mle senior level想要一些职场feedback，究竟是我的问题还是医疗AI公司的问题

公司是个医疗ai算法初创，我是mle。我们的组很小，不算manager只有三个人（我是其中一个）。

去年年初Q1 manager给我布置了一个任务，实际上不难做，就是一个传统的segmentation的任务。尝试了几种办法以后发现能把performance可能提升至少x个百分点（可以算significant了）。

我发现在工作中，训练数据金标准有很大的bias。所以我对这个x个百分点的提升抱有疑问（可能实际表现更好，也可能实际表现更差）。于是我提出设计一个实验来做rigorous comparison。实验细节这里按下不表，反正得到了manager的认可并且在去年Q4准备lead on。

但一年现在过去了，这个工作还是没有完成。我整个人的感觉可以说非常不好。仔细想来这个工作没有完成有以下的几个问题。

1. 公司的数据真的非常非常乱。数据库虽然是完整的但命名非常混乱而且没有documentation。导致我在pull数据的时候就花了不少时间。比如case identifier居然是可以出现一对多和多对一的情况的，而这个情况在我训练到一半的时候才被指出。然后医疗方面的数据真的很糟心，去年Q2说是可以给我的训练数据，到今天都没给我，原因是有法律风险。

2. 因这一行接触的都是mri ct xray之类的图像，我其实没有什么关于这些生理结构的domain knowledge。manager也说这个topic非常难因为医生自己也做不出repeatable（多次标注一致）以及agreeable（多人标注一致）的金标准。我提出过让manager给我一个时间去公司合作的医生那里看一下学习一下他们标注的过程。manager同意了，但这件事迟迟没有发生。我不确定这种annotation的问题是我应该去解决的，还是这类问题本身就是屎坑。总之我就是拿着自己也看不懂的金标准强行训练。

3. 经常会出现manager给我定的短期task变动过快。会出现大领导突然要一个什么结果然后manager来找我说赶紧生成一些这样的结果。这种事一般就要耗至少半天甚至一天的时间。我疲于应付这类work，其实也花了不少时间。再比如说我设计的实验，本来是为了只verify我的算法improvement，但后来manager觉得我设计的实验好，要求扩展成了verify不同版本的软件（不仅仅是我的feature）之间差异的实验。由于这样一来不只是我的feature，这里又涉及到integration，重做baseline等等。总之工作量一下大了很多。

4. 我有一个感觉skip manager对我们组的进度处在脱节状态。且manager和skip manager的沟通存在一定偏差（skip不是tech背景出来的而是medical 背景）。曾出现过manager让我们整组组员一起分析skip给他发的teams message里的需求到底是什么的情况。而我分析结果就是感觉skip脑海中想象的我们在做的东西不是我们真正在做的东西。

总之这个感觉越来越糟，直到去年年底我开始了面试，并顺利拿到了另一个公司的offer。另一个公司给了我相当于30%的涨薪，于是我顺理成章接了。

虽然手上有offer心里不慌，但是我真的有一种当了逃兵的感觉。我怎么说也是一个senior了，本以为今年可以deliver一个新feature，但现在还卡在verification的阶段。我设计的实验因为各种其他priority迟迟不能开始，在我看来进度实在太慢了。

虽然要离职了，但是我想问一下，作为senior，这种情况应该是自己主动想办法unblock吗？应该用什么方式方法去unblock呢？我工作的这一年有什么redflag需要改正和进步吗？

说实话，manager人不差，组虽然小但是人也挺好。只是我真的疲了。

. 1point3acres补充内容 (2025-01-14 08:09 +08:00):
谢谢大家的建议和意见。

补充内容 (2025-01-14 08:12 +08:00):
能不能麻烦版主把这个帖子转回职场区？这个帖子和医学药学无关，我是MLE，而且这个帖子是general advice

医疗图像机器识别基本上已经被证明以目前的技术只能是个深坑了，楼主找到新工作就是好事。
医生肉眼识别这些图像确实是很难做到几个人有相同观点的，因此机器人无所适从。
而且这类公司的架构或者是权力结构基本都跟楼主经历的一样，上头是医学背景的人，中层和下层是IT背景的。鸡同鸭讲。
楼主向前看，你实力很强的，态度也太好了，不要自责。

