中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

醫療影像被認為是人工智能最有可能落地的領域之一，2017年被認為是醫療影像+AI的集中爆發的一年?，F在2019年已過去一半，該領域內公司發展出現明顯的分化，有的持續獲得融資不斷擴展自己的領地，有的則已經趨于沉寂。本篇文章就該領域現狀做了一些剖析，希望能給處于該行業或者有意進入該行業的讀者一些幫助。

文章目錄：

一、醫療影像常見類型應用場景

二、典型“醫療影像+AI”產品

三、商業模式及頭部企業匯總

四、“醫療影像+AI”落地的短期風險和機會

一、醫療影像常見類型應用場景

本文中按照影像產生科室和設備類型分為超聲影像、放射影像、放射治療、病理分析、內鏡影像這幾類來進行場景描述。

1. 超聲影像

超聲影像可以清晰顯示臟器及周圍器官的各種斷面像，同時具有價廉、簡便、迅速、無創、無輻射性、準確、可連續動態及重復掃描的優點，成像速度快的特點。因此易于推廣應用，常作為實質臟器及含液器官的首選方法，非常適合于心臟，大血管及膽囊的顯示和測量。

2. 放射影像——X線、CT、核磁

X光：

X光是觀察骨骼簡便的檢查方式，價格也相對較便宜。如果懷疑四肢、脊柱等部位出現急性外傷，傷到了骨骼，有突發急性疼痛或是難以控制的慢性疼痛，一般會優先選擇X光。

CT：

在某種意義上可以說是X光的加強版，一般重要部位的CT檢查，如：頭顱、胸腹、脊柱、骨盆等優于常規X光檢查。CT檢查對中樞神經系統疾病、頭頸部疾病的診斷、大血管檢查等也有很大的價值。

如：顱內腫瘤、早期鼻咽癌的發現、冠狀動脈粥樣硬化和冠心病的篩查等。

核磁：

磁共振可以隨意做任何角度的切層，且無輻射。對顱腦、脊柱和脊髓等的解剖和病變的顯示，都比CT要好；核磁共振對病變組織的敏感度優于CT，尤其是關節、肌肉、中樞神經系統等軟組織的檢查結構更清晰。核磁共振對脊柱、關節、腫瘤、感染性疾病、淋巴結和血管結構之間的相互鑒別，有獨到的優勢。

3. 放射治療

作為腫瘤三大主要治療方式之一，放療在腫瘤治療中的地位越來越重要。隨著三維適形和適形調強等精確放療技術的發展和廣泛臨床運用，其中精準的靶區范圍的確定和勾畫在放療中非常重要。

4. 病理影像

病理診斷是醫學診斷的“金標準”，是醫生對病人進行正確治療的基石，病理醫生更素有“醫生的醫生”之稱。病理醫生直接面對的其實不是患者，而是臨床醫生。病理報告中會提供病人罹患的疾病的具體類型、腫瘤的分級、分期等各種信息，然后臨床醫生會根據這些信息來制定治療和用藥的方案。

5. 內窺鏡影像

內窺鏡是集中了傳統光學、人體工程學、精密機械、現代電子、數學、軟件等于一體的檢測儀器。

一個具有圖像傳感器、光學鏡頭、光源照明、機械裝置等，它可以經口腔進入胃內或經其他天然孔道進入體內。利用內窺鏡可以看到X射線不能顯示的病變，因此它對醫生非常有用。常用于食道、胃及十二指腸、小腸、大腸、胰腺、膽道、腹腔、呼吸道、泌尿道疾病的檢查。

6. 眼底影像

眼底檢查是檢查玻璃體、視網膜、脈絡膜和視神經疾病的重要方法。許多全身性疾病如高血壓病、腎病、糖尿病、妊娠毒血癥、結節病、某些血液病、中樞神經系統疾病等均會發生眼底病變，甚至會成為病人就診的主要原因，故眼有“機體的櫥窗”之稱，檢查眼底可提供重要診斷資料。

