人工智能落地影像识别

人工智能的勃兴已经成为推动社会经济发展的新动力之一，它在提高社会生产效率、实现社会发展和经济转型等方面发挥重要作用。作为主导新一代产业变革的核心力量，人工智能在医疗方面展示出了新的应用方式，在深度融合中又催生出新业态。

事实上，相对于制造业、通信传媒、零售、教育等领域，人工智能在医疗还处于早期阶段，商业化程度相对偏低，行业渗透率较低，这固然与医疗行业的谨慎和保守有密切关系。但不可否认，人工智能在医疗领域的结合点响应了传统医疗的诸多困境，具有广泛的市场需求、多元业务趋势和广阔的发展空间。

新冠疫情推动人工智能从“云端”落地，提高了抗疫的整体效率。疫情更是成为人工智能在医疗领域的试金石，昭示着人工智能在医疗的力量和价值。从应用场景来看，人工智能医疗应用尚在起步阶段，影像识别、远程问诊、健康管理、暂处第一梯队。

其中，影像识别作为辅助诊断的一个细分领域，将人工智能技术应用于医学影像诊断中，是在医疗领域中人工智能应用最为广泛的场景。

人工智能落地影像识别

影像诊疗的概念原起源于肿瘤学领域，之后其外延才扩大到整个医学影像领域，理解医学影像、提取其中具有诊断和治疗决策价值的关键信息，是诊疗过程中非常重要的环节。

过去，医学影像前处理+诊断需要4-5名医生参与。然而，基于人工智能的影像诊断，训练计算机对医学影像进行分析，只需1名医生参与质控及确认环节，这对提高医疗行为效率大有裨益。

人工智能在医学影像得以率先爆发与落地应用，主要是由于影像数据的相对易获取性和易处理性。相比于病历等跨越三五年甚至更长时间的数据积累，影像数据仅需单次拍摄，几秒钟即可获取。一张影像片子即可反映病人的大部分病情状况，成为医生确定治疗方案的直接依据。

医学影像庞大且相对标准的数据基础，加上智能图像识别等算法的不断进步，为人工智能医疗在该领域的落地应用提供了坚实基础。

从技术角度来看，医学影像诊断主要依托图像识别和深度学习这两项技术。依据临床诊断路径，首先将图像识别技术应用于感知环节，将非结构化影像数据进行分析与处理，提取有用信息。

其次，利用深度学习技术，将大量临床影像数据和诊断经验输入人工智能模型，使神经元网络进行深度学习训练；最后，基于不断验证与打磨的算法模型，进行影像诊断智能推理，输出个性化的诊疗判断结果。

依托于图像识别和深度学习的人工智能和医学影像的结合，至少能够解决三种需求。一是病灶识别与标注，即通过Al医学影像产品针对医学影像进行图像分割、特征提取、定量分析、对比分析等。针对这种需求，X线、CT、核磁共振等医学影像的病灶自动识别与标注系统，可以大幅提升影像医生诊断效率。目前的Al医学影像系统已可以在几秒内快速完成对十万张以上的影像的处理，同时可以提高诊断准确率，尤其是降低了诊断结果的假阴性概率。

二是靶区自动勾画与自适应放疗。靶区自动勾画及自适应放疗产品能够帮助放疗科医生对200到450张CT片进行自动勾画，时间大大缩短到30分钟一套，并且在患者15到20次上机照射过程中间不断识别病灶位置变化以达到自适应放疗，可以有效减少射线对病人健康组织的伤害。

三是影像三维重建。基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节约配准时间，在病灶定位、病灶范围、良恶性鉴别、手术方案设计等方面发挥作用。

从落地方向来看，目前，我国Al医学影像产品布局方向主要集中在胸部、头部、盆腔、四肢关节等几大部位，以肿瘤和慢病领城的疾病筛查为主。

在人工智能医学影像发展应用初期，肺结节和眼底筛查为热门领域。近两年随着技术不断成熟迭代，各大Al医学影像公司也在不断扩大自己的业务半径，乳腺癌、脑卒中和围绕骨关节进行的骨龄测试也成为市场参与者重点布局的领域。在疫情中，Al 医学影像就参与到新冠肺炎病灶定量分析与疗效评价中，成为提升诊断效率和诊断质量的关键力量。

政策资本双双入局

如果说影像数据的相对易获取性和易处理性，是人工智能在医学影像得以率先爆发与落地应用的主要原因，国家政策的支持和资本的大量入场则给了人工智能在医学影像的应用持续更新的动力。

