增強了模型的決策邏輯和可信度。
• 深度推理能力：引入DeepSeek-R1的深度推理能力，構(gòu)建“癥狀—檢查—鑒別診斷”的推理鏈條，且與醫(yī)生的臨床思維緊密相連，展示從癥狀到診斷的關(guān)鍵節(jié)點與分支邏輯。
• 主動感知交互與閉環(huán)迭代：模型通過與患者的多輪互動，主動感知病情變化并更新決策過程，形成“臨床使用—數(shù)據(jù)反饋—模型迭代”的自我優(yōu)化閉環(huán)。
• 多維度可溯源知識庫：為抑制AI的“幻覺”，模型構(gòu)建了多維度可追溯的知識庫，整合權(quán)威數(shù)據(jù)，動態(tài)更新知識，增強臨床決策的可信度。

項目官網(wǎng)

• 項目官網(wǎng)：協(xié)和·太初

應(yīng)用場景

• 患者初診與快速問診：患者可以通過與協(xié)和·太初進行多輪交互，迅速獲得初步的診療建議，幫助準確定位可能的罕見病方向。
• 罕見病診療協(xié)作網(wǎng)推廣：模型已在北京協(xié)和醫(yī)院的罕見病聯(lián)合門診進行了一年的試點應(yīng)用，效果顯著。未來將接入該醫(yī)院的線上診療服務(wù)，逐步推廣至全國的罕見病協(xié)作網(wǎng)絡(luò)，助力分級診療體系的建設(shè)。
• 知識自主迭代與閉環(huán)優(yōu)化：模型通過與患者的交互記錄評估診療過程，實現(xiàn)決策驅(qū)動的數(shù)據(jù)主動更新，形成“臨床使用—數(shù)據(jù)反饋—模型迭代”的閉環(huán)，持續(xù)優(yōu)化診療能力。

常見問題

• 協(xié)和·太初適合哪些患者使用？：該模型主要針對罕見病患者，尤其在初診和快速篩查中具有重要價值。
• 如何獲取協(xié)和·太初的初步診療建議？：患者可以通過與協(xié)和·太初進行多輪問診互動，獲得個性化的初步診療建議。
• 協(xié)和·太初如何保障決策的準確性？：模型依托豐富的知識庫和實時的數(shù)據(jù)反饋機制，持續(xù)優(yōu)化和更新決策過程，確保臨床決策的高可信度。