EEPW论坛

人工智能的繁荣已成为推动社会经济发展的新动力之一。对提高社会生产效率，实现社会发展和经济转型具有重要作用。人工智能作为引领新一代产业转型的核心力量，在医疗领域展现了新的应用，在深度融合中催生了新业态。

事实上，与制造业，传播媒体，零售，教育等领域相比，人工智能还处于医疗的早期阶段，商业化程度相对较低，行业渗透率较低，这与医疗行业的护理和保守性必然密切相关。然而，不可否认的是，人工智能在医疗领域的结合已经回应了传统医疗的许多困难，市场需求广泛，业务趋势多样，发展空间广阔。

新冠疫从云端推动人工智能发挥关键作用，提高整体抗疫效率。疫情已成为人工智能在医疗领域的试金石，显示了人工智能在医疗中的实力和价值。从应用场景看，人工智能医疗应用尚处于起步阶段，图像识别，远程查询，健康管理，暂居第一梯队。

其中，图像识别作为辅助诊断的一个细分领域，是人工智能在医学领域应用最广泛的场景。

影像诊断和治疗的概念起源于肿瘤学领域，然后将其扩展到整个医学影像领域。了解医学影像，提取具有诊断和治疗决策价值的关键信息，是诊疗过程中非常重要的环节。

以往医学影像预处理诊断需要4-5名医生参与。但基于人工智能图像诊断，训练计算机分析医学图像，仅有一名医生参与质量控制和确认，这对提高医疗行为效率有很大的好处。

人工智能首先在医学图像中爆炸和着陆，主要是因为图像数据的访问和处理相对容易。对比医疗记录等数据积累超过三五年以上，影像资料只需一次拍摄，几秒钟即可获取。一部影像学影片可以反映患者的大部分病情，成为医生确定治疗方案的直接依据。

医学图像庞大且相对规范的数据库，智能图像识别算法的不断进步，为人工智能医学在该领域的应用提供了坚实的基础。

从技术角度看，医学图像诊断主要依靠图像识别和深度学习。根据临床诊断路径，首先将图像识别技术应用于感知环节，对非结构化图像数据进行分析处理，提取有用信息。

其次，利用深度学习技术，将大量的临床影像数据和诊断经验输入到人工智能模型中，使神经元网络进行深度学习训练。最后，基于连续验证和研磨的算法模型，进行图像诊断的智能推理。输出个性化诊疗判断结果。

基于图像识别和深度学习的人工智能与医学图像相结合，至少可以解决三种需求。一，焦点识别与标注，即通过医学图像产品的Al进行医学图像分割，特征提取，定量分析，对比分析等。满足这一需求，X线，CT，MRI等医学影像的自动识别和标记系统，可大大提高影像医生的诊断效率。目前，Al医学成像系统可以在几秒钟内快速完成10万多幅图像的处理，提高诊断精度，特别是降低诊断结果的假阴性概率。

二，靶区自动划定及适应性放疗。目标自动绘图和自绘适应性放疗产品可以帮助放疗医生自动勾画200到450张CT片，大大缩短到30分钟。并在患者15~20次上机照射过程中不断识别病灶位置实现适应性放疗，可有效减少辐射对患者健康组织的损伤。

三，三维图像重建。基于灰度统计的配准算法和基于特征点的配准算法，可以解决故障图像配准问题，节省配准时间，在病变位置，病变范围，良恶性病变识别，手术方案设计等方面发挥作用。

从落地方向看，目前我国AL医疗影像产品布局方向主要集中在胸部，头部，盆腔，肢体关节等主要部位，主要集中在肿瘤及慢性病疾病筛查龙头城市。

在人工智能医学成像的发展和应用的早期，肺结节和眼底筛查是热门领域。随着技术在过去两年中的成熟和迭代，主要的Al医疗成像公司正在扩大其业务范围，乳腺癌、中风和骨关节周围的骨龄测试已成为市场参与者的重点领域。铝医学影像参与新冠肺炎疗效的定量分析和评价，成为提高诊断效率和诊断质量的关键力量。

政策资本双重进入

如果图像数据的相对可达性和处理性是人工智能在医学图像中首次爆发和落地的主要原因，那么国家政策的支持和资本的大量准入赋予了人工智能在医学图像应用中持续更新的力量。

从政策新增来看，2013年至2017年，政府各部门出台多项政策，不断加大对国内医学影像设备，第三方独立医学影像诊断中心，远程医疗等领域的支持力度。

在2016年底，国务院发布了“十三五”规划国家战略新兴产业发展规划>多次提到医学影像，指出要“研发高质量的医学影像设备”，“支持企业，医疗机构，研究机构等联合建设第三方影像中心“。国家发改委2017年1月将医学影像设备和服务纳入。