人工智能大模型在醫(yī)療健康領域應用的研究

[摘要]"醫(yī)療健康領域擁有豐富的多模態(tài)數據和開放多樣的醫(yī)療健康場景，是人工智能大模型最具有應用前景的領域之一?；诨A硬件、設備與模型框架的人工智能大模型通過醫(yī)療文本、醫(yī)療影像或醫(yī)療多模態(tài)數據集開展預訓練、微調、評估優(yōu)化和利用進而完成模型構建。醫(yī)療健康大模型在輔助診療、醫(yī)學影像研究、健康管理、生物醫(yī)學研究、藥物研發(fā)、醫(yī)學考試與教育等領域獲得成功應用，但同時也迎來數據安全風險、道德倫理風險和技術風險等挑戰(zhàn)。為規(guī)范人工智能大模型技術的發(fā)展，部分國家制定相關法律法規(guī)和標準指南。醫(yī)療健康領域與人工智能的合作機遇與挑戰(zhàn)并存，人工智能大模型技術仍需不斷優(yōu)化發(fā)展，推動與醫(yī)療健康領域的更深度融合。

[關鍵詞]"人工智能；大模型；醫(yī)療健康；智慧應用

[中圖分類號]"R319；TP391.1""""""[文獻標識碼]"A""""[DOI]"10.3969/j.issn.1673-9701.2024.33.018

Research"on"the"application"of"artificial"intelligence"large"models"in"the"field"of"medical"and"health"care

MA"Ao，"GE"Xiaoling

Information"and"Data"Center，"Children"Hospital"of"Fudan"University，"Shanghai"201102，"China

[Abstract]"The"medical"and"health"field"has"abundant"multimode"data"and"open"and"diverse"medical"health"scenarios，"which"is"one"of"the"most"promising"fields"for"the"application"of"artificial"intelligence"large"models."Based"on"basic"hardware，"equipment，"and"model"frameworks，"the"artificial"intelligence"model"is"pre-trained，"fine-tuned，"evaluated，"optimised，"and"utilized"through"medical"texts，"medical"images，"or"medical"multimode"datasets"to"complete"model"construction."The"large"medical"and"health"model"has"been"successfully"applied"in"the"fields"of"auxiliary"diagnosis"and"treatment，"medical"imaging"research，"health"management，"biomedical"research，"drug"research，"medical"examination"and"education，"but"it"also"faces"challenges"such"as"data"security"risks，"moral"and"ethical"risks，"and"technical"risks."In"order"to"regulate"the"development"of"artificial"intelligence"large"model"technology，"some"countries"have"formulated"relevant"laws，"regulations，"and"standard"guidelines."Opportunities"and"challenges"coexist"in"the"field"of"medical"and"health"cooperation"with"artificial"intelligence，"and"artificial"intelligence"large"model"technology"still"needs"to"be"continuously"optimised"and"developed"to"promote"deeper"integration"with"the"medical"and"health"field.

[Key"words]"Artificial"intelligence;"Large"model;"Healthcare;"Smart"application

ChatGPT的問世掀起席卷世界的人工智能大模型科技浪潮，也把人工智能大模型突破性的智能優(yōu)勢展示在大眾面前。以ChatGPT為代表的人工智能大模型具有規(guī)模性（參數量大）、涌現性（產生預料之外的新能力）及通用性（不局限于特定問題或領域）等特性，可基于“少樣本”“零樣本”完成學習，并成功應用于各類下游任務[1]。醫(yī)學健康是人工智能大模型最有應用價值的領域之一，醫(yī)學健康人工智能大模型的應用展現出蓬勃發(fā)展的態(tài)勢。

1""人工智能大模型的概述

1.1""人工智能大模型的定義與分類

人工智能大模型是“大數據+大算力+強算法”結合的深度神經網絡模型，其具有超大規(guī)模參數、復雜的計算結構模型，可處理海量的數據，完成復雜任務[2]。根據預訓練數據集的模態(tài)類別，可將人工智能大模型歸納為大語言模型、大視覺模型或視覺-語言模型、多模態(tài)型大模型[3]。

1.2""醫(yī)療健康領域的人工智能大模型

面向醫(yī)療健康領域的人工智能大模型基于“大數據+大算力+強算法”，針對不同的醫(yī)療健康場景和任務，使用來自成像、電子健康記錄、實驗室結果、基因組學、圖表或醫(yī)療文本等數據進行預訓練、微調、評估優(yōu)化和利用，提供高效率和個性化的智慧醫(yī)療服務。本文總結人工智能大模型在醫(yī)療健康領域應用的基本框架，見圖1。

