为解决如何为糖尿病患者提供更精准的个性化护理问题，研究人员开展了 “人工智能工具在支持医疗专业人员进行个性化患者护理” 的研究。通过分析患者信息，设计 AI 工具并评估，结果发现部分工具实用且部分有风险，为精准护理提供了方向。

在当今数字化医疗时代，糖尿病作为一种全球性的健康难题，正困扰着越来越多的人。据估计，到 2050 年全球将有超过 13 亿人患有糖尿病。糖尿病不仅本身是一种慢性疾病，还会引发众多其他疾病，显著增加患者的发病率和死亡率，严重影响人们的生活质量 。同时，糖尿病与社会经济地位（SES）、饮食风险和身体活动密切相关，因此为不同患者群体提供个性化支持对于管理这一终身疾病至关重要。

以患者为中心的护理（PCC）理念强调满足每个患者的特定需求和偏好，已成为糖尿病自我管理的重要方法。它能提高患者的护理参与度，增强自我护理技能和信心，减少疾病相关的困扰，还与更好的生活质量和健康结果相关 。然而，随着患者与临床医生之间通过患者门户进行交流的信息数量急剧增加，特别是在疫情期间，患者信息的处理和分析变得愈发困难。尽管患者信息反映了他们的关切，但此前对这些信息的研究有限，且分析大量文本数据的可行性也受到限制。

为了解决这些问题，斯坦福大学（Stanford University）的研究人员开展了一项具有重要意义的研究。他们旨在设计出能够辅助临床医生为糖尿病患者提供个性化护理的潜在 AI 工具，并评估这些工具的实用性。

在研究中，研究人员运用了多种关键技术方法。首先，他们从斯坦福医疗保健中心（Stanford Health Care）及 22 个附属中心获取了 2013 年 7 月至 2024 年 4 月期间糖尿病患者的门户信息。通过国际疾病分类第十版（ICD-10）代码确定糖尿病患者，并排除有多种主要疾病代码的患者 。接着，运用自然语言处理（NLP）技术进行主题建模，采用无监督和半监督两种方式。无监督建模通过清理数据、词形转换等步骤，利用特定模型生成聚类和词云；半监督建模则基于 BERTopic 包，通过预定义关键词对信息进行分类 。此外，利用生成式 AI（如 ChatGPT-4）对提取的主题进行解释，并提出 AI 作为临床辅助的潜在作用 。最后，由五名经验丰富的内分泌科医生对 AI 提供的信息进行评估。

确定患者主要问题：研究人员总共识别出 11,151,561 个独特的消息线程，筛选出临床问题相关消息后，重点分析了 7,456,800 条消息中的 528,199 条内分泌科相关消息 。通过大语言模型（LLM）确定了糖尿病患者的主要问题，涵盖饮食与体重控制、解读实验室结果、甲状腺管理、行政事务、骨健康、检查安排与结果查询、预约安排、药物剂量管理、处方与保险、技术使用教育、低血糖担忧以及血糖管理等 12 个主题 。

设计并评估 AI 工具：研究人员设计了一系列 LLM 驱动的 AI 工具，临床医生对这些工具的整体感知实用性评分为 4.30/5.00（标准差为 0.38） 。一些工具被认为非常实用，如为常见问题提供循证答案、总结保险政策变化、自动进行低血糖管理教育、提供实验室相关查询的模板化回复以及创建授权信模板等 。然而，部分直接处理患者数据的工具被认为存在风险，如合成患者数据进行紧急请求排序、AI 驱动的消息分类系统以及实时葡萄糖数据解读和调整建议等 。

患者特征与消息分析：研究纳入了 11,123 名糖尿病患者，涵盖不同种族、性别和婚姻状况。分析发现，不同特征的患者关注的问题存在差异。例如，白人患者在多个主题上的消息数量多于其他种族群体；非西班牙裔患者在某些主题上的消息多于西班牙裔患者；女性患者在部分主题上的消息多于男性患者，而男性在饮食和设备传感器方面的消息更多；未婚患者在保险和设备传感器相关主题上寻求更多建议 。同时，研究还发现 COVID-19 期间，饮食相关消息增加，而实验室检查和甲状腺相关消息减少 。

在研究结论和讨论部分，研究人员提出的多种 AI 应用为临床护理提供了有价值的参考。被认为高度有用的 AI 工具，如协助加快行政流程和进行患者教育的工具，有助于临床医生更高效地与患者互动并提供支持 。而那些直接处理患者数据的 AI 工具虽被视为有风险，但也为未来研究如何安全有效地整合 AI 与患者数据提供了方向。此外，研究还发现不同患者群体的关注点存在差异，这提示在未来的护理中，应根据患者的种族、性别、婚姻状况等因素提供更具针对性的支持 。

然而，该研究也存在一定的局限性。例如，患者消息数据仅来自一个学术机构，可能限制了研究结果的普遍性；研究未考虑社会经济地位等因素对消息分析的影响；研究仅涵盖了通过安全消息交流的患者需求，未涉及不使用患者门户的患者 。尽管如此，这项研究为未来开发更精准的糖尿病护理 AI 工具奠定了基础，也为其他疾病的个性化护理研究提供了宝贵的经验和方向。论文发表在《npj Digital Medicine》，为推动数字医学领域的发展做出了重要贡献。

 一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

 

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】