以大模型為代表的人工智能技術在醫療行業具有重大應用價值，包括病歷文書處理、醫患互動、準確診療等。目前范圍內，醫療行業的大痛點之一是醫生護士花費大量時間在病歷書寫和錄入上。有關調查數據顯示，這方面的工作占據了他們60%的時間。在國內的住院醫生中，甚至占據了90%的時間。虎博利用大模型的歸納總結、邏輯推理和自然語言對話能力，大幅提G醫生護士的工作效率，減輕了醫護人員的工作負擔。

該案例采用了Tigerbot自研通用大模型和SoftTiger醫療基礎大模型，利用國內外數百位醫生的標注校驗的脫敏臨床真實數據，經過了數百張GPU為期數月的訓練和微調。該模型通過國際權威的醫療行業術語庫和知識庫，對病歷文書進行知識抽取和知識庫構建，大幅降低了大模型的幻覺；基于多語言能力，該應用天然涵蓋包括中文、英語、拉丁文、阿拉伯語在內的多語種和小語種，以支持“一帶一路”國家戰略項目。該應用落地到真實場景后，經過chatbot arena 方法的系統評測和專家評測，效果達到前三，僅次于GPT-4和 GOOGLE-GEMINI，優于GPT-3.5和LLAMA-2在內的主流開源模型。經臨床醫生試用后，降低了他們在書寫病歷報告上67%的時間。此案例已經推動了公司和巴西醫療機構和保險機構的業務合作。該研究成果已經被在斯坦福大學舉辦的AAAI 2024 Spring Symposium on Clinical Foundation Models錄取并發表，是被國際學術會議錄取的醫療基礎大模型。

目前范圍內，醫療行業的大痛點之一是醫生護士花費大量時間在病歷書寫和錄入上。有關調查數據顯示，這方面的工作占據了他們60%的時間。在國內的住院醫生中，甚至占據了90%的時間。虎博利用大模型的歸納總結、邏輯推理和自然語言對話能力，大幅提G醫生護士的工作效率，減輕了工作負擔。

我們采用了Tigerbot自研通用大模型和SoftTiger醫療基礎大模型，利用國內外數百位醫生的標注校驗的脫敏臨床真實數據，經過數百張GPU為期數月的訓練和微調。該模型通過國際權威的醫療行業術語庫和知識庫，對病歷文書進行知識抽取和知識庫構建，大幅降低了大模型的幻覺；基于多語言能力，該模型天然涵蓋包括中文、英語、拉丁文、阿拉伯語在內的多語種和小語種，以支持“一帶一路”等國家戰略項目。該應用落地到真實場景后，經過chatbot arena 方法的系統評測和專家評測，效果達到前三，僅次于GPT-4和 GOOGLE-GEMINI，優于GPT-3.5和LLAMA-2在內的主流開源模型。

經臨床醫生試用后，該應用減少了他們在書寫病歷報告上67%的時間，為醫生護士減輕了工作負擔，提G了工作效率，使醫生把更多時間用在診療和科研上，是臨床醫療工作流程上的一次變革，具有重大的社會價值。該研究成果被在斯坦福大學舉辦的AAAI 2024 Spring Symposium on Clinical Foundation Models 錄取并發表，是被國際學術會議錄取的醫療基礎大模型。

347795ca088e155fd4a4f932002dcc56

7ad6b7eececea7874fd0a6532ae0ff815ee7508f