&

醫學影像，歷經百年的演進，如今正以前所未有的速度蛻變。我們不斷挑戰技術的極限，追求更高的分辨率、更短的成像時間、更低的輻射，以及更精細的影像特征。這不僅是為了滿足醫療診斷的需求，更是為了給患者帶來更好的治療體驗。與此同時，醫學影像的數據密集特性為我們的研究開辟了新的道路。通過與數據挖掘、計算機視覺、深度學習等數據智能技術的深度融合，我們能夠自動化處理和分析醫學影像，使其更具智能化屬性。這一創新不僅提升了醫療的準確性和效率，也為醫生提供了更為深入、全面的診斷信息。

人工智能應用在醫學影像的診斷環節，主要分為兩大場景：

利用圖像識別技術對患者的影像進行識別，標注病灶關鍵信息，給出初步診斷結果，助力影像醫生診斷效率的大幅提升；
基于深度學習不斷優化，通過大量已有的影像數據和臨床診斷信息訓練人工智能系統，使其具備獨立診斷疾病的能力，降低復雜疾病的誤診率。

ntent="t" style="-webkit-tap-highlight-color: transparent; margin: 0px; padding: 0px; outline: 0px; max-width: 100%; font-size: 17px; box-sizing: border-box !important; overflow-wrap: break-word !important;">產業現狀與產業鏈結構

中國人工智能醫學影像市場預計自2020年的人民幣3億元增至2030年的人民幣923億元，2020年至2030年的年復合增長率為76.7%。

揭秘AI醫學影像的魅力：在醫療與健康領域掀起革命浪潮你知道人工智能已經進軍醫學影像領域了嗎？它正在協助醫生進行疾病檢測和診斷，而且應用越來越廣泛。據統計，2020年，人工智能醫學影像在醫療健康場景中的應用占比高達86%，而在大健康場景中，它主要用于健康風險評估。不過，這只是冰山一角。由于大健康場景中人工智能醫學影像的需求巨大，而且尚未得到充分滿足，它將以驚人的102.7%的年復合增長率迅速增長。相比之下，醫療健康場景中的人工智能醫學影像增長速度稍顯遜色。那么，人工智能醫學影像究竟有何魅力，能夠在這兩個場景中都獲得如此廣泛的應用和快速的增長呢？讓我們一起探討這個充滿無限可能的新領域吧！

圖1：人工智能醫學影像市場規模（醫療健康場景）

圖2：人工智能醫學影像市場規模（大健康場景）

*資料來源：鷹瞳科技招股書

人工智能醫學影像產業鏈包含上游零部件及原材料供應商，中游影像設備及信息化廠商，以及下游影像智能化應用及服務提供商。

圖3：人工智能醫學影像產業鏈圖譜（資料來源：機器之心）

1、上游：設備原材料及零配件供應商

醫學影像產業上游主要為設備制造所需要的原材料及相關的技術，包括電子配件、線材耗件、溫控系統等。醫療器械工業是知識最密集的高新技術產業之一，而醫學影像又是醫療器械中科技含量最高，新技術、新材料、新工藝應用最迅速也最廣泛，資金投入最多的類別。醫學影像設備零配件供應商是醫學影像產業鏈上游的核心廠商，供應醫學影像設備的核心零配件，包括線圈、醫用膠片、醫用顯示器、超聲探頭等。

2、中游：醫學影像成像設備及信息系統

在醫療器械發展中，醫學影像設備一直占據著重要地位，同時也是醫療設備高端產業化的代表。伴隨著科技的發展，醫學影像設備的發展日趨迅速，功能也日趨完善，臨床診斷與治療的結果都基于影像設備的成像特點與功能。而醫學影像信息系統則是醫學影像成像設備的重要互補，提供醫學影像管理信息化、智能化、與影像醫師直接對接的操作端口。

（1）醫學影像成像設備：醫學影像成像設備屬于醫學影像產生的硬件端，設備廠商在自行生產或采購零部件后進行組裝，向醫療機構等提供設備整機。全球大部分醫學影像設備市場被少數幾家企業壟斷，老牌醫學影像公司如西門子、通用電氣和飛利浦等，占據著絕大部分市場份額。在國內，通用電氣、飛利浦、西門子等跨國企業占據了主要市場，邁瑞、東軟醫療、萬東醫療等少數國產廠商也占據了一定市場份額。

（2）醫學影像信息系統：醫學影像信息系統可分為兩個方向：PACS系統和DICOM瀏覽器開發商。PACS系統為醫院影像信息管理的核心模塊，DICOM瀏覽器則可依托或者脫離醫院PACS系統而存在，用于隨時隨地讀取DICOM影像。

