后深度学习时代,如何探索医疗 AI 的突围之路?( 六 )

2018年9月13日 , 国家卫生健康委员会发布《国家健康医疗大数据标准、安全和服务管理办法(试行)》 , 涉及健康医疗大数据从标准管理、安全管理、服务管理、监督管理等诸多方面 , 给数据共享吃下了一颗“定心丸” 。

除了从顶层设计的角度来看行业 , 学术界也提出了几种解决医疗数据小样本问题的方法 。 沈定刚教授提出 , “我们要尝试把大数据已经学习好的东西迁移到小数据里面 。 在分布式的学习方面 , 可以考虑在多中心训练时 , 贡献用于优化的梯度或者是在模型训练结束后 , 通过模型的集成达到模型共享的目标以及将上述两种方法结合起来 。 ”

此外 , 医生对于AI的态度也有所变化 。 今年1月份 , 刘士远教授为了去学术年会讲课 , 对科室里肺结节软件的点击率进行了统计 。 他发现 , 软件产品的点击率最高的达到88% , 也就是说一线写报告的医生有很大的可能去使用AI产品 。 医生与AI产品的关系从以前的怀疑、否定 , 到现在学着接受 , 并把AI当成学生 , 给出十分中肯的意见 , 这是一个十分良性的过程 。

行业玩家闪转腾挪

作为这场用技术变革行业的主体 , 尽管盈利问题尚未解决 , 但医疗AI玩家也在通过不同的业务模式获得收入 。

推荐阅读