醫療影像AI產品落地挑戰與持續優化的歷程分享

摘要

醫療影像 AI 產品，受限於醫療場域的特性，與其他領域 AI產品資料回饋設計上更具挑戰性，其挑戰來自於 AI 每一張辨識結果皆需要醫師判定後，才能得知 AI 模型的表現，因此，醫療影像 AI 很難進行即時的監控與持續優化模型，本演講將以童綜合醫院的醫療影像 AI 產品為例，分享我們將AI實際導入醫院，如何從基礎可用的 AI 系統架構，打破影像 AI 的標註思維，運用自然語言處理的模組，逐步迭代打造出來能監控 AI 現況與持續優化 AI 的現行系統，分享過程中所遇到的挑戰，以及我們的解決方案。 希望能將這些內容分享給以下的人: 1. 想要學習的如何優化 AI 模型的 Python/AI 工程師 - AI 上線後，搭配怎樣的工具，進行即時 AI 的準確度監控 - 當收到 AI 辨識錯誤的結果時，如何判斷錯誤的類型，找到優化的下一步。 2. 帶領團隊維運 AI 產品的 Team Lead - 如何慢慢打破原有的思考邏輯，找到可信度高以及回饋頻繁的可用資料，當資料偏移，仍可持續優化模型的資料閉環架構。

說明