医学影像的发展历史已有百年之久 。 从 1895 年德国物理学家威廉 · 康拉德 · 伦琴（Wilhelm R ntgen）发现了射线 ， 到医学超声、MRI、CT、PET、数字切片扫描仪等一系列医学成像设备的诞生 ， 人体结构被清晰地展现在医生面前 ， 开始更好地解决患者病痛 。 医学影像也逐渐成为医疗数据最密集的领域 ， 占医疗数据超 80% 的比例 。
同时 ， 伴随着数据挖掘、计算机视觉、深度学习等人工智能底层技术的发展 ， AI 医学影像成为目前人工智能在医疗领域应用最为广泛的场景 。 根据 Global Market Insights 的数据显示 ， 人工智能医学影像市场是人工智能医疗应用领域的第二大细分市场 ， 并将以超过 40% 的增速发展 ， 预计在 2024 年达到 25 亿美元的市场规模 。

本文图片

近年来 ， 中国人工智能发展迅速 ， 其与医疗应用场景之间的联系也愈发紧密 。 国家层面频出相关政策 ， 自上而下地重点发展辅助诊断和疾病预防 。 特别是 2017 年 ， 工信部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020 年）》中明确提出 ， 到 2020 年 ， 在工业、医疗、金融、交通等领域汇集一定规模的行业应用数据 ， 用于支持创业创新 。 推动医学影像数据采集标准化与规范化 ， 加快医疗影像辅助诊断系统的产品化及临床辅助应用 。
同时 ， 在此次新冠肺炎防疫过程中 ， 各重点防疫单位胸部 CT 量猛增 ， 而一线医生数量却有限 ， AI 医学影像深度参与到了新冠肺炎病灶定量分析与疗效评价中 ， 成为了提升诊断效率和诊断质量的关键因素 ， 国内资本也展现出对 AI 医学影像企业的热情 。 本文将重点梳理国内 AI 医学影像企业的发展和行业现状 ， 并分析未来发展趋势及商业化前景 。
国内初创企业多集中于产业链下游
医疗器械工业是知识最密集的高新技术产业之一 ， 而医学影像在医疗器械中科技含量最高 ， 也是新技术、新材料、新工艺应用最迅速、最广泛的类别 。 “人工智能 + 医学影像” 可提升数据的智能化应用水平 ， 不仅能减轻医生的工作负荷 ， 还可以降低临床误诊率 ， 为患者带来了更加优质的医疗资源供给 。 因此 ， AI 医学影像被业内认为是最有可能率先实现商业化的人工智能医疗领域 。
医学影像产业链可分为上游零部件及原材料供应商、中游影像设备及信息化厂商 ， 以及下游的影像应用及服务提供商 。 上游主要为设备制造所需要的原材料及相关技术 ， 包括电子配件、温控系统、线材耗件等 ， 该领域多被飞利浦、富士、迈瑞医疗、索尼等巨头占据 。
中游则为医学影像成像设备和医学影像信息系统的 “软硬结合” 。 全球大部分医学影像设备市场被少数几家企业垄断 ， 包括西门子、GE 和飞利浦等 ， 国内市场上 ， 迈瑞医疗、东软医疗等少数本土企业也占据了一定的市场份额 。
下游涵盖的范围较广 ， 主要包括医疗机构、第三方影像中心、远程读片云平台、影像社交学习平台和影像智能应用服务商 ， 国内的 AI 医学影像公司多集中发力于下游领域 。

本文图片

从主要应用场景来看 ， AI 医学影像多应用于疾病诊断、病理切片和靶区勾画三大领域 ， 主要满足了节约医生时间、提高诊断、放疗和手术的精度的需求 ， 深睿医疗、依图医疗、数坤科技、Airdoc 等企业发展迅速 ， 处于第一梯队 。 其中 ， 深透医疗选择图像增强作为突围点 ， 对通过传统方法重建的图像进行优化 ， 在源头上减少了重建端过度依赖 AI 所带来的不确定性 。
从具体业务类型来看 ， 目前中国 AI 医学影像产品布局方向主要集中在胸部、头部、四肢关节等几大部位 ， 以肿瘤和慢病领域的疾病筛查为主 。 在 AI 医学影像发展应用初期 ， 肺结节和眼底筛查为热门领域 ， 伴随着技术的不断成熟和迭代 ， 各大 AI 医学影像公司也在不断拓展自己的业务边界 ， 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 。

稿源：(DeepTech深科技)

【】网址：http://www.shadafang.com/c/hn091592D542020.html

标题：ai医学影像|半年内3款AI医学影像产品“持证上岗”，但获批仅是商业化的开端