央视网关注！江苏举办“人工智能+医疗健康”主题沙龙

“高质量数据集不是简单地把医疗数据收集在一起，而是经过清洗、整理、标注和治理之后，真正能够支撑人工智能模型训练与应用的数据资源。”北京大学软件工程国家工程研究中心研究员、国家重点研发计划项目首席科学家黄雨在沙龙上说到。他认为，真实准确、安全合规、专业标注是高质量数据集的价值之基，“数据质量往往决定了模型能走多远、用得多稳”。

然而，高质量数据集的建设并非一蹴而就。杭州医策科技有限公司CEO王晓梅将当前行业的痛点概括为三个“难”——难在标准、难在闭环、难在持续。她解释道，数据来自不同医院、不同设备、不同录入标准，一个典型的痛点就是数据“多而不精”，尤其是病理与影像数据标注不一致、缺乏“金标准”，直接影响AI产品的安全性与泛化能力。

真正高质量的数据集，不仅要“量大”，更要“质优”——包括标注的准确性、数据的完整性、场景的代表性，以及能够反映真实临床逻辑。王晓梅认为，构建高质量数据集的关键路径是建立“医—工—政”协同的共建共享机制，单靠企业或医院都难以走通。她希望通过本次沙龙能推动形成包括数据标注规范、隐私计算框架、质量评估体系在内的区域共识。