“醫(yī)療AI的商業(yè)化，創(chuàng)新技術(shù)的應(yīng)用化”，無疑成為2021年醫(yī)療行業(yè)的高頻詞匯。

近日，第六屆全球人工智能與機(jī)器人大會（GAIR 2021）在深圳正式啟幕，140余位產(chǎn)學(xué)領(lǐng)袖、30位Fellow聚首，從AI技術(shù)、產(chǎn)品、行業(yè)、人文、組織等維度切入，以理性分析與感性洞察為軸，共同攀登人工智能與數(shù)字化的浪潮之巔。

在醫(yī)療科技高峰論壇上，中華醫(yī)學(xué)會放射學(xué)分會委員、上海長征醫(yī)院影像科副主任蕭毅教授發(fā)表了主題演講。

蕭毅教授表示，2020年以來，醫(yī)學(xué)影像AI逐漸被臨床接受，不少產(chǎn)品拿到NMPA認(rèn)證，但是醫(yī)學(xué)影像AI發(fā)的發(fā)展不是一帆風(fēng)順。

從人才層面看，核心心算法人才短缺導(dǎo)致供需不平衡、巨頭公司對人工智能算法人才爭搶激烈、既懂算法又懂醫(yī)學(xué)的交叉人才難求。

從融資層面看，資本的馬太效應(yīng)使得早期創(chuàng)業(yè)公司融資更難。

當(dāng)然，如果這些“外因”已經(jīng)為企業(yè)設(shè)下了諸多難題，那么醫(yī)學(xué)影像AI“入院”的難度則更大。

蕭毅教授表示，“AI醫(yī)學(xué)影像產(chǎn)品的商業(yè)化方式與醫(yī)療器械進(jìn)院的采購模式類似。商業(yè)化進(jìn)程依賴于大型設(shè)備的采購流程， 流程長，耗時長，醫(yī)院付費意愿仍需企業(yè)強勢的市場開拓?！?/p>

而且，由于AI醫(yī)學(xué)影像輔助診斷系統(tǒng)面向患者收費還沒有形成共識，所以按例付費、按服務(wù)費收費等商業(yè)模式暫未形成。

“想要成功實現(xiàn)規(guī)模商業(yè)化，必須依次完成注冊準(zhǔn)入、物價準(zhǔn)入、醫(yī)保準(zhǔn)入，這將是一個很漫長的過程?！?/strong>

換言之，現(xiàn)在的醫(yī)學(xué)影像AI企業(yè)，要學(xué)會用時間來換空間。未來，分級診療政策的深化，會讓基層醫(yī)療機(jī)構(gòu)得到大量的分流病人。

同時，基層醫(yī)療機(jī)構(gòu)的醫(yī)學(xué)影像設(shè)備配備、升級需求和醫(yī)學(xué)影像診斷服務(wù)需求也將實現(xiàn)快速增長，這將為AI醫(yī)學(xué)影像帶來更大的市場空間。

以下是蕭毅教授現(xiàn)場演講的內(nèi)容，雷峰網(wǎng)(公眾號：雷峰網(wǎng))《醫(yī)健AI掘金志》做了不改變原意的編輯與整理。

蕭毅：各位嘉賓大家好！我是來自上海長征醫(yī)院放射科的蕭毅。我的演講題目《AI在醫(yī)學(xué)影像中的現(xiàn)狀與趨勢》。

醫(yī)學(xué)影像AI的應(yīng)用現(xiàn)狀如何？

曾經(jīng)，都認(rèn)為AI在醫(yī)療行業(yè)的落地，會最先落在醫(yī)學(xué)影像行業(yè)——影像醫(yī)生的從業(yè)人數(shù)少，醫(yī)療需求又特別大。而且，對于圖像的識別，正是AI非常擅長的事情，國外也有多種醫(yī)學(xué)影像公開數(shù)據(jù)庫可以用來訓(xùn)練模型。

所以，很多企業(yè)和科學(xué)家就很自然的以為，醫(yī)學(xué)影像AI可以很快開花結(jié)果。

人工智能之父Hinton也說，可以停止培養(yǎng)放射科醫(yī)生。這句話，也曾讓放射科醫(yī)生心中一顫。

2016年，各類初創(chuàng)公司拔地而起，資本相繼跟進(jìn)。然而，理想很豐滿，現(xiàn)實卻很骨感。五年之后的今天一波“蹭熱點”的公司已經(jīng)被淘汰出局，不見蹤跡，資本也只關(guān)注行業(yè)里的頭部公司。

