医疗人工智能（AI）技术正在迅速发展，旨在利用大型语言模型(LLMs)的巨大潜力彻底改变医疗保健交付方式。这些技术进步承诺提高诊断准确性，个性化治疗方案，并解锁全面医学知识的获取，从根本上改变患者护理。将 AI 整合到医疗保健中旨在提高医疗服务的效率和精确度，有效地弥合技术前沿与以患者为中心的护理之间的鸿沟。
全球医疗服务领域的语言多样性是一个重要挑战。尽管医学知识以英语为主导，但非英语区域的医疗服务效果在很大程度上依赖于当地语言中医学信息的可获得性。这种情况突显了使医疗 AI 技术普遍可访问的迫切需求，从而将其好处扩展到包括使用各种语言的60多亿人口在内的全球受众中。
深圳大数据研究院和香港中文大学深圳研究所的研究人员推出了 Apollo，一套突破性的多语言医疗 LLMs 套件，标志着医疗 AI 的包容性大幅前进。
Apollo 模型经过精心训练，使用 ApolloCorpora，一个庞大的多语言数据集，并针对 XMedBench 基准进行了严格评估。这种战略方法使 Apollo 能够匹配或超越同等大小的现有模型在一系列语言中的性能，包括英语、中文、法语、西班牙语、阿拉伯语和印地语，展示了其无与伦比的多样性。
Apollo 开发背后的方法论侧重于将预训练语料库改写成问答格式，并采用自适应采样训练数据。这种方法使学习过渡变得无缝，从而训练出更小但高效的模型。这些模型不仅擅长理解和生成多语言医学信息，还通过一种新颖的代理调优技术增强了较大模型的能力，无需直接微调。
Apollo 的模型，特别是 Apollo-7B，表现出色，建立了多语言医学 LLMs 的新标准。这一成就证明了 Apollo 将医疗 AI 民主化的潜力，使尖端医学知识跨越语言障碍普遍可获得。此外，Apollo 显著增强了较大通用 LLMs 的多语言医学能力，说明了其在全球范围内推广医疗 AI 技术中的关键作用。
Apollo 项目成为医疗 AI 民主化进程中的一道进步之光，旨在使复杂的医学知识普遍可获得，无论语言障碍如何。该倡议弥补了全球医疗沟通中的重要差距，并为未来的多语言医疗 AI 创新奠定了基础。
论文网址：https://arxiv.org/abs/2403.03640
项目入口：https://top.aibase.com/tool/apollo-llm
多语言llmlmsllms多样性ai 技术医疗保健语言障碍人工智能研究人员arxiv西班牙语数据研究自适应预训练训练数据阿拉伯语语料库大数据准确性
