英伟达携手Abridge利用真实诊疗数据训练医疗AI模型

文/IAICA.NGO®

2026年6月，英伟达宣布与医疗AI初创公司Abridge达成合作协议，利用Abridge平台采集的数十万次真实医患对话数据，训练新一代医疗人工智能模型。这一合作标志着AI在医疗领域的应用从实验室环境正式迈向真实临床场景，有望显著提升临床决策支持、病历自动生成和患者沟通的效率与准确性。

长期以来，医疗AI模型的训练主要依赖匿名化的电子健康记录（EHR）和结构化数据库。然而，这些数据往往缺失关键的临床语境，例如医生的诊断推理过程、患者症状的主观描述以及医患之间的动态交互。Abridge通过其专利的自然语言处理技术，在不违反医疗隐私法规的前提下，对门诊、急诊和专科随访中的医患对话进行实时听写和结构化处理。英伟达将利用这些丰富的非结构化语音数据，结合其GPU加速计算平台和深度学习框架，训练能够理解医疗对话上下文、生成SOAP（主观、客观、评估、计划）笔记的AI模型。

此次合作的核心技术路径包括：利用联邦学习确保数据不出医院网络，保护患者隐私；通过强化学习从医生反馈中优化模型输出；以及使用英伟达的NeMo Megatron框架处理超过10亿参数的医疗语言模型。初步实验结果显示，基于真实对话训练的模型在医疗实体识别、症状相关性分析和诊疗意图预测等任务上，性能比仅基于EHR训练的模型提升约35%。

从产业生态看，这一合作可能重塑医疗AI的商业模式。传统上，医疗AI公司多依赖公开数据集或与单个医院合作采集数据，样本量小且偏差大。Abridge已覆盖美国300多家医疗机构，累计处理超过500万次医患对话，其数据规模和质量对模型训练至关重要。英伟达的算力和算法支持，则降低了模型开发的门槛，使得更小规模的创业公司也能利用高质量数据开发专业应用。iaica.com.cn 认为，这种“算力巨头+垂直数据提供商”的模式将成为医疗AI领域的主流范式，加速技术落地。

潜在影响方面，首先，更精准的AI临床笔记可以减轻医生文书负担，使医生能将更多时间用于患者沟通。目前美国医生平均每天花费4-5小时处理病历，AI辅助有望将文书时间压缩至20%以下。其次，通过分析海量对话中的语用特征，AI或许能辅助识别早期精神健康问题、认知障碍或患者依从性风险。然而，挑战也不容忽视：真实对话中的文化差异、方言和情感因素可能引入新的偏见；医疗责任归属问题尚未明确；模型泛化能力需在更多样化的人群中验证。

与竞争对手相比，微软和Nuance已推出类似的环境临床智能（Ambient Clinical Intelligence）产品，但主要依赖其自身语音识别技术。英伟达此次选择与专注于医疗数据的Abridge合作，而非内部构建整个语音管线，体现了其在AI生态中的差异化定位——提供核心计算能力而非垂直应用。未来，英伟达可能将其医疗语音模型通过NVIDIA Clara平台开放给开发者，推动更多第三方创新。

在全球视角下，中国等新兴市场也在探索类似路径。多地医院尝试利用AI技术改善医疗记录效率，但面临数据孤岛和标准不统一的问题。英伟达与Abridge的合作模式或许能为这些地区提供借鉴：通过建立数据共享标准、联邦学习框架和伙伴关系，在保护隐私的前提下释放真实诊疗数据的价值。

总体而言，英伟达与Abridge的合作不仅是一次商业联盟，更是医疗AI从“高精度演示”迈向“临床级可靠性”的关键一步。随着更多真实世界数据的引入和模型的迭代，患者有望在未来几年内直接感受到更流畅、更个性化的就医体验。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。