医疗影像 - 21ic中国电子网

当前位置：首页 > 医疗影像

ADS5294在医疗影像中的应用

　　德州仪器 (TI) 宣布推出具有业界最佳噪声性能与最低功耗的 80 MSPS、8 通道 14 位模数转换器 (ADC)。该 ADS5294 可在 5 MHz 下支持75.5 dBFS 最佳信噪比 (SNR)，其采样速率高达 80 MSPS，可充分满足设计人员对高电源效率低成本设计的需求。ADS5294在 80 MSPS下具备高性能且能提供单位通道 77 mW 的最低功耗，还集成有数字处理块、低频噪声抑制模式以及可编程输入至输出映射功能。所有这些特性都可帮助设计人员在更小的封装中集成更多功能，从而开发更小的医疗影像系统。　　主要特性与优势　　业界领先的低噪声低功耗性能：ADS5294 提供同类产品中最佳的 SNR，可帮助高密度应用设计人员在不增加功耗的情况下提高通道数; 　　.5 MHz/80 MSPS 时 SNR 为 75.5 dBFS 　　.5 MHz 与启用抽取滤波器时 SNR 为 78.2 dBFS 　　.5 MHz/80 MSPS 时 SFDR 为 84 dBc 　　.80 MSPS 下单位通道功耗 77 mW(每通道两根 LVDS 线) 　　低频噪声抑制模式　　数字处理块集成几项常用系统功能，如用2、4 或 8 个滤波器实现双通道或 4 通道平均或抽取功能; 　　数字处理块可用来大幅提升 SNR 及滤波器谐波，同时降低窄带应用中输出数据的速率; 　　双线 LVDS 接口：采用 ADS5294 后，数字数据可用每通道单线或双线 LVDS 引脚输出，减少接口线路数量。这可创建双线接口，保持低串行数据速率，使设计人员能够使用低成本 FPGA;除医疗影像系统外，ADS5294 还可为雷达、通信、测量测试以及其它多通道数据采集应用带来同样的优势。　　　　采用 12 毫米 x 12 毫米、80 引脚 QFP 封装. 　　高度优化的模拟产品与医疗应用的全系列产品　　ADS5294 是 TI高度优化的模拟产品中的最新成员，旨在满足医疗影像系统以及其它医疗应用的需求。包括：　　1. 超声波：面向超声波应用的 AFE58xx 系列模拟前端可为手持式系统提供 AFE5801 与 AFE5851，为便携式至中端系统提供 AFE5805 与 AFE5804，并可为高端超声波系统提供 AFE5807 与 AFE5808。TI TX810 T/R 开关可对所有产品的发射端形成互补; 　　2.ECG/EEG：ADS1298 系列前端可为心电图 (ECG)、脑电图 (EEG) 以及其它患者监护应用带来最低功耗和最高集成度。　　TI 医疗应用的全系列半导体产品包括 DSP 与 MCU 等嵌入式处理器、丰富的模拟信号链、电源管理以及无线连接解决方案等，可帮助制造商加速医疗电子产品的上市进程。

