近年来，多模态大模型在医疗领域展现了巨大的应用潜力。然而，通用模型在医疗专业领域，尤其是眼科方向，仍存在知识不全面、推理不严谨、专科化不足等问题。此外，模型的安全性、隐私保护及鲁棒性尚未得到充分验证与优化。因此，构建眼科垂直领域的医疗多模态大模型及应用评价框架，成为提升临床诊疗效率、保障医疗安全的重要路径之一。
一、建立了医疗大模型的评价框架。该框架覆盖视觉知识问答能力、安全性、隐私保护能力和模型鲁棒性等关键指标。通过构建一系列的测试基准集和评测方法，实现对多模态模型性能的全面客观评价，为模型开发提供了系统性的优化依据。 二、构建并持续优化眼科专科医疗多模态大模型。首先广泛收集了多源、多模态眼科医疗数据，在已有基座模型基础上进一步开展了预训练，以增强模型对眼科领域知识的掌握。随后，使用监督数据，通过LoRA微调、指令微调和基于人类反馈的强化学习优化等方法进一步提升模型的临床推理与决策能力，并进行人类偏好对齐。最后，将优化后的模型置于前述评价框架中进行系统测试，形成“预训练—微调—评价—优化”的良性循环，不断提升模型的临床适用性与安全性。
一、建立了医疗大模型的评价框架。该框架覆盖视觉知识问答能力、安全性、隐私保护能力和模型鲁棒性等关键指标。通过构建一系列的测试基准集和评测方法，实现对多模态模型性能的全面客观评价，为模型开发提供了系统性的优化依据。
二、构建并持续优化眼科专科医疗多模态大模型。首先广泛收集了多源、多模态眼科医疗数据，在已有基座模型基础上进一步开展了预训练，以增强模型对眼科领域知识的掌握。随后，使用监督数据，通过LoRA微调、指令微调和基于人类反馈的强化学习优化等方法进一步提升模型的临床推理与决策能力，并进行人类偏好对齐。最后，将优化后的模型置于前述评价框架中进行系统测试，形成“预训练—微调—评价—优化”的良性循环，不断提升模型的临床适用性与安全性。
一、已成功构建了首个覆盖视觉问答、安全性、隐私性及鲁棒性的医疗多模态大模型评价框架，填补了该领域的研究空白。 二、基于广泛收集的高质量眼科数据集，正在研发并优化具有专科诊疗能力的眼科多模态医疗大模型，预计显著提升其眼科领域临床诊疗的准确性和实用性。 三、正在构建模型持续迭代优化的闭环流程，有望有效推动眼科专科医疗人工智能技术向更安全、更精准、更可靠的方向发展，为进一步的临床转化应用奠定坚实基础。
一、已成功构建了首个覆盖视觉问答、安全性、隐私性及鲁棒性的医疗多模态大模型评价框架，填补了该领域的研究空白。
二、基于广泛收集的高质量眼科数据集，正在研发并优化具有专科诊疗能力的眼科多模态医疗大模型，预计显著提升其眼科领域临床诊疗的准确性和实用性。
三、正在构建模型持续迭代优化的闭环流程，有望有效推动眼科专科医疗人工智能技术向更安全、更精准、更可靠的方向发展，为进一步的临床转化应用奠定坚实基础。
请尊重我们的原创作品，转载时请标注文章的原始出处和作者信息。如果您有任何问题或想法想和我们进行沟通， 请您使用页面下方的邮件或电话进行联系。
