資料標註在智慧醫療領域中的具體應用丨曼孚科技

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

然而，由於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，醫療領域長期面臨著資源匱乏、地區分佈不均衡、優質醫生短缺等問題;在需求層面，隨著人口老齡化程式的加快，醫療資源的需求量顯著擴大。

而近半年出現的新冠疫情，導致醫療服務需求激增，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情況來看，智慧醫療的實用性被凸顯的淋漓盡致，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升。

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. 影像識別

傳統醫療執行模式下，醫療影像全部由醫生完成讀片，並據此進行診斷。

但這種模式診斷速度較為緩慢，且完全依賴醫生的個人能力，對相關領域專業人才需求量較大。AI影像識別技術的應用將有效解決此類問題。

藉助影像識別技術，可以對影像進行前後對比，完成病灶自動識別與標註，發現肉眼無法發現的病灶，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影像識別不會疲勞，可以實現24小時無休，且每秒處理的影像可達上萬張，將大大提高診斷效率。

影像識別技術應用的背後也離不開資料標註技術的支援。影像識別演算法模型的訓練需要海量標註資料集的支援，病灶標註、人臉關鍵點標註等都是常見的標註型別。

2. 遠端問診

新冠肺炎的傳染性極強，入院問診存在交叉感染的風險。為了避免人與人之間的接觸，實現足不出戶進行就醫問診，遠端問診、智慧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，可以依託語音識別技術，將傳統的手寫病歷轉化為語音輸入，大幅減輕工作負擔。

在線上問診場景中，使用者輸入症狀以後，AI系統將自動識別使用者所輸入的文字，完成詞性標註、資訊抽取等一系列工作，透過在資料庫中進行檢索，實現精準資訊匹配，完成病情診斷。

這些功能實現的背後同樣離不開資料標註技術的支援。語音識別模型需要學習海量語音轉錄資料集，智慧客服需要NLP技術，比如資訊抽取、詞性標註、句法解析、詞義消歧等技術的支援。

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，提升了醫療體系的整體執行效率。

不過，目前AI技術在醫療領域起到的更多是輔助作用，尚無法完全取代醫生的作用。

隨著資料標註行業提供的標註資料集質量越來越高，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重要的角色。