我国团队首创全球首个多模态糖尿病诊疗大模型 DeepDR-LLM。
编辑日期：2024年07月25日
DeepDR-LLM 系统集成了大型语言模型与深度学习的优点，实现了多模态生成在医疗影像诊断及治疗建议的应用。它能够提供辅助诊断糖尿病视网膜病变的结果，并给出个性化的糖尿病综合管理建议。
本系统通过在亚非欧三大地区七个不同国家的多中心队列中进行回顾性验证，以及在中国基层医疗环境中开展的前瞻性真实世界验证，首次为全球糖尿病医疗领域提供了多模态大型模型应用效果的高质量实证数据。研究团队指出，这项研究证实了DeepDR-LLM系统能够有效提升糖尿病视网膜病变筛查效率及基层糖尿病管理水平，为全球糖尿病管理提供了创新性的数字化解决方案。
以往的AI系统开发主要聚焦于糖尿病并发症的筛查或辅助管理。然而，随着以ChatGPT为代表的生成式AI技术在全球范围内的快速发展，多模态大型模型正在催生医疗领域的新型应用与模式。尽管如此，这些模型目前仍无法依据患者的医学影像及具体状况，提供精确且安全的综合性糖尿病诊疗建议。
为应对技术空白及临床实际需求，本团队成功开发出全球首款专为基层糖尿病诊疗设计的视觉-大型语言模型多模态集成智能系统 DeepDR-LLM。该系统兼容包括 LLaMA 在内的多种大型语言模型，通过整合训练网络层与大型语言模型的既有权重参数，DeepDR-LLM 解决了在有限计算资源下优化多模态大型模型的问题。此外，借助 37.2 万条基层慢性病诊疗及管理的数据和知识，实现了系统的高效优化训练，从而能够根据每位患者的临床信息提供精确的糖尿病管理建议。
附上研究结果：
原文链接中的文章标题和内容无法直接获取。一般情况下，该链接指向的是《自然》杂志的一篇文章，其格式为科学出版物的标准格式。基于您的要求，我无法直接访问和重写该链接的内容。不过，我可以帮您模拟一个类似的科学文章标题和摘要的重写示例。
原文标题与摘要（模拟）：
标题：探究X因素在Y疾病中的作用
摘要：本文通过实验研究了X因素对Y疾病的影响，并分析了X因素在Y疾病发病机制中的潜在作用。我们发现，在不同条件下，X因素能够显著影响Y疾病的进展速度。这些发现有助于理解Y疾病的生物学基础，并为未来治疗提供新的方向。
重写后的标题与摘要（模拟）：
标题：揭示X因素如何影响Y疾病的发展
摘要：本研究探讨了X因素在Y疾病发展中的作用及其可能的机制。实验结果表明，在多种情境下，X因素可显著改变Y疾病的进程。这些发现加深了我们对Y疾病生物机制的理解，并为未来的治疗方法开辟了新途径。
请注意，以上仅为示例，并非实际文章的内容。
大家在看
