准确的诊断在医疗保健中至关重要，它是获得恰当且及时治疗的关键所在。近期，以 ChatGPT 为代表的大语言模型（large language model，LLM）在少样本或零样本学习方面展现出了令人瞩目的能力，然而，它们在临床诊断中的有效性，仍未得到证实。

2025年1月8日，北京邮电大学王光宇研究员联合北京大学第三医院宋纯理教授、宜昌市中心人民医院/三峡大学第一临床医学院杨简教授，在 Nature Medicine 期刊发表了题为：A generalist medical language model for disease diagnosis assistance 的研究论文【1】。

该研究开发了一种用于疾病诊断辅助的通用大语言模型——MedFound。

在这项最新研究中，王光宇团队推出了一款名为 MedFound 的大语言模型，这是一款拥有 1760 亿参数的通用医学语言模型，其在来自不同医学文本和真实世界临床记录的大规模语料库上进行了预训练。研究团队进一步对 MedFound 进行了微调，采用基于自引导策略的链式思维方法来学习医生的推理诊断，并引入了一个统一的偏好对齐框架，使其与标准临床实践保持一致。

广泛的实验表明，在八个医学专科领域内，该医学大语言模型在分布内（常见疾病）、分布外（外部验证）和长尾分布（罕见疾病）场景中优于其他基准大语言模型和专业模型。进一步的消融研究表明，该医学大语言模型训练方法中关键组件的有效性。

研究团队对大型语言模型（LLM）诊断的临床适用性进行了全面评估，包括人工智能（AI）与医生的比较、人工智能辅助研究和人工评估框架。

该研究提出的框架纳入了八项临床评估指标，涵盖了诸如病历总结、诊断推理和风险管理等能力。总的来说，这性研究结果表明，MedFound 模型在临床工作流程中辅助医生进行疾病诊断方面是可行的。

                    诊断通用系统的开发与评估示意图

MedFound 模型诊断案例：

对于上述病情描述，医生诊断为急性支气管炎，而 MedFound 模型诊断为慢性支气管炎急性加重，医生将诊断结果修正为慢性支气管炎急性加重。

对于上述病情描述，医生诊断为亚临床甲状腺功能减退，而 MedFound 模型诊断为自身免疫性甲状腺疾病，医生将诊断结果修正为自身免疫性甲状腺炎。

王光宇博士，北京邮电大学研究员，曾获2022年科学探索奖。王光宇研究员长期致力探索智能医学生物计算新理论方法及关键技术，并取得了一系列国际前沿水平的研究成果。

2020年4月，王光宇等人在国际顶尖学术期刊 Cell 发表论文【2】，该研究利用CT数据开发了一款人工智能（AI）系统，可用于诊断新冠肺炎，还能够将其与其他常见肺炎和正常对照区分开来，从而协助放射科医生和内科医生进行快速诊断，帮助临床医生对抗COVID-19。

2023年7月，王光宇等人在国际顶尖医学期刊 Nature Medicine 发表论文【3】。该研究开发了一款人工智能（AI）预测系统——UniBind，该系统能预测 SARS-CoV-2 中有哪些突变株将对人类构成重大威胁，有助改变人们分析 COVID-19 以及潜在的其他传染病的模式和能力。

2023年9月14日，复旦大学附属中山医院李小英、陈颖团队联合北京邮电大学王光宇团队，在国际顶尖医学期刊 Nature Medicine 上发表了题为：Optimized glycemic control of type 2 diabetes with reinforcement learning: a proof-of-concept trial 的研究论文【4】。

研究团队采用强化学习算法构建了 2 型糖尿病的胰岛素决策模型；并从计算机模拟效果、专家评估、真实世界患者疗效评估，证实了该模型可制定个体化、精准、动态的胰岛素治疗方案，或将作为潜在的有效工具辅助临床医生管理 2 型糖尿病患者，减轻医疗负担，助力分级诊疗，赋能慢病管理。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】