打開(kāi)手機(jī)掃描二維碼
即可在手機(jī)端查看
醫(yī)療AI正在以前所未有的速度重塑診斷流程，而背后默默支撐的人工標(biāo)注體系則成為了這一革命性變革的無(wú)聲基石。
2025年8月，一項(xiàng)發(fā)表在《自然醫(yī)學(xué)》雜志上的研究顯示，最新開(kāi)發(fā)的人工智能診斷系統(tǒng)在乳腺癌篩查領(lǐng)域的準(zhǔn)確率較傳統(tǒng)人工診斷提升了23%，誤診率降至驚人的0.5%以下。
這種顯著的性能提升不僅得益于算法創(chuàng)新，更源于多專(zhuān)家標(biāo)注體系的完善與成熟。醫(yī)療AI正在逐步跨越從“輔助工具”到“臨床伙伴”的關(guān)鍵門(mén)檻。
在傳統(tǒng)病理診斷中，單個(gè)病理專(zhuān)家的主觀判斷難以避免地存在偏差。這種偏差可能源于專(zhuān)業(yè)經(jīng)驗(yàn)、視覺(jué)疲勞甚至當(dāng)天的工作狀態(tài)。
診斷一致性問(wèn)題是醫(yī)療領(lǐng)域的長(zhǎng)期挑戰(zhàn)。研究表明，即使是資深專(zhuān)家團(tuán)隊(duì)，在乳腺癌診斷中的誤診率也達(dá)到5.6%，漏診率為8.1%。
虛擬染色等AI新技術(shù)也帶來(lái)了新型風(fēng)險(xiǎn)。生成式AI可能產(chǎn)生“現(xiàn)實(shí)幻覺(jué)”，在病理圖像中創(chuàng)建出根本不存在的組織結(jié)構(gòu)，甚至欺騙專(zhuān)業(yè)病理學(xué)家。
這些“現(xiàn)實(shí)幻覺(jué)”顯示出不屬于實(shí)際患者的組織構(gòu)造，可能導(dǎo)致錯(cuò)誤的診斷結(jié)論，從而影響治療方案制定。
多專(zhuān)家標(biāo)注的核心價(jià)值在于通過(guò)聚合多位專(zhuān)家的知識(shí)，降低個(gè)體標(biāo)注誤差，提高標(biāo)注一致性。在醫(yī)學(xué)影像標(biāo)注領(lǐng)域，標(biāo)注通常需要多位專(zhuān)業(yè)醫(yī)師獨(dú)立完成，由于主觀判斷差異，不同標(biāo)注者產(chǎn)生的標(biāo)簽圖往往存在不一致性。
這種不一致性反而反映了臨床實(shí)踐中的真實(shí)不確定性，簡(jiǎn)單的強(qiáng)制統(tǒng)一可能會(huì)損失有價(jià)值的專(zhuān)家知識(shí)。
智能任務(wù)分配算法根據(jù)標(biāo)注者專(zhuān)業(yè)領(lǐng)域、歷史準(zhǔn)確率等維度自動(dòng)分配標(biāo)注任務(wù)，確保每個(gè)樣本獲得足夠數(shù)量的獨(dú)立標(biāo)注。
標(biāo)注沖突解決策略包含多種解決方案：多數(shù)表決機(jī)制、專(zhuān)家復(fù)核流程、自動(dòng)一致性檢測(cè)和標(biāo)注質(zhì)量評(píng)分體系。
數(shù)據(jù)聚合方法也不盡相同：包括簡(jiǎn)單投票法、加權(quán)投票（基于標(biāo)注者可信度）、概率融合模型和基于EM算法的真值推斷。
在技術(shù)實(shí)現(xiàn)層面，多專(zhuān)家標(biāo)注體系主要采用兩種方案：重復(fù)樣本法和概率標(biāo)簽法。
重復(fù)樣本法將同一影像的不同標(biāo)注版本視為獨(dú)立訓(xùn)練樣本，在預(yù)處理階段保留所有標(biāo)注者生成的標(biāo)簽圖，為每個(gè)標(biāo)簽圖創(chuàng)建對(duì)應(yīng)的數(shù)據(jù)條目。