3、下游：影像智能化應用及服務提供商

產業鏈下游包括面向患者的各個影像應用及服務提供商，主要包括：醫療機構、第三方影像中心、遠程讀片云平臺、影像智能應用服務商。

（1）醫療機構：醫療機構放射科的設備一般有普通X光機、計算機X線攝影系統（CR）、直接數字化X線攝影系統（DR）、計算機X線斷層掃描（CT）、核磁共振（MRI）等。基層醫療機構的影像設備配備通常比較簡單，以普通X光機等為主，但在分級診療相關政策限制大醫院采購影像設備的大環境下，基層醫療機構影像設備擴充成為發展方向。

（2）第三方影像中心：第三方醫學影像診斷中心是獨立設置的應用DR、CT、MRI、超聲等現代成像技術對人體進行檢查，出具影像診斷報告的醫療機構。第三方醫學影像中心利用互聯網技術，將閑置設備、影像診斷專家和不同等級醫院鏈接到平臺。患者在醫院檢查后，圖像將直傳至閱片中心，由閱片中心專家出報告，患者也可以直接在第三方影像中心接受設備檢查和診斷服務。

（3）遠程讀片云平臺：遠程讀片云平臺將醫學影像結合互聯網、云計算前沿技術，能夠低成本地在云端存儲大量影像數據、支持遠程診斷、促進影像數據利用等，為影像醫師提供了遠程影像診斷的平臺，搭建了區域醫療與遠程影像專家之間的橋梁，借助遠程讀片云平臺，醫生可以通過互聯網遠程隨時隨地查閱患者的影像及診斷資料，給出專業準確的診療方案。

（4）影像智能化應用服務商：影像智能應用服務商提供醫學影像智能應用解決方案，如乳腺癌、肺結節等病種的神經網絡診斷模型等，并以插件形式植入到醫療機構的PACS系統中或提供獨立影像智能應用軟件平臺輔助醫生進行影像診斷，提高影像醫生工作效率。

近二十年來，隨著計算機技術的不斷發展，各種先進的數字化影像設備越來越普及。信息技術在醫學影像中的應用，使傳統的非數字化影像轉化為數字化影像得以實現，深度學習、傳統機器學習、大數據等新技術在醫學影像行業的應用，驅動了智能化輔助診斷的快速發展。

1、技術進步提升影像數據特征提取效果及效率

醫學影像本身具有數據密集、信息密集的特點。隨著大量醫學影像數據集的開源，基于海量數據訓練的深度學習模型的構建難度顯著降低，為醫學影像智能診斷模型的訓練帶來了有利條件。在人工智能與醫療場景的結合中，基于深度學習技術的醫學影像的識別與分析，將率先進入大規模應用階段。

2、政策支持醫學影像產業研發投入及基礎設施建設

近年來，國家不斷出臺政策支持醫學影像行業的發展，針對性政策涉及：醫學影像設備、獨立影像中心、線上影像平臺、影像信息化，包括鼓勵公立醫院采購國產醫療設備、扶持民營醫院新增設備需求；加強醫療信息化建設基礎，構建云端醫療數據庫，推動醫療大數據的應用開發等；全面推進分級診斷，鼓勵民營資本流入建設獨立檢查檢驗中心、遠程醫療等。這將帶來一系列影像設備擴容需求、影像數據處理需求、影像智能化診斷需求。

3、患者對影像診斷服務的需求不斷增長

隨著醫療條件的改善，患者疾病篩查需求不斷增加，老齡化也使得疾病診斷需求不斷增加。大醫院人滿為患，醫療資源緊缺，基層醫院缺乏專業的影像醫師，傳統醫學影像科室無法滿足國內日益增長的患者需求，計算機輔助診斷能夠增加優質影像診斷資源供給，幫助醫生降低誤診率，減少患者等待時間，滿足患者不斷增長的診斷需求。

4、分級診療刺激基層醫療機構醫療影像設備及診療需求增長

在分級診療政策激勵下，基層醫療機構有望得到大量的分流病人，基層醫療機構影像設備配備、升級需求和影像診斷需求都將有望快速增長。擴張的設備規模帶來更大的基層影像診斷量與影像數據處理需求，而計算機輔助影像診斷則能夠順應基層影像診斷的需要，增加優質影像診斷資源供給。

“AI+醫學影像”已經漸漸走出實驗室，業務正逐步迎來商業化落地。目前來看，可行的商業模式包括兩種：一是與區縣級及基層醫院、民營醫院、第三方檢測中心等合作，提供影像資料診斷服務，并按診斷數量收取費用，相當于與醫院方共同提供醫學影像服務并采取分成模式；二是與大型醫院、體檢中心、第三方醫學影像中心及醫療器械廠商合作，提供技術解決方案，一次或者定期收取技術服務費。

1、分成模式

該模式對接基層醫院、民營醫院、第三方檢測中心等，通過醫學影像全套診斷及質控服務，收取一定的服務費用。由于基層醫院、體檢機構、民營醫院影像科缺乏足夠專業人才、投入不足或面臨較高的成本，影像診斷環節能力相對欠缺，從而產生影像診斷外包需求。在現階段，要求診斷服務提供方不僅僅提供人工智能輔助閱片，更要有專業影像科醫生的最終診斷及全套的質控體系，從而提供可靠性高的最終診斷結果。

