索安機電：醫療領域AI智能影像識別的三大難點

索安機電指出，人工智能技術愈趨成熟，應用范疇更廣泛。在未來應用方面，智能影像識別技術理論上可廣泛應用于不同癌癥，但個別罕有病，病人數據不多，影響系統準確性。

索安機電還指出，語音交互、計算機視覺、認知計算等技術蓬勃發展，助推了語音錄入病例、醫療影像智能識別、輔助診療/癌癥診斷、醫療機器人、個人健康大數據等多個具體醫療應用場景取得快速突破。

對于其中的醫療影像智能識別，索安機電認為，目前上市公司和創業公司正在紛紛布局，整體處于商業化初期階段。而醫療影像識別的主要難點在于數據獲取、數據標注和跨學科人才積累。

數據獲�。簲祿巧疃葘W習算法所需的核心資源，僅掌握算法而缺乏數據無法獲得較好的訓練效果�，F階段，我國的醫療影像仍處于從傳統膠片向電子數據過渡的階段，大量影像資料尚未數字化，且醫院之間的數據共享和互通程度較低，獲取大規模的數據對業內公司是一個考驗;

數據標注：在獲取數據的基礎上，深度學習結合先驗知識對模型進行訓練，訓練集需要事先標注。由于大多數標注依賴人工識別，因此數據標注將耗費較大量人力和時間，，在醫療影像領域獲取具有高可靠性的標注數據也成為挑戰之一;

索安機電又稱， “AI+醫療”跨學科人才積累：在較為專業的診療領域，應用及平臺開發者不僅要研究人工智能算法，更要對醫療影像識別建立深入了解，人工智能+醫療的復合背景人才構成核心競爭力之一。

http://www.sc-soan.com/jishuzhishi/155.html