摘要：AI医学影像市场即将进入高速增长期。我们也期待在减轻医生负担的同时享受更好的医疗质量。近日，AI医学影像企业传来“喜讯”。专注于超声人工智能动态医学影像分析的初创公司深知科技上周宣布完成1亿元B轮融资。本月初，已完成七轮融资的医疗AI公司Airdoc及其主体公司北京盈通科技发展有限公司与中信证券签署上市辅导协议，并备案北京证监局，拟在科创板挂牌。据大健康产业不完全统计，2020年，国内人工智能医疗健康领域共完成融资65笔，其中医学影像约占融资总额的三分之一。AI医学影像逐渐成为人工智能医疗健康赛道领域的热点。从融资轮次来看，部分企业开始进入成熟发展阶段，产品技术越来越被市场认可，商业模式逐渐成熟。肺结节领域集中爆发后，AI医学影像的“春天”又来了？从研发到落地的漫漫长路“我国医学影像年增长率超过30%，远大于放射科医师每年4%的增幅。这种现象给医院和医生带来了巨大的压力。”AI医疗企业数坤科技董事长毛新生在接受采访时提到，医生在重复、单调的看片工作中容易疲劳、漏诊；部分医疗机构甚至缺乏具备诊断能力的放射科医师，导致片子可看不完的情况。“不管是患者端还是医生端，都迫切需要‘AI医生’的助力。”从2014年到现在，AI医学影像经历了一个过程奋发向上，不被接纳，逐步获得认可和发展，大踏步前进。、心血管、神经系统、消化道、大脑、超声波、肝脏、胆囊、胰腺、脾脏、肾脏等等其他疾病。辅助诊断预测。尽管人工智能医学影像分析技术日趋成熟，各类产品相继推出，但相关政策和审批仍未开放，这使得AI医学影像产品的商业化举步维艰。与欧美相比，中国临床评价的路径控制非常严格，AI医疗产品的审批必须经过长期的临床试验。此外，用于审批的标准数据库必须具备数据来源的广度和数据类型的兼容性（例如，CT图像需要包括5毫米图像、1-2毫米图像、亚毫米图像和其他图像）具有不同的层厚度）和医学图像标记的标准化。但不同地区、不同医院的数据标准不同，构建统一的数据规范和标准化的数据库需要花费大量的时间。耗时的临床试验和缓慢的数据库建设拖慢了审批流程。因此，截至2019年底，尚无AI医学影像相关产品获得三类医疗器械注册。没有III类器械认证的医疗产品不能进入医院的设备采购目录，难以商业化。对于投入巨资研发的人工智能医疗行业来说，意味着前期的投入和后期的现金回报是分开的。产品进入临床的具体时间无法预测，商业价值的实现变得遥远。受此影响，2019年行业投资额断崖式下跌300%，与往年的快速上升形成鲜明对比。AI医学影像行业进入冰河时代。商业化受挫、审批困难、产品商业化延期，导致AI在医学影像行业的实际应用受到各界质疑。一批没有造血能力的企业倒闭了；另一些企业则选择了削减成本咬牙切齿，在商品销售受阻后，全力投入研发。比如已经完成B轮融资的惠医慧影，就开始了大规模裁员，全职员工人数从高峰期的300多人锐减到100多人。2019年底，新冠疫情的突如其来，给了人工智能进行医学影像的机会。防疫措施和大量诊疗需求迅速推动了医院设备和系统的智能化发展，AI+医疗的相关激励政策也应运而生。由于抗击疫情的需要，AI医学影像产品的审批也被提上了日程。“肺结节AIII级证书”、“AI+CTAIII级证书”、“AI图像辅助决策III级证书”等各类相关证书的颁发，缓解了AI医学影像企业的困境。2020年将有9个AI医学影像产品获NMPA批准。时隔多年，AI医学影像产品的商业闭环终于打开，资本也开始回流。其中，表现最明显的是CT图像的AI辅助筛选。此次疫情的爆发，让CT影像AI辅助诊疗成为国内AI医学影像商业化最快的应用场景之一。COVID-19疫情爆发初期，国内核酸检测试剂供应不足，假阴性率居高不下。CT检测成为患者诊断COVID-19的重要标准之一。在医疗资源紧张、医生超负荷工作的情况下，过多的CT影像检查对一线抗疫工作提出了巨大挑战。在这种情况下，人工智能的引入可以说是雪中送炭。不仅可以实现快速高效的大范围筛查，大大提高影像科的工作效率，减轻医生的负担，减少误诊和漏诊，而且利用算法图像映射和重建技术，减少低-器官运动引起的剂量或伪影。重建CT和PET图像可降低患者接受辐射的风险。新冠疫情爆发带来的海量患者影像数据，大大加速了AI+CT等医学影像产品审批所需的标准化数据库建设。训练很快落地。同时，临床应用需求的激增也大大提高了临床试验所需审批的速度。严峻的抗疫形势，让AI医学影像技术“跳过”了新技术出现到被自然接受的漫长过程。疫情带来的需求激增，可以说是加速AI医学影像相关产品审批的最后一道“东风”，让基于CT的疾病筛查与辅助诊断成为AI医学影像最具竞争力、商业化程度最高的领域产品。领域之一。然而，AI医学影像并不是万能的，它仍然存在一定的局限性。对于一些没有足够数据和影像数据的疾病，AI影像分析无能为力。人工智能医学影像产品从发展到成熟，除了海量病历和影像，还离不开海量临床医生的反馈。如果二者缺一，可能会导致AI分析的识别率低下，不仅不能帮助医生减轻工作量，反而增加了麻烦。市面上的AI+CT产品也存在良莠不齐的问题，一些“智能”检测软件只能达到50%的识别率。