大型多模态模型(LMMs)等生成式人工智能(AI)技术有潜力改善医疗保健，但也存在诸多风险和挑战，需要模型的开发者、监管者和使用者能够识别，并充分考虑相关风险，更需要透明的信息和政策来管理LMMs的设计、开发和使用。近期，世界卫生组织(WHO)发布了LMMs伦理治理的新指南。该指南提出了40多条建议，供政府、技术公司和医疗机构等参考，以确保适当使用LMMs，促进和保护人群的健康。该指南为改善老年人的健康管理和治疗提供了新的可能，在促进老年医学发展的同时，也带来了伦理挑战。我们需要在遵循WHO和中国的伦理要求的基础上，更好地利用AI技术应对人口老龄化带来的挑战，提高老年医疗服务水平，实现健康中国的目标。

2022年11月30日，美国人工智能研究实验室OpenAI发布了聊天机器人程序ChatGPT(全称：Chat Generative Pre－trained Transformer)。作为人工智能技术驱动的自然语言处理工具，ChatGPT能够基于在预训练阶段所学习的模式和统计学规律来生成回答，还能根据聊天的上下文进行互动，真正像人类那样聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务。

虚拟现实(VR)是一种可以创建和体验虚拟三维场景的计算机仿真系统，能够为用户提供多感官信息。近年来，随着5G、人工智能、大数据、云计算等技术的快速发展，VR技术在眼科领域的应用迎来了新的机遇和挑战。在视力、调节功能、立体视等视功能评估方面，VR结合红外眼动跟踪、双眼分视、人机交互等技术能够完全控制呈现给用户的画面，为实现个性化、自动化诊断提供了可能，并能够有效降低人力成本。在斜视、弱视诊疗方面，VR再结合其环境沉浸性、三维成像等技术，能够为用户提供丰富的画面，减少了斜视眼位测量、弱视眼间抑制量化上的检测技术难度；并可以通过模仿斜视聚散训练、弱视知觉训练等范式，提高斜视正位训练、弱视知觉训练和立体视训练的趣味性和依从性。增强现实技术与计算机生成的视觉增强、全息成像、三维音频提示和自适应光学相结合，可有效弥补低视力人群的视觉缺损，提高其生活质量。在近视防控领域，VR技术的利弊目前尚有争议，但仍具备潜在的应用价值。本文就虚拟(增强)现实技术在视功能评估与重建中的应用现状进行综述，并对其可能面临的挑战进行分析，以期推动医工融合在眼科诊疗领域的发展。

数字化和智能化技术是推动医疗服务模式转型创新、提升服务质量的重要动力。为提高临床应用业务系统智能化水平、改善门诊患者就医体验，北京协和医院于2020年2月研发智能化门诊诊前病史采集系统。该系统主要包括人工智能能力层、应用服务层、能力资源层和接口层等软件技术架构及硬件部署与安全体系架构设计，通过与医院信息系统对接，利用移动终端，实现患者自助提交诊前病史信息，并生成结构化病史资料供接诊医生调用。截至2021年11月，诊前病史采集系统已覆盖医院80%的科室，总计服务168万人次，患者填写率达60%，患者病史采集时长和医生门诊电子病历书写时长不断缩短，极大提高了门诊医疗服务效率。

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。

糖尿病视网膜病变(DR)是糖尿病常见的血管并发症，也是不可逆盲的主要原因之一，其特征是视网膜血管渗漏、新生血管形成和纤维增生。尽管目前DR的治疗方式多样，但大多针对疾病中晚期且疗效欠佳。因此，DR的早期诊断和精准治疗十分重要。近年来，DR相关生物标志物的研究发展迅速，在疾病的风险评估、早期干预及治疗中发挥重要作用。经典的DR生物标志物如糖化血红蛋白，已在临床实践中广泛应用。随着对DR发病机制的进一步了解，炎症类生物标志物、血管生成类生物标志物已被证实与疾病的发生和进展密切相关。同时，随着科技的不断进步，先进设备与技术为DR相关生物标志物的探索构建了广阔平台，组学类生物标志物、影像类生物标志物和人工智能的应用已成为研究热点，为实现DR早期准确诊疗做出了重要贡献。本文就DR发生与发展中相关生物标志物表达与测定的最新研究进展进行综述，以期为DR的高效防控与有效治疗提供新思路。

传统的医学考试题库建设耗时长且依赖于命题专家资源，而大语言模型为题库建设带来了新方式，其试题生成质量很大程度上取决于提示词的设计。为了提高医学试题质量，帮助医学教师有效利用大语言模型开展命题工作，本文介绍了大语言模型中常用的提示工程，并以"术后胆漏"试题生成为例，探索了零样本、少样本、思维链、自洽性思维链、思维树提示工程策略的命题效果。分析结果显示，零样本和少样本提示操作简便，但在试题多样性和深度上存在一定局限。通过增加思维成分的提示策略，可以引导大语言模型执行草稿、打磨、比较和确定等命题过程，从而提高试题质量。同时，虽然通过改进提示词可以有效提高命题效果，但其具体实施与设计仍有极大的挖掘空间，需要进一步的研究和探索。

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。

以ChatGPT为代表的生成式人工智能在理解自然语言的语义和上下文，并生成连贯、有意义的回复方面展现了较高的能力，但在需要高水平专业知识和复杂思维的医疗领域中的表现如何尚不确定。作者结合我国基层医疗卫生服务能力的现状，探讨以ChatGPT为代表的生成式人工智能技术在基层医疗卫生服务能力提升中的潜在应用，包括临床辅助诊疗、书写电子病历、远程管理慢性病患者和患者教育等，但其自身存在的无法保证准确性、缺乏医患互动、语言障碍等局限性，以及数据安全、患者隐私和伦理道德等问题限制了其应用。对于ChatGPT在基层医疗卫生服务中的应用，需要经过全社会广泛讨论和分析，对潜在风险进行评估，并制定相应的政策法规，确保以审慎和负责任的态度引入和应用，实现ChatGPT赋能基层医疗卫生服务能力提升的目标。

目的 神经系统疾病具有诊疗复杂、类型多样、多数疾病患病率低等特点,为降低神经系统疾病基层医疗机构首诊难度,提升医院医疗服务质量和效率,开展面向神经病学的智能预问诊系统研究.方法 在构建的神经系统疾病循证医学知识图谱基础上,通过循证医学规则引擎和规则流,利用人工智能技术构建智能预问诊系统.结果 该系统采用人机交互的引导式问答方式采集患者病情、既往史等信息,自动生成预问诊报告发送给临床医生.上线应用的效果表明,该系统优化了医院诊疗服务流程,有效提高了医患沟通效率.结论 该成果未来可应用到各级医疗机构,实现医院优质专科诊疗经验下沉基层,辅助基层规范化问诊.