這種方法實(shí)現(xiàn)簡(jiǎn)單，無(wú)需修改現(xiàn)有算法核心架構(gòu)，能夠完整保留各標(biāo)注者的專(zhuān)業(yè)判斷，適用于任何分割任務(wù)和損失函數(shù)。
概率標(biāo)簽法則將多位標(biāo)注者的標(biāo)簽融合為概率圖，對(duì)每個(gè)體素計(jì)算各標(biāo)簽出現(xiàn)的頻率。
二分類(lèi)任務(wù)可直接使用[0,1]區(qū)間的概率值，而多分類(lèi)任務(wù)則需要轉(zhuǎn)換為各類(lèi)別的概率分布。
為解決標(biāo)注負(fù)擔(dān)過(guò)重的問(wèn)題，研究人員開(kāi)發(fā)出了創(chuàng)新性的數(shù)據(jù)標(biāo)注方法。中國(guó)研究團(tuán)隊(duì)開(kāi)發(fā)了一種通過(guò)眼動(dòng)追蹤設(shè)備標(biāo)注活檢圖像數(shù)據(jù)的方法，顯著減少了手動(dòng)標(biāo)注組織活檢圖像中每個(gè)感興趣像素的負(fù)擔(dān)。
研究人員收集了病理學(xué)家使用定制開(kāi)發(fā)軟件和眼動(dòng)追蹤設(shè)備查看切片時(shí)的數(shù)據(jù)，這些設(shè)備報(bào)告了病理學(xué)家的眼球運(yùn)動(dòng)、整個(gè)幻燈片組織圖像的縮放和平移以及每個(gè)樣本的診斷。
團(tuán)隊(duì)假設(shè)病理學(xué)家在查看組織活檢圖像時(shí)通過(guò)眼動(dòng)追蹤設(shè)備獲得的視覺(jué)數(shù)據(jù)可以教會(huì)AI模型哪些區(qū)域是活檢圖像中特別感興趣的區(qū)域，從而為像素級(jí)注釋提供了一種負(fù)擔(dān)輕得多的替代方法。
加州納米系統(tǒng)研究所UCLA分校的研究團(tuán)隊(duì)開(kāi)發(fā)了一種名為AQuA（自主質(zhì)量和幻覺(jué)評(píng)估工具）的AI技術(shù)，用于檢測(cè)虛擬染色AI模型偶爾產(chǎn)生的可能危及生命的錯(cuò)誤（稱(chēng)為現(xiàn)實(shí)幻覺(jué)。
在一組人類(lèi)腎臟和肺部樣本的虛擬染色圖像中，這種新工具區(qū)分有錯(cuò)誤圖像和無(wú)錯(cuò)誤圖像的準(zhǔn)確率達(dá)到99.8%。
AQuA檢測(cè)到了被認(rèn)證病理學(xué)家在審查相同染色圖像時(shí)遺漏的現(xiàn)實(shí)幻覺(jué)。該AI還檢測(cè)到了與訓(xùn)練數(shù)據(jù)中包含的錯(cuò)誤類(lèi)型不同的幻覺(jué)，以及人類(lèi)實(shí)驗(yàn)室技術(shù)人員染色的圖像中的錯(cuò)誤。
多專(zhuān)家標(biāo)注體系特別適用于主觀性強(qiáng)的標(biāo)注任務(wù)（如情感分析）、復(fù)雜醫(yī)學(xué)影像標(biāo)注、法律文書(shū)關(guān)鍵信息提取和多語(yǔ)種文本標(biāo)注。
在計(jì)算病理學(xué)領(lǐng)域，多專(zhuān)家標(biāo)注推動(dòng)了細(xì)胞核分割技術(shù)的進(jìn)步。通過(guò)基于提示的零樣本分割和使用細(xì)胞特異性SAM模型進(jìn)行直接分割，研究人員能夠?qū)Ω鞣N類(lèi)型的細(xì)胞核和細(xì)胞進(jìn)行有效的分割。
分子增強(qiáng)的全棧SAM模型采用全面方法，通過(guò)分子增強(qiáng)學(xué)習(xí)吸引非專(zhuān)業(yè)標(biāo)注員參與標(biāo)注過(guò)程，減少對(duì)詳細(xì)像素級(jí)注釋的需求。