二、典型“醫療影像+AI”產品

1. 疾病篩查和輔助診斷

疾病早篩對于民眾及國家均具有重大意義，而影像學檢查是疾病早篩的重要環節。醫療人工智能的引入有助于提升影像學科工作效率，減輕醫務人員工作負擔，減少誤診漏診現象的發生，為大規模疾病早篩行動的開展提供有力技術支持。

該領域算是”醫療影像+AI”最早涉及、最主流領域了，相應的該領域也是競爭最激烈、上線產品最多的，幾乎當前獲得大額融資的企業都涉及該領域，可是說是一派“百家爭鳴”的局面。

核心功能：

• 基于深度學習技術訓練模型，對病灶進行分割檢出。
• 病灶定量分析，主要是一些形態學參數。
• 基于分類算法，對病灶進行分類比如結節、腫瘤等。
• 病灶定性，比如腫瘤的良惡性傾向性分析判斷。
• 生成結構化報告，基于AI診斷結果和臨床使用習慣自動生成報告。

代表產品：

• 肺結節篩查系統-推想科技
• 乳腺癌篩查系統-依圖科技
• 腦卒中篩查系統-深睿醫療

2. 病理分析

病理醫師的診斷依賴于經驗，培養病理醫生的周期非常長，從一個初級診斷醫生到一個經驗豐富的高年資診斷醫生大約需要10年時間。此外，病理工作風險高、責任大， 專業吸引力相對較低，且由于從業后工作強度太高，很多學病理的醫生都沒能堅持到最后。

AI的引入可以為醫生為低級別醫院經驗欠缺的病理醫生提供診斷建議、提供教學幫助、AI分擔醫生繁重而簡單的工作（如尋找淋巴結的轉移癌、病原體等，定位后人工復核）以及計數指標的判定、免疫組化陽性強度的判定以及分子病理的判定等。

核心功能：

• 對數字化的病理切片，自動完成檢測-識別-分割。
• 智能分辨細胞陰陽性，區分癌細胞與正常細胞并標注。
• 對框選區域/全場圖進行定量分析。
• 自動結構化報告生成。

代表產品：

• D-PathAI AI輔助診斷系統?-迪英加科技
• 宮頸癌早期篩查系統-騰訊覓影
• 病理智能輔助診斷系統（宮頸癌、乳腺癌、胃癌）-清影科技

3. 圖像后處理

臨床上很多影像檢查生成的影像不足以直接用來評估病情，需要對影像進一步處理。

典型的就是CT血管造影（CTA，CT angiography）檢查，這種檢查是將CT增強技術與薄層、大范圍、快速掃描技術相結合，通過后處理技術生成一系列后處理影像。這些影像科可以清晰顯示全身各部位血管細節，具有無創和操作簡便的特點，對于血管變異、血管疾病以及顯示病變和血管關系有重要價值。

然而，后處理過程具有復雜、耗費長的特點，一個CTA檢查的后處理時間在20~60分鐘之間，使用AI技術之后可以讓整個后處理時間大大減少。

核心功能：

• 自動完成圖像重建
• 圖像推送和膠片打印
• 血管斑塊和狹窄程度量化分析
• 自動生成結構化報告

代表產品：

• 冠心病智能輔助診斷產品-數坤科技
• 血管CT輔助診斷系統-深睿醫療
• ACD冠脈全自動診斷-醫真云

4. 靶區勾畫

中國的放療資源非常稀缺，據統計：目前全國只有3000個有執照的物理師，而且絕大多數集中在大城市的大型三甲醫院。基層醫院雖然可以通過租賃的方式獲得放療設備，但缺少物理師使得基層醫院的放療設備大多成了擺設。

如果操作不當放療射線會對病人造成極大危害，因此每一個放療方案都需要嚴格畫靶，確認放療射線的靶向位置和劑量，及其穿透路線，避免傷及正常的組織器官。每一位病人每次放療前都需要拍300-400張CT，傳統方法完全依賴腫瘤醫生在患者的醫學影像上手動標識器官和腫瘤，效率十分低下。

