7月1日，在由武漢國家生物產(chǎn)業(yè)基地建設(shè)管理辦公室主辦、火石創(chuàng)造承辦、光谷健康智慧園協(xié)辦的醫(yī)療大數(shù)據(jù)與醫(yī)學(xué)人工智能高峰論壇上，Airdoc創(chuàng)始人兼董事長張大磊做了題為《AI在醫(yī)療領(lǐng)域中應(yīng)用的問題與局限》的演講。

Airdoc是醫(yī)療領(lǐng)域人工智能領(lǐng)軍企業(yè)，專注于人工智能醫(yī)學(xué)影像識別領(lǐng)域的應(yīng)用，一直嘗試通過科技手段解決影像學(xué)方面醫(yī)療資源分配不平均。在現(xiàn)場，張大磊重點(diǎn)分享了在智能影像領(lǐng)域的實(shí)踐經(jīng)驗(yàn)，以及人工智能在醫(yī)療圖像識別上的局限性。

本文系根據(jù)張大磊先生在《醫(yī)療大數(shù)據(jù)與醫(yī)學(xué)人工智能高峰論壇》上的精彩分享整理而成。根據(jù)嘉賓意見，分享內(nèi)容已刪去部分敏感觀點(diǎn)及內(nèi)部信息。

“More Intelligent， Better Care”

“在現(xiàn)實(shí)中醫(yī)療資源分配不平均很多人被漏診，而人工智能可以學(xué)習(xí)醫(yī)學(xué)專家的經(jīng)驗(yàn)，應(yīng)用在基層能夠輔助基層醫(yī)生工作，提升他們的疾病識別水平?！睆埓罄谶@樣描述成立Airdoc的初衷，語氣誠懇。

近幾年，人工智能圖像識別技術(shù)快速發(fā)展，在某些特定領(lǐng)域已經(jīng)超過人類。醫(yī)學(xué)影像作為疾病診斷的重要路徑之一成為了一個熱點(diǎn)。醫(yī)療行業(yè)涉及知識面廣，人工智能可以在多個環(huán)節(jié)發(fā)揮作用。比如：醫(yī)學(xué)影像識別、生物技術(shù)、輔助診斷、藥物研發(fā)等領(lǐng)域，目前應(yīng)用最為廣泛的當(dāng)屬醫(yī)學(xué)影像識別。

“總體來講，整個行業(yè)呈現(xiàn)出欣欣向榮的態(tài)勢。但實(shí)際上真正落地的時候還是有很多問題。”張大磊簡單介紹了人工智能在醫(yī)療圖像識別上的三種常規(guī)做法及其局限性。

人工智能在醫(yī)療圖像識別上的三種常規(guī)做法

張大磊介紹，目前人工智能在醫(yī)學(xué)影像識別的應(yīng)用上主要有三種方法：分類、檢測和分割。

分類是最簡單的，需要輸入大量的樣本學(xué)習(xí)，一般“萬”級別的樣本訓(xùn)練出來的結(jié)果才能說比較好，但是只能夠識別有沒有病，不能對醫(yī)學(xué)影像進(jìn)行標(biāo)注。

張大磊現(xiàn)場舉例：假設(shè)通過算法識別圖片上的高度相似病變，如果用分類樣本量小就很難調(diào)準(zhǔn)。這一環(huán)節(jié)存在著樣本量不夠以及樣本不均衡的問題，同時，醫(yī)生標(biāo)注的工作量是最小的，醫(yī)生把弱標(biāo)簽經(jīng)過分類處理之后就可以進(jìn)行標(biāo)注。

檢測，即從圖像中檢測出來有什么。需要的訓(xùn)練樣本量一般比分類的樣本量少一些，但醫(yī)生標(biāo)注的工作量有所增加。舉個例子，如果要標(biāo)注放射樣本量，醫(yī)生需要把每個片子看一遍，把有問題的地方框出來，這個過程中如有框漏，會影響檢測的效果。<余下全文<

總結(jié)

以上是生活随笔為你收集整理的Airdoc创始人:工智能可以在医疗领域多个环节发挥作用 但有局限性的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。