2""人工智能大模型的基本設計流程

2.1""人工智能大模型基礎

在開展大模型建模之前需要完成硬件設備與數據資源準備。人工智能大模型需配置中央處理器、圖形處理器或張量處理器、芯片、傳感器、通信網絡等基礎硬件與設備，配備巨大的算力資源。用于預訓練和微調的數據資源主要來源于書籍、網絡爬蟲數據庫、Reddit鏈接、維基百科、代碼和其他途徑[4]。

2.2""人工智能大模型設計基本流程

人工智能大模型在Transformer和Vision"Transformers等基礎框架上開展訓練并建立基礎能力的過程被稱作預訓練，主要包括數據收集與準備、模型選擇與特征工程、開展不斷優(yōu)化策略和算法的預訓練任務等步驟[4-6]。微調是在預訓練的基礎上進行額外訓練以適用更具體領域的技術，常用技術有使用監(jiān)督微調進行指令調優(yōu)和使用基于人類反饋強化學習與人類的價值觀或偏好達成一致等[7-8]。評估與優(yōu)化主要針對完成微調的模型進行準確率、召回率、連貫度、對齊度、跨模態(tài)信息整合能力等方面評估，并針對評估結果開展調整模型參數、嘗試不同的網絡結構、使用正則化技術防止過擬合等優(yōu)化[9]。在大模型部署應用于解決各種下游任務時，應注意性能監(jiān)控和異常情況的處理。

3""人工智能大模型在醫(yī)療健康領域的應用發(fā)展現狀

自ChatGPT出現以來，許多研究已將人工智能大模型廣泛應用于醫(yī)療健康領域。本文收集整理部分近年發(fā)布的國內外醫(yī)療人工智能大模型，見表1。

經初步整理與歸納，將人工智能大模型在醫(yī)療健康領域的應用大致劃分為輔助診療、醫(yī)學影像研究、健康管理、生物醫(yī)學研究、藥物研發(fā)、醫(yī)學考試與教育6個方面。

3.1""輔助診療

醫(yī)療健康大模型在輔助診療的具體應用主要有臨床決策支持、智能分診導診、病歷報告書寫和疾病預測等。IBM公司探索建立智能醫(yī)療大模型“盟友”幫助臨床醫(yī)生更好地找到治療腫瘤疾病的生物標志物或提供參考意見[10]。清華大學聯(lián)合上海交通大學和新加坡國立大學團隊構建糖尿病診療的視覺-大語言模型的多模態(tài)集成智能系統(tǒng)DeepDR-LLM，提供糖尿病視網膜病變輔助診斷結果及個性化糖尿病綜合管理意見[11]。Yang等[12]建立癲癇疾病的Episemogpt大模型預測致癇區(qū)，提供患者術前評估參考意見。岐黃問道[13]、仲景[14]、數智本草[15]等大模型應用于中醫(yī)藥垂直領域的輔助診療。

3.2""醫(yī)學影像研究

人工智能大模型是醫(yī)學影像分析的有力工具。模型通過圖像分割、邊緣檢測、特征提取等方法，精確定位病變區(qū)域，并對其進行量化分析，幫助醫(yī)生更準確地判斷病情，生成輔助診斷報告，制定個性化治療方案。XrayGLM[16]是首個會看胸部X線片的中文多模態(tài)醫(yī)學大模型，在醫(yī)學影像診斷和多輪交互對話上顯示出非凡的潛力。Qilin-Med-VL[17]由北京大學團隊研發(fā)設計，是用來整合文本和視覺數據分析的多模態(tài)人工智能大模型。據報道該模型可用于圖文數據分析、生成醫(yī)學字幕、回答復雜醫(yī)學查詢、對醫(yī)學數據進行詳細和全面的解釋，目前處于持續(xù)優(yōu)化階段。

