从计算机视觉走向医疗AI，对话上海交大谢伟迪：定义问题比解决问题更重要

2012年，谢伟迪从通信领域转向计算机视觉，专注于医疗人工智能。

他认为通用医疗AI系统能够整合多模态数据，促进疾病诊断。

团队利用网络爬虫收集医学数据，构建多模态模型，强调知识驱动的重要性。

通用模型可以建立不同模态数据之间的隐层联系，产生智能涌现。

团队汇集了超3万本医学书籍和400万篇医学文献，构建了丰富的数据集。

希望将影像、文本、基因组学等多模态数据联合训练，覆盖全部检查信息。

谢伟迪在牛津大学获得全额奖学金，顺利完成博士学业。

他认为知识是计算机视觉与医疗的本质区别，医疗领域更注重系统性知识。

团队与医学领域专家合作，确保研究方向具备实际医学价值。

谢伟迪强调知识驱动比单纯的数据驱动更重要。

未来计划构建面向临床的super instruction，解决实际临床需求。

团队开始研究基因组学，期待为罕见病诊断和新药研发创造更多可能性。