該模型還通過(guò)整合面向分子的學(xué)習(xí)校正（MOCL）提高分割精度。
部署多標(biāo)注系統(tǒng)時(shí)需考慮多個(gè)因素：標(biāo)注者培訓(xùn)成本、質(zhì)量控制體系設(shè)計(jì)、標(biāo)注效率與質(zhì)量的平衡，以及標(biāo)注不一致樣本的處理流程。
醫(yī)學(xué)影像標(biāo)注平臺(tái)MD.ai展示了多機(jī)構(gòu)、多國(guó)專(zhuān)家聯(lián)合標(biāo)注的實(shí)際應(yīng)用。該平臺(tái)基于Web模式，是第一個(gè)創(chuàng)建的交互標(biāo)注工具，使多機(jī)構(gòu)、多國(guó)專(zhuān)家可以聯(lián)合標(biāo)注的數(shù)據(jù)集標(biāo)注工具。
平臺(tái)允許用戶快速啟動(dòng)深度學(xué)習(xí)項(xiàng)目，提供匿名醫(yī)學(xué)圖像的云存儲(chǔ)、為醫(yī)學(xué)深度學(xué)習(xí)優(yōu)化的基于Web的注釋工具、與團(tuán)隊(duì)實(shí)時(shí)協(xié)作以及輕松導(dǎo)出注釋、圖像和標(biāo)簽以進(jìn)行訓(xùn)練。
醫(yī)療AI正在從單一模型訓(xùn)練向多專(zhuān)家協(xié)同標(biāo)注的生態(tài)系統(tǒng)演進(jìn)。黑河市第一人民醫(yī)院的最新采購(gòu)需求表明，現(xiàn)代病理會(huì)診平臺(tái)需要至少100位病理專(zhuān)業(yè)亞專(zhuān)科專(zhuān)家支持，并能實(shí)現(xiàn)多專(zhuān)家同時(shí)診斷同一病例并各自出具報(bào)告。
這種多專(zhuān)家標(biāo)注體系不僅服務(wù)于AI訓(xùn)練，更正在重構(gòu)醫(yī)療質(zhì)量控制的底層架構(gòu)。美國(guó)放射學(xué)會(huì)（ACR）已建議將AI輔助診斷納入2027年版乳腺癌篩查指南。
人機(jī)協(xié)作的新工作模式已獲得92%參與試驗(yàn)的放射科醫(yī)生的支持，標(biāo)志著醫(yī)療AI正式進(jìn)入了成熟應(yīng)用的新時(shí)代。
【1】Label Studio多標(biāo)注者協(xié)同標(biāo)注機(jī)制解析（2025-05-10）
【2】人工智能輔助診斷工具在乳腺癌篩查中展現(xiàn)顯著優(yōu)勢(shì)（2025-08-22）
【3】Fine-grained Multi-class Nuclei Segmentation with Molecular-empowered All-in-SAM Model（2025-08-21）
【4】交互式醫(yī)學(xué)影像標(biāo)注器--MD.ai概述（2022-04-21）
特別聲明：智慧醫(yī)療網(wǎng)轉(zhuǎn)載其他網(wǎng)站內(nèi)容，出于傳遞更多信息而非盈利之目的，同時(shí)并不代表贊成其觀點(diǎn)或證實(shí)其描述，內(nèi)容僅供參考。版權(quán)歸原作者所有，若有侵權(quán)，請(qǐng)聯(lián)系我們刪除。
凡來(lái)源注明智慧醫(yī)療網(wǎng)的內(nèi)容為智慧醫(yī)療網(wǎng)原創(chuàng)，轉(zhuǎn)載需獲授權(quán)。
Copyright ? 2022 上?？评讜?huì)展服務(wù)有限公司 旗下「智慧醫(yī)療網(wǎng)」版權(quán)所有 ICP備案號(hào)：滬ICP備17004559號(hào)-5