問題出在哪里？失敗的公司沒有認(rèn)真思考：影像科醫(yī)生在干什么，醫(yī)療需要什么。與臨床的溝通、交流程度，是企業(yè)產(chǎn)品價值逐漸拉開距離的關(guān)鍵。

而經(jīng)過臨床驗證后的價值，最終得到監(jiān)管部門的認(rèn)可。

現(xiàn)階段，醫(yī)學(xué)影像人工智能的應(yīng)用是“鏈條式”的，可以分為兩大區(qū)塊：

傳統(tǒng)設(shè)備廠商的醫(yī)學(xué)影像AI，主要是與設(shè)備相關(guān)的智能擺位、高清成像；

新興的科創(chuàng)公司，主要是成像后的圖像質(zhì)控、輔助診斷及科研；

現(xiàn)在，已經(jīng)被臨床使用和認(rèn)可的AI產(chǎn)品，都有哪些作用？

在中樞神經(jīng)系統(tǒng)方面，醫(yī)學(xué)影像AI產(chǎn)品主要有：腦卒中AI，可以對腦卒中的病灶進(jìn)行分割、定位、定量、測量，進(jìn)而預(yù)判預(yù)后；

腦腫瘤AI產(chǎn)品，針對顱腦腫瘤的腦區(qū)分割、腫瘤鑒別。

除此之外，基于人工智能的分割技術(shù)，在退行性病變和腦白質(zhì)病變上進(jìn)行的模型訓(xùn)練，也獲得了相對理想的結(jié)果。

除了對單病種進(jìn)行單一模型的構(gòu)建之外，企業(yè)也向縱深化發(fā)展。

一個腦卒中的案例中，在傳統(tǒng)的工作模式下，我們先進(jìn)行CT掃描，圖像經(jīng)過處理后，可以查看動脈是否有狹窄和斑塊，最終一個結(jié)構(gòu)化報告。

如果我們使用人工智能輔助的方式，我們可以迅速地獲得最結(jié)果，使得患者處理的時間從1000多秒降低到86秒。

圖像的后處理實現(xiàn)了全自動、報告有了標(biāo)準(zhǔn)化的處理，甚至是最后的審核與打印，也減輕了醫(yī)生的負(fù)擔(dān)和工作量。

這是深受臨床歡迎的智能模型的一個方向。

在頭頸部的應(yīng)用，主要是對于甲狀腺結(jié)節(jié)的鑒別，這也是富有挑戰(zhàn)性，因為近幾年來，國內(nèi)越來越多的 消融手術(shù)使手術(shù)病理數(shù)據(jù)大量減少。

據(jù)現(xiàn)有的結(jié)果來看，現(xiàn)在有兩個公司的模型效果比較好。以浙大孔德興教授所在的德尚韻興提供的數(shù)據(jù)顯示，該公司對甲狀腺結(jié)節(jié)鑒別的敏感性和特異性都超過了90%。

人工智能企業(yè)扎堆的肺部影像應(yīng)用集中在三大塊：第一，肺癌。肺癌早期篩查、良惡性鑒別以及預(yù)后預(yù)判。

第二，肺炎。AI在新冠疫情中發(fā)揮了重要作用，這也是2020年、2021年多家公司得到社會認(rèn)可的重要原因。

第三是肺氣腫。

目前，肺部疾病相關(guān)的行業(yè)標(biāo)準(zhǔn)、數(shù)據(jù)庫、指南等已經(jīng)在擬定和籌建中 ，肺結(jié)節(jié)部分的已經(jīng)完成。

肺部疾病輔助系統(tǒng)在國內(nèi)外各大醫(yī)院應(yīng)用廣泛，明顯提高了工作效率。

相關(guān)的技術(shù)也更加聚焦到肺部疾病輔助系統(tǒng)如何優(yōu)化醫(yī)生的工作流程、假陰性和假陽性的風(fēng)險控制、在醫(yī)聯(lián)體內(nèi)的聯(lián)動以及云診斷等實際工作場景上，幫助醫(yī)生快速精準(zhǔn)定位和定性結(jié)節(jié)，肺動脈高壓時提高預(yù)警，肺結(jié)核和矽肺智能診斷。