时间：2020-09-08 关键词：医疗影像 ads5294
医疗影像算法的发展趋势及实现方法简介

　　医疗影像技术在医疗保健行业扮演了越来越重要的角色。这一行业的发展趋势是通过非置入手段来实现早期疾病预测和治疗，降低病人开支。多种诊断影像方法的融合以及算法开发的进步是设计新设备来满足病人需求的主要推动力量。　　为实现这些行业目标所需要的功能，设备开发人员开始采用提供FPGA支持、可更新的现成商用（COTS） CPU平台进行数据采集和协处理。在灵活高效地开发可更新医疗影像设备时，需要考虑几个因素，包括影像算法的开发，多种诊断方法的融合以及可更新的平台等。　　开发影像算法要求使用直观的高级建模工具，以不断改进数字信号处理（DSP）功能。高级算法需要可更新的系统平台，该平台大大提高了图像处理性能，而且实现的设备体积更小，使用更方便，更容易携带。　　实时分析的性能需求要求系统平台能够随软件（CPU）和硬件（可配置逻辑）而进行调整。这些处理平台必须能够满足各种性能价格要求，支持多种影像诊疗手段的融合。FPGA很容易集成到多核CPU平台中，为最灵活的高性能系统提供DSP功能。　　系统规划人员和设计工程师使用高级开发工具和知识产权（IP）库，在这些平台上迅速对算法进行划分和调试，加速设计实现，提高利润。　　本文介绍医疗影像算法的某些发展趋势，多种诊疗手段的融合以及可更新平台来实现这些算法。　　医疗影像的算法开发　　首先，让我们了解一下每种诊疗手段影像算法的发展趋势，以及怎样使用FPGA和知识产权。　　1.MRI 　　磁共振影像（MRI）重构技术建立人体的截面图像。借助FPGA，采用了三种功能来重建3D人体图像。从频域数据中，2D重构切片通过快速傅立叶变换（FFT）产生灰度级切片，一般是矩阵的形式。3D人体图像重构通过切片插值使得切片间距接近象素间距，这样，可以从任意2D平面来查看图像。迭代分辨率锐化使用基于迭代反向滤波过程的空间去模糊技术，在降低噪声的同时对图像重构。这样，大大提高了横截面的视觉诊断分辨率。　　2.超声　　超声图像中显现的小颗粒被称为斑点。各种无关的散射体相互作用产生了超声斑点（和无线领域的多径RF反射相似），它本质上是一种乘性噪声。使用有损压缩技术可以实现无斑超声影像。先对图像进行对数处理，斑点噪声相对于有用信号成为加性噪声。使用JPEG2000编码器进行有损小波压缩可以减小斑点噪声。　　3.X射线影像　　冠状X射线图像移动校正技术用于减小成像期间呼吸和心脏跳动的影响（心跳呼吸周期）。“3D加时间”冠状模型的移动被投射到2D图像上，用于计算纠偏函数（转换和放大），对移动进行校正，得到清晰的图像。　　4.分子影像　　分子影像是在细胞和分子级对生物医学过程进行特征描述和测量。其目的是探测、采集并监视导致疾病的异常状态。例如，X射线、正电子放射断层扫描（PET）和SPECT技术相结合，将低分辨率的功能/细胞/分子图像映射到相应的高分辨率解剖图像，最小可以达到0.5 mm。小型化和算法开发推动了在这些紧凑系统平台上使用FPGA，在多核CPU基础上进一步提高了性能。　　5.诊断方法的融合　　早期预测和非置入式治疗推动了PET/计算机辅助断层扫描（CT）和X射线诊断/CT设备等诊疗手段的融合。要实现更高的图像分辨率，要求采用精细的几何微阵列探测器，并结合FPGA，对光电信号进行预处理。预处理完成后，CPU和FPGA协处理器一起对汇集后的信号进行处理，重建人体图像。　　非实时（NRT）图像融合（重合）技术一般用于对不同时间获得的功能和解剖图像进行分析。然而，由于病人体位、扫描床外形以及内脏器官的自然移动等因素导致很难进行NRT图像重合处理。使用FPGA处理技术来实时融合PET和CT可以在一次成像过程中同时获得功能和解剖图像，而不是事后再合成图像。在手术治疗中，融合后的图像清晰度更高，位置更精确。　　外科引导手术图像处理使用手术前（CT或者MR）图像和实时3D （超声和X射线）图像重合（相关）技术，通过非置入手段（超声、MR介入和X射线治疗）对疾病进行外科治疗。开发了各种算法以实现诊疗手段和治疗类型融合的最佳图像重合结果。　　在这类融合系统中，支持高速串行互联的FPGA能够减少系统后处理部分数据采集功能的相互链接，大大降低了电路板和电缆相关的系统总成本。

