AI医疗商业化第一峰，最受期待的AI医学影像赛道｜行研

Good

特别适合创业者的干货培训，欢迎转发给需要的朋友~
今年8月，推想医疗启动赴港上市的消息，再度掀起了AI医学影像赛道的新热度，同月数坤科技显示完成新一轮7亿元融资，在影像领域有不错成绩的科大讯飞近期宣布将拆分讯飞医疗上市，而同时中国医疗AI影像领域出现史上最大并购事件，依图科技旗下的依图医疗被出售给昔日的竞争对手深睿医疗。
AI医学影像是市场关注度最高，赛道公司最多，也是人工智能应用领域最重要的赛场，2020年十多家AI医学影像产品获得注册证，而今年的融资上市消息更是热度不断，接下来让我们看看这个AI医疗领域最受期待的赛道。
一、AI医学影像
的定义和技术
"AI医学影像"是指充分利用AI在感觉认知和深度学习的技术优势，将其应用在医学影像领域，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助医生更快的获取影像信息，进行定量分析，提升医生看图、读图的效率，协助发现隐藏病灶，从而达到提高诊断效率和准确率的目的。

（图片来源：公开资料）
AI在医学影像的技术流程主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。

（图：AI医学影像技术流程）
（资料来源：东方证券研究所）
目前国家也是高度支持AI医学影像行业的发展。从2016年医疗，国务院、卫健委、药监局、工信部不断出台政策支持AI医学影像行业的发展，包括对技术研发的支持政策，就相关技术和产品提出健康信息化、医疗大数据、智能健康管理等具体应用，并针对医疗、健康及养老方面提出较为明确的人工智能应用方向。
针对性政策涉医学影像数据、相关技术研发、加快技术产品化等， 包括推动医疗大数据的应用开发，全面推进分级诊断，鼓励人工智能领军企业搭建开源，制定通用标准等。在医疗改革、政策限制放开等利好因素的驱动下，AI医学影像也逐步步入快速发展期，

（资料来源：中国政府网，头豹研究院）
二、AI医学影像技术
的应用和优势
目前人工智能方法在医学图像处理中的应用涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。医疗影像智能识别按照应用领域，可以分为以下三类：

（一）病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作。针对 X 线、CT、核磁共振等医学影像的病灶自动识别与标注系统，大幅提升影像医生诊断效率，同时可以帮助医生发现难以用肉眼发现和判断的早期病灶，降低假阴性诊断结果的发生概率。目前系统对十万张以上的影像进行处理，用时仅数秒之间。
（二）靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理。靶区自动勾画及自适应放疗产品帮助放疗科医生对200-450 张CT片进行自动勾画，时间大大缩短到 30 分钟一套。在患者 15-20 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，有效减少射线对病人健康组织的伤害。
（三）影像三维重建：在人工智能进行识别的基础上进行三维重建，针对手术环节的应用；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，节省配准时间，提高配准效率。

（图：AI医学影像技术的应用）
（资料来源：东方证券研究所）
相对于人工读片具备比较优势。AI人工智能读片具备主观性高、重复性低、定量及信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题；而人工智能读片的优势体现在高效率低成本。随着产品的成熟带动识别率的提升，人工智能读片的精准度也将形成比较优势。
人工阅片
AI 阅片
阅片方式
医师逐张查看，凭借经验进行判断
机器完成初步筛选、判断，交由医师完成最后判断
约片时间
长，医师查看一套 PET 影像需要 10 分钟以上
短，AI 能够快速完成初筛
准确率
个体差异较大，阅片能够依靠个人经验，且长时间阅片易疲劳影响准确率
一张图片医生会根据经验挑重点可以区域观察，而机器可以完整地观察整张切片
客观性
主观性无法避免
较为客观
记忆力
知识遗忘
无遗忘
建模条件
较少信息输入即可快速建模
建模需要更多的信息输入
信息利用度
信息利用度低
信息利用度高
重复性
重复性低
重复性高
定量分析难度
定量分析难度高
定量分析难度低
经验传承
知识经验传承困难
知识经验传承高
成本
耗时、成本高
成本低
（表：人工读片VS 人工智能读片）
（资料来源：公开资料）
三、AI医学影像
市场分析和代表公司
目前我国医学影像市场依然存在医生缺口大、误诊高、信息化程度低的特点，随着分级诊疗下沉、医疗政策改革、信息化程度加速的推动，助力AI医学影像市场迎来快速的发展：