除了以上臨床應(yīng)用，AI在基因預(yù)測以及浸潤性分型中，都發(fā)揮了重要作用。

肺炎AI則是一個因時而生的產(chǎn)品，可以在2-3秒內(nèi)檢出病變，10秒完成全流程評估，及時篩查出疑似病人，幫助醫(yī)生對確診病人進(jìn)行分型、對重癥患者進(jìn)行預(yù)警，進(jìn)而評估確診患者的預(yù)后情況，這對于提高診斷的時效性是不可或缺的。

心血管AI的難度會更大，主攻的企業(yè)在一開始集中在形態(tài)學(xué)的重建上：重建心臟的冠脈，檢出斑塊?，F(xiàn)在的工作更加深入，可以進(jìn)行功能學(xué)的評估：如CT血流儲備分?jǐn)?shù)心肌量化等評估。

使用人工智能進(jìn)行形態(tài)學(xué)及功能學(xué)的評價，醫(yī)生就可以對心血管疾病有一個相對完整的認(rèn)識，初步滿足臨床的需求。

不僅如此，隨著對疾病認(rèn)識的增加，人工智能企業(yè)也逐漸地往深、往寬處走。心血管疾病篩、診、治一體化的解決方案，不僅僅是滿足篩查、診斷，同時還對治療決策與規(guī)劃進(jìn)行了大量模型的構(gòu)建，而完整的解決方案才是醫(yī)生所需要的內(nèi)容。

乳腺癌是全球范圍內(nèi)女性最常見的死因，在中國也如此。用AI的手段來輔助經(jīng)驗不足的醫(yī)生，進(jìn)行準(zhǔn)確的診斷，是一個有意義的命題。

我國AI研究起步雖然較晚，但在乳腺影像中的應(yīng)用發(fā)展較快。國內(nèi)AI企業(yè)研發(fā)較成熟的乳腺相關(guān)輔助診斷系統(tǒng)，基本圍繞乳腺鉬靶開展。

但是，最終的效能還需臨床進(jìn)一步的驗證。

AI在腹部影像當(dāng)中也有探索，但是由于腹部影像的特殊性及難度，國內(nèi)AI多數(shù)研究以單中心、小樣本為主，結(jié)果的可靠性尚需進(jìn)一步驗證；而且多為回顧性分析，是否能真正地應(yīng)用于臨床，還要開展更多的前瞻性研究。

國內(nèi)AI商業(yè)化產(chǎn)品目前多采用單一影像或病理數(shù)據(jù)，對疾病進(jìn)行影像識別和病理診斷，無法綜合醫(yī)療數(shù)據(jù)對患者的整體情況進(jìn)行衡量，造成治療、療效評價和預(yù)后預(yù)測相關(guān)AI產(chǎn)品的缺乏。

在腹部領(lǐng)域，還有一些跨模態(tài)的復(fù)合任務(wù)流程，進(jìn)入到了智能分析、智能報告和手術(shù)規(guī)劃等領(lǐng)域。

國內(nèi)外在骨骼系統(tǒng)AI的研發(fā)基本處于同一起跑線， 主要集中在骨齡和骨折，能夠解決的疾病問題還是比較少的。

另外，AI骨關(guān)節(jié)影像的研究和應(yīng)用多是對于簡單病灶或征象的識別，是否能達(dá)到“輔助診斷”水平、如何對復(fù)雜疾病進(jìn)行綜合分析和診斷仍是我們要進(jìn)一步研究的重點。

除此之外，在其他影像當(dāng)中，AI也有大量的使用，包括病理AI、皮膚AI、眼底圖AI、腦電圖AI等。

但是，最復(fù)雜的醫(yī)學(xué)影像AI應(yīng)用，仍當(dāng)屬常規(guī)的放射影像、病理影像。

AI醫(yī)學(xué)影像的準(zhǔn)入——監(jiān)管批準(zhǔn)

隨著醫(yī)療AI產(chǎn)品逐漸成熟，也獲得了監(jiān)管部門的批準(zhǔn)。

從2020年到目前，醫(yī)學(xué)影像AI行業(yè)已經(jīng)拿到22張三類證，大部分都是心胸領(lǐng)域。

這些標(biāo)紅的企業(yè)都是醫(yī)學(xué)影像AI產(chǎn)學(xué)研用創(chuàng)新聯(lián)盟的成員，這也是讓我非常開心的一點。

