數據標註在智慧醫療領域中的具體應用丨曼孚科技

隨着國內社會經濟的發展與居民生活品質的提升，醫療服務領域的相關需求在不斷增加。

然而，因爲多種複雜因素的影響，國內醫療行業面臨諸多痛點。在供給層面，醫療領域長期面臨着資源匱乏、地區分佈不均衡、優質醫生短缺等問題;在需求層面，隨着人口老齡化進程的加快，醫療資源的需求量顯著擴大。

而近半年出現的新冠疫情，致使醫療服務需求激增，將醫療行業供需矛盾進一步放大，行業痛點亟需解決。

解決問題的最好方式無疑是思路與方式的轉變。從國內有效應對疫情的狀況來看，智慧醫療的實用性被凸顯得淋漓盡致，AI輔助診斷、智慧客服等有效解放了稀缺的醫療資源，並帶來了服務體驗的提高。

後疫情時代，AI與醫療行業的結合將有望迎來跨越式發展。

1.圖像識別

傳統醫療運行模式下，醫療影像所有由醫生完成讀片，並據此進行診斷。

但這種模式診斷速度較爲緩慢，且徹底依賴醫生的我的能力，對相關領域專業人才需求量較大。AI圖像識別技術的應用將有效解決此類問題。

藉助圖像識別技術，能夠對影像進行先後對比，完成病竈自動識別與標註，發現肉眼沒法發現的病竈，有助於幫助醫生更快完成疑似患者診斷。

此外，與依靠人力完成診斷相比，AI圖像識別不會疲勞，能夠實現24小時無休，且每秒處理的影像可達上萬張，將大大提升診斷效率。

圖像識別技術應用的背後也離不開數據標註技術的支持。圖像識別算法模型的訓練須要海量標註數據集的支持，病竈標註、人臉關鍵點標註等都是常見的標註類型。

2.遠程問診

新冠肺炎的傳染性極強，入院問診存在交叉感染的風險。爲了不人與人之間的接觸，實現足不出戶進行就醫問診，遠程問診、智能客服將扮演關鍵性角色。

在實際應用中，醫生在查房或者問診的場景下，能夠依託語音識別技術，將傳統的手寫病歷轉化爲語音輸入，大幅減輕工做負擔。

在在線問診場景中，用戶輸入症狀之後，AI系統將自動識別用戶所輸入的文本，完成詞性標註、信息抽取等一系列工做，經過在數據庫中進行檢索，實現精準信息匹配，完成病情診斷。

這些功能實現的背後一樣離不開數據標註技術的支持。語音識別模型須要學習海量語音轉錄數據集，智能客服須要NLP技術，好比信息抽取、詞性標註、句法解析、詞義消歧等技術的支持。

AI技術的落地應用在很大程度上緩解了醫療資源緊張、地區分佈不均等問題，提高了醫療體系的總體運行效率。

不過，目前AI技術在醫療領域起到的更可能是輔助做用，尚沒法徹底取代醫生的做用。

隨着數據標註行業提供的標註數據集質量愈來愈高，且更加場景化、精細化，相關的應用模型將更加精準，智慧醫療有望在後疫情時代扮演更加劇要的角色。