时间：2020-09-07 关键词： FPGA 医疗设备医疗保健医疗成像医疗影像
医疗IC应用攀升，优秀分销商医疗方案简析

　　核心提示：远程医疗诊断和家庭保健需求攀升刺激医疗半导体市场上扬，为医疗电子产业带来巨大商机。以地区来看，亚太地区是采用医疗IC的最重要市场，远程诊断、便携医疗、高端医疗影像等领域对IC的需求量显著上升，为分销商带来发展机遇。本文集结了大联大、骏龙、恒诚科技三家优秀分销商近期推出的优秀技术解决方案，从中我们不难发现未来医疗电子的一些热点市场。　　随着世界人口走向高龄化，人们的医疗保健意识高涨，远程医疗诊断和家庭保健需求攀升刺激医疗半导体市场上扬，为医疗电子产业带来巨大商机。IC Insights数据显示，2012年工业/医疗IC市场达到152亿美元。随着市场需求的强劲成长，医疗IC市场未来十年的发展动能依然强劲。以地区来看，亚太地区是采用医疗IC的最重要市场，远程诊断、便携医疗、高端医疗影像等领域对IC的需求量显著上升，为原厂及分销商带来发展机遇。　　本期策划，我们集结了大联大、骏龙、恒诚科技这三家来自不同地区，且专注于医疗电子领域的优秀分销商近期推出的优秀技术解决方案。认真分析他们选取的应用产品类型，以及所采用的代理产品线，从中我们不难发现未来医疗电子的一些热点市场。　　远程诊断应用：基于蓝牙协议的腕表式监护仪　　　　大联大集团友尚企业群经理郭松　　大联大集团友尚企业群经理郭松表示，大联大今年主攻医疗市场的三大方向，即：关注家庭医生和健康小屋（远程诊断），关注小型化和家庭化（便携医疗），关注医疗行业产业升级（高端影像）。在网络和信息越来越发达的今天，坐在家中就可以享受名医就诊，而不必长途排队，免去排队挂号之忧，随之孕育而生的是各种便携式的生理诊断和监护设备，借助医疗设备厂家，网络运营商以及医院多方搭建的医疗诊断平台，可以把整个医疗市场和资源做一个全面整合和利用。郭松指出，友尚正是看中这个契机，所以加大在便携医疗和远程诊断的市场调研和客户推广，锁定终端应用，如针对个体生理特征跟踪的腕表式监护仪，针对家庭医疗的便携式血氧仪，血糖仪等。　　在医疗类应用中，友尚代理的TI产品有着很明显的优势，如：高精度，低功耗，针对专有领域的定制化模拟前端，支持无线技术（蓝牙，Wi-Fi）的整体方案等。这些都将帮助制造商缩短产品设计周期，最短时间内做出有别于竞争对手的差异化的产品，从而抢先占领市场。　　在近期推出的众多医疗电子产品解决方案中，郭松重点推荐了一款基于蓝牙协议的腕表式监护仪。这是一个整合血压和心电检测功能的便携式方案，通过蓝牙与系统平台对接来完成相关的数据传输；同时通过远程医疗平台，对传输的数据做追踪分析，完成对病人的病理特征的监护和诊断。该方案用到了TI的整合模拟前端 ADS1191搭配TI真正的单芯片BLE SoluTIon CC2541，实现产品的小型化、低功耗，适用于搭载远程医疗平台的家庭监护。与之前普遍使用的分立方案相比，该方案在成本和性价比上都做到了很好的提升，简化了设计，提高了检测精度和准确度。　　郭松介绍，这是一套基于TI的LM3S811-IQN50-C2T为主处理器，配合TI最新的医疗模拟前端ADS1191做前端医疗数据的采集方案。ADS1191是一颗整合ECG前端采样处理模块、片上温度检测的集成模拟前端，通过它对用户的心率做采集，交由处理器来做进一步的数据处理。后端的蓝牙部分采用的是TI的低功耗蓝牙解决方案CC2541，通过向CC2541传输采集处理完的数据，经由蓝牙协议向IPAD或其它便携终端发送病人信息，最后由便携终端上的APP向医疗平台做数据透传。　　“目前该方案是我们的一家最终客户与移动运营商在谈整个远程平台和市场推广的合作，我们将从产品和方案上提供给客户支持（如无线蓝牙方面的技术支持，模拟前端的信号调理，电源方面的优化设计）。” 郭松介绍，该方案目前已知的营销方式是作为中国移动在推广3G应用中一项主要便民医疗，在某些城市做试点，医疗资源是北京的311医院。目前该方案在运营商的初期市场推广和平台正在搭建中，预计会在2013年带来将近50万美金的销售额。　　便携医疗应用：针对多参数监护仪的解决方案　　骏龙科技产品经理李杰表示，骏龙公司的主要目标市场是便携医疗。这一市场在近年来发展十分迅速，国人也早就摆脱了设备体积大才高档的思想，很多医疗公司的产品都向便携式发展。不过，便携产品非常依赖电池供电，因此低功耗就显得尤为重要。李杰介绍，针对低功耗需求，骏龙为制造商了提供Altera公司最新推出的28nm低功耗FPGA和SOC产品，保证低功耗的前提下实现高性能，在主控、数据处理和数据传输方面做出卓越表现。　　中高端多参数监护仪在过去的解决方案是 MCU/ARM+FPGA，由ARM实现主控、算法和人机接口功能，FPGA实现与多个参数模块接口和LCD屏驱动，而参数模块大多数客户选择外购的方式，接口是UART。而李杰代表骏龙推荐的则是采用Altera SOC产品实现的一体化解决方案。SOC产品特点包括：（1）单片集成ARM和FPGA，ARM是CortexA9，单双核可选；FPGA逻辑密度也分多个等级可选；（2）SOC产品集成多种接口协议，例如：USB、以太网、CAN和SDIO等；（3）SOC产品采用TSMC最新的28nm工艺，保证低功耗的情况下实现高性能输出。因此，为了方便客户做产品早期验证，骏龙公司针对SoC器件开发了一款开发板——Cyclone V SoC FPGA Base Board。　　开发板主要特点包括：1） USB在线调试端口；2） 256M DDR3可实现32位宽；3） 128M QSPI Flash；4） USB 2.0 OTG；5） Gigabit Ethernet；6） UART；7） I2C；8） DIP switch；9） GPIO；10） HSMC（引出多对LVDS和高速收发器）。　　李杰介绍，制造商可以用SoC中的 ARM实现算法和主控，通过HSMC端口引出的LVDS验证LCD驱动；GPIO实现人机信息交互（鼠标、键盘等）；DDR3实现临时数据缓存；Flash存储测试数据；FPGA实现参数板的数据采集和数据库模块的接口。除上述硬件外，Altera提供了15个视频图像处理IP帮助客户轻松实现图形界面的缩放、裁剪和混叠等，还提供的3D图像加速功能，让界面显示更加直观。　　李杰认为，在当前医疗市场的需求来看，切入该市场的关键条件是低功耗和高集成度的一体化方案，在这一点上Altera的SOC产品十分适合该市场。据悉，骏龙会和Altera共同推广该方案，并提供全方位的技术支持。

