1.数据
医疗人工智能系统需要医疗大数据作为基础,通过机器学习等技术形成一定的智能,用来提供辅助诊断和辅助治疗的功能。
医疗大数据主要包括医学教科书、病历尤其是针对某类疾病的病历、数字化医疗影像、学术论文等。
对于医学影像人工智能系统来说,则是需要数字化影像数据,包括CT、MRI、超声、病理等影像数据,作为机器学习的原料。
因为病历数据、数字化医疗影像数据等属于医院的知识财产,所以人工智能系统的知识产权归属原则和管理方法,需要在实践中不断探索。
2.深度学习算法模型
除了处理数据之外,选用或开发深度学习的模型算法也是发展过程中的一大挑战。
目前深度学习的算法很多,但是这些算法很难直接应用,而是需要做一定的改进开发,然后应用到数据训练中,并在训练中不断的改进和完善,才能使算法模型越来越精确。
所以,选择合适的算法或者开发算法、以及建立算法调整和改进的平台系统,这是人工智能系统成功的要素之一。
3.人工智能平台的计算能力
构建一个算力强大的计算平台是人工智能开发成功的根本要素之一。因为深度学习中需要非常巨大数量的数据输入给训练模型,训练模型则需要进行巨大规模的运算来训练模型使其具有智能,所以人工智能平台的计算能力(算力)是其成功的一个关键要素。
目前,人工智能计算平台主要使用GPU芯片,医学影像人工智能系统更是依赖于GPU来进行训练和学习。也有一些AI系统使用CPU、FPGA、高性能处理器(TPU)等芯片。