“一开始我们很期待，但使用后发现系统不稳定，准确率不高，经常出现漏诊或多次筛查的情况，效果并没有想象中那么好。检查一下使用AI并自己检查。节省时间，”一位放射科医生说。此外，大部分AI医学影像产品还处于“单一病种识别”阶段。一个系统只能用于筛查一种疾病，系统的应用范围有待加强。“基本上，目前的产品还处于起步阶段，需要更多的案例迭代才能得到更好的效果。尤其是这种炎症，‘异病同影’的现象在病毒性肺炎本身就相当严重，“这对诊断有帮助。这个区域的功能可能需要进一步扩展，”一位影像医学和核医学主任说。AI医学影像企业在努力解决技术难题的同时，也在将云服务集成到现有产品中，试图为医院提供更加多样化的AI+CT影像识别解决方案。AI+CT+云，医学影像新趋势目前AI+CT相关产品的盈利方式主要有3种：一是将AI+CT扫描辅助诊断作为单独的软件开发服务，这更符合大多数医院的采购习惯。例如，联影的“uAI新冠肺炎智能辅助分析系统”在大大减少阅片时间、独立完成大部分影像报告撰写的同时，识别准确率可达到90%以上。可根据患者不同扫描位置自动调整完成远程扫描，大大降低医患交叉感染风险和手术时间。已在武汉火神山医院、武汉同济医院、武汉协和医院等一线医院使用。汇医慧影Dr.Turing?COVID-19AI辅助筛查解决方案基于SaaS服务，具有快速复制和可扩展性优势，支持云端或私有化灵活部署。其图像识别速度行业领先，可在三秒内完成对500多张CT图像的分析，并可对疾病进展和疗效进行自动量化比较评价。目前，该系统已进入海外市场。百度飞桨平台还与连心医疗合作推出“基于CT图像的肺炎筛查及疾病预评估AI系统”，结合了飞桨开源框架和视觉领域领先技术的PaddleSeg开发包开发，可以快速完成对患者的诊断和治疗。病灶检测、病灶轮廓勾画、双肺密度分布直方图、肺部病灶在CT图像中的个数、体积、占肺比例等全套量化指标的计算和显示。已在湖南郴州湘南学院附属医院投入使用。腾讯AI医学实验室“腾讯觅影”也推出了基于CT图像识别的新冠肺炎AI辅助诊断。本系统采用移动急救CT设备，独立于医院或放射科，避免检查。交叉感染。AI模式识别最快可在2秒内完成，并可在1分钟内为医生提供辅助诊断参考。该系统已在武汉协和西医院、武汉日海方舱医院、洪湖市人民医院等医疗机构安装。二是与影像设备厂商合作，提供具有AI功能的医学影像设备，收取一定的分成获取利润。这种形式较难提供完整的影阅智能解决方案，需要重新申请CFDA审批认证。目前实施较少。三是基于云、大数据、物联网的AI+CT一站式服务，分为公有云和私有云。例如，华为云、华中科技大学、蓝网科技联合开发并推出了新型冠状病毒肺炎AI辅助医学影像定量分析服务，结合互联网技术优势，提供基于医学影像的一站式解决方案。在云PACS上。将医院终端与华为公有云连接起来，在提供AI辅助读片诊断技术的同时，解决了海量影像数据的实时存储、备份、归档等问题，支持多种读片云端读片方式设备。此外，华为云还提出区域影像云解决方案，为区域内医院提供影像存储、云端阅片、智能阅片等功能，支持区域影像医生在线诊断。让基层医疗机构集中处理医学影像服务，助力基层医疗资源配置。基于云计算、大数据和人工智能，汇医慧影还构建了智慧医学影像整体解决方案，包括NovaCloud?智慧影像云平台、Dr.Turing?人工智能辅助诊断平台和RadCloud?大数据人工智能研究平台。三大产品体系可为医院、医生和患者提供人工智能辅助筛查系统、教学科研平台等多种服务，实现“三端互联”。目前，AI+CT的商业前景一片光明，基于云端的一站式解决方案和全链条服务模式也取得了良好的商业效果。新问题。首先，人工智能的能力与用于训练的数据量成正比。基于云网络的分析和存储方式，可以实时更新和保存大量数据，便于数据分类和检索，有利于人工智能的自动更新迭代和学习。云系统部署到设备后，可在线统一调试、变更，方便管理。在系统安装和运行方面，可以减少不同医院之间的人员流动，有助于预防流行病。疫情期间的方舱医院多采用这种方案。其中，公有云解决方案有利于形成整个行业统一的大型CT影像数据库，也可以帮助一些数据不足的基层医院提升诊疗水平。而一些数据量大、病例影像数据不断更新的大医院，采用私有云方案也可以达到类似的效果。在线上传数据、上传云端分析方便，但与方便相对应的是，数据泄露的风险也大大增加。基于安全性考虑，部分医院不愿采用云管理模式，选择将数据存储在医院机房。但这不利于AI的学习更新和系统调试，也不方便技术服务商针对不同的疾病和病例开发新的功能。对于诊疗水平高、医学影像数据量大的大医院，可用数据的质量和数量相对稳定，AI学习和进化的速度更快。自身系统中数据的迭代更新也保证了信息安全，但小医院的情况则完全相反。因此，这种方式也容易形成马太效应，导致医疗资源进一步失衡。结论AI在新冠肺炎预防和诊断中的成功应用，加速了人工智能在医学影像领域的开花结果。尽管其产品存在一些悬而未决的问题，但无法阻止资本和市场的持续升温。毕竟，医疗保健正是人类所需要的。AI医学影像市场即将进入高速增长期，我们期待在减轻医生负担的同时享受更好的医疗品质。