时间：2020-09-04 关键词：医疗电子 ic 远程医疗医疗保健便携医疗医疗影像
AMD推新款GPU以满足VR/AR未来于医疗影像市场需求

　　为抢攻虚拟实境（VR）/扩增实境（AR）医疗影像应用市场，AMD祭出新款基于Polaris架构的嵌入式绘图处理器（GPU）新品—E9260/E9550。跟上一代产品相比，新推出的两款GPU处理器在每个计算单元上性能增加了15%，另外在每瓦特数上的性能也增加了2.8倍，以满足VR/AR未来于医疗影像之市场需求。　　　　AMD企业端解决方案事业群产品管理及行销总监Colin Cureton表示，该公司将透过软硬体整合的优势，加速VR、AR进入新兴的嵌入式市场并创造更多机会。　　AMD企业端解决方案事业群产品管理及行销总监Colin Cureton表示，VR及AR对某些嵌入式市场而言，如医疗影像应用，是非常新的科技，相关的使用案例也还不多。为因应这些新兴市场所需的硬体设备、设计需求，以及成长中的生态系统，该公司推出该两款嵌入式GPU处理器，并透过软硬体整合的优势，为这些VR、AR新兴的嵌入式市场创造更多机会。　　Cureton认为，医疗影像处理应用市场可为新推出的解决方案带来许多商机，原因在于，该两款处理器强大运算能力意味着可运用VR或AR技术，于医生进行电脑断层扫描（CT）及核磁共振成像（MRI）扫描时，呈现更身历其境的体验；以及可透过VR/AR技术，为医疗人员带来新一代医疗设备训练。　　Cureton指出，该公司正致力建立一个VR和AR的生态系统，并将此一生态系统导入至嵌入式市场之中。近来VR/AR市场的终端产品日渐兴起，相关应用纷纷出现，为协助使用者打造更好的VR/AR系统，该公司除积极研发相关解决方案，如新推出的E2960/E9550两款GPU处理器之外，也持续发展相关开放式软体，透过软硬体结合的方式，加速实现VR/AR导入嵌入式市场应用演进。　　除上述所提到的医疗影像市场之外，E2960/E9550也可望为消费性产品市场带来更多崭新的应用发展，像是增进使用者个人的互动体验、藉由多重4K萤幕提供更丰富的媒体和内容等。

