人工智能的勃興已經成為推動社會經濟發展的新動力之一，它在提高社會生產效率、實現社會發展和經濟轉型等方面發揮重要作用。作為主導新一代產業變革的核心力量，人工智能在醫療方面展示出了新的應用方式，在深度融合中又催生出新業態。

事實上，相對于制造業、通信傳媒、零售、教育等領域，人工智能在醫療還處于早期階段，商業化程度相對偏低，行業滲透率較低，這固然與醫療行業的謹慎和保守有密切關系。但不可否認，人工智能在醫療領域的結合點響應了傳統醫療的諸多困境，具有廣泛的市場需求、多元業務趨勢和廣闊的發展空間。

新冠疫情推動人工智能從“云端”落地，提高了抗疫的整體效率。疫情更是成為人工智能在醫療領域的試金石，昭示著人工智能在醫療的力量和價值。從應用場景來看，人工智能醫療應用尚在起步階段，影像識別、遠程問診、健康管理、暫處第一梯隊。

其中，影像識別作為輔助診斷的一個細分領域，將人工智能技術應用于醫學影像診斷中，是在醫療領域中人工智能應用最為廣泛的場景。

人工智能落地影像識別

影像診療的概念原起源于腫瘤學領域，之后其外延才擴大到整個醫學影像領域，理解醫學影像、提取其中具有診斷和治療決策價值的關鍵信息，是診療過程中非常重要的環節。

過去，醫學影像前處理+診斷需要4-5名醫生參與。然而，基于人工智能的影像診斷，訓練計算機對醫學影像進行分析，只需1名醫生參與質控及確認環節，這對提高醫療行為效率大有裨益。

人工智能在醫學影像得以率先爆發與落地應用，主要是由于影像數據的相對易獲取性和易處理性。相比于病歷等跨越三五年甚至更長時間的數據積累，影像數據僅需單次拍攝，幾秒鐘即可獲取。一張影像片子即可反映病人的大部分病情狀況，成為醫生確定治療方案的直接依據。

醫學影像龐大且相對標準的數據基礎，加上智能圖像識別等算法的不斷進步，為人工智能醫療在該領域的落地應用提供了堅實基礎。

從技術角度來看，醫學影像診斷主要依托圖像識別和深度學習這兩項技術。依據臨床診斷路徑，首先將圖像識別技術應用于感知環節，將非結構化影像數據進行分析與處理，提取有用信息。

其次，利用深度學習技術，將大量臨床影像數據和診斷經驗輸入人工智能模型，使神經元網絡進行深度學習訓練；最后，基于不斷驗證與打磨的算法模型，進行影像診斷智能推理，輸出個性化的診療判斷結果。

依托于圖像識別和深度學習的人工智能和醫學影像的結合，至少能夠解決三種需求。一是病灶識別與標注，即通過Al醫學影像產品針對醫學影像進行圖像分割、特征提取、定量分析、對比分析等。針對這種需求，X線、CT、核磁共振等醫學影像的病灶自動識別與標注系統，可以大幅提升影像醫生診斷效率。目前的Al醫學影像系統已可以在幾秒內快速完成對十萬張以上的影像的處理，同時可以提高診斷準確率，尤其是降低了診斷結果的假陰性概率。

二是靶區自動勾畫與自適應放療。靶區自動勾畫及自適應放療產品能夠幫助放療科醫生對200到450張CT片進行自動勾畫，時間大大縮短到30分鐘一套，并且在患者15到20次上機照射過程中間不斷識別病灶位置變化以達到自適應放療，可以有效減少射線對病人健康組織的傷害。

三是影像三維重建。基于灰度統計量的配準算法和基于特征點的配準算法，解決斷層圖像配準問題，節約配準時間，在病灶定位、病灶范圍、良惡性鑒別、手術方案設計等方面發揮作用。

從落地方向來看，目前，我國Al醫學影像產品布局方向主要集中在胸部、頭部、盆腔、四肢關節等幾大部位，以腫瘤和慢病領城的疾病篩查為主。

在人工智能醫學影像發展應用初期，肺結節和眼底篩查為熱門領域。近兩年隨著技術不斷成熟迭代，各大Al醫學影像公司也在不斷擴大自己的業務半徑，乳腺癌、腦卒中和圍繞骨關節進行的骨齡測試也成為市場參與者重點布局的領域。在疫情中，Al 醫學影像就參與到新冠肺炎病灶定量分析與療效評價中，成為提升診斷效率和診斷質量的關鍵力量。