2、技術解決方案

（1）面向大型醫院、體檢中心以及第三方醫學影像中心，一次性出售“AI+醫學影像”解決方案的使用權限或使用期間定期收取使用費。這種商業模式或最先在三級醫院、第三方醫學影像中心開展，其采購預算較高，設備更新升級意識相對較強。

（2）向醫療器械廠商尋求合作，通過在醫療設備中加入智能模塊，硬件和軟件捆綁銷售。近些年來，國產醫療器械逐漸發展起來，與雅培、羅氏、西門子、瓦里安、醫科達等海外公司產品形成競爭，“AI+醫學影像”軟件與醫療器械的結合，可幫助醫療器械廠商提供先進的軟硬一體解決方案，將大大提升醫療器械廠商的產品競爭力。

分成模式與技術授權各具潛力。一方面，分成模式具有典型的邊際成本遞減的特征，而且隨著個人消費者對“AI+醫學影像”的認可度提高以及對自身健康重視程度的提升，市場需求有望從B2B向B2C的方向發展，空間將進一步打開。此外，分成模式面對的主要是基層醫療機構，機構數量及年就診人次眾多。基層醫療醫務人員能力不足，但承擔著大量常見病、多發病、慢性病的診療工作，更需要提高診療水平和效率的工具，基層醫療市場對于人工智能醫學影像的需求巨大，特別是提供全套診斷服務的專業第三方平臺面臨較大的市場空間。另一方面，技術解決方案提供商憑借領先的技術優勢在三級醫院、影像設備廠商等領域都有著較大的變現潛力。

醫學影像診斷痛點多，“AI+醫學影像”有望破冰行業難題

人工智能醫學影像的發展離不開醫院的信息化建設。在新冠疫情以及智慧醫院建設的大背景下，三級醫院人工智能軟件的滲透率增長至15%左右，人工智能醫學影像商業落地還有廣闊空間。

1、市場展望

隨著影像信息化的發展、以及收費模式的創新，我國醫學影像診斷市場有望保持較快增長。一方面，我國影像信息化建設較晚且尚未完成，目前影像數據共享程度低，大量基層醫院不能有效支持遠程會診、轉診、影像數據開發應用等，影像信息化處在高速發展階段，影像云平臺模式的崛起使得信息化更快推進，為基層醫院提供理想的影像資料共享解決方案，并帶來遠程診斷市場的更快發展。

另一方面，目前我國的醫學影像診斷市場的收費模式是拍片收費、閱片免費，遠程影像診斷平臺的興起與發展將促使影像診斷服務市場不再免費，有望逐步形成新的細分市場，人工智能在醫學影像領域的滲透率將逐步提升。

從市場需求層面來看，影像科醫生供不應求，醫生水平參差不齊，基層醫院尤其突出，誤診、漏診率很高。而且影像科醫生工作量大，屬于高強度的重復性勞動，是非常合適的人工智能應用場景。從技術層面來看，人工智能技術在醫學影像的應用屬于靜態圖像識別，靜態圖像識別是人工智能細分領域進步最快的細分領域之一，技術正不斷快速突破。在技術和市場需求的雙重驅動下，人工智能在醫學影像領域的應用有望全面商業化落地。

2、投資展望

未來，高質量數據獲取和標注能力將成為AI醫學影像公司商業化落地的核心能力。系統的深度學習能力提升需要經過相當數量和質量的數據訓練，數據質量更是人工智能計算和學習能力的保障，醫療數據之于醫療診斷的重要性，就像道路測試之于自動駕駛汽車。

過去，醫學影像行業在高質量數據獲取和標注上有著較大挑戰：

一方面，高質量影像數據集中在少數三甲醫院，這些醫院在數據共享方面大多較為保守，不同醫療機構的數據很少能夠實現互通，缺乏有效的數據共享機制，高質量數據獲取難度大；

另一方面，數據標注成本高，數據處理中80%的時間都是在做數據預處理工作，標注的準確性關乎結果的準確性，訓練的每張圖片都需要經過專業人員標注，短時間內數據的標注仍然需要耗費大量的精力。

影像數據的獲取與標注能力將成為AI醫學影像公司的核心競爭力，而醫院作為當前最大的醫療數據集聚地，因此，與大型醫療機構具有深度合作關系并具備數據分析與處理算法方面技術優勢的企業將占據先發優勢。隨著醫療行業進入大數據時代，數據的規模和質量將實現快速提升，有望引爆“AI+醫療影像”行業的發展。

轉載本站文章請注明來源：醫療器械展 http://m.hrbopzs.cn/news/show-723.html

免責聲明：本文著作權屬原創者所有，不代表本站立場。我們轉載此文出于傳播更多資訊之目的，如涉著作權事宜請聯系刪除。