时间：2020-08-22 关键词： ar GPU vr 医疗影像
国内人工智能+医疗影像公司大盘点：今年又是“元年”？

　　图像识别是深度学习等人工智能技术最先突破的领域，已经广泛用于图片搜索、自动驾驶、人脸识别。而在医疗健康领域，目前看来医疗影像也会是人工智能与医疗结合中，最可能先发展起来的领域。　　简单而言，医疗影像智能分析是指运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。目前医疗数据中有超过90%来自医疗影像，这些数据大多要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。　　将人工智能应用于医疗影像已经成了一个热门创业方向，国外早已出现了一批将人工智能用于医疗影像的明星公司，如EnliTIc、Butterfly Network、VisExcell、VoxelCloud等。在医疗智能领域深耕最久的IBM，也在今年8月斥资10亿美元收购了医疗影像处理与加工公司Merge，欲将其技术整合进IBM Watson认知智能系统。　　国内也不甘落后，特别是今年以来，我们陆续见到了一批初创公司成立，如Deepcare、推想科技、图玛森维等。同时，以医疗影像云平台起家的公司也逐渐涉足人工智能领域，比如医渡云与汇医慧影。　　国内目前从事医疗影像智能分析的公司不多，雷锋网根据公开资料，从众多医疗科技公司中，整理了十多家较为明确涉足将人工智能用于分析医疗影像，从而提高诊断效率和精确性的公司。从这些公司的情况，我们可以一窥国内在这一领域的现状。　　调查无法覆盖所有公司　　国内人工智能+医疗影像公司一览　　公司名称成立时间最近融资投资人地区技术及产品　　雅森科技2006年　　A轮3000万元未知北京基于PET/SPECT/fMRI/US等医疗影像定量分析，用数学模型和人工智能技术，提高诊断精确性。　　健培科技　　2012年　　5000万元，轮次未知　　未知　　杭州　　拥有医疗影像云平台，医疗影像输出、智慧医疗和智能诊断为主，其他大数据支撑设备及平台建设为辅的医疗系统；提供病例检索和医疗影像智能诊断服务，帮助医生进行定位病症、分析病情和指导手术；另外还开发有激光热敏医用胶片。　　锐达影像2012年　　Pre-A轮 1000万元中路资本、快创营上海开发有影像平台，同时探索不同领域的智能化，目前已有的乳腺辅助检测、虚拟结肠镜等，都是初步的专业领域技术。　　医渡云2013年A轮2亿元未知　　北京拥有医疗大数据平台，对医疗数据进行集成、挖掘、利用，辅助开展新型临床、科研、医院管理等服务，涉及的临床数据包括影像数据和病例等文本数据。　　智影医疗2014年A轮未知深圳拥有基于数字影像医学的健康分析管理平台，提供早期癌症筛查、疾病辅助诊断，及健康指数分析。　　汇医慧影2015年A轮数千万元蓝驰创投、水木易德投资北京提供医疗影像云平台和阅片外包服务，并通过建立人体器官模型和神经网络技术，识别病灶，涉及胸部X光，脑核磁肿瘤，胸部CT。　　医众影像　　2015年　　未知　　未知　　北京　　拥有医疗影像数据云平台，同时建立影像诊断数据结构化知识库。目前可对大量历史影像诊断报告进行智能的结构化、标准化处理，可辅助医生诊断。　　睿佳医影RayPlus2015年未知未知武汉结合图像处理和云计算，为医生提供基于影像的计算机辅助诊疗工具RayPlus，特点是满足专科医生的特异性辅助诊断需求。　　DeepCare2016年天使轮600万峰瑞资本北京将深度学习用于医疗影像，削减读片时间，降低误诊的概率，目前主攻的方向是胸肺部CT的智能影像诊断。　　推想科技2016年天使轮1100万英诺天使基金、金臻云创投北京用深度学习技术分析和识别医疗影像上的病变，推荐治疗方案，协助医生诊断，目前主要用于胸肺疾病的诊断。　　连心医疗2016年天使轮300万未知北京主要提供肿瘤数据平台搭建和医疗数据分析，其中涉及医疗影像处理、分割、配准等，并引导放疗优化。　　图玛深维2016年天使轮150万美元真格基金、经纬中国北京将深度学习引入到计算机辅助诊断系统中，可应用于各类医学图像分析诊断、显微镜下的病理图像分析、以及发现DNA结合的蛋白质的序列特异性并协助基因组诊断等。　　迪英加2016年未知未知成都提供基于人工智能，用于精准医疗的医疗影像大数据分析解决方案，例如基于病理图片分析的癌症诊断和分级等。　　基本资料　　据统计，在美国医疗影像数据的年增长率为63%，而放射科医生数量年增长率仅为2%；根据动脉网的数据，国内医疗影像数据和放射科医师的增长数据分别为30%和4.1%。