知識(shí)是計(jì)算機(jī)視覺(jué)與醫(yī)療的最本質(zhì)區(qū)別

原標(biāo)題：從計(jì)算機(jī)視覺(jué)走向醫(yī)療AI，對(duì)話上海交大謝偉迪：定義問(wèn)題比解決問(wèn)題更重要
文章來(lái)源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：10948字

上海交大謝偉迪教授：從計(jì)算機(jī)視覺(jué)到通用醫(yī)療AI的轉(zhuǎn)型與未來(lái)

本文總結(jié)了HyperAI超神經(jīng)對(duì)上海交通大學(xué)謝偉迪教授的深度訪談，探討了他從計(jì)算機(jī)視覺(jué)轉(zhuǎn)型AI for Healthcare的經(jīng)歷，以及對(duì)該領(lǐng)域未來(lái)發(fā)展趨勢(shì)的見(jiàn)解。

1. 從通信到計(jì)算機(jī)視覺(jué)，再到醫(yī)療AI的兩次轉(zhuǎn)身

謝偉迪教授本科就讀于北京郵電大學(xué)通信專業(yè)，畢業(yè)后選擇出國(guó)深造，轉(zhuǎn)入計(jì)算機(jī)視覺(jué)領(lǐng)域，并最終將計(jì)算機(jī)視覺(jué)的經(jīng)驗(yàn)應(yīng)用于醫(yī)療人工智能。這期間，他經(jīng)歷了專業(yè)選擇上的猶豫、攻克新領(lǐng)域的挑戰(zhàn)以及成果帶來(lái)的成就感。

2. 通用醫(yī)療AI系統(tǒng)的“智能涌現(xiàn)”

謝偉迪教授認(rèn)為，開發(fā)通用醫(yī)療AI系統(tǒng)至關(guān)重要。他指出，通用模型能夠建立不同模態(tài)數(shù)據(jù)（如圖像、文本）之間的隱層聯(lián)系，產(chǎn)生“智能涌現(xiàn)”，這對(duì)于診斷病因不明確的疾病至關(guān)重要。專用模型雖然在特定領(lǐng)域精度高，但泛化能力有限。

3. 面對(duì)數(shù)據(jù)挑戰(zhàn)：數(shù)據(jù)收集與開源

醫(yī)療數(shù)據(jù)獲取存在倫理、安全、質(zhì)量等問(wèn)題。謝偉迪教授團(tuán)隊(duì)借鑒計(jì)算機(jī)視覺(jué)的數(shù)據(jù)收集方法，從互聯(lián)網(wǎng)上爬取數(shù)據(jù)，構(gòu)建了包含醫(yī)學(xué)書籍、文獻(xiàn)、論文、圖像等的大型數(shù)據(jù)集，并將其開源，促進(jìn)學(xué)術(shù)發(fā)展，同時(shí)提升團(tuán)隊(duì)處理大數(shù)據(jù)的能力。

4. 多模態(tài)通用AI醫(yī)療大模型的構(gòu)想

謝偉迪教授團(tuán)隊(duì)的目標(biāo)是構(gòu)建一個(gè)多模態(tài)通用醫(yī)療模型，融合影像、文本、基因組學(xué)、ECG信號(hào)等數(shù)據(jù)，并以影像病灶定位、文本診斷報(bào)告為基本輸出形式。醫(yī)學(xué)知識(shí)的嵌入是實(shí)現(xiàn)通用功能的關(guān)鍵，以實(shí)現(xiàn)更全面的疾病診斷和鑒別診斷。

5. “兩不管”導(dǎo)師下的默默積蓄

在牛津大學(xué)攻讀博士期間，謝偉迪教授在兩位導(dǎo)師的“放養(yǎng)”式指導(dǎo)下，探索，閱讀了大量文獻(xiàn)，積累了深厚的計(jì)算機(jī)視覺(jué)基礎(chǔ)。這段經(jīng)歷雖然挑戰(zhàn)重重，但也讓他在畢業(yè)前夕擁有了豐富的知識(shí)儲(chǔ)備，為未來(lái)的研究奠定了堅(jiān)實(shí)基礎(chǔ)。

6. 計(jì)算機(jī)視覺(jué)與醫(yī)療的本質(zhì)區(qū)別：知識(shí)

謝偉迪教授認(rèn)為，醫(yī)療與計(jì)算機(jī)視覺(jué)最本質(zhì)的區(qū)別在于“知識(shí)”。醫(yī)學(xué)更注重尋證，擁有系統(tǒng)規(guī)范的知識(shí)體系，而這在醫(yī)療影像中難以直接嵌入模型。因此，他選擇從語(yǔ)言模型入手，將醫(yī)學(xué)知識(shí)嵌入語(yǔ)言模型，再與視覺(jué)模型對(duì)齊。

7. 定義問(wèn)題比解決問(wèn)題更重要

謝偉迪教授強(qiáng)調(diào)，定義有意義的研究問(wèn)題至關(guān)重要。團(tuán)隊(duì)選擇與上海交大醫(yī)學(xué)院合作，利用醫(yī)學(xué)專家的專業(yè)知識(shí)，確保研究方向的醫(yī)學(xué)價(jià)值，并進(jìn)行數(shù)據(jù)質(zhì)量的嚴(yán)格把控。

8. 可解釋性與模型性能

謝偉迪教授認(rèn)為，如果AI模型的性能足夠強(qiáng)大，診斷準(zhǔn)確率超越頂尖醫(yī)生，可解釋性將不再是主要問(wèn)題。團(tuán)隊(duì)已開發(fā)多個(gè)醫(yī)療大語(yǔ)言模型和視覺(jué)語(yǔ)言模型，部分成果已成為行業(yè)基準(zhǔn)。

9. 未來(lái)展望：走向臨床實(shí)踐

謝偉迪教授團(tuán)隊(duì)計(jì)劃構(gòu)建面向臨床的super instruction，整合醫(yī)生感興趣的任務(wù)，解決實(shí)際臨床問(wèn)題。他們還將研究擴(kuò)展到基因組學(xué)等領(lǐng)域，為罕見(jiàn)病診斷和新藥研發(fā)提供更多可能性。

總之，謝偉迪教授的經(jīng)歷和研究展現(xiàn)了AI for Healthcare領(lǐng)域的巨大潛力和挑戰(zhàn)。他強(qiáng)調(diào)“知識(shí)驅(qū)動(dòng)”的重要性，并致力于開發(fā)更實(shí)用、更有效的通用醫(yī)療AI系統(tǒng)，為醫(yī)療健康事業(yè)做出貢獻(xiàn)。

聯(lián)系作者

文章來(lái)源：HyperAI超神經(jīng)
作者微信：
作者簡(jiǎn)介：解構(gòu)技術(shù)先進(jìn)性與普適性，報(bào)道更前沿的 AIforScience 案例