从癌细胞诊断到血象鉴定：图像分析和识别在许多医疗领域起到关键作用。到目前为止，主要是人力在承担这项要求颇高但又重复枯燥的工作。深度学习的图像识别系统可以借助人工智能（AI）技术以自动化方案完成工作，从而提高医疗领域图像分析的质量和效率。DIN发布的新的DIN SPEC 13288标准《医疗领域深度学习图像识别系统开发手册》为此制定了具体要求。此外，该标准还包括开发和建设系统的实用指南，着重于人工智能（AI）培训中的数据处理问题。

一、 医疗领域应用的高要求

新发布的DIN SPEC 13288标准是基于DIN SPEC 13266《深度学习图像识别系统的开发指南》，并根据医疗领域的特殊需要进行扩展。DIN SPEC发起人、明德匹克有限责任公司（MindPeak）的菲利克斯·法布尔（Felix Faber）说道：“医疗领域对质量的要求比其他领域高得多，监管也更加严格。因此，这个新的标准里包含专门的阐释，并提出了更严格的要求。”作为这个系统的基石，机器学习通过对训练数据集和统计学模型的学习，能够解决图像识别的复杂问题。DIN SPEC 13288标准对这些数据和相应的人工智能（AI）培训在医疗领域的应用作出了特别的要求。法布尔（Faber）说，“该规范还着重于解释结果。只有如此，医生和患者才能够信任科技、接受科技。”

二、对开发者和决策者的帮助

新标准特别针对于深度学习图像识别系统的开发者，以及参与研发项目的制造商。决策者可以获得有关应用可能性和系统构造的知识。当他们有将系统接入现有流程的意愿时，标准能够帮助他们更好地衡量可能的费用和使用。

DIN SPEC 13288标准是根据可公共提供的规范制定程序（PAS程序）制定的。除了明德匹克有限责任公司外，普赛奥利有限责任公司（PSIORI）、福斯人工智能有限责任公司（FUSE-AI）、杜塞尔多夫高校、质量比赛有限责任公司（Quality Match）和依艾碧吉有限责任公司（IABG）都参与了这项规范的制定工作。想获悉更多的国内外标准信息，请访问中国标准信息服务网（<https://www.sacinfo.cn>）。