为什么医学影像AI已进入「后深度学习时代」？( 二 ) “深度学习正走向两极化

随着深度学习即将触及天花板，医学影像分析科研人员也随之分为两大派别：理论派和工程派。

理论派的初衷，是解决深度学习“短缺”的部分，强调人工设计和数学论证，通过预先构建先验知识，在不过度依赖大数据的前提下，开发出一个可解释的、高精度、可解决诸多长尾问题的“智能模型” 。不少专家认为，医疗AI中有大量Mission Critical和长尾问题，这对研究人员的整体系统设计能力要求非常高，因此人的作用就显得尤为重要，而基于黑箱统计模型的深度学习，显然存在太多的弊病。

工程派的做法，则是进一步发挥深度学习自身的优势，扬长避短，获取更多标注数据，设置更多参数，用更强大的算力，训练出一个能够学习更多维度特征的“经验模型” 。其本质是建立某种学习和搜索的Meta Method ，依靠摩尔定律带来的指数增长的算力，让机器自行构建复杂的知识系统。