隨著三類證的下發(fā)，中國醫(yī)療AI企業(yè)的產(chǎn)品也體現(xiàn)了國際化能力。推想的產(chǎn)品落地歐盟、入選了聯(lián)合國采購名錄，Airdoc的產(chǎn)品在澳大利亞獲得了澳媒的稱贊，匯醫(yī)慧影也把產(chǎn)品輸送到了拉丁美洲，以及亞太地區(qū)泰國、馬來西亞和歐洲以及非洲地區(qū)。

鑒于中國的人口與數(shù)據(jù)優(yōu)勢，我們有可能在人工智能領(lǐng)域成為一個領(lǐng)跑者。

回到一開始提到的一個話題。AI醫(yī)學(xué)影像越來越呈現(xiàn)“一橫一縱”的發(fā)展趨勢，怎么理解？

“橫” ：覆蓋更多部位、更多病種 更加接近醫(yī)生的臨床工作模式，大幅提升醫(yī)療效率、準(zhǔn)確性和標(biāo)準(zhǔn)化程度，橫向覆蓋多部位、多病種的AI產(chǎn)品才能更好滿足醫(yī)院需求。

“縱” ：深入疾病診療全流程由單純的病灶檢出、量化，向良惡性診斷延伸，并進(jìn)一 步向放療規(guī)劃、手術(shù)規(guī)劃等臨床領(lǐng)域延伸。人工智能深 入應(yīng)用于院前篩查、院內(nèi)檢測和診斷，以及治療、介入 治療和術(shù)后康復(fù)等方面，即疾病“篩診治管研”全流程。

現(xiàn)在拿到證的企業(yè)，大致都可以用這一戰(zhàn)略進(jìn)行概括，不斷地提升產(chǎn)品的臨床價值，形成以疾病為中心的智能化、標(biāo)準(zhǔn)化臨床工作流程。

除了在臨床上協(xié)助醫(yī)生進(jìn)行臨床工作，人工智能還大量應(yīng)用與醫(yī)學(xué)影像的研究。例如，

醫(yī)學(xué)圖像采集、重建以及圖像質(zhì)量處理的優(yōu)化；

醫(yī)學(xué)圖像特定解剖結(jié)構(gòu)的識別、檢測與定位，圖像內(nèi)特定病灶的識別；

醫(yī)學(xué)圖像精準(zhǔn)分割和圖像配準(zhǔn)；

影像組學(xué)與疾病預(yù)測、診斷、預(yù)后之間更為精準(zhǔn)的關(guān)聯(lián)模型的建立。

近年來，醫(yī)學(xué)影像人工智能的論文數(shù)量非常大。2015年后，CNN算法成為AI醫(yī)學(xué)影像領(lǐng)域首選技術(shù)，同時各類新算法不斷涌現(xiàn)，2019年之后，CNN算法研究的增長趨勢已放緩。

在專利的申請上，有比較明顯的分布特征。你會發(fā)現(xiàn)，醫(yī)學(xué)影像技術(shù)創(chuàng)新的專利，大部分分布在北美地區(qū)，而中國的專利量還是比較少。

這需要引起中國企業(yè)的重視，畢竟專利一定程度上代表著未來的技術(shù)創(chuàng)新方向，也是醫(yī)學(xué)影像技術(shù)發(fā)展的重要承載體。

這里面列舉的是幾個典型的專利，例如EDDA公司的三維影像重建及手術(shù)規(guī)劃早期基礎(chǔ)專利，4D顯示分析的機(jī)器學(xué)習(xí)基礎(chǔ)專利。這些專利，都會在將來推動新產(chǎn)品的問世。

正像我前面提到的，人工智能是醫(yī)學(xué)科研的重要手段。例如，數(shù)坤科技發(fā)表在Nature Communications (影響因子14.919)的文章——“基于三維卷積神經(jīng)網(wǎng)絡(luò)的頭頸 CTA血管快速分割與重建”，AI 獨立測試集重建準(zhǔn)確率為93.1%，圖像平均處理時間由14min減至4min，縮短3倍以上。

