日前微軟研究人員展示了LLaVA-Med模型，該模型主要用于生物醫學方面的研究，可根據CT、X光圖片等推測出患者的病理狀況。
▲圖源微軟
據悉，微軟研究人員與一批醫院合作，獲得了使用生物醫學圖像文本對應大型數據集來訓練多模態AI模型。該數據集包括胸部X光、MRI、組織學、病理學和CT圖像等，覆蓋范圍相對全面。
▲圖源微軟
微軟使用GPT-4，基于Vision Transformer和Vicuna語言模型，在八個英偉達A100 GPU上對LLaVA-Med進行訓練，其中包含“每個圖像的所有預分析信息”，用于生成有關圖像的問答，以滿足“可自然語言回答有關生物醫學圖像問題”的助手愿景。
在學習過程中，模型主要圍繞“描述此類圖像的內容”以及“闡述生物醫學概念（IT之家注：從圖片中判斷是什么樣的）”而展開。據微軟稱，該模型最終具有“出色的多模式對話能力”、“在用于回答視覺問題的三個標準生物醫學數據集上，LLaVA-Med在部分指標上領先于業界其他先進模型”。
研究團隊表示：“雖然我們認為LLaVA-Med模型代表了朝著構建有用的生物醫學視覺助手邁出的重要一步，但當下LLaVA-Med模型還存在一定的不足之處，即大模型常見的虛假舉例和準確度不佳的問題，研究團隊未來將側重于提高模型的質量和可靠性，以令模型有朝一日可以在商業生物醫學中應用。”
IT之家注意到，目前該模型已經開源，大家可以在GitHub找到相關信息。
