隨著人口老齡化的加劇以及民眾健康意識(shí)的提升，醫(yī)學(xué)影像檢查次數(shù)每年以超過30％的速度增加，而影像科醫(yī)生每年的增長(zhǎng)速度不到5％，這里面存在著嚴(yán)重的供需失衡。

深度學(xué)習(xí)技術(shù)在圖像領(lǐng)域的突破使得在醫(yī)療影像中應(yīng)用AI技術(shù)進(jìn)行輔助診斷即將普及，在后深度學(xué)習(xí)時(shí)代，醫(yī)學(xué)影像AI現(xiàn)階段能解決什么問題？其中又有哪些瓶頸？未來會(huì)帶給我們?cè)鯓拥南胂�？無數(shù)的問號(hào)等待揭曉。

醫(yī)學(xué)影像AI的市場(chǎng)規(guī)模

據(jù)《醫(yī)療影像的市場(chǎng)圖譜和行業(yè)發(fā)展分析》推算，2020 年我國(guó)醫(yī)學(xué)影像市場(chǎng)規(guī)模將達(dá)到6000 － 8000 億人民幣，其中即便診斷環(huán)節(jié)只占20％左右，也是一個(gè)千億級(jí)別的市場(chǎng)。

根據(jù)Global Market Insight的數(shù)據(jù)統(tǒng)計(jì)：藥物研發(fā)在全球醫(yī)療AI市場(chǎng)中的份額最大，占比達(dá)到35％；智能醫(yī)學(xué)影像市場(chǎng)則為第二大細(xì)分市場(chǎng)，并將以超過40％的增速發(fā)展，在2024年達(dá)到25億美元規(guī)模，占比25％。

目前醫(yī)學(xué)影像數(shù)據(jù)的年增長(zhǎng)率約為30％，而放射科醫(yī)師數(shù)量的年增長(zhǎng)率只有4．1％，放射科醫(yī)師數(shù)量增長(zhǎng)遠(yuǎn)不及影像數(shù)據(jù)增長(zhǎng)。

除了既有市場(chǎng)帶來的新需求，醫(yī)聯(lián)體建設(shè)的推進(jìn)和第三方醫(yī)學(xué)影像服務(wù)市場(chǎng)的發(fā)展也為市場(chǎng)帶來了新的機(jī)會(huì)。

市場(chǎng)的供需不平衡，與AI技術(shù)在醫(yī)學(xué)影像領(lǐng)域應(yīng)用的巨大可能，推動(dòng)了大量創(chuàng)業(yè)團(tuán)隊(duì)涌入醫(yī)學(xué)影像AI的領(lǐng)域。有數(shù)據(jù)顯示，中國(guó)人工智能＋醫(yī)學(xué)影像的活躍企業(yè)已經(jīng)超過 70 家。

據(jù)國(guó)家衛(wèi)計(jì)委統(tǒng)計(jì)，我國(guó)病理注冊(cè)醫(yī)生在1萬人左右，按照每百?gòu)埓才鋫?名病理醫(yī)生的標(biāo)準(zhǔn)計(jì)算，全國(guó)病理科醫(yī)生缺口達(dá)4萬人。所以通過AI的方式輔助影像科醫(yī)師進(jìn)行診斷將滿足市場(chǎng)剛需。

智能影像識(shí)別分類多空間大

智能影像識(shí)別市場(chǎng)分類多、空間大，人工智能方法在醫(yī)學(xué)圖像處理中的應(yīng)用十分廣泛，涉及醫(yī)學(xué)圖像分割、圖像配準(zhǔn)、圖像融合、圖像壓縮、圖像重建等多個(gè)領(lǐng)域。

①放射類：通過射線成像了解人體內(nèi)部的病變情況，形成影像。對(duì)該影像智能識(shí)別的目的在于標(biāo)注病灶位置。

②放療類：在制定放療方案之前，醫(yī)生需要通過成像設(shè)備對(duì)靶區(qū)進(jìn)行定位，從而形成影像。對(duì)該影像智能識(shí)別的目的在于進(jìn)行靶區(qū)自動(dòng)勾畫，由于放療需要?dú)⑺兰?xì)胞，病變區(qū)域勾勒的越準(zhǔn)確越好，對(duì)智能影像識(shí)別準(zhǔn)確率要求高。

③手術(shù)類：對(duì)CT等影像通過3D可視化等技術(shù)，進(jìn)行三維重建，幫助醫(yī)生進(jìn)行手術(shù)前規(guī)劃，確保手術(shù)的精確性。

④病理類：病理診斷是最終確診環(huán)節(jié)，MRI、CT、B超等影像判讀的正確與否要參考病理診斷的結(jié)果。傳統(tǒng)的病歷檢驗(yàn)是醫(yī)生在顯微鏡下直接讀取病歷涂片，現(xiàn)在數(shù)字化病理系統(tǒng)使得AI讀片成為可能。

醫(yī)療影像AI算法的變化

醫(yī)學(xué)影像并不是AI應(yīng)用的第一個(gè)場(chǎng)景，許多企業(yè)的AI技術(shù)源于計(jì)算機(jī)視覺的遷移，并在此基礎(chǔ)上根據(jù)病種的特征進(jìn)行訓(xùn)練、優(yōu)化。遷移算法的優(yōu)勢(shì)在于開發(fā)者可以迅速切入醫(yī)學(xué)領(lǐng)域，能加速醫(yī)療AI產(chǎn)業(yè)的發(fā)展。

今年算法的變化主要變化在兩個(gè)方面，一方面，傳統(tǒng)遷移算法通過數(shù)據(jù)與實(shí)驗(yàn)不斷優(yōu)化，魯棒性、準(zhǔn)確率等指標(biāo)都有明顯上升；另一方面，部分AI影像企業(yè)拒絕使用開源算法，而選擇針對(duì)AI影像自建算法。

兩種模式有擁有各自的優(yōu)勢(shì)，但要完全突破現(xiàn)有AI技術(shù)的瓶頸，或許單單的算法并不能完全解決問題，從基因等其他因素出發(fā)，全方位的看待問題，或許是另一條出路。