Nedolgo nazaj je redek model AI "Xiehe Taichu", ki sta ga skupaj razvila bolnišnica Peking Union Medical College in Inštitut za avtomatizacijo Kitajske akademije znanosti, uradno vstopila v fazo klinične prijave. Raziskovalna skupina obravnava sposobnost učinkovitega zatiranja "iluzij" umetne inteligence kot ene od njegovih treh temeljnih prednosti. Sorodna poročila kažejo, da tradicionalni modeli umetne inteligence pogosto proizvajajo "iluzije" zaradi hrupa podatkov ali slepih točk znanja, kar zlahka privede do napačnih sklepov. "Concordia · Taichu" z vključevanjem avtoritativnih podatkov, dinamično posodabljanje znanja in dodajanjem mehanizmov sledljivosti učinkovito zavira pojav "iluzij" v modelu in poveča verodostojnost kliničnega odločanja.
Za zatiranje "halucinacij" uporabljamo predvsem lokalizirane kakovostne nabore podatkov (na primer realne diagnoze in evidence zdravljenja) in veliko število ročno potrjenih baz znanja (kot so klinične diagnoze in smernice zdravljenja, učbenike in javno dostopna znanstvena literatura) za model natančno nastavitev. "Gong Mengchun je pojasnil," s tehnikami, kot so hitro inženirstvo besed, učinkovita podpora dokazov, preverjanje sledljivosti, preverjanje meril itd. "To lahko razumemo, da AI omogoča, da se le nauči" dobrega znanja "in omeji" mejo "ali dodajanje mehanizma" sledljivosti "za nenehno revidiranje" izobraževanja "pred klinično uporabo.
Po statističnih podatkih, ki so jih objavile ustrezne poklicne institucije, je Deepseek nameščen v bolnišnicah najvišje stopnje na Kitajskem. Več bolnišnic, vključno z bolnišnico Huashan, povezane z univerzo Fudan, bolnišnico Ruijin in bolnišnico Shenzhen People, je začelo skupne raziskave in razvoj z najvišjimi domačimi podjetji za umetno obveščevalne službe. S pomočjo navzkrižne disciplinske integracije in priklopa so pospešili spodbujanje medicinske inteligence in rešili problem "ozkega grla". Industrija verjame, da lahko uporaba edinstvene tehnologije "hierarhično destilacijo" Deepseeka zmanjša delovno obremenitev sklepanja in računanja v zapletenih medicinskih scenarijih za 30%.
Velika količina raziskav, ki temeljijo na multimodalnih kliničnih podatkih doma in v tujini, je potrdila, da lahko klinična vpogled, ki jo zagotavlja tehnologija umetne inteligence, presegajo znanje in fizične senzorične omejitve, ki jih zdravniki lahko dojamejo, kar zagotavlja pomembna pomožna mnenja za klinično odločanje. Gong Mengchun je dejal, da bi morali, ko gre za nove dokaze in sodbe, ki jih je podal AI, sprejeti "previden preverjanje in popolno presojo", zgraditi multimodalno infrastrukturo kliničnih podatkov, razvrstiti visokokakovostne čakalne vrste in preveriti različna medicinska odkritja, ki jih vodijo podatki. Vključevanje kliničnih dokazov, ki jih AI predloži v postopek diagnoze in zdravljenja v obliki multidisciplinarne diagnoze in zdravljenja (MDT), ki služi bolnikom, je eden izmed glavnih razvojnih trendov na področju globalnega medicinskega raziskovanja.