3.3""健康管理

醫(yī)療健康大模型在健康管理有醫(yī)療問診咨詢、個人健康監(jiān)測、精神情緒管理及術后康復管理等多個應用場景。HealthGPT主推面向個人提供專業(yè)、便捷、安全的用藥、營養(yǎng)保健服務，實現人工智能在醫(yī)藥領域的“技術普惠”[18]。星火認知大模型打造全面升級的醫(yī)療診后康復管理平臺，將專業(yè)的診后管理和康復指導延伸到院外[19]。華東師范大學上海市心理健康與危機干預重點實驗室推出人工智能傾訴師EmoGPT，為用戶提供專業(yè)化、個性化的心理支持服務[20]。醫(yī)療健康大模型的出現使健康管理的醫(yī)療資源更加可及和覆蓋更多人群，推動醫(yī)療服務從以治療為中心向以預防性和參與性為中心轉變。

3.4""生物醫(yī)學研究

醫(yī)療健康大模型擁有高效的學習能力和龐大的參數體系，可為生物大分子結構數量等計算提供高效和準確的計算方法，緩解生物分子實驗成本高、試驗周期長、生產難度大等問題。尤其是大模型出色的涌現能力已被用來建模并探索隱藏在大規(guī)模未標記數據中的生物特性，如Lin等[21]使用ESMfold模型框架優(yōu)化蛋白靶點結構的預測。在文獻檢索分析方面，科研人員利用大模型進行海量文獻檢索、成果調研等工作，可提高研究工作效率，釋放更多創(chuàng)新活力。Microsoft經過醫(yī)學文本預訓練得到的大模型BioGPT，在生物醫(yī)學文獻上具有明顯優(yōu)勢，可為生物醫(yī)學術語生成流暢的描述[22]。

3.5""藥物研發(fā)

垂直領域的醫(yī)藥研發(fā)大模型可在新藥設計的計算方法、藥物性質預測、藥物反應分析及所涉及的藥物數據收集、標記等各個階段發(fā)揮作用[23]。Liu等[24]認為人工智能驅動的語言模型在藥物研發(fā)中可提供關鍵性的“適合目的”的選擇從而加速新型冠狀病毒疾病治療進展。You等[25]使用人工智能技術進行癌癥靶點識別和藥物研發(fā)，提出人工智能輔助可大幅度縮短藥物研發(fā)周期、提高實驗效率、優(yōu)化藥物合成路線及篩選最有希望的候選化合物。

3.6""醫(yī)學考試與教育

人工智能大模型在醫(yī)學考試與教育中的應用日益廣泛。具體來說，在回答具有挑戰(zhàn)性的臨床考試問題時，ChatGPT比斯坦福大學醫(yī)學院低學年的醫(yī)學生表現得更好[26]。當研究者將ChatGPT對患者提問的回答與醫(yī)生提供的回答進行比較時，發(fā)現大模型的回答在質量和共情方面甚至更為出色[27]。Med-PaLM模型在美國執(zhí)業(yè)醫(yī)師資格考試中取得專家水平的表現，并在回答消費者的醫(yī)療問題方面獲得醫(yī)生的認可[28]。以上研究結果顯示出人工智能對醫(yī)學教育和臨床實踐的加速影響。

4""人工智能大模型在醫(yī)療領域的風險與挑戰(zhàn)

4.1""隱私保護與數據安全

醫(yī)療數據中包含大量診斷信息、遺傳信息和個人標識等敏感信息，大模型對海量醫(yī)療數據的使用容易侵犯患者的隱私權。在模型部署、數據收集、處理和傳輸中，醫(yī)療數據也面臨嚴峻的安全風險，一旦泄漏或被濫用，可能對國家安全、社會安全及個人生命財產安全等產生嚴重的影響和后果[29]。

4.2""道德規(guī)范與倫理風險

人工智能大模型的出現給予醫(yī)療工作者輔助決策等幫助，卻增加醫(yī)療決策的不透明度，降低可信賴度，模糊醫(yī)療診斷和治療的責任分工。人工智能大模型一旦使用有偏差的數據集，可導致有偏見、歧視性的輸出，破壞醫(yī)療公平，從而引發(fā)一系列道德和倫理問題。

4.3""結果的精確度與幻覺

人工智能大模型的本質是一個概率模型，即使輸入的微小差異也可能導致輸出的巨大差異，在醫(yī)療健康領域應用的精確度還遠遠不夠，甚至可因模型的不穩(wěn)定性或對齊的偏差出現幻覺，產生有害、有偏見或有毒的信息，導致誤用的潛在風險[30]。

