随着科技的不断发展，人工智能在医疗领域的应用也越来越广泛。近日，谷歌的研究人员推出了一款专门用于医疗咨询的大语言模型AMIE，旨在解决现实中人们无法享受丰厚的医疗资源的问题。

AMIE的研发基于谷歌的PaLM2模型，通过一种新颖的自我对话模拟环境进行训练和微调，以适应不同疾病状况、专业领域和情境。这种模拟环境可以根据网络搜索结果自动生成各类病例数据，并由AMIE在里面通过轮流学习与模拟病人对话，不断改进自身能力。

在研发过程中，研究人员从三个医学数据库中随机选择疾病情况，并通过网络搜索结果生成各类病例描述。随后，由AMIE分别扮演患者和医生，在第三方评价机制监督下开展对话。这套模拟环境可以自动生成大量规模医疗对话，有效扩大了AMIE的学习范围，并弥补了真实医患交流数据匮乏的缺点。

AMIE的自我学习循环分为内外两层。在内循环中，AMIE会根据评价反馈不断改进模拟对话效果；在外循环中，收集模拟对话增强AMIE的后续训练，建立自我细化循环。随着训练不断进行，AMIE的交互能力将日益提升；同时通过外循环学习，其医疗知识面也将不断扩充，适应更多医疗情景。

在真实的医疗对话过程中，AMIE采用了三步链式推理策略。第一步是根据对话历史总结患者症状并提出初步诊断假设；第二步是在此基础上定制回复方案和下一步问诊目标，旨在进一步确定诊断；第三步是检查回复是否流畅准确，避免重复问题和错误信息，进行必要修订、纠错。研究人员认为，AMIE通过链式思考方式连续优化，相对于单次回复能实现更高的诊断准确率。

为了评估AMIE的性能，研究人员设计并进行了一项带有验证的远程客观结构化临床考试。通过文本界面，AMIE与经过验证的模拟患者或初级保健医生进行互动交流。一共涉及149个临床案例，20名初级保健医生与AMIE进行比较，并由专业医生和患者进行评估。

结果显示，根据专科医生的评估，AMIE在诊断准确性和32个评估维度中有28个优于初级保健医生；而根据患者的评估，AMIE在26个评估维度中有24个维度表现出更好的诊断结果。这表明AMIE在多个方面都优于医生，可以为人们提供更加准确和高效的医疗咨询。

随着人工智能技术的不断发展，相信未来会有更多类似AMIE的应用出现，为人们提供更加便捷和高效的医疗服务。这将极大地改善医疗资源分配不均的问题，让更多人享受到高质量的医疗服务。