AI＋医学影像直击行业痛点，百亿美元市场待掘金

据 Frost&Sullivan 数据，2009 年至 2015 年美国医学影像诊断市场从46.6 亿美元增长到 87.1亿美元，预计到2018年市场规模将超过百亿美元，十年的复合增长率高达10%，远高于同期 GDP 增速，其中60%的市场贡献来自于医疗机构，剩余 40%的市场贡献来自于第三方独立影像中心。

医学影像分析工作繁琐重复，极度消耗精力。

根据医学影像分析工作繁琐重复，工作量巨大，极度消耗医生精力。 以肺结节检测为例，我国一家三甲医院平均每天接待200 例左右的肺结节筛查患者，每位患者在检查环节会产生 200-300 张左右的 CT 影像，放射科医生每天至少需要阅读 4 万张影像，任务繁重，大量消耗精力，导致误诊漏诊率上升。

我国医学影像信息化程度偏低，影像诊断能力仍有着较大的提升需求，拍片和阅片分离有助于更快提升影像诊断水 平，同时给布局新技术的影像平台带来更多发展机遇。

我国正逐渐向电子信息化迈进，但由于中国信息化建设较晚， 医学影像数据共享度仍较低。

CHIMA 数据显示，2015 年我国医院 PACS 系统(医学影像存档与通信系统)建设水平 50%-60%，而美国达到了近 100%的水平。

我国目前影像诊断的拍片和阅片环节基本没有分离，影像检查费很难体现影像医生专业价值，随着信息化 水平提升、分级诊疗推进，第三方影像中心发展，拍片和阅片有望逐步分离，更加充分利用影像诊断医生专业能力，也给布局人工智能新技术的影像平台带来较大的发展机会，从而促进影像诊断整体水平的更快提升。

专业人员不足，同样导致较高的误诊率。

我们专业人员的不足及繁重的工作都是导致误诊率偏高的部分原因。从影像误诊人数来看，美国每年的误诊人数达到了 1200 万，中国每年误诊人数高达 5700 万/年。

根据中国医学会的一份误诊数据资料显示，中国临床医疗总误诊率为 27.8%，其中恶性肿瘤平均误诊率为 40%，器官异位误诊率为 60%，如鼻咽癌、白血病、胰腺癌等，肝结核、 胃结核等肺外结核的平均误诊率也在40%以上，这些误诊主要发生在基层医疗机构。

人工智能在图像识别领域的持续快速发展为医学影像诊断痛点带来曙光。

“AI+医学影像”，是将人工智能在图像识 别领域不断取得的前沿性突破技术，应用在医学影像领域，从而达到提高诊断效率和准确率的目的。

人工智能主要 应用在医学影像的诊断环节，可以分为两个阶段：

一是利用图像识别技术对患者的影像进行识别，标注病灶关键信息，给出初步诊断结果，助力影像医生诊断效率的大幅提升；

二是基于深度学习不断优化，通过大量已有的影像数据和临床诊断信息训练人工智能系统，使其具备独立诊断疾病的能力，在目前诊疗体系的基础上进一步降低复杂疾病的误诊率，从而带来医学影像总体诊断水平的提升。

“医学影像”应用场景下，主要运用人工智能技术解决以下三种需求：

1、病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作。

针对 X 线、CT、核磁共振等医学影像的病灶自动识别与标注系统，大幅提升影像医生诊断 效率，同时可以帮助医生发现难以用肉眼发现和判断的早期病灶，降低假阴性诊断结果的发生概率

2、靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理。

靶区自动勾画及自适应放疗产品帮助放疗科医生对200-450 张 CT 片进行自动勾画，时间大大缩短到 30 分钟一套；在患者15-20次上机照射过程中间不断识别病灶位置变化以达到自适应放疗，有效减少射线对病人健康组织的伤害。

3、影像三维重建：在人工智能进行识别的基础上进行三维重建，针对手术环节的应用。

基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节省配准时间，提高配准效率。

目前人工智能在医学影像领域的诊断准确度已在90%以上，已覆盖乳腺癌、皮肤癌、食道癌、肺结节等许多病种。据《医疗影像的市场图谱和行业发展分析》，到 2020 年，我国医学影像市场规模将达 6000 亿至 8000 亿左右。相信在技术和市场需求的双重驱动下，人工智能在医学影像领域的应用将很快遍地开花。

资料来源：炼数成金网；每日行业干货