airdoc是医疗领域人工智能领军企业，专注于人工智能医学影像识别领域的应用，一直尝试通过科技手段解决影像学方面医疗资源分配不平均。在现场，张大磊重点分享了在智能影像领域的实践经验，以及人工智能在医疗图像识别上的局限性。
本文系根据张大磊先生在《医疗大数据与医学人工智能高峰论坛》上的精彩分享整理而成。根据嘉宾意见，分享内容已删去部分敏感观点及内部信息。
“more intelligent， better care”
“总体来讲，整个行业呈现出欣欣向荣的态势。但实际上真正落地的时候还是有很多问题。”张大磊简单介绍了人工智能在医疗图像识别上的三种常规做法及其局限性。
人工智能在医疗图像识别上的三种常规做法
张大磊介绍，目前人工智能在医学影像识别的应用上主要有三种方法：分类、检测和分割。
分类是最简单的，需要输入大量的样本学习，一般“万”级别的样本训练出来的结果才能说比较好，但是只能够识别有没有病，不能对医学影像进行标注。
张大磊现场举例：假设通过算法识别图片上的高度相似病变，如果用分类样本量小就很难调准。这一环节存在着样本量不够以及样本不均衡的问题，同时，医生标注的工作量是最小的，医生把弱标签经过分类处理之后就可以进行标注。