4.4""技術限制與高質量數據集缺失

即使Transformer框架已表現出足夠的智能性優(yōu)勢，但仍面臨較高的訓練成本和緩慢的推理效率。如何在系統(tǒng)或硬件升級成本與提高Transformer框架效率之間找到平衡是十分現實的問題。隨著模型參數和規(guī)模的不斷增加，平衡模型容量與防止過擬合也是一大挑戰(zhàn)。模型過大易陷入噪聲數據的學習，而模型過于簡化則可能遺漏復雜模式。同時，高質量數據集的缺失也成為限制人工智能大模型更快發(fā)展的制約因素[4]。

5""人工智能大模型的治理與監(jiān)管

目前，人工智能監(jiān)管法規(guī)——歐盟《人工智能法案》[31]經過多輪談判和修訂，于2024年7月正式公布，2024年8月1日正式生效。歐盟《人工智能法案》為全球人工智能監(jiān)管樹立了標桿，推動全球范圍內人工智能法律法規(guī)的完善。美國2023年發(fā)布的《關于安全、可靠和值得信賴地開發(fā)和使用人工智能的行政命令》[32]旨在指導聯(lián)邦政府在人工智能領域的政策和行動。2024年5月新加坡政府發(fā)布《生成式人工智能模型治理框架》[33]提出9個治理維度，旨在促進生成式人工智能的可信生態(tài)系統(tǒng)發(fā)展。中國政府頒布法律法規(guī)和標準指南等加強對人工智能領域的法律法規(guī)建設和倫理規(guī)范引導，如頒布《生成式人工智能服務管理暫行辦法》[34]和《科技倫理審查辦法（試行）》[35]等法規(guī)文件對人工智能服務的安全性和科技倫理提出明確要求；發(fā)布《信息安全技術"生成式人工智能人工標注安全規(guī)范》《信息安全技術"生成式人工智能預訓練和優(yōu)化訓練數據安全規(guī)范》等系列標準和指南，用于指導生成式人工智能服務提供者提高安全管理水平。

6""人工智能大模型在醫(yī)療領域的展望與建議

隨著“互聯(lián)網+醫(yī)療”“互聯(lián)網+健康”政策的深入推進，醫(yī)學健康領域擁有更加豐富開放的醫(yī)療應用場景和更加活躍的醫(yī)療健康數據要素。未來，國家應加大對人工智能大模型基礎研究投入，推進醫(yī)療大模型數據庫和算力設施建設，夯實醫(yī)療健康大模型產業(yè)持續(xù)發(fā)展基礎。持續(xù)完善對醫(yī)療健康人工智能大模型的監(jiān)管，建立健全法律法規(guī)，完善標準指南體系，為人工智能大模型在醫(yī)療健康領域建立良好清朗的發(fā)展生態(tài)，助力產業(yè)的蓬勃發(fā)展。醫(yī)療健康主管部門應加強醫(yī)療數據治理，重視并逐步提升醫(yī)療數據質量，推動建立高質量、公開的醫(yī)療標準數據集，促進數據資源的開放共享。醫(yī)療健康企事業(yè)單位應鼓勵并推動醫(yī)療大模型算法、框架等基礎性、原創(chuàng)性技術的突破，增強醫(yī)療健康模型決策的透明性、可解釋性和穩(wěn)定性等。使用隱私保護技術增強模型訓練，如聯(lián)邦學習、動態(tài)加密或差異隱私加強醫(yī)療數據的去隱私化和數據安全，重視培訓和部署數據本身的隱私和安全相關的問題[36]。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 馬武仁，"弓孟春，"戴輝，"等."以ChatGPT為代表的大語言模型在臨床醫(yī)學中的應用綜述[J]."醫(yī)學信息學雜志，"2023，"44（7）："9–17.

[2] 中國信息通信研究院."人工智能大模型賦能醫(yī)療健康產業(yè)白皮書[EB/OL]."（2023-10-31）[2024-08-08]."http：//aimd.org.cn/newsinfo/6513785.html？templateId=506998.

[3] QIU"J，"LI"L，"SUN"J，"et"al."Large"AI"models"in"health"informatics："Applications，"challenges，"and"the"future[J]."IEEE"J"Biomed"Health"Inform，"2023，"27（12）："6074–6087.

[4] ZHAO"W"X，"ZHOU"K，"LI"J，"et"al."A"survey"of"large"language"models[EB/OL]."（2023-11-24）[2024-08-08]."https：//arxiv.org/abs/2303.18223.

[5] NERELLA"S，"BANDYOPADHYAY"S，"ZHANG"J，""nbsp;"et"al."Transformers"in"healthcare："A"survey[EB/OL]."（2023-06-30）[2024-08-08]."https：//arxiv.org/abs/2307.00067.

