醫療人工智能(AI)技術正在迅速發展，旨在利用大型語言模型(LLMs)的巨大潛力徹底改變醫療保健交付方式。這些技術進步承諾提高診斷準確性，個性化治療方案，并解鎖全面醫學知識的獲取，從根本上改變患者護理。將 AI 整合到醫療保健中旨在提高醫療服務的效率和精確度，有效地彌合技術前沿與以患者為中心的護理之間的鴻溝。

　　全球醫療服務領域的語言多樣性是一個重要挑戰。盡管醫學知識以英語為主導，但非英語區域的醫療服務效果在很大程度上依賴于當地語言中醫學信息的可獲得性。這種情況突顯了使醫療 AI 技術普遍可訪問的迫切需求，從而將其好處擴展到包括使用各種語言的60多億人口在內的全球受眾中。

　　深圳大數據研究院和香港中文大學深圳研究所的研究人員推出了 Apollo，一套突破性的多語言醫療 LLMs 套件，標志著醫療 AI 的包容性大幅前進。

　　Apollo 模型經過精心訓練，使用 ApolloCorpora，一個龐大的多語言數據集，并針對 XMedBench 基準進行了嚴格評估。這種戰略方法使 Apollo 能夠匹配或超越同等大小的現有模型在一系列語言中的性能，包括英語、中文、法語、西班牙語、阿拉伯語和印地語，展示了其無與倫比的多樣性。

　　Apollo 開發背后的方法論側重于將預訓練語料庫改寫成問答格式，并采用自適應采樣訓練數據。這種方法使學習過渡變得無縫，從而訓練出更小但高效的模型。這些模型不僅擅長理解和生成多語言醫學信息，還通過一種新穎的代理調優技術增強了較大模型的能力，無需直接微調。

　　Apollo 的模型，特別是 Apollo-7B，表現出色，建立了多語言醫學 LLMs 的新標準。這一成就證明了 Apollo 將醫療 AI 民主化的潛力，使尖端醫學知識跨越語言障礙普遍可獲得。此外，Apollo 顯著增強了較大通用 LLMs 的多語言醫學能力，說明了其在全球范圍內推廣醫療 AI 技術中的關鍵作用。

　　Apollo 項目成為醫療 AI 民主化進程中的一道進步之光，旨在使復雜的醫學知識普遍可獲得，無論語言障礙如何。該倡議彌補了全球醫療溝通中的重要差距，并為未來的多語言醫療 AI 創新奠定了基礎。