政策資本雙雙入局

如果說影像數據的相對易獲取性和易處理性，是人工智能在醫學影像得以率先爆發與落地應用的主要原因，國家政策的支持和資本的大量入場則給了人工智能在醫學影像的應用持續更新的動力。

從政策加碼來看，2013至2017年，政府各部門出臺多項政策，不斷加大對國產醫學影像設備、第三方獨立醫學影像診斷中心、遠程醫療等領域的支持力度。

2016年末，國務院就印發了《“十三五”國家戰略性新興產業發展規劃》，其中多次提及醫療影像，指出要“發展高品質醫學影像設備”、“支持企業、醫療機構、研究機構等聯合建設第三方影像中心”。2017年1月，國家發改委更是把醫學影像設備及服務列入《戰略性新興產品重點產品和服務指導目錄》。

2017年11月15日，科技部在北京舉行“新一代人工智能發展規劃暨重大科技項目啟動會”。其中，騰訊公司自建的“騰訊覓影”入選成為醫療影像國家新一代人工智能開放創新平臺。值得一提的是，騰訊覓影Al和騰訊云技術的人工智能CT設備就在疫情期間，于湖北多家醫院進行部署，幫助醫護人員進行診療。

除了政策的支持，資本的入場也為人工智能醫療影像的持續發展添加動力。根據Global Market Insight的數據報告，從應用劃分的角度來說，人工智能醫學影像市場作為人工智能醫療應用領域第二大細分市場，將以超過40%的增速發展，在2024年達到25億美元規模，占比達25%。

作為被人工智能技術賦能的醫療器械，其背后依然面對市場，隨著數據的持續積累、算法的進一步成熟，AI醫療影像的商業模式歷經前期的探索也愈發清晰。

時下，就Al醫學影像而言，可行的商業模式包括兩種：一是與區縣級基層醫院、民營醫院、第三方檢測中心等合作，提供影像資料診斷服務，并按診斷數量收取費用。也就是說，與醫院方共同提供醫學影像服務并采取分成模式；二是與大型醫院、體檢中心、第三方醫學影像中心及醫療器械廠商合作，提供技術解決方案，一次性或者分期收取技術服務費。

目前，國內已有超過百家企業將人工智能應用于醫療領域，其中，更有大部分公司涉足醫學影像領域，遠高于其他應用場景的企業數量。億歐《2018中國人工智能商業落地》報告中，在中國100家人工智能相關非上市企業2018年預計營收范圍里，人工智能醫療公司共有10家進入100強，而這10家公司里則有6家涉足AI醫學影像。

從市場競爭格局來看，中國Al醫學影像領域市場參與者眾多。既有GE醫療、樂普醫療等傳統醫療器械公司、也有 Google、IBM、阿里、騰訊等科技巨頭，以及依圖醫療、深睿醫療、數坤科技、推想科技等眾多初創公司，不同類型的市場參與者在資金支持、市場拓展、產品設計、技術研發等方面各具優勢。

行業內雖然尚未形成壟斷型企業，但經過多年市場競爭與優化，各細分領域已有領跑的頭部企業出現，行業梯隊之間的差距逐漸顯現。自2017年以來，專注于不同病種與技術方向的Al醫療影像初創公司持續受到資本熱捧，部分頭部企業已完成C輪融資，并圍繞核心產品進行技術與經驗遷移、病種與產品管線拓展、全球化布局等，進一步強化競爭壁壘。

當然，在技術、政策和資本的支持成為AI醫療影像發展的動能的同時，AI醫療影像發展也受技術、政策和資本的限制。

首先，醫療事關生命，AI醫療影像的假陰性顯然十分重要，即使存在1%的漏診也將有可能造成巨大傷害。此外，就算只存在1%的漏診，醫生仍需要將所有片子都重審一遍。因此，只有零假陰性，才能真正幫助醫生省時省力。

其次，從政策支持來說，由于AI影像診斷對醫院來說還并不是剛需，這也令醫院的付費意愿并不強烈。如果沒有政策對患者付費習慣的培養，以及政府醫保政策的完善，AI影像診斷在落地應用上或許還將面對漫長的發展。

此外，盡管部分企業已率先實現商業化，但行業集中商業化爆發階段尚未到來。當然，不可否認的是，作為主導新一代產業變革的核心力量，人工智能在醫療方面展示出了新的應用方式，在深度融合中又催生出新業態。

作為新一代基礎設施建設，人工智能在醫療行業的應用將對傳統醫療機構運作方式帶來變革，從長遠有效緩解醫療資源壓力。后疫情時代，AI+醫療有望迎來大發展，而臨床放射診斷實踐無疑是其中一項重要應用。

責任編輯：PSY