[6] DOSOVITSKIY"A，"BEYER"L，"KOLESNIKOV"A，""""et"al."An"image"is"worth"16×16"words：nbsp;Trans-""""formers"for"image"recognition"at"scale[EB/OL]."（2021-06-30）[2024-08-12]."https：//arxiv.org/abs/2010.11929.

[7] MECKLENBURG"N，"LIN"Y，"LI"X，"et"al."Injecting"new"knowledge"into"large"language"models"via"supervised"fine-tuning[EB/OL]."（2024-04-30）[2024-08-12]."https：//"arxiv."org/abs/2404.00213.

[8] OUYANG"L，"WU"J，"JIANG"X，"et"al."Training""language"models"to"follow"instructions"with"human"feedback[EB/OL]."（2022-03-04）[2024-08-08]."https：//arxiv."org/abs/2203.02155.

[9] MAO"R，"CHEN"G，"ZHANG"X，"et"al."GPTEval："A"survey"on"assessments"of"ChatGPT"and"GPT-4，"2023[C]."https：//aclanthology.org/2024.lrec-main.693.pdf.

[10] EISENSTEIN"M."AI"assistance"for"planning"cancer"treatment[J]."Nature，"2024，"629（8014）："S14–S16.

[11] LI"J，"GUAN"Z，"WANG"J，"et"al."Integrated"image-based"deep"learning"and"language"models"for"primary"diabetes"care[J]."Nat"Med，"2024，"30（10）："2886–2896.

[12] YANG"S，"JIAO"M，"LUO"Y，"et"al."EpiSemoGPT："A"fine-tuned"large"language"model"for"epileptogenic"zone"localization"based"on"seizure"semiology"with"a"performance"comparable"to"epileptologists，"2024[C]."https：//www.medrxiv.org/content/10.1101/2024.05.26.24307955v2.full.pdf.

[13] 大經中醫(yī)."岐黃問道大模型[EB/OL]."（2023-08-01）"[2024-08-08]."http：//www.dajingtcm.com/dajinggpt.

[14] YANG"S，"ZHAO"H，"ZHU"S，"et"al."Zhongjing："Enhancing"the"Chinese"Medical"capabilities"of"large"language"model"through"expert"feedback"and"real-world"multi-turn"dialogue，"2023[C]."https：//ojs.aaai.org/index."php/AAAI/article/view/29907/31586.

[15] 新華網."中醫(yī)藥大模型“數智本草”在天津發(fā)布[EB/OL]."（2024-05-09）[2024-08-08]."http：//www.xinhu"anet.com/politics/20240509/be28f085474b45fd9d6829766195568d/c.html.

[16] THAWAKAR"O，"SHAKER"A"M，"MULLAPPILLY"S"S，"et"al."XrayGLM："The"first"chinese"medical"multimodal"model"that"chest"radiographs"summarization[EB/OL]."（2023-12-30）[2024-08-08]."https：//github.com/Wang"Rongsheng/XrayGLM.

[17] LIU"J，"WANG"Z，"YE"Q，"et"al."Qilin-Med-VL："Towards"Chinese"large"vision-language"model"for"general"healthcare[EB/OL]."（2023-11-01）[2024-08-08]."https：//""arxiv.org/abs/2310.17956.

[18] 鐘經文."叮當健康HealthGPT首推叮當藥師、營養(yǎng)師AI助手，讓百姓用藥更便捷、安全[EB/OL]."（2023-06-29）[2024-08-08]."https：//cn.chinadaily.com."cn/a/202306/29/WS649d1095a310ba94c561401f.html.

[19] 何力光."科大訊飛：訊飛醫(yī)療全面升級醫(yī)療診后康復管理平臺，將專業(yè)的診后管理和康復指導延伸到院外[EB/OL]."（2023-07-13）[2024-08-08]."https：//qzs.stcn."com/article/detail/284593.html.

[20] 華東師范大學."EmoGPT——國內首款心理健康領域的AI大模型垂直應用發(fā)布[EB/OL]."（2023-07-01）"[2024-08-08]."https：//shmh.ecnu.edu.cn/0a/b0/c32784a"527024/page.htm.

[21] LIN"Z，"AKIN"H，"RAO"R，"et"al."Evolutionary-scale"prediction"of"atomic-level"protein"structure"with"a"language"model[J]."Science，"2023，"379（6637）："1123–1130.

