介绍了大型语言模型的研究现状,阐述了生成式预训练转换器模型的关键技术,综述了大型语言模型在医疗教育、临床疾病诊断与治疗、医患交流中的实际应用现状,指出了有效监管、伦理和法律、专业化及逻辑一致性是大型语言模型在医疗领域应用中面临的挑战,并展望了未来的发展方向.

投稿论文必须为原创,任何大型语言模型工具(例如ChatGPT)不能列为论文作者.如在论文创作中使用过相关工具,应在"方法"或"致谢"或适当的部分明确说明.使用ChatGPT等AIGC工具辅助完成论文撰写,可能涉及抄袭及版权问题,使用者必须谨慎.任何AI工具生成的文本、图表,不能在论文中使用.

人工智能越来越多地应用于图像后处理、疾病诊断与预后评估。最近，以ChatGPT为代表的大型语言模型在自然语言处理领域取得了重大进展，这引起了人们对其在医疗环境中应用的兴趣和担忧。本文从医学影像学的视角讨论如何在医疗环境中利用大型语言模型，以及它们在提高影像学实践、研究和教学工作的效率及有效性方面的潜力。同时，将聚焦大型语言模型在未来实际应用过程中的一些局限性。

大数据方法和技术发展日新月异，给临床诊疗提供了越来越多的新的思路和方法。大语言模型的出现使得人机交互式的对话和复杂的医疗场景下的应用成为了可能。重症医学是一个连续动态目标性治疗的过程，这个过程中产生的庞大数据需要通过模型进行整合与优化并在临床应用，在教学模拟中互动，在科学研究中助力。使用以生成式预训练转换模型（ChatGPT）为代表的大语言模型可初步实现在重症疾病的诊断、死亡风险预测和病案管理方面的应用。同时ChatGPT的时空局限性、幻象和伦理道德问题应运而生。ChatGPT在未来的重症医学诊疗中可能会发挥巨大作用，但目前需要结合更多的重症医学临床知识储备并谨慎对待其作出的结论进行判断。

ChatGPT作为当下广受关注的生成式人工智能大型语言模型，在带给人们沉浸式学习体验和独特交互式平台的同时，也为众多领域的发展提供了创新工具和新的机遇。随着放射医学在疾病诊疗、载人航天、核能与核技术等领域的重要性日益凸显，可以预见，以ChatGPT为代表的人工智能大型语言模型将对放射医学的发展发挥重要作用。本文综述ChatGPT在放射医学领域的应用前景及面临的挑战，旨在推进人工智能大型语言模型在放射医学领域的应用研究。

目的 通过深度学习算法构建急性呼吸道传染病早期识别模型,协助开展医疗机构呼吸道传染病早期识别工作.方法 收集2012年1月—2023年3月北京某大型三甲医疗机构急性呼吸道感染性疾病6 683例患者病历文本数据,使用基于自然语言处理(NLP)技术的双向编码器表征(BERT)训练词向量,结合卷积神经网络(CNN)和双向长短期记忆神经网络(BiLSTM)构建早期识别模型BERT_MCB,以受试者工作曲线、准确率、精确率、召回率和F1值等指标作为模型性能判断标准.结果 BERT_MCB模型整体优于随机森林、BERT、BERT_CNN、BERT_RNN四组基线模型,其中准确率提高了 1.20％～15.80％、精确率提高了 1.66％～23.69％、召回率提高了 0.25％～26.75％、F1值提高了 0.66％～27.25％.结论 本研究建立的急性呼吸道传染病早期识别模型可较为准确地识别出急性呼吸道传染病,表明深度学习算法在早期识别急性呼吸道传染病方面具有较好的应用前景.

生成式人工智能(generative artificial intelligence,GenAI)是指利用复杂的算法、模型和规则,从大规模数据集中学习,并生成全新、有意义内容的人工智能技术,包括但不限于大型语言模型、聊天机器人等.近年,GenAI已在艺术创作、内容创作、图像和视频编辑、自然语言处理等多个领域得到一定应用.

投稿论文必须为原创,任何大型语言模型工具(例如ChatGPT)不能列为论文作者.如在论文创作中使用过相关工具,应在"方法"或"致谢"或适当的部分明确说明.使用ChatGPT等AIGC工具辅助完成论文撰写,可能涉及抄袭及版权问题,使用者必须谨慎.任何AI工具生成的文本、图表,不能在论文中使用.

投稿论文必须为原创,任何大型语言模型工具(例如ChatGPT)不能列为论文作者.如在论文创作中使用过相关工具,应在"方法"或"致谢"或适当的部分明确说明.使用ChatGPT等AIGC工具辅助完成论文撰写,可能涉及抄袭及版权问题,使用者必须谨慎.任何AI工具生成的文本、图表,不能在论文中使用.

投稿论文必须为原创,任何大型语言模型工具(例如ChatGPT)不能列为论文作者.如在论文创作中使用过相关工具,应在"方法"或"致谢"或适当的部分明确说明.使用ChatGPT等AIGC工具辅助完成论文撰写,可能涉及抄袭及版权问题,使用者必须谨慎.任何AI工具生成的文本、图表,不能在论文中使用.