为什么医学影像AI已进入「后深度学习时代」？_“深度学习正走向两极化

“深度学习正走向两极化，大部分研究深度学习的人员会偏向于工程化，包括建立更加全面、便捷、快速、可视化的深度学习平台， '暴力'地将深度学习应用到更加多的领域。小部分的深度学习研究者会偏向于理论化，解决深度学习的理论瓶颈包括可解释性等问题。 ”

密歇根州立大学汤继良教授曾如此总结到。

医疗AI热潮，无疑离不开这波深度学习的发展，但由于深度学习的天然局限性和医疗领域的特殊性，使得医疗AI这一交叉的领域，也在进入瓶颈期。

随着深度学习即将触及天花板，医学影像分析科研人员也随之分为两大派别：理论派和工程派。

理论派的初衷，是解决深度学习“短缺”的部分，强调人工设计和数学论证，通过预先构建先验知识，在不过度依赖大数据的前提下，开发出一个可解释的、高精度、可解决诸多长尾问题的“智能模型” 。不少专家认为，医疗AI中有大量Mission Critical和长尾问题，这对研究人员的整体系统设计能力要求非常高，因此人的作用就显得尤为重要，而基于黑箱统计模型的深度学习，显然存在太多的弊病。