大型多模態模型（LMM）——亦稱通用基礎模型——是一類生成式 AI，可接受多種數據輸入（文字、影像、基因組數據、生物感測訊號等），並產生不限於輸入類型的輸出。建基於大型語言模型的聊天機器人為人熟悉；醫療專用 LMM 亦可能整合臨床紀錄、影像及研究數據。
對香港醫護人員——無論在公營醫院、私家執業、專聯醫療、藥房或行政崗位——LMM 已出現於文書工具、患者訊息試點及消費者健康應用程式。WHO 發布此 2024 指引，是因 LMM 採用速度超越歷史上任何消費應用，但社會及醫療體系尚未完全準備好應對其風險。
LMM 與早期臨床 AI 的差異
與僅獲批准作一兩項特定任務的狹義 AI 模型（例如單一影像適應症）不同，LMM 在多元數據集上訓練，可應用於許多任務——包括部分未明確訓練的用途。其對話介面可模仿人類溝通，使用戶即使模型沒有理解、道德推理或正確性保證，仍可能視輸出為權威。
WHO 強調的主要差異：
- 多功能性 — 一個模型，多種用途；輸出可能隨提示或時間改變
- 類人呈現 — 增加自動化偏誤及不加批判的接受
- 不可預測性 — 連開發者亦未必能完全解釋某些回應的成因
- 訓練數據不透明 — 使偏誤、法律合規及性能難以評估
建基於 WHO 2021 AI 倫理指引
2021 年 WHO 發布醫療 AI 倫理綜合指引，得出六項共識原則，仍是本 LMM 指引的基礎：
- 保護自主性
- 促進人類福祉、安全及公眾利益
- 確保透明度、可解釋性及可理解性
- 培養責任與問責
- 確保包容性及公平
- 推動具回應性及可持續性的 AI
本學習路徑將這些原則應用於 LMM 的應用、風險及管治，涵蓋 AI 價值鏈——由開發至在香港及全球醫療環境中的部署。
對香港醫護人員的意義
在實踐中使用任何 LMM 工具前，須問：它是否為你的臨床情境而設計及評估？患者是否知悉 AI 參與？尤其在風險較高時，你能否對照可信來源核實輸出？