具体看到什么由后台推荐系统决定。推荐为什么能做得这么精准？靠的就是用户端和商品端大量结构化数据。
怎么，到了医疗领域，病例结构化还得靠AI？
江九思显然不是头一回遇到这个疑问，解释得驾轻就熟：“你们做互联网的，可能不了解医院体系。互联网数据在网上跑，天生就是结构化的。搜索、点击、下单，后台都能直接入库，医院却不一样。”
他推了推眼镜：“你们知道国内多数三甲医院的HIS系统是什么年代的吗？不少核心模块还是上世纪九十年代写的，那时根本没人考虑数据要结构化。医生写手写病历，扫描进去就是一张图；就算打字录入，也是自由文本，“患者自述左上腹隐痛三天，饭后加剧”——这些只能人工读，想在上面做数据分析，根本没法用。”
“而且，”江九思微微苦笑，“医院之间系统互不相通。同一个病人在协和看一次，再去宣武看一次，两边病历格式完全不同，连字段定义都不一样。这种情况下要做大数据分析，第一步就是把自由文本里的临床信息挖出来、洗出来，标准化之后才能往下走。”
他端着香槟扫了韩路一一眼：“这活儿医院里根本没人做。以前做这个方向全靠人工，招大量医疗数据标注员，成本高、速度慢，还容易出错。AI一来，总算有工具能处理，所以我才觉得是刚需。”
韩路一听着，微微点头。从实际工作里发现痛点，找到解决方案，再出来创业——这和自己最初做BugKiller倒是一条路。
甚至可以说，不少半路出家的创业者都是这么起步的。
赵文渊在旁边听着，已经被勾起了兴致。
做模型训练时，医疗是绕不过去的强专业场景，也是业内都头疼的问题。
毕竟用户真可能相信大模型给出的答案；如果诊断做错了，模型公司要不要负责？这至今仍是个比较前沿的问题，法律上也没有定论。
但如果只做非结构化数据处理的话——
“江总，为什么不用雕龙？”赵文渊问道。
江九思被问得一愣，一时不太好回答。
倒不是问题本身难答，只是这个场合明摆着是寻他科技的主场。
韩路一看了赵文渊一眼，心里想：不用当然是因为不好用，这还用问出口吗？
“赵总这话问得……”江九思转头扫了扫四周，确认没人注意这边，咬咬牙压低声音，“雕龙做不了。”
江九思继续说道：“不是说完全不能用。做小规模处理时，经我们技术团队调教，效果还不错；可一上大数据，抽查就发现不少错漏，甚至还有凭空编造的信息。这我们哪敢上线？这个行业每一步都要明确责任人，哪怕系统老旧一点，也不敢出一点儿错。”
“幻觉。”赵文渊自语道。
不知道自己不会，不会时还硬着头皮编——这是所有大模型落地高风险行业时最可怕的问题。
“是的，幻觉问题有点儿严重。”江九思说道，“我们之前也找雕龙团队反映过，他们建议接更多知识库、做更多规则校验，最后再配人工审核。”
江九思苦笑了一声：“这当然能缓解一部分问题，可这么搞，成本一下就上来了，我都不知道用AI的意义在哪儿了。”
韩路一点了点头。
赵文渊奇道：“难道寻他的平台就一点儿好处都没有？”
“好处倒也有。”江九思说道，“有些院方代表特别认寻他的牌子——当然，不是三甲医院的那些。”
这简直是个地狱笑话。
看来这位江总身为医疗行业的人，今天也是捏着鼻子来赴这个局。
“所以我挺期待汤圆开放API。”江九思把话题拉了回来
-->>(第2/4页)（本章未完，请点击下一页继续阅读）