如果能借助人工智能的方式解读影像，以辅助诊断，可以有效其中的弥补缺口。而国内医护人员短缺的情况，只会比美国更甚，而且影像科医师在医院的收入与地位不高。　　影像需求与医生数量的错位，也导致医生负荷过重，影响诊断效果，而这其中就有人工智能发挥的空间。而美国哈佛医学院参与进行的智能诊断临床试验显示，人工智能辅助医生进行乳腺癌诊断可以将误诊率从4%降低到0.5%。不断增长的需求与技术的进步，基本可以解释医疗影像领域人工智能类公司的崛起。　　从成立时间上看，今年或许可以不免俗，被认为是人工智能+医疗影像的“元年”（纯主观判定）。根据上表中的统计，有今年就有5家公司成立；其余公司也集成在2012-2015年成立，但初期多提供影像云服务，智能业务也多在今年开始拓展。　　相比之下，国内也并不落后，上文提到的几家国外公司中，仅Butterfly Network成立较早，是在2011年，其余公司也仅两岁左右。　　从地域上划分，13家公司中有8家位于北京，其余位于上海、深圳、杭州等地，这倒是与人工智能公司的总体地域分配相符。　　2016年融资状况　　在国外，医疗影像智能分析公司发展较早，目前部分公司已经较为成熟，处于A轮融资阶段较多，个别获得B轮融资。　　比如，EnliTIc在去年获得了1000万美元A轮融资，该公司使用深度学习技术，帮助放射科医生分析医疗影像；Butterfly Network则在2014年的8000万美元A轮融资后，去年再获得1亿美元B轮融资，这是一家医疗成像技术公司，通过一种新型医学成像设备，建立数以千计图像的数据库，然后使用人工智能的方式分析新的临床治疗手段。　　相比之下，国内公司总体上以天使轮为主，特别是新兴初创公司，只有部分成立数年的公司已进行到A轮。目前融资额最高的是医渡云，A轮2亿元，且其在2015年底还领投了糖尿病管理平台微糖数的千万美金B轮融资，财大气粗。　　以下是今年国内这一领域融资事件一览：　　2016年2月，推想科技获得1100万元天使轮融资，投资方是英诺天使基金和臻云创投；　　2016年6月，DeepCare获得600万元天使轮融资，投资方是峰瑞资本；　　2016年7月，连心医疗获得300万元天使轮融资；　　2016年8月，雅森科技3000万元A轮融资；　　2016年10月，图玛深维获得150万美元天使轮融资，投资方是真格基金与经纬中国；　　2016年10月，汇医慧影获得数千万元A轮融资，投资方是蓝驰创投。　　发展路径　　从公司的发展路径看，医疗影像智能诊断的公司大致可以分为两类。　　第一类公司主要以人工智能技术，提供影像分析与诊断服务，其中以DeepCare、推想科技、图玛深维、雅森科技等为代表，且一般成立时间较短。　　比如，DeepCare主要研发医疗影像检测、识别、筛查和分析技术，为医疗器械厂商和基层医疗中心提供影像识别服务，对新录入数据库的病例，它可以进行算法匹配，寻找出影像数据相似的案例；雅森科技则专注医疗影像分析应用，基于医疗影像定量分析，用数学模型和人工智能技术提高诊断精确性。　　第二类公司原先提供医疗影像云服务，而后将服务延伸到智能诊断领域，其中以汇医慧影、医众影像、医渡云为代表，成立时间一般为二到三年。　　比如，汇医慧影是一个独立第三方的医疗影像咨询平台，早期专注基于云平台的线上影像中心，从今年开始着重向人工智能领域发力，辅助影像的筛查；医渡云主要提供医疗大数据和医疗云平台解决方案，同时利用机器学习的方式，挖掘临床数据中的文本数据和影像数据。　　从提供的产品与服务上看，医疗影像智能诊断公司又可分为两类。第一类专注于医疗影像服务，比如影像云平台及影像智能分析。　　第二类是搭建医疗大数据平台，其中包涵了医疗影像数据的分析处理，比如连心医疗、医渡云。连心医疗专注于肿瘤大数据平台搭建和医疗数据分析，其系统会对接治疗过程中各环节产生的数据，其中就包括了医疗影像的处理、分割和配准等，以此优化放疗。如上所述，医渡云的临床数据中还包括了病例这种文本数据。　　人工智能应用普及的三大推力是以深度学习为代表的新技术，计算力和海量数据，前两者各行业通用，所以对于医疗领域的人工智能公司来说，面临的最主要问题可能是数据。比如，现在的医疗影像几乎没有对病灶进行标注，而这种系统性的数据整理过程又十分专业，需要专业医生配合，这也是医疗行业的独特之处。　　由于医疗数据尚未实现互连互通，国内医疗影像数据应用还处于起步阶段。这一点在国外也一样，美国医疗行业数据共享困难，数据格式也难以统一。但随着信息化的加强，未来会有越来越人工智能类公司出现，就像信息化系统促进发展为影像的云平台一样。

