在构建读取X光片或解释血涂片的算法前，机器必须能识别图像各部分。2021年医疗AI领域吸引113亿美元私人投资，但若缺乏精准标注数据集告知机器识别目标，这些前景便无法实现。
创建标注数据集已成独立行业，涌现多家高估值公司。刚获Y Combinator毕业的初创公司Encord正推出AI辅助标注工具CordVision测试版，此前已在斯坦福医学院、纪念斯隆-凯特琳癌症中心及伦敦国王学院试点，并由Kheiron Medical和Viz AI进行测试。
Encord开发了允许放射科医生放大DICOM医学图像的工具，旨在确保仅对关键部位进行标注，而非整图处理。
Encord由应用物理学背景的Eric Landau和Ulrik Stig Hansen于2020年创立。Hansen在伦敦帝国理工学院攻读硕士时专注于大型医学图像可视化研究，并发现标注过程极其耗时。
标注数据集为算法提供“真实标签”（ground truths）。尽管存在无监督学习方法，但医疗AI主要依赖需标注数据的监督学习。
创建标注集通常需多位医生逐图绘制多边形，或使用开源工具与传感器。科学文献表明，这是医疗AI尤其是放射学的主要瓶颈，导致该领域尚未出现重大范式转变。
Landau表示：“人们对医疗AI存疑，进展确实缓慢。转向重视训练数据的方法将加速模型进步。”
《Frontiers in Radiology》2021年论文指出，人工标注10万张图像数据集需24年工作量。欧洲核医学协会（EANM）与欧洲心血管成像协会（EACVI）同年立场声明称，“获取医学图像标注数据既耗时又昂贵”，但也指出新兴技术正加快这一进程。
讽刺的是，这些新技术本身即AI版本。前述论文显示，采用主动学习方法可将效率提升87%：标注10万张图像仅需3.2个工作年，而非24年。
CordVision本质是称为微建模（micro-modeling）的主动学习过程：先标注少量代表性样本训练特定AI模型，再应用于大数据池自动标注，人工仅需审核结果而非从头标注。
Landau在Medium博客中以检测《蝙蝠侠》电影为例解释：用五张克里斯蒂安·贝尔版图片训练微型模型，另一模型识别本·阿弗莱克版，组合后应用于全系列。他表示：“极少量标注数据即可启动并推进整个过程。”
Encord发布数据佐证：与伦敦国王学院合作研究中，五名标注员处理25,744帧内窥镜视频，使用CordVision的胃肠病学家速度提升6.4倍；在15,521张COVID-19 X光片测试集中，仅审查5%图像，AI标注准确率达93.7%。
Encord并非唯一利用AI简化标注的公司。Scale AI估值达73亿美元，Snorkel亦成独角兽。Landau承认最大竞争对手可能是Labelbox，该公司今年一月完成1.1亿美元D轮融资，距10亿美元估值仅一步之遥。
Scale AI 进入合成数据领域
CordVision虽规模尚小，但正瞄准仍用开源或内部工具自行标注的市场。自Y Combinator毕业以来，公司已筹集1710万美元种子轮及A轮融资，团队从2人扩展至20人。Landau表示当前资金足以支持商业化，暂无融资计划且未大量消耗现金。