AI 前线 (2019年7月)

重磅访谈:企业纷纷效仿阿里建中台,到底是盲目跟风还是不做会死?
用户头像
作者: InfoQ 中文站
下载此书
AI 前线 (2019年7月)

卷首语:有价值的健康 AI 产品,需要静心打磨

作者:Airdoc 创始人 张大磊

2016 年,是医疗人工智能爆发的一年,以前无人问津的领域成为了大家关注的热点。

2017 年国务院颁发《新一代人工智能发展规划》,医疗人工智能更是成为了国家战略。无论是产业、行业还是资本市场都将医疗领域视为人工智能最先落地的领域。今天人工智能已经被应用到医疗行业的各个环节,但是很多产品面临着一个问题,“大家花了很长时间去做,费了很大劲,做完之后,发现没什么人用,活跃度不高。”

保持应有的敬畏,是有志于进入健康医疗行业的外来者第一门必修课。医生这个职业存在几千年从未被取代是有它的原因的。当人面对生老病死的时候,他需要的不仅仅是技术的专业性,更重要的是人与人之间的交互带来的心理安慰。

健康医疗是一个比较特殊的领域,每一个数据的后面都是一个鲜活的人,每一次识别都关乎到一个人甚至一个家庭的命运,因此算法的准确率至关重要。

算法的研究,是企业需要静下心来做的第一个事情。现在开源数据很多,相对以前数据获取更加容易,因此算法的研发相对更加容易了一些。但是算法的鲁棒性至关重要,医疗没有一个严格的标准,拍摄环境也会对结果产生影响,可能我在北京的一家医院适用但是在上海的医院就不适用。我们需要综合多方的因素来评判,需要静下心来和更多的医院和更多的医生共同探讨,什么样的产品可以适用于不同的场景。在这个角度上,Airdoc 选择与数百位医生合作,每一张影像都经过不同医生的交叉标注的方法作为训练数据。

人工智能在健康医疗领域,并不能替代医生,它要做的事情就是如何辅助医生工作,如何让医生可以更好的服务患者。

每个场景、每个细分领域都有其独特的数据。人工智能必须要和应用场景结合,如何从广阔的数据里面得出结论,才是真正的核心。对于人工智能来说,在每一个环节想要做到极致可能需要几年甚至几十年的时间。

很多作用单一的算法,可以通过一个影像看出某一种病,很难满足在临床应用中的实际需求。比如医学影像识别,我们从业者需要学习医生的工作流程,医生在看一张影像的时候,首先判断的是这个人是否是健康的,下一步才是这个人是什么病。对很多检查的人来说,自己是否是健康也是一个强需求。

现在越来越多的人工智能项目已经成功商业化落地。如 Airdoc 与国内民营体检行业的知名企业爱康集团达成战略合作,通过爱康全国 120 多家体检中心,计划为上百万的客户提供医疗健康筛查服务,这标志着人工智能技术应用已经得到了市场的认可,已经有能力为广大民众提供有价值的服务。但是在普惠健康的路上,人工智能还有很长的路要走,在场景的多样化、服务的丰富性、价值的纵深度上,都将会有更多创新和突破。

对于从业者来说,大家都需要有耐心,沉下心来几年几十年打磨出好产品,才能真正能让全社会受益。

目录

生态评论
机器学习陷入困境!谷歌大脑专家发文吐槽 AI 工程现状
重磅访谈
企业纷纷效仿阿里建中台,到底是盲目跟风还是不做会死?
落地实践
阿里首次将用户手势数据用于电商场景!淘宝提出用户实时意图预测算法 DIPN,效果秒杀传统模型
企业机器学习平台
“AI 新贵”图神经网络算法及平台在阿里的大规模实践
推荐阅读
“看一看”推荐模型揭秘!微信团队提出实时 Look-alike 算法,解决推荐系统多样性问题
一个 30 年老程序员的修炼之道
精选论文导读
中科院提出人群密度检测算法 DSNet,准确率提升 30%

免费下载此书(PDF)
免费下载此书(ePub)
免费下载此书(MOBI)

评论

发布