影影绰绰的医疗市场 阿里、英特尔想用AI看个明明白白(3)

而阿里健康则在B端和C端两方面发力。“我们希望在C端针对常见病和慢性病方面不断产生突破，于B端我们希望在医疗科研大数据平台、健康云服务和区块链技术上产生好的积累，最终提升医疗效率。”范绎透露，“Doctor You”目前联合了阿里健康、阿里云、阿里巴巴iDST视觉计算团队的三方力量共同推进。

数据质量是关键

在众多医学数据中，影像数据相对标准，长时间积累中形成了体量庞大的数据集合，从这一角度来讲，AI+医学影像具备了较好的发展基础。但是，必须看到，数据质量对于人工智能在计算和学习能力提升上起着更为重要的作用，目前来看，甚至是关键作用。

李亚东介绍，人工智能的突破主要依赖于算法、计算能力和数据三方面，当前人工智能算法已经相对成型，计算能力也在不断提升，而数据则成为最重要因素，数据质量更是机器能否进行高效学习的关键。

华医资本创始人刘云同样认为，相比于算法，数据对于AI+医学影像发展更为关键。“从算法上中国没有落后国外很多，算法的比拼是小部分，大部分是对以往数据的积累能力和利用，问题还是在于数据的获取。”

这也是医疗影像跟其他医疗数据不一样的地方。医疗影像从诞生开始就因为考虑到了机器的兼容性应用了同样的数据格式，医疗器械的几大巨头以及管理部门在文件一致性上也有着清晰的标准。另外，考虑到案件的回溯，以及病人存档问题，各个国家都要求在医疗影像上存储一定的时间。所以，在医疗影像细分市场上，积累了大量的高质量数据，而且数据非常集中。

“人工智能并不是单纯追求数据量大，而是要追求质量。比如做机器学习，人工标注的准确性就非常重要，数据有没有被‘清洗’很重要，让机器接触太多的‘噪音’，肯定学不出什么东西来，数据质量是一个很关键的因素。”李亚东进一步解释。

尽管如此，现实是，我国市场上的医学影像数据质量并不令人满意。复旦大学医学影像智能诊断研究所教授刘雷解释，临床数据比较乱、错误多、缺失多，都会造成人工智能对医疗大数据的处理不是很成功。

刘云向第一财经记者介绍，“以眼科为例，糖尿病视网膜病变筛查，网上就有10万张片子可以免费下载，但是片子有好有坏。”