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

今年的就業環境還是比較嚴峻的，傳統的產品經理在市場的大浪淘沙中，快要被沖上岸了，如果這個時候還不思悟，對于35歲這個門檻怕是很難再邁過去哦。下面請聽我娓娓道來。

誒，點進來的朋友是不是被標題給吸引了，要的就是對你的視覺沖擊力。雖然有點夸大了的成分，但不可否認的是AI正在慢慢地取代我們很多日常的工作。

“高燒咳嗽不斷，要判斷是不是肺炎，醫生是不是會給你開個肺部CT單?！?/p>

“乳房長時間腫脹疼痛，判斷是不是增生，結節，是不是要做個彩超。”

“頸部出現結節，并長時間伴有疼痛感，是不是也要做個彩超？”

影像在體檢、就醫過程中，越來越同我們息息相關。如果沒有這些醫療影像系統，讓我們提前發現，從而進行診斷干預，及早治療，那會不會我們病發的時候直接患癌晚期了？

所以今天，我想要跟大家先聊的是影像系統，而且還是結合了AI能力衍生的醫療AI影像。

一、醫療影像為什么是AI的主要切入場景？

其一，影像數據的逐年增長與專業人員不成比例。

在使用場景方面，醫學影像目前算是AI在醫療領域應用最多，最成熟，資本投入最多的場景。

我國一年醫學影像的檢查量超過75億人次，2023年我國醫學影像市場規模達到580億元，預計2024年有望超過620億元。

人口老齡化，疾病低齡化，龐大的檢查量帶來的是影像數據的都是ZB級別的增長。據IDC預測，2027年，全球產生的數據量將達到291ZB，而同期放射科醫生的年增長率僅為4％，形成較大的供給缺口。

專業人員的緊缺和患者數量越來越多，極容易造成誤診率偏高，從而引起主治醫生診療判斷，造成不必要的醫患糾紛。

其二，市面上大多數醫療AI影像應用都是從結節方面切入。

就拿肺結節來舉例：第一，肺癌在中國發病率肺癌發病率居首位；第二，肺結節的數據比較容易通過網絡找到。例如，LIDC-IDRI數據庫提供胸部醫學圖像文件(如CT、X光片)和對應的診斷結果病變標注。

有病人的地方就有江湖，有“錢”景的地方就有先驅者。醫療AI影像主要目標通過深度學習，達到病灶發現與標識、靶區勾畫等功能，幫助醫生更快發現隱藏病灶，輔助進行診斷治療工作。

對于醫生來說，“我只希望是有一個更精準、智能的工具，依托海量數據計算來輔助我能直接生成診斷依據，我只需要做一個復核及修改補充的動作。我想要的就是這么簡單，但我又不想復雜學習能滿足嗎？”

放射科醫生工作一天的內心OS歷程：

“怎么今天像過年一樣多人，我一天要說幾百遍“拍好了，可以離開了”

“雙手抓住儀器兩邊儀器扶手，把胸貼在上面，深呼吸后再慢慢呼氣”，

“我要挺住不能出錯，等下主任要扣我績效了”

“拿著微薄的工資，操著幾百上千萬的儀器，看錯了還會被家屬暴打，我圖個啥？是對醫院的愛嗎？”

………..

二、醫療AI影像成功的案例有哪些？

* 數坤科技、鷹瞳科技、推想醫療、深睿醫療及上海聯影目前算是國內AI醫療影像優秀企業代表，5大廠商共占國內AI醫療影像市場份額53%以上。

當然頭顱，乳腺，心血管，骨盆外科等其它領域也有比較大的投入，只是對我來說還沒學習了解到，不在此闡述。（我會在后面對這三家公司的產品進行深入分析）

三、醫療AI影像商業化變現路徑推演？

說到這，肯定會有人好奇，醫療AI影像砸了那么多時間，金錢和人力進去，公司現在到底賺不賺錢呢？他們是怎么賺錢的呢？這些醫療AI影像公司的商業模式是不是良性的？

醫療的本質是支持生命的自我修復，但是自我修復的過程其實是一門生意，公司的立根之本還是要通過產品或者資源互換形成持續的盈利模式。

問題來了，那醫療AI影像應該從怎么去做這塊的商業化應用變現呢？

• 我目前比較看好的模式就是“設備 + AI 的軟硬一體化+區塊鏈，硬件錄數據，AI直接出輔助診斷，區塊鏈云共享”這個解決方案。在此之前我想過建立第三方影像數據中心，同醫聯體進行合作，包括核心城市深耕，二三線城市授權本地代理商或者合作運營的（本地團隊出BD資源和運維，廠商提供設備軟件）模式。
• 布局基層醫療，彌補在基層醫療機構布局空白。鄉村醫療衛生機構和社區醫院等基層醫療機構作為醫療AI能夠發揮最大價值的地方。作為最接近居民小區的醫療診療機構，往往被很多人的忽視。國家一直推行的分級診療政策，倘若患者在基層醫院拍的片子，到三甲醫院就診可同步調閱；在三甲醫院做完診療，病歷信息也同步到基層醫院。

重新理解基層醫療，如果對基層醫療不了解，也可以點擊看看。

四、醫療AI影像現在入局還來得及嗎？

我個人認為對某部分公司是來得及（注意是某部分，不是all in噢，怎么分析自己是不是某部分呢？這里賣個關子，我相信你感興趣會找我的。）

我們都知道AI技術的出現和發展都需要經歷3個階段，技術的創新發展，技術的驗證，技術的大規模商業化應用，而應用才是最終決勝的關鍵因素。目前國際上領先發展的大模型以及早期國內投入研究的人工智能AI公司，目前更多是在語音，圖片，文章，影像中進行生成式應用，但是要想用AI來幫助完成工作和生活中的特定場景需要，這還遠遠不夠。此時入局正好站在巨人的肩膀前行，能讓自己少踩不少坑。

人工智能AI在圖像分割技術上目的是準確劃分人體重要器官和異常物體，例如肺部、結節、腫瘤等。它能夠幫助醫生清晰地標記出病變部位的確切位置，并確定其它重要特征，如大小、體積等。但是一定要基于你的Business Resources抓住垂直領域賽道，強強聯合（商務+技術），要做到小而美，并且能夠實現基于某個區域內實現全流程數據互聯互通，上鏈的商業模式閉環。因為真正的行業標準化，數據結構化，還有很長的路，誰都有機會成為那個某部分的Company。

最后，這是一項需要持續燒錢的行當，如果一年調整兩三次戰略方向的創業公司就很不適合了。中國的醫療體系是一個基層使用者和最終決策者有分離的市場，它有著一整套復雜的政策指引，采購流程、供銷流程和上線應用、培訓環節。醫院對技術要求很高，但是經費又抓得很死，創業公司既要懂醫療，也要懂AI，更要懂“人情世故”。

醫療AI影像的未來出路除了持續的技術創新和優化，滿足不斷增長的市場需求，同時也需要關注政策監管和倫理法律問題，以確保技術的健康發展和廣泛應用。沒有紅頭文件的政策扶持，很多創新都會猶如水中浮萍。

最后的最后，我們在這個醫療行業還是要持續的學習，醫療行業有一個好處就是“慢”，你可以觀察一下5年前的醫療資料到現在還可以用，醫療技術的影響甚至好幾十年，這就給我們沉淀的機會，沉淀能力是否一直能延續才是關鍵。不被淘汰的核心還是你做過足夠多的項目，你理解足夠多的行業基礎邏輯。