基于深度學習算法的智能勾靶功能，可以全面提高靶區勾畫的效率和準確度，將原來要幾個小時的工作量縮短到幾十分鐘。

核心功能：靶區勾畫

代表產品：

• RAIC-銳克腫瘤信息系統-連心醫療
• ARPlanner-全域醫療
• 智能治療計劃系統DeepPlan-慧軟科技

5. 生長發育評估

骨齡”是骨骼年齡的簡稱，是青少年兒童骨骼發育水平同骨發育標準比較而得出的發育年齡，它比年齡、身高、體重更能精確反映出身體的成熟程度。

臨床上通過骨齡檢測來判讀兒童發育狀況，對一些兒科內分泌疾病診斷也有很大幫助。在發達國家，骨齡檢測早已是青少年兒童體檢的必經環節，而中國目前還沒有健康兒童的骨齡數據庫，臨床應用的骨齡檢測方法也各有弊端，或因流程復雜或因不夠精準而無法滿足臨床要求。

基于深度學習技術幾秒內就能輸出AI骨齡結果。

核心功能：

• 精準骨齡結果
• 結構化呈現影像具體評分
• 生長發育報告生成

代表產品：

• 兒童生長發育智能診斷系統-依圖醫療
• 兒童生長發育AI評估系統-深睿醫療

三、商業模式及頭部企業匯總

1. 商業模式分析

TO B（醫院/體檢機構）：

醫院采購算是現在最主流的落地模式了，因為主要的收益者是科室或者醫生，也是最傳統落地模式，基本上主流的AI+醫療影像公司的主要模式。

TO C（患者、居民）：

TO C無疑是比TO B更具備爆發式增長潛力的，很多企業也在通過尋找患者剛需+AI影像的點進行嘗試，比如用電子膠片代替傳統膠片進行遠程閱片，按照次數收費就是現在比較好的一個方向。

TO G (政府)：

分級診療政策推行以來，基層醫療機構的地位越來越重要，各種政策性補助資金也越來越多。

拿影像設備來說，全國各地乃至縣鎮級醫院共安裝了各種型號的CT機數千臺，但是光有機器沒有人和技術很大程度上制約了基層醫療機構的發展，AI的引入無疑是“雪中送炭”，AI影像企業可以和政府合作把具備三甲醫院水準的產品部署到基層實現政府和企業的雙贏。

TO M(藥廠/醫療器械)：

傳統醫療器械公司在醫院有著比較好的渠道和設備優勢，AI公司與醫學影像存檔與通信系統PACS廠商、醫療器械廠商合作，依托于其他產品中，通過設備銷售帶貨的方式獲得收入。

例如：柏視醫療的鼻咽癌放療臨床靶區自動勾畫系統已嵌入飛利浦星云探索平臺。

TO I (保險) ：

商業健康險近兩年呈井噴的趨勢，未來在所有保險產品和品種中，與健康相關的保險會越來越占據主流的地位。AI醫療影像企業可以通過和保險機構的合作，幫助保險機構實現費用智能控制。

2. 頭部企業匯總

傳統醫療器械廠商：

• 通用電氣醫療（上市）
• 飛利浦醫療（上市）
• 西門子醫療（上市）
• 佳能醫療（上市）
• 東軟醫療（戰略融資）
• 聯影醫療（B輪）

互聯網巨頭：

• 騰訊優圖/騰訊覓影
• doctor you(阿里健康)
• 百度靈醫

醫療影像創業公司：

• 匯醫慧影（戰略融資）
• 依圖醫療（戰略融資）
• 萬里云（戰略融資）
• 深睿醫療（C輪）
• 推想科技（C1輪）
• 圖瑪深維（B輪）
• 體素科技（B輪）
• 數坤科技（B輪）
• 德尚韻興（B輪）
• 一脈陽光（B輪）
• 健培科技（B輪）
• 翼展科技（B輪）

四、醫療影像+AI”落地的短期風險和機會

1. 短期風險

1）CFDA認證難：

2018?年?8?月?1?日起，我國新版《醫療器械分類目錄》正式生效，文件將醫用軟件按二類、 三類醫療器械設置審批通道。

目前我們所看到的AI?產品，大多應屬于第三類醫療器械人工智能輔助醫療影像診斷作為一個新的領域，政府也處在在探索階段，認證難成了阻礙“醫療影像+AI”公司商業化之路上的“攔路虎”。