时间：2020-08-19 关键词：人工智能 AI 医疗影像
国内人工智能+医疗影像公司浅析

图像识别是深度学习等人工智能技术最先突破的领域，已经广泛用于图片搜索、自动驾驶、人脸识别。而在医疗健康领域，目前看来医疗影像也会是人工智能与医疗结合中，最可能先发展起来的领域。简单而言，医疗影像智能分析是指运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。目前医疗数据中有超过90%来自医疗影像，这些数据大多要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。将人工智能应用于医疗影像已经成了一个热门创业方向，国外早已出现了一批将人工智能用于医疗影像的明星公司，如EnliTIc、Butterfly Network、VisExcell、VoxelCloud等。在医疗智能领域深耕最久的IBM，也在今年8月斥资10亿美元收购了医疗影像处理与加工公司Merge，欲将其技术整合进IBM Watson认知智能系统。国内也不甘落后，特别是今年以来，我们陆续见到了一批初创公司成立，如Deepcare、推想科技、图玛森维等。同时，以医疗影像云平台起家的公司也逐渐涉足人工智能领域，比如医渡云与汇医慧影。国内目前从事医疗影像智能分析的公司不多，根据公开资料，从众多医疗科技公司中，整理了十多家较为明确涉足将人工智能用于分析医疗影像，从而提高诊断效率和精确性的公司。从这些公司的情况，我们可以一窥国内在这一领域的现状。国内人工智能+医疗影像公司一览