[22] LUO"R，"SUN"L，"XIA"Y，"et"al."BioGPT："Generative"pre-trained"transformer"for"biomedical"text"generation"and"mining[J]."Brief"Bioinform，"2022，"23（6）："bbac409.

[23] QURESHI"R，"IRFAN"M，"GONDAL"T"M，"et"al."AI"in"drug"discovery"and"its"clinical"relevance[J]."Heliyon，"2023，"9（7）："e17575.

[24] LIU"Z，"ROBERTS"R"A，"LAL-NAG"M，"et"al."""AI-based"language"models"powering"drug"discovery"and"development[J]."Drug"Discov"Today，"2021，"26（11）："2593–2607.

[25] YOU"Y，"LAI"X，"PAN"Y，"et"al."Artificial"intelligence"in"cancer"target"identification"and"drug"discovery[J]."Signal"Transduct"Target"Ther，"2022，"7（1）："156.

[26] STRONG"E，"DIGIAMMARINO"A，"WENG"Y，"et"al."Chatbot"vs"medical"student"performance"on"free-"response"clinical"reasoning""examinations[J]."JAMA"Intern"Med，"2023，"183（9）："1028–1030.

[27] LEE"Y"K，"SUH"J，"ZHAN"H，"et"al."Large"""""""language"models"produce"responses"perceived"to"be"empathic[EB/OL]."（2024-05-26）[2024-08-08]."https：//""arxiv.org/abs/2403.18148.

[28] SINGHAL"K，"TU"T，"GOTTWEIS"J，"et"al."Towards"expert-level"medical"question"answering"with"large"language"models[EB/OL]."（2023-05-16）[2024-08-08]."https：//arxiv.org/abs/2305.09617.

[29] 朱榮生，"馮紫雯，"陳琪，"等."人工智能的國際安全挑戰(zhàn)及其治理[J]."中國科技論壇，"2023（3）："160–167，"179.

[30] BANG"Y，"CAHYAWIJAYA"S，"LEE"N，"et"al."A"multitask，"multilingual，"multimodal"evaluation"of"chatgpt"on"reasoning，"hallucination，"and"interactivity[EB/OL]."（2023-11-28）[2024-08-08]."https：//arxiv.org/abs/2302."04023.

[31] Official"Journal"Ofnbsp;The"European"Union."Regula-"""tion"2024/1689"on"artificial"intelligence[EB/OL]."（2024-07-12）[2024-08-08]."https：//eur-lex.europa.eu/legal-"content/EN/TXT/HTML/？uri=OJ：L_202401689#d1e1907-1-1.

[32] MATTHEW"M."United"Nations"general"assembly""adopts"by"consensus"U.S.-led"resolution"on"seizing"the"opportunities"of"safe，"secure"and"trustworthy"artificial"intelligence"systems"for"sustainable"developmen[EB/OL]."（2024-03-21）[2024-08-08]."https：//www.state.gov/united-"nations-general-assembly-adopts-by-consensus-u-s-led-"resolution-on-seizing-the-opportunities-of-safe-secure-"and-trustworthy-artificial-intelligence-systems-for-sustainable-"development/.

[33] AI"Verify"Foundation."Proposed"model"AI"governance"framework"for"generative"AI[EB/OL]."（2024-01-16）"[2024-08-08]."https：//aiverifyfoundation.sg/downloads/"Proposed_MGF_Gen_AI_2024.pdf.

[34] 中華人民共和國中央人民政府."生成式人工智能服務管理暫行辦法[EB/OL]."（2023-07-10）[2024-08-08]."https：//www.gov.cn/gongbao/2023/issue_10666/202308/content_6900864.html.

[35] 中華人民共和國科學技術部."關于印發(fā)《科技倫理審查辦法（試行）》的通知[EB/OL]."（2023-09-30）[2024-08-08]."https：//www.most.gov.cn/xxgk/xinxifenlei/fdzdgknr/fgzc/"gfxwj/gfxwj2023/202310/t20231008_188309.html.

[36] HAGOS"D"H，"BATTLE"R，"RAWAT"D"B."Recent"advances"in"generative"AI"and"large"language"models："Current"status，"challenges，"and"perspectives，"2024[C]."https：//arxiv.org/pdf/2407.14962.

（收稿日期：2024–08–08）

（修回日期：2024–10–30）