数据标注在智慧医疗领域中的具体应用丨曼孚科技

随着国内社会经济的发展与居民生活品质的提高，医疗服务领域的相关需求在不断增长。

然而，由于多种复杂因素的影响，国内医疗行业面临诸多痛点。在供给层面，医疗领域长期面临着资源匮乏、地区分布不均衡、优质医生短缺等问题;在需求层面，随着人口老龄化进程的加快，医疗资源的需求量显著扩大。

而近半年出现的新冠疫情，导致医疗服务需求激增，将医疗行业供需矛盾进一步放大，行业痛点亟需解决。

解决问题的最好方式无疑是思路与方式的转变。从国内有效应对疫情的情况来看，智慧医疗的实用性被凸显的淋漓尽致，AI辅助诊断、智慧客服等有效解放了稀缺的医疗资源，并带来了服务体验的提升。

后疫情时代，AI与医疗行业的结合将有望迎来跨越式发展。

1. 图像识别

传统医疗运行模式下，医疗影像全部由医生完成读片，并据此进行诊断。

但这种模式诊断速度较为缓慢，且完全依赖医生的个人能力，对相关领域专业人才需求量较大。AI图像识别技术的应用将有效解决此类问题。

借助图像识别技术，可以对影像进行前后对比，完成病灶自动识别与标注，发现肉眼无法发现的病灶，有助于帮助医生更快完成疑似患者诊断。

此外，与依靠人力完成诊断相比，AI图像识别不会疲劳，可以实现24小时无休，且每秒处理的影像可达上万张，将大大提高诊断效率。

图像识别技术应用的背后也离不开数据标注技术的支持。图像识别算法模型的训练需要海量标注数据集的支持，病灶标注、人脸关键点标注等都是常见的标注类型。

2. 远程问诊

新冠肺炎的传染性极强，入院问诊存在交叉感染的风险。为了避免人与人之间的接触，实现足不出户进行就医问诊，远程问诊、智能客服将扮演关键性角色。

在实际应用中，医生在查房或者问诊的场景下，可以依托语音识别技术，将传统的手写病历转化为语音输入，大幅减轻工作负担。

在在线问诊场景中，用户输入症状以后，AI系统将自动识别用户所输入的文本，完成词性标注、信息抽取等一系列工作，通过在数据库中进行检索，实现精准信息匹配，完成病情诊断。

这些功能实现的背后同样离不开数据标注技术的支持。语音识别模型需要学习海量语音转录数据集，智能客服需要NLP技术，比如信息抽取、词性标注、句法解析、词义消歧等技术的支持。

AI技术的落地应用在很大程度上缓解了医疗资源紧张、地区分布不均等问题，提升了医疗体系的整体运行效率。

不过，目前AI技术在医疗领域起到的更多是辅助作用，尚无法完全取代医生的作用。

随着数据标注行业提供的标注数据集质量越来越高，且更加场景化、精细化，相关的应用模型将更加精准，智慧医疗有望在后疫情时代扮演更加重要的角色。