人工智能虽然已经广泛应用到各个领域当中,但在不同的领域中,人工智能的发展,都存在一定的优势和困境。那么人工智能在医学领域发展中的困境是什么?
首先,医学图像包涵患者敏感信息,而且只能由医疗机构获取,对知情权的告知获准,数据的脱敏、收集、整理过程都有着严格要求。也正因为此,一个千级或万级的数据库在医疗行业就已经称得上是“大数据”。同时,样本并不仅仅是指图像本身,还包含人工标注,即对图像内容的分类诊断。
众所周知,目前的医学影像诊断还是更多地依赖医生个人经验。因此最适合做标注工作的应该是该领域专家,而他们的时间又是有限的。这样就对诊断标准的客观一致性和标注人员的严格培训提出了更高的要求,以降低观察者间因主观性产生的偏倚。
另外,体系的构建也是人工智能在医学领域发展的关键。包括人才和团队乃至学科建设,市场的成熟,以及相关法律约束和政府相关机构的监管和质控,相信这些都会在将来逐渐完善成熟。
数据的质与量直接决定着预测模型的准确性,AI学界一直在尝试利用算法研究和技术更新弥补样本不足带来的问题。比如利用迁移学习提高训练效率,利用半监督学习应对标注人员不足的问题等。
总的来讲,虽然算法成果可以帮助智能医疗克服种种问题,但医疗数据样本的收集整理仍然是限制智能医疗发展的最大瓶颈。
了解更多人工智能技术以及相关信息,可以更好的解决人工智能应用难题,并且对于我们本身发展也会有所帮助。
联系客服