其实我还见过其他行业的类似问题。例如车企，进入电车时代以后，车企下属供应商要生产的电子元件大量增加。电路板的质量检测非常重要，毕竟人命关天。此类检测也是computer vision加机器识别。有个大电路板公司就跟个水平很高的纯软的机器学习startup合作过，失败了。
原因是机器学习需要非常干净的数据，而这个电路板公司过去的质检数据很多标注不全（甚至都不存在不准确的问题，仅仅是质检员只要发现一个问题就判一个电路板为不合格了，没有继续标注同一个电路板上存在的其他问题）。也就是说想要合作成功的话，电路板公司先得调几个经验最丰富的质检员与数据工程师合作检查和提高数据质量，电路板公司当然不会肯，这种经验培养很需要时间的，会导致直接损失利润。
这种合作失败的性质跟医疗图像的数据问题差不多，虽然理论上其实在这种标准化工业要搞出干净的数据难度很低，纯体力活，只是资本家肯不肯的问题。

匿名用户 发表于 2025-1-14 11:25
这一行的确是有点那啥….但我总觉得既然都是mle，总不至于工作经验差那么多。我对于自己这一年的表现算是 ...

2017年的时候，我在一个IOT会议上遇到了一个混硅谷多年的software design高管白男。当时医疗图像仍然是风口，而他几年前从软件行业进了一个大型医疗图像器材公司。我跟他聊了一会儿，他说正在准备跳槽去其他行业，因为发现事情完全不是他以为的那样。我当时以为他说的是传统制造业大公司无法改变。过了两年我自己跟医生聊他们怎么在图像上肉眼识别病变，我才发现这玩意太坑了。
我是真的没想到这么明显的问题竟然还有这么多AI小公司能撑到今天。这种识别需要大量的来自医生肉眼的准确判断来让机器学习，而医生都是根据自己的经验在识别，因为医疗图像器材本身只能给出非常模糊的结果，而且甚至可能都不是真实的图像而是经过医疗器材自带软件计算生成的图像。
楼主你是早没有逛过医法文商版，你要早看到你早就跳槽了。

lz也太负责了吧，都要走人了还自省呢。国内教育体制下挺典型的，我也有点这样

匿名用户 发表于 2025-01-13 08:06:11
lz也太负责了吧，都要走人了还自省呢。国内教育体制下挺典型的，我也有点这样

主要是想如果我自己的问题，不想带进下一份工作去。

匿名用户 发表于 2025-01-13 08:07:38
主要是想如果我自己的问题，不想带进下一份工作去。

你都尽力了，很多事情不是你一个人着急就可以推动的

匿名用户 发表于 2025-01-13 08:17:04
你都尽力了，很多事情不是你一个人着急就可以推动的

谢谢。其实真的是感觉精疲力尽。但是又在想是不是一个成熟的E5可以做到我没做到的事情。

恭喜楼主offer。我在想这会不会是医疗ai这个行业本身的问题

匿名用户 发表于 2025-01-13 08:29:27
谢谢。其实真的是感觉精疲力尽。但是又在想是不是一个成熟的E5可以做到我没做到的事情。

这是早已讨论清楚的行业问题，楼主切勿自责。

欢迎大家润欧洲 发表于 2025-01-13 09:03:16
医疗图像机器识别基本上已经被证明以目前的技术只能是个深坑了，楼主找到新工作就是好事。
医生肉眼识别这些图像确实是很难做到几个人有相同观点的，因此机器人无所适从

我下一份工作的确也跳出这个行业了，干了这么多年真的一直存在你说的这个问题，所以我才会自我怀疑。。。

匿名用户 发表于 2025-01-13 09:19:59
我下一份工作的确也跳出这个行业了，干了这么多年真的一直存在你说的这个问题，所以我才会自我怀疑。。。

好奇楼主的新工作是什么行业/领域的？