从政策加码来看，2013至2017年，政府各部门出台多项政策，不断加大对国产医学影像设备、第三方独立医学影像诊断中心、远程医疗等领域的支持力度。

2016年末，国务院就印发了《“十三五”国家战略性新兴产业发展规划》，其中多次提及医疗影像，指出要“发展高品质医学影像设备”、“支持企业、医疗机构、研究机构等联合建设第三方影像中心”。2017年1月，国家发改委更是把医学影像设备及服务列入《战略性新兴产品重点产品和服务指导目录》。

2017年11月15日，科技部在北京举行“新一代人工智能发展规划暨重大科技项目启动会”。其中，腾讯公司自建的“腾讯觅影”入选成为医疗影像国家新一代人工智能开放创新平台。值得一提的是，腾讯觅影Al和腾讯云技术的人工智能CT设备就在疫情期间，于湖北多家医院进行部署，帮助医护人员进行诊疗。

除了政策的支持，资本的入场也为人工智能医疗影像的持续发展添加动力。根据Global Market Insight的数据报告，从应用划分的角度来说，人工智能医学影像市场作为人工智能医疗应用领域第二大细分市场，将以超过40%的增速发展，在2024年达到25亿美元规模，占比达25%。

作为被人工智能技术赋能的医疗器械，其背后依然面对市场，随着数据的持续积累、算法的进一步成熟，AI医疗影像的商业模式历经前期的探索也愈发清晰。

时下，就Al医学影像而言，可行的商业模式包括两种：一是与区县级基层医院、民营医院、第三方检测中心等合作，提供影像资料诊断服务，并按诊断数量收取费用。也就是说，与医院方共同提供医学影像服务并采取分成模式；二是与大型医院、体检中心、第三方医学影像中心及医疗器械厂商合作，提供技术解决方案，一次性或者分期收取技术服务费。

目前，国内已有超过百家企业将人工智能应用于医疗领域，其中，更有大部分公司涉足医学影像领域，远高于其他应用场景的企业数量。亿欧《2018中国人工智能商业落地》报告中，在中国100家人工智能相关非上市企业2018年预计营收范围里，人工智能医疗公司共有10家进入100强，而这10家公司里则有6家涉足AI医学影像。

从市场竞争格局来看，中国Al医学影像领域市场参与者众多。既有GE医疗、乐普医疗等传统医疗器械公司、也有 Google、IBM、阿里、腾讯等科技巨头，以及依图医疗、深睿医疗、数坤科技、推想科技等众多初创公司，不同类型的市场参与者在资金支持、市场拓展、产品设计、技术研发等方面各具优势。

行业内虽然尚未形成垄断型企业，但经过多年市场竞争与优化，各细分领域已有领跑的头部企业出现，行业梯队之间的差距逐渐显现。自2017年以来，专注于不同病种与技术方向的Al医疗影像初创公司持续受到资本热捧，部分头部企业已完成C轮融资，并围绕核心产品进行技术与经验迁移、病种与产品管线拓展、全球化布局等，进一步强化竞争壁垒。

当然，在技术、政策和资本的支持成为AI医疗影像发展的动能的同时，AI医疗影像发展也受技术、政策和资本的限制。

首先，医疗事关生命，AI医疗影像的假阴性显然十分重要，即使存在1%的漏诊也将有可能造成巨大伤害。此外，就算只存在1%的漏诊，医生仍需要将所有片子都重审一遍。因此，只有零假阴性，才能真正帮助医生省时省力。

其次，从政策支持来说，由于AI影像诊断对医院来说还并不是刚需，这也令医院的付费意愿并不强烈。如果没有政策对患者付费习惯的培养，以及政府医保政策的完善，AI影像诊断在落地应用上或许还将面对漫长的发展。

此外，尽管部分企业已率先实现商业化，但行业集中商业化爆发阶段尚未到来。当然，不可否认的是，作为主导新一代产业变革的核心力量，人工智能在医疗方面展示出了新的应用方式，在深度融合中又催生出新业态。

作为新一代基础设施建设，人工智能在医疗行业的应用将对传统医疗机构运作方式带来变革，从长远有效缓解医疗资源压力。后疫情时代，AI+医疗有望迎来大发展，而临床放射诊断实践无疑是其中一项重要应用。

责任编辑：PSY