第一，我国影像科医生数量增长远不及影像数据增长，医学影像医生缺口很大。我国医学影像数据年增长为30%，而放射科医生数量年增长仅为4%，且医生从业需要长时间的培训和学习，随着分级诊疗的推进和基层医疗需求的释放，未来处理医学影像数据的压力会越来越大。
第二， 医学影像诊断误诊率高、效率低。依靠经验所做的判断容易造成误诊，缺乏量化的标准，而大部分误诊主要发生在基层医疗机构。
第三， 医学信息化程度偏低，由于我国信息化建设较晚，医学影像数据共享度仍然较低。

（图片来源：公开资料）
而人工智能的发展大大加快了医学影像诊断速度，提升了影像诊断的精准度，能够解决医学影像大数据人工处理中存在的大部分问题，利用AI的感觉认知能力对患者的影像进行识别，获取重要信息，可为经验不足的医生提供帮助，提高其判读医学影像的效率。同时基于深度学习通过大量已有的影像数据和临床诊断信息训练人工智能系统，使其具备诊断疾病的能力，辅助临床诊断，降低漏诊误诊的概率。
在良好的宏观环境下，当前我国人工智能医学影像行业已经形成了完整的产业链。上游市场参与者包括医学影像领域的上游硬件和软件提供商商以及AI技术所需要的硬件设备、云服务、算法、数据等平台提供商；中游环节主体是AI医学影像制造企业，类型主要有设备型企业、技术型企业和互联网科技巨头三大类，业务涉及产品研发、生产和推广；下游市场可触及医学影像产业链多个环节，包括各级医疗机构、终端患者和医保、商保等保险机构等。

（图：AI医学影像产业链）
（资料来源：公开资料）
近年来，我国AI能医学影像行业市场正在进入商业化阶段，预计未来10年会呈现快速增长态势。根据数据显示，2019年AI医学影像市场进入1亿元规模，去年行业市场规模为3亿元，相比去年同比三倍增长，预计 2030 年人工智能医学影像市场规模（医疗健康场景） 将达 423 亿元， CAGR 超过 60%。

（图：2019-2030E AI医学影像市场规模（医疗健康场景）（十亿元））
（资料来源：鹰瞳科技招股、 国信证券经济研究所）
从竞争格局来看，我国人工智能医学影像行业参与者和创业企业众多，但尚未出现龙头企业，市场集中度较低。当前我国人工智能医学影像行业国内外资金实力较为雄厚的科技企业代表包括谷歌、腾讯、阿里、科大讯飞等，而独立研发团队组成的创业企业主要包括图玛深维、推想科技、深睿医疗等。近两年国内优秀AI医学影像公司获批产品数量明显增长，可谓是好消息不断，以下列举了一下国内一些代表性的AI医学影像公司以及他们的领域和具体业务:

（资料来源：SciPhi生辉，安信证券）
AI医学影像是公认的最容易切入且最有可能率先实现商业化的AI医疗细分领域，这两年发展迅速，国内新兴科技公司更是新获批新产品不断，但在AI医学影像实际应用过程中依然存在一定挑战，推想的上市只是开始，随着政策的助推和分级诊疗的下沉，AI医学影像技术会不断发展不断加速商业化，相信未来有更多实力与创新并存的AI科技龙头出现。
加入未来创始人/医械CEO社群，
请加左侧微信
烦请备注姓名+公司/细分行业
suribot21

来源：https://www.163.com/dy/article/GKT018LF05340BZM.html
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！