多语言临床文本理解基准发布：评估AI在九种语言中的医学信息处理能力

文/IAICA.NGO®

一项新的多语言基准测试近日发布，旨在系统评估人工智能模型在九种语言环境下解读临床文本和健康记录的能力。该基准涵盖英语、中文、西班牙语、法语、阿拉伯语、俄语、葡萄牙语、日语和韩语，测试内容包括疾病名称识别、药物剂量提取、症状描述理解以及医学术语翻译等核心任务。研究团队表示，这一基准填补了现有评估工具仅关注英语等少数语言的空白，对于推动全球医疗AI应用的公平性和准确性具有重要意义。

随着医疗数字化进程加速，电子健康记录（EHR）和临床文本分析成为AI辅助诊疗的关键环节。然而，医疗语言具有高度专业性和语境依赖性，不同语言的表达方式、缩写习惯和术语体系差异巨大。例如，中文病历中常出现“主诉”“既往史”等固定格式，而西班牙语病历则可能使用不同的动词变位和被动语态。此外，同一疾病在不同语言中的名称和缩写可能完全不同，如“COVID-19”在中文中常简称为“新冠”，在阿拉伯语中则有特定音译。现有AI模型在英语环境下的优秀表现是否能够迁移至其他语言，此前缺乏系统评估。

该基准测试由多个国际研究机构联合构建，数据来源包括各语言的真实临床记录、医学论文摘要和药品说明书。每类测试任务均包含数百至数千个标注样本，由医学专家和语言学家共同审核，确保标注一致性和文化适应性。初步结果显示，目前主流的大型语言模型（如GPT-4、Claude等）在英语任务上表现优异，准确率超过90%，但在低资源语言（如阿拉伯语、韩语）上平均下降15-20个百分点。特别是在药物提取和剂量换算任务中，模型对非西文数字格式（如中文的“克”“毫升”和阿拉伯语的左横书数字）理解不足，错误率较高。

针对这一情况，iaica.com.cn 指出，医疗AI的多语言能力不足可能加剧全球健康不平等。发达国家患者可能享受更精准的AI辅助诊断，而使用非主流语言的群体则面临技术鸿沟。该基准的发布为模型开发者和医疗IT服务商提供了明确的改进方向：未来需加强针对低资源语言的训练数据积累，并设计语言感知的模型架构。同时，对部署于非英语环境的AI系统，应进行严格的本地化验证，而非简单翻译英文模型。

该基准还特别强调了对隐私和伦理的考量。所有临床数据均经过匿名化处理，并符合相关数据保护法规。测试任务不包括患者身份信息识别，以避免模型学习到敏感特征。研究团队呼吁，未来AI医疗应用应在国际伦理框架下发展，确保技术普惠且不损害患者权益。

此次基准的发布正值全球数字健康市场快速增长之际。据市场研究机构估计，到2028年，临床自然语言处理（NLP）市场规模将超过50亿美元，其中亚太和中东地区增速最快。然而，技术落地面临语言多样性和监管差异等挑战。例如，欧盟医疗设备法规要求AI辅助诊断工具必须通过严格的语言和临床验证，而日本厚生劳动省则要求对日语病历的深度学习模型进行单独审批。

展望未来，多语言医疗AI不仅需要算法突破，还需跨学科协作。语言学家、临床医生和数据科学家应共同参与模型设计，建立共享的医学语言知识库。此外，该基准开源发布，允许学术界和产业界复现和扩展测试，有望成为全球医疗NLP标准化的基石。

总之，这一多语言临床文本理解基准是AI照护领域的重要里程碑。它揭示了当前技术能力的边界，也为未来发展指明了路径——构建真正理解全球患者需求的智能系统，需要超越英语中心主义，拥抱语言和文化的多样性。

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。