推想科技發(fā)表在Lancet Digital Health (影響因子24.519)，“基于深度學(xué)習(xí)的新冠肺炎高效分診及病 變負(fù)荷分析：一項具有外部驗證的回顧性研究，在不同發(fā)病率地區(qū)收集多個驗證集，共3567套CT影像，模型表現(xiàn)出高準(zhǔn)確度和高魯棒性。

鷹瞳醫(yī)療發(fā)表在Lancet Digital Health (影響因子24.519)，“綜合人工智能視網(wǎng)膜專家（CARE）系統(tǒng) 科研成果的應(yīng)用：通過2萬余張視網(wǎng)膜圖像對系統(tǒng)進(jìn)行內(nèi)部驗證，并同時使用全國35家醫(yī)療機(jī) 構(gòu)前瞻性采集的近2萬張視網(wǎng)膜圖像進(jìn)行外部測試。

以上，都是AI公司與醫(yī)生配合進(jìn)而推出的臨床科研成果。這樣的合作關(guān)系，是前所未見的。

所以說，AI給醫(yī)生插上了想象的翅膀，扮演了一個好助手的角色。

AI在醫(yī)學(xué)影像中面臨的痛點

醫(yī)學(xué)影像AI逐漸被臨床接受，不少產(chǎn)品拿到NMPA認(rèn)證，是不是醫(yī)學(xué)影像AI的發(fā)展就一帆風(fēng)順呢？

其實不然。

從企業(yè)端先看一下，醫(yī)學(xué)影像AI的企業(yè)是越來越濃縮了，都變成“精華”了，但是這些“精華”的發(fā)展還是非常痛苦。

主要就體現(xiàn)核心心算法人才短缺導(dǎo)致供需不平衡。

首先，AI算法專業(yè)人才需要有多學(xué)科復(fù)合能力，而且開設(shè)相關(guān)專業(yè)的高校較少，AI算法人才培養(yǎng)體系目前處于金字塔尖；AI產(chǎn)業(yè)發(fā)展帶動AI人才需求的快速增加，全球范圍內(nèi)，中國AI職位缺口最為明顯，AI人才需求量年增速高達(dá)74%。

其次，巨頭公司對人工智能算法人才爭搶激烈。

即使是行業(yè)巨頭，如微軟、谷歌、華為、阿里等，均在激烈地爭搶AI算法人才，相比之下， 本行業(yè)創(chuàng)業(yè)公司在人才吸引上不具備明顯優(yōu)勢。

第三，既懂算法又懂醫(yī)學(xué)的交叉人才難求。

目前國內(nèi)高校人工智能算法人才都集中在理工科院校，和醫(yī)學(xué)院的人才交叉培養(yǎng)體系尚未建立，復(fù)合型人才極其短缺。 

最后，受限于開發(fā)、注冊和臨床等現(xiàn)實困境，AI產(chǎn)品覆蓋病種速度不及預(yù)期。

早在2017年，諸多創(chuàng)業(yè)公司都預(yù)測5年之內(nèi)，AI可以覆蓋大多數(shù)需要影像的病種，但受限于醫(yī)療產(chǎn)品開發(fā)周期長、注冊證申請周期長、臨床打磨嚴(yán)謹(jǐn)?shù)仍颍瑫r至今日，AI能夠成熟覆蓋的病種很少，遠(yuǎn)遠(yuǎn)無法滿足影像科醫(yī)生每日實際工作的需求。

同時，資本的馬太效應(yīng)使得早期創(chuàng)業(yè)公司融資更難。

行業(yè)頭部企業(yè)已經(jīng)形成，資本投入聚焦在頭部企業(yè)，頭部企業(yè)融資進(jìn)程明顯加快，反觀早期創(chuàng)業(yè)公司融資更加困難。融資C輪之后的企業(yè)，發(fā)展?fàn)顟B(tài)相對健康。

除了有發(fā)展之痛，企業(yè)還有生存之難。

目前，AI醫(yī)學(xué)影像產(chǎn)品的商業(yè)化方式與醫(yī)療器械進(jìn)院的采購模式類似。商業(yè)化進(jìn)程依賴于大型設(shè)備的采購流程， 流程長，耗時長，醫(yī)院付費意愿仍需企業(yè)強勢的市場開拓，AI影像產(chǎn)品滲透率和商業(yè)化速度受限。

