隨著chatGPT的出現和被熱捧，NLP（自然語言處理）的文本生成領域，有被GPT（Generative Pre-trained Transformer、生成式預訓練變壓器）統一的趨勢。在醫療信息化領域，GPT或同類技術是否可用于電子病歷呢？電子病歷屬于醫療文書，在醫療文書書寫規范的約束下由醫護人員書寫完成，有著嚴格的書寫規范和質量控制要求，傳統的應用以提高書寫速度為主，如定制輸入法、語音錄入、模版制作、弱AI應用語料問答等，本質上還都是提高“打字”速度，對工作量的減輕、病歷質量提高貢獻不大。

       GPT的出現，從根本上改變了這個局面，GPT的生成文本并不是大語料訓練產生的冰冷的問答機，而是具備推理功能，使得在初始文本提示下，推導出更為接近書寫者初衷的下一段落，從寫作者角度來看，可以理解為：AI更容易”猜”出寫作者的想法。

       方達電子病歷AI輔助工具emrgpt，正是采用GPT的這一優勢，以GPT為基礎算法，使用了10塊Nvidia P100（16G）AI推理卡，進行長達一個月的訓練，形成了一套AI模型，在產品化過程中，與方達電子病歷WEB版相結合，使得電子病歷產品更加智能化。

       GPT在電子病歷的應用，使得AI輔助書寫的趨勢變得不可逆，隨著產品不斷地迭代，emrgpt將更為強大，電子病歷進入了AI時代。

 emrgpt特性

1、文本生成準確：推理生成文本，輸入的內容越多，生成的候選文本越準確。因為隨著文本的增多，輸入AI模型的初始文本越多，參數越豐富，推導結果越準確。

2、文本生成迅速：AI芯片的運算速度是有上限的，一次性生成一整段文本大約需要數秒，感覺非?？?，所以emrgpt采用逐步生成的策略，一次生成5~10個字，類似于chatGPT的體驗，既提高了計算速度，又不會影響使用。

3、文本生成靈活：可生成下一句，也可以生成一段，甚至可以一次性生成整個文件。

4、可定制：可按照醫院的病歷數據進行針對性的訓練，也可以按照?？朴柧毮Ｐ?，生成的文本更為準確，在使用過程中，可以持續訓練，使用模型價值越來越高。

基礎模版制作（在空模版上制作）

模型運行過程（單次請求毫秒級響應）

模型訓練過程（10輪訓練loss降到0.3后可用）