神经外科专属AI：依据同行经验完善手术规划
人工智能，如ChatGPT等AI正在改变现代医学，但这些算法的优化目标是合理完成语言模式，而不是作为可信信息的数据库。考虑到神经外科知识和决策的复杂性与技术性，GPT模型所使用信源的可信度，以及必须返回无任何错误的精确答案的要求，显得十分重要。鉴于这一需求，Rutka教授团队扩展了ChatGPT和其他GPT模型的应用，引入了一项创新性的改进，专门为满足神经外科医生的需求而定制——AtlasGPT。这是一个基于可靠、经同行评审的神经外科特异性数据源构建的LLM，通过专门的训练方案创建，能够为神经外科医生的提示和问题提供极其精确的答案。

👉特殊、关键的检索步骤
AtlasGPT采用尖端的检索增强生成技术来降低风险并确保最高的输出标准。这些模型以双流程架构著称，将LLM的生成能力与外部数据检索机制相结合。这种方法能够将来自外部信源的最新相关信息整合到回答中。RAG模型提高了生成内容的准确性和相关性，这解决了传统LLM的一个关键限制。RAG架构在初始查询中引入了一个关键的过滤和排序步骤——检索步骤。

在接收到提示后，模型会启动一个过程，以搜索和检索相关数据和信源，这些信源是在模型开发的训练阶段预先确定的。在从大型、预定义的语言语料库中检索到相关文章、段落或片段后，模型将该信息与用户的初始提示进行整合。这种协同方法为GPT模型提供了足够的上下文，给出真实且准确的答案。

👉个性化、前沿的回答
回答的复杂程度和语气可以根据用户或目标受众的医学知识水平进行调整，包括面向患者、医学生、住院医师和执业神经外科医生的风格。该实现架构易于扩展和集成。已经使用该平台的表述性状态转移架构风格应用编程接口完成了两项定制化集成。自动数据摄取管道也已就位，以确保AtlasGPT能够与时俱进，保持相关性和最新性。

👉海量、专业的神经外科文献
AtlasGPT非常重视检索步骤，并广泛利用了预训练的神经外科学文献，涵盖《神经外科学杂志》、《神经外科图谱》以及各种经过同行评审的神经外科出版物等信源。截至2023年12月，AtlasGPT已使用25万页经过同行评审的神经外科文章进行训练，旨在简化和促进生成可靠的输出，使其符合世界顶尖神经外科期刊设定的严格标准。未来AtlasGPT将包含图像识别和计算机视觉的其他应用，知识库也将继续扩大。