據(jù)《中國醫(yī)學(xué)影像人工智能發(fā)展報告2020》，現(xiàn)階段AI醫(yī)學(xué)影像產(chǎn)品的院端付費滲透率僅為4.5%~7%。未來隨著AI醫(yī)學(xué)影像產(chǎn)品價值不斷被認(rèn)可，醫(yī)院付費意愿提升，2023年滲透率或達(dá)到15%~20%。

2021年，人工智能醫(yī)學(xué)影像企業(yè)拓展醫(yī)院銷售渠道的主要方式為與龍頭器械廠商合作、與代理商合作、自建銷售團(tuán)隊。

其中，與龍頭器械廠商合作的占比達(dá)到了60-70%，是最主要的醫(yī)院銷售渠道，而依賴器械廠商導(dǎo)致AI產(chǎn)品客單價不高，商業(yè)轉(zhuǎn)化效率低。 

同時，由于AI醫(yī)學(xué)影像輔助診斷系統(tǒng)面向患者收費還沒有形成共識，所以按例付費、按服務(wù)費收費等商業(yè)模式暫未形成，進(jìn)而影響了商業(yè)化進(jìn)程。

但是，我們也認(rèn)為，隨著產(chǎn)品價值不斷地被認(rèn)可，到2023年之后，醫(yī)學(xué)影像AI產(chǎn)品的滲透率、醫(yī)院的付費意愿可以得到明顯的提升。

對于醫(yī)院來說，選擇的過程也很痛苦。模型現(xiàn)在能做的事情很少，執(zhí)行的功能只有一小部分，但是醫(yī)院每一病種放一臺服務(wù)器在醫(yī)院里，這會造成極大的資源浪費。

醫(yī)學(xué)影像AI的產(chǎn)品如何選，選了如何用，用了之后如何管理？這些問題都很頭疼。

而且，醫(yī)學(xué)影像AI產(chǎn)品沒有進(jìn)入醫(yī)保，又不能有明確的收費，醫(yī)生很難決策。人工智能醫(yī)療器械產(chǎn)品想要成功實現(xiàn)規(guī)模商業(yè)化，必須依次完成注冊準(zhǔn)入、物價準(zhǔn)入、醫(yī)保準(zhǔn)入： 

注冊準(zhǔn)入：人工智能產(chǎn)品需要獲批NMPA注冊證才能進(jìn)入醫(yī)療市場

物價準(zhǔn)入：人工智能醫(yī)學(xué)影像產(chǎn)品通過招投標(biāo)進(jìn)入終端醫(yī)院

醫(yī)保準(zhǔn)入：人工智能正式將以價換量，實現(xiàn)調(diào)用量的數(shù)量級提升，實現(xiàn)患者按例收費 

到目前為止，國內(nèi)大量人工智能醫(yī)療器械產(chǎn)品尚未完成注冊準(zhǔn)入，少量產(chǎn)品完成注冊準(zhǔn)入，不到10款產(chǎn)品完成物價準(zhǔn)入，尚未存在產(chǎn)品完成醫(yī)保準(zhǔn)入。

反觀國外，與國內(nèi)形成了比較明顯的差別。

美國醫(yī)保政策大力鼓勵A(yù)I發(fā)展，商業(yè)閉環(huán)的打通推動了美國AI企業(yè)發(fā)展，未來將會對中國AI企業(yè)產(chǎn)生競爭。

美國醫(yī)學(xué)協(xié)會（AMA）指定CPT III code代碼，包含了新興技術(shù)、服務(wù)、程序和服務(wù)范例，部分AI產(chǎn)品涵蓋其中。醫(yī)院和診所通過提供CPT代碼，即可申報醫(yī)保和商保。 

美國聯(lián)邦醫(yī)保將肺癌高風(fēng)險人群的肺癌篩查醫(yī)療服務(wù)納入 “紅藍(lán)卡”參保范圍。

反觀國內(nèi)。

我們國內(nèi)的最終用戶，不愿意為AI額外的支付費用，這也就體現(xiàn)了醫(yī)保在定價或是在支付上的必要性。只有將AI醫(yī)療服務(wù)納入醫(yī)保范圍內(nèi)，才能實現(xiàn)AI在臨床上的深層次發(fā)展。

