AI医疗站上新起点算法、数据、伦理成为下阶段挑战( 四 )_：AI医疗站上新起点算法、数据、伦理成

但AI在深入、持续应用在医疗领域的过程中仍存许多难题。“AI落地的场景及产品不够多，最大原因是在于样本不够、数据无法标准化，那么其产品的总结能力就不高。”同济大学医学院影像系主任王培军表示。

尽管数据受限，但在样本沉淀数最多的影像领域，AI医疗仍能承载一定使命。在广东省人民医院影像医学部主任梁长虹看来，小数据有时候也能完成大任务。

“以某细胞瘤141例的数据样本为例；早期患者可以通过磁共振检查来看是否有增强、坏死，AI影像分析还能注明是否有水肿区域；再进一步做了进行基因检测后可以看到，该结果显示的特征和某细胞瘤很多生物信息是相关；而这是我们放射科医生肉眼所不容易判断的。” 梁长虹补充。

上述数据缺乏的难题究竟能否得到解决？飞利浦大中华区副总裁、整体解决方案中心总经理陈胜裕给出四方面的建议，“第一是要AI技术必须和临床场景结合才具备实用性；第二是AI发展阶段的临床数据库标准建设很重要；第三是要将产、学、研、用放在一个开放的平台上，多方同心协力；第四则是要具备医疗与工程相结合的意识。”