中国医药大学附设医院（中医大附医）院长周德阳今天宣布，将采用Google新发表用Med-PaLM 2打造的MedLM模型，来发展AI辅助医生，先从医生用的客制化癌症治疗指引Chatbot，和提供化疗问答集的病患Chatbot开始，後续还会发展更多专科AI助手。中医大附医是亚洲第一家采用这款医疗生成式AI模型Med-PaLM 2的医学中心。
中医大附医这几年积极推动医疗HIS改造，今年连续获得美国HIMSS数位健康指标评比的全球智慧医院前三强，这两年也一直投入医疗AI发展，例如结合败血症风险预测AI、细菌抗药性预测AI和个人抗菌图谱打造出智抗菌平台。
去年12月，中国医药大学附设医院研究副院长李光申看到Google研究团队在自然杂志发表了Med-PaLM的研究成果，就开始关注後续发展。今年中，李光申受邀到美国Google总部参访後，双方决定展开合作。
Google在2022年发表了第一代医疗生成式AI模型Med-PaLM，可以达到美国医生认证考试60分及格水准，今年中更发表了第二代Med-PaLM 2，可以达到85分的水准。李光申指出，这个分数代表了Med-PaLM 2达到哈佛医学院前10%学生的能力，也相当於专科医生能力的水准。这也是中医大附医采用Google Cloud医疗LLM其中一项原因。
周德阳补充，通用性LLM，没有办法达到专科医生等级的回答。例如眼睑下垂可能是哪一条脑神经出现问题？一般通用LLM多半回答，可能是第三对、第四对、第六对这些与眼睛相关的脑神经有问题，但Med-PaLM 2可以更清楚回答，眼睑下垂是第三对有问题。
主导Med-PaLM研究的Google研究杰出科学家暨资深总监Greg Corrado也亲自来台发表这项合作，他表示，过去没有一款LLM通过美国医生考试，Med-PaLM是第一个，今年的第二代更达到85.4分的等级，「通过考试不见得代表可以执业，但可以看出这项科技的潜力，可以学习新的医学知识，来优化它的推理能力。」
Google的Med-PaLM模型训练上，在基础的语言模型上，使用了少量，经过授权取得的医疗专门资料进行模型微调，来强化对医疗领域的能力。Greg Corrado强调，模型发展过程，也一再确保，「没有运用到隐私或个人病患的资料来训练，来兼顾实际应用时的隐私和合规考量。」
因为第一代Med-PaLM模型还不是立即可用的技术，所以，Google新发展出了一项医疗生成式AI模型产品MedLM，使用了PaLM 2等一系列的基础模型，来打造出适合医疗产业使用的LLM。
Greg Corrado表示，MedLM是一款伞型架构的产品，不会只使用一个模型，而是会整合多种模型，也需要结合实际医疗人员的知识和经验，让这个产品可以安全的运用到实际场所，中医大附医是这段旅程其中一家夥伴。
「现在是医疗AI的转型时代，要勇敢大胆，但同时要负责任，这正是Google发展GAI得原则。」他强调，MedLM的定位，不应该用於任何医疗照护的直接决策，而要是用来协助受过专业训练的医生，在医护人员的监督下，用AI协助他们完成工作。
Google Cloud医疗照护全球总监Ashima Gupta表示：「用AI辅助，有助於改善医疗资源不平等的问题。」她认为，要发展生成式AI策略，需要先有一套数据资料策略和好的基础架构，但是，医院往往因为法规，系统相容性，资料隐私和安全性的问题，无法快速采用新科技。Goolge医疗AI产品线未来希望能提供一个世界级合规架构，不只提供云端基础架构、TPU等硬体，也包括了医疗照护资料引擎，透过开放平台，协助医院将医疗资讯标准化，让医院更容易采用这些基础模型。
李光申表示，中医大附医在11月时已开始测试MedPaLM 2模型，也将采用MedLM产品，Google新发表的Gemini模型未来成为MedLM可用模型後，也会采用。
第一阶段，中医大附医计画打造两款Chatbot，一款是给医护人员使用的客制化癌症治疗指引的专业用Chatbot，另一款是提供病人询问的化疗问答集Chatbot。
例如，乳癌2期的病人有贺尔蒙问题，如何安排治疗？Med-PaLM 2可以在几秒钟内提供回答，甚至提供了专业医疗文献的参考。「速度快到让我们的医生非常惊讶！」李光申强调。不只如此，AI生成的治疗建议，有些甚至超乎了医生的想像，医生会实际确认这些文献，作为治疗安排的参考。
李光申表示，中医大附医治疗的癌症种类很多且杂，其中不少是罕见癌症，每一个病患的情况都不同，过去，医生得花很多时间，为病人量身打造专门的癌症治疗计画。「改用AI协助治疗计画的订定，可以减少不少时间，让医院可以服务更多的病人。」他强调。
目前中医大附医先取得Med-PaLM 2模型的使用权，来进行文字生成式内容的测试。测试时，以检索增强生成（Retrieval-Augmented Generation，RAG）作法，参考国际癌症治疗指引和中医大附医院内的癌症治疗指引，来生成治疗指引的回答。未来，也考虑以指令工程的方式，将台湾健保规则输入到LLM，来优化回答的内容，更符合台湾情况。
中医大附医拥有300万人次的结构化医疗资料，过去几年打下很好的资讯基础建设，例如采用云原生技术、资讯中台架构设计，也导入了Google Anthos混合云架构。李光申，也因Google在台设有机房，医院较容易符合主管机关合规要求，而考虑采用Google的AI。
李光申表示，中医大附医已经打下了很好的基础建设，未来，不会建置自己的超级电脑硬体，而是会借助云端运算资源，来训练自己的医疗大脑。运用中医大附医庞大的结构化医疗资料，来发展更多领域、科别，不只临床也包括门诊的医疗辅助AI。