AI頭部企業(yè)現(xiàn)在還有著失血之痛。

因為無法進(jìn)入醫(yī)保，所以頭部的AI公司即便完成了IPO，也依然處于處于只流血、無輸血、不回血的“商業(yè)斷鏈”窘境。

這些數(shù)據(jù)是來自公司的招股書。如果再沒有一個良好的支付環(huán)境，或者是商業(yè)落地模式，頭部企業(yè)的生存岌岌可危。

醫(yī)學(xué)影像AI還有沒有未來？

醫(yī)學(xué)影像AI還有沒有未來？

需求是產(chǎn)品開發(fā)的春天。截至2020年末，我國醫(yī)療衛(wèi)生機(jī)構(gòu)數(shù)量達(dá)到102.3萬個， 其中基層醫(yī)療機(jī)構(gòu)為970036家，約占總數(shù)的94.8%。

國家制定了分級診療的政策，基層醫(yī)療機(jī)構(gòu)有望得到大量的分流病人。同時，基層醫(yī)療機(jī)構(gòu)的醫(yī)學(xué)影像設(shè)備配備、升級需求和醫(yī)學(xué)影像診斷服務(wù)需求也將實現(xiàn)快速增長，這將為AI醫(yī)學(xué)影像帶來更大的市場空間。

這些空間是存在的，但是能不能填補這個空間，還需要全方位的努力。

資本也為AI這個行業(yè)注入強心劑。

2018年的資本市場是比較冷的，但是兩年后的2020年迎來了轉(zhuǎn)折點。隨著國家逐步發(fā)放醫(yī)療影像AI軟件三類證，出臺鼓勵A(yù)I+醫(yī)療發(fā)展的政策， 各細(xì)分領(lǐng)域的盈利模式逐漸明晰，市場進(jìn)入快速成長期，資本也大規(guī)模注入。

截至2021年11月，共有4家AI醫(yī)學(xué)影像公司向港交所遞交了招股說明書。

從融資趨勢看，當(dāng)前階段醫(yī)療影像領(lǐng)域已出現(xiàn)明顯的頭部聚集效應(yīng)，大量資本在頭部企業(yè)進(jìn)行聚集。

未來的醫(yī)學(xué)影像AI趨勢如何，該怎么走？

我們可以參照中華醫(yī)學(xué)會放射學(xué)分會主任委員劉士遠(yuǎn)教授的幾點預(yù)判。

他認(rèn)為，人工智能發(fā)展會面臨九大趨勢：

第一，向產(chǎn)品多樣化發(fā)展； 

第二，加深產(chǎn)品垂直功能深度； 

第三，單病種向多病種、多任務(wù)模型發(fā)展；

 第四，軟硬一體化是未來的發(fā)展趨勢； 

第五，基于互聯(lián)網(wǎng)+AI實現(xiàn)優(yōu)質(zhì)醫(yī)療資源下沉； 

第六， 打造診療閉環(huán)，從導(dǎo)診、問診、診斷、 檢查、治療的整個閉環(huán)都需要AI的參與； 

第七，整體或者平臺化解決方案； 

第八，AI信息與結(jié)構(gòu)化報告的整合； 

第九，上下游通力合作，形成良好的AI生態(tài)

對于學(xué)會、行業(yè)協(xié)會來說，劉士遠(yuǎn)教授也提出了未來三年的工作計劃：

1、構(gòu)建國家級醫(yī)學(xué)影像多病種數(shù)據(jù)庫（即將發(fā)布醫(yī)學(xué)影像數(shù)據(jù)庫建設(shè)招標(biāo)指南） 

2、提升基層醫(yī)院放射科業(yè)務(wù)能力，普及及培訓(xùn)醫(yī)學(xué)影像人工智能產(chǎn)品應(yīng)用

3、推行醫(yī)學(xué)影像科普、影像AI科普，提高交叉學(xué)科人員以及民眾醫(yī)學(xué)素養(yǎng) 

4、加強醫(yī)學(xué)影像質(zhì)量控制與規(guī)范，促進(jìn)人工智能落地應(yīng)用減少“副反應(yīng)” 

5、促進(jìn)醫(yī)學(xué)影像AI產(chǎn)學(xué)研用深度交叉融合，推動中國醫(yī)學(xué)影像AI健康發(fā)展

以上就是我今天的演講內(nèi)容，歡迎大家參加明年在上海舉辦的第三屆中國醫(yī)學(xué)影像AI大會，謝謝大家。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。