據香港星島日報報道，人工智能技術愈趨成熟，應用范疇更廣泛。香港中大計算器科學與工程學系教授王平安及其研究團隊，成功發(fā)明可檢測醫(yī)學影像的人工智能影像識別技術。他們利用人工智能系統(tǒng)，以深度學習（Deep Learning）不斷“練習”判斷醫(yī)學影像。
在未來應用方面，王平安稱，團隊將聯(lián)同北京三所醫(yī)院合作開發(fā)，優(yōu)化識別肺結節(jié)病變的技術。他稱會與本地公立醫(yī)院合作，希望進一步提升準確度，獲醫(yī)學界認可后，目標一至兩年后可作廣泛應用。他又稱，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(tǒng)準確性。
中金公司（CICC）6 月 19 日發(fā)布的人工智能相關領域的證券研究報告指出，語音交互、計算機視覺、認知計算等技術蓬勃發(fā)展，助推了語音錄入病例、醫(yī)療影像智能識別、輔助診療/癌癥診斷、醫(yī)療機器人、個人健康大數據等多個具體醫(yī)療應用場景取得快速突破。
對于其中的醫(yī)療影像智能識別，報告指出，目前上市公司和創(chuàng)業(yè)公司正在紛紛布局，整體處于商業(yè)化初期階段。而醫(yī)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(yī)療影像仍處于從傳統(tǒng)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(yī)院之間的數據共享和互通程度較低，獲取大規(guī)模的數據對業(yè)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(yī)療影像領域獲取具有高可靠性的標注數據也成為挑戰(zhàn)之一；
“AI+醫(yī)療”跨學科人才積累：在較為專業(yè)的診療領域，應用及平臺開發(fā)者不僅要研究人工智能算法，更要對醫(yī)療影像識別建立深入了解，人工智能+醫(yī)療的復合背景人才構成核心競爭力之一。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
