医疗中知识引导的以数据为中心AI：进展、不足与未来方向

深度学习的成功很大程度上归功于可获得大量覆盖特定概念或含义广泛示例的训练数据。在医学领域，拥有某特定疾病的多样化训练数据集可促成能够准确预测该疾病的模型开发。然而，尽管有潜在益处，由于缺少高质量标注数据，基于图像的诊断并未取得显著进展。本文强调了使用以数据为中心的方法改进数据表示质量的重要性，尤其在可用数据有限的情况下。为解决此“小数据”问题，我们讨论了四种生成与聚合训练数据的方法：数据增强、迁移学习、联邦学习与GAN（生成对抗网络）。我们还提出使用知识引导的GAN，将领域知识纳入训练数据生成过程。随着大预训练语言模型的最新进展，我们相信有可能获取高质量知识，用以提升知识引导生成方法的有效性。