當前大部分企業采取增刪診斷功能的辦法，同時申報二、三類器械，多家企業已經率先獲得了二類證書，但目前尚未有一款產品獲得三類證書。相信隨著政策的日益完善，各公司AI產品標準數據庫的建立，CFDA認證難的問題在未來幾年內將會解決。

2）數據獲取難：

開放的數據集，是肺結節產品扎推涌現的直接原因，也為后來者提供了“彎道超車”的機會，但不是所有產品都有公開的數據集。

從公開數據集、臨床數據到金標準數據，難度逐漸遞增。相比于三甲醫院對醫療影像AI產品的需求，醫療影像AI產品捆綁醫院的需求更為強烈，如何拿到醫院數據對AI進行訓練成為各家產品實現差異化競爭的關鍵。

短期內，數據獲取難問題不會消失，當前各“醫療影像+AI”公司目前都是通過與醫院影像科室以科研合作的形式獲取數據。所以任何進入“醫療影像+AI”領域的公司必須具備一定的醫院影像科“資源”，這也就不難解釋為何該領域公司很多創始人或者高管都來自GPS廠家了。

3）醫生習慣不易改變

雖然現在的AI產品都標榜自己可以幫助醫生節省時間、提供診斷效率等，但是對醫生而言，已經習慣了原有的診療方式，要完全接受這種“人機結合”的診療方式顯然還需要有一定的適應和接受過程。不過隨著時間推移，相信未來的醫生會逐漸習慣無處不在的AI產品。

4）影像科地位尷尬

目前市面上“醫療影像+AI”領域公司都是采取和影像科合作，主要影像科作為輔助學科在這個醫院體系中話語權不多，不如其他臨床科室受重視，在采購經費申請上也相對困難一些。

2. 短期機會

1）政策支持

國務出臺系列政策支持醫學影像行業的發展。

從 2013 年到 2017 年，國務院、發改委、國家食品藥品監督總局、衛計委不斷出臺政策支持醫學影像行業的發展。

針對性政策涉及：醫學影像設備、獨立影像中心、線上影像平臺、影像信息化，包括鼓勵公立醫院采購國產醫療設備、扶持民營醫院新增設備需求；加強醫療信息化建設基礎，構建云端醫療數據庫，推動醫療大數據的應用開發等；全面推進分級診斷，鼓勵民營資本流入建設獨立檢查檢驗中心、遠程醫療等。

2）影像數據量足夠大大且醫生短缺

有數據顯示：目前我國醫學影像數據的年增長率約為30%，而放射科醫師數量的年增長率約為4.1%，其間的差距是23.9%，放射科醫師數量增長遠不及影像數據增長。

這意味著放射科醫師在未來處理影像數據的壓力會越來越大，甚至遠遠超過負荷。

3）人工智能+醫療概念備受資本青睞

有數據顯示：2016 年是人工智能+醫療在國內形成投資風口的元年，有 27 家企業在 2016 年進行融資，其中 16 家企業融資金額在千萬級人民幣或美元以上，醫療大數據公司碳云智能融資金額高達 10 億人民幣。截至2017 年 8 月 31 日，國內 83 家企業的融資總額已經接近 42 億人民幣。

而醫學影像已經成為人工智能在醫療應用最熱門的領域之一。國內有 83 家企業將人工智能應用于醫療領域，其中涉足醫學影像類的企業數量達到 40 家，遠高于其他應用場景的企業數量。

3）AI技術的成熟

深度學習能夠自動尋找特征，非常適用于“AI+ 醫療影像 ” 診斷。 大量深度學習平臺及框架開源降低基礎算法實現的技術門檻，這些開源包大幅降低了應用深度學習算法的難度，創業公司也可以利用這些開源包將深度學習應用到醫學影像診斷領域，基礎算法的實現門檻大幅降低，可更加高效的專注于應用層面的算法優化。

本文由@lazy_yy 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自Unsplash, 基于CC0協議