超级会员免费看
本文探讨了大型语言模型（LLMs）在生物医学领域的应用，包括文本数据、生物序列和大脑信号，并分析了使用LLMs在生物医学研究中面临的数据可信度、个性化和多模态数据处理等挑战。文章详细介绍了LLMs如何助力生物医学知识发现，以及未来的研究方向。
本文是LLM系列文章，针对《AI for Biomedicine in the Era of Large Language Models》的翻译。
大语言模型时代的生物医学人工智能
摘要
人工智能在生物医学方面的能力涵盖了广泛的领域，从原子层面（解决量子系统的偏微分方程）到分子层面（预测化学或蛋白质结构），再到传染病爆发等社会预测。以ChatGPT等模型为例，大型语言模型的最新进展在自然语言任务方面展现了非凡的能力，如翻译语言、构建聊天机器人和回答问题。当我们考虑生物医学数据时，我们观察到在序列方面与自然语言相似——生物医学文献和健康记录以文本形式呈现，生物序列或按序列排列的测序数据，或传感器数据（如大脑信号）以时间序列形式呈现。问题来了：我们能否利用最近大型语言模型的潜力来推动生物医学知识的发现？在本教程中，我们将探讨大型语言模型在三类关键生物医学数据中的应用：1）文本数据，2）生物序列，以及3）大脑信号。此外，我们将深入研究大型语言模型在生物医学研究中的挑战，包括确保可信度、实现个性化和适应多模态数据表示。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