时间：2020-07-30 关键词：人工智能医疗影像
当人工智能遇上医疗影像，中国影像AI的探索与发展

医疗AI发展不断提速，在广袤的中国医疗数据土地上纵横驰骋。 2018年，HC3i正式推出“医疗AI加速度”栏目。该栏目旨在以行业媒体角度记录医疗AI市场的发展进程，汇聚模式引领发展。据统计，目前医疗数据中有超过90％来自医疗影像，医疗影像数据已经成为医生诊断必不可少的“证据”之一。如果能够利用好AI帮助医生做出准确的诊断，是当前众多影像AI探索者努力的方向，对于广泛提升疾病诊断和治疗的准确率都有很大帮助，因此获得广大临床医生和科研工作者的关注。本期主题《当人工智能遇上医疗影像》，锁定中国影像AI的探索与发展。 1．飞利浦智能肿瘤介入治疗应用OncoSuite是业界首个肿瘤介入全面方案，为肿瘤栓塞和经皮消融术提供一站式解决方案，可以优化肿瘤病灶显示、引导导管到位、治疗及疗效评价等治疗环节，使得大肿瘤治疗更彻底，而＜1cm的小肿瘤病灶及其供血血管更容易被检出，同时可以避免损伤与肿瘤相近的健康组织。 2．阿里健康阿里健康、万里云联合开发的智能影像诊断产品“Doctor You”AI系统包括临床医学科研诊断平台、医疗辅助检测引擎、医师能力培训系统等。“Doctor You”的CT肺结节智能检测引擎由阿里健康的算法引擎团队和阿里巴巴iDST的视觉计算团队共同打造，它将医学知识和人工智能技术结合，自动识别并标记可疑结节，提高医生工作效率，降低误诊率和漏诊率。 3．腾讯觅影腾讯觅影人工智能医学影像聚合了医学专家、人工智能和产品支持团队，把图像识别、深度学习等领先的技术与医学跨界融合，辅助医生对癌症进行早期筛查。目前，腾讯觅影的AI辅诊能力主要包括诊疗风险监控系统和病案智能化管理系统：诊疗风险监控系统旨在辅助降低医生诊疗风险；病案结构化输出可以准确提取病案特征，输出结构化的病历，让医生从病案繁琐的表面工作中解脱，有效提升诊疗和科研效率。 4．海纳医信海纳医信主动脉夹层影像分割及全量化分析系统基于人工智能的血管影像分割算法及自动化量化建模的算法，使得临床医生在5分钟内，就可以针对凶险的主动脉夹层病患，建立精准的主动脉血管全量化模型，极大的提高了主动脉夹层疾病的诊断与介入治疗的效率和质量。 5．推想科技推想科技智能CT辅助筛查产品在提升肺癌筛查的效率的同时，对半实性与磨玻璃结节等早期肺癌征兆展现出了优越的敏感性，能够帮助放射科医生提升诊断的准确率，实现肺癌早诊、早治的技术性突破。其智能X线辅助筛查产品能够对心胸部位的20多种不同病灶进行判断，既可以帮助体检医生迅速筛检出存在病灶的影像，又可以在门诊住院病例的诊断过程中迅速标识出病变位置。（B轮：1．5亿元） 6．雅森科技雅森采用独创专利数学模型，与国内多家重点医院联合开展了脑、心、肺、甲状腺等脏器定量分析的科研合作项目，开发并验证特定疾病的生物数学分析方法，并不断组建中国人的正常人群组数据库。雅森科技的产品是建立在 SPM（StaTIsTIcal Parametric Mapping）理论基础上所做的研发。SPM 理论主要应用于脑影像的定量分析，雅森科技将这一理论的应用范围扩展到肺部、甲状腺等。（A＋轮：千万） 7．汇医慧影汇医慧影利用人工智能打造智慧影像云平台，旨在提高医生诊疗效率与准确度并解决部分地区医患资源不匹配的问题。已经对胸部X光的气胸、肺结核、肿块的自动诊断准确率已经达到95％。脑核磁肿瘤的自动识别率超过85％。胸部CT中肺结节的识别率超过85％。（B轮：数亿元） 8．图玛深维图玛深维“肺小结节检测分析系统”基于深度学习技术，可以对胸部CT薄层扫描图像进行分析，进而帮助医生检查并标记出患者的肺小结节，此外，还可以对其进行良恶性判断并自动生成结构化报告书。与传统人工筛查相比，这款分析系统在智能与高效上具有较大优势，采用深度学习分析系统，机器可以自动地监测到结节、计算出各种相关参数、自动生成监测报告、为医生诊断作出参考。（B轮：2亿元） 9．迪英加迪英加团队专门提供基于人工智能的用于精准医疗的医学影像大数据分析解决方案，例如基于病理图片分析的癌症诊断和分级等。其主要产品包括人工智能辅助诊断系统和数字病理远程会诊系统等，可以在普通计算机上以5－10秒钟内处理和分析数据大小超过1G的全场扫描数字病理图像，同时对几种癌症的良性和恶性判别准确率高达98％以上。迪英加团队研发的模型和算法可以精准、快速、智能地分析各类医学影像、计算关键指标参数，并生成全自动数据分析和报告，还能为病理医生提供如乳腺癌、胃癌、前列腺癌等7种癌症的智能诊断系统。（天使轮：1500万元） 10．连心医疗连心医疗肿瘤远程治疗平台可以无缝连接到现有的各种商用线性加速器中，为癌症病人提供更精确、更自动、更快速的个性化临床放疗方案，以提高放疗对癌症的治愈率，减少放疗对正常组织的损伤，最终延长癌症病人的生命，并且提高癌症病人的生活质量。？该系统提供的功能包括，靶区勾画、数据存储与备份、云计算和分享、图像形变配准、工作流程管理和远程会诊等。（A轮：数百万美元） 11． DeepCare DeepCare 借鉴了 SaaS 的服务模式，将开发完成的不同病种智能模块放在云平台上，设备厂商、远程医疗服务商可以根据自己需求进行选择，并相应付费。不过，由于处在早期数据积累阶段，DeepCare 愿意对方通过提供影像图片来减免服务费用。（天使轮：600万元） 12．肽积木肽积木从医疗影像辅助读片做起，最先选择眼底病变研究领域，通过分析眼底彩照进行糖网病的筛查诊断。对青光眼等眼部疾病的辅助诊断也在持续推进，肽积木正与广州中山眼科合作进行课题研发。这套人工智能应用可做到标记病灶＋辅助诊断＋生成病历，它将标记出病灶点，告诉医生患某种疾病的概率是多少，且提供治疗策略、病情发展预测等。治疗策略可能是进一步复查，也可能是直接干预，如药物治疗。（天使轮：数百万元） 13．智影医疗智影医疗推出的基于放射性影像、病理影像两套提供辅助诊断解决方案第一期产品包括了早期肺癌、肺结核、矽肺智能诊断系统，以及面向普检的心肺健康指数分析管理系统；基于病理学影像的智能诊断解决方案，目前已推出基于痰液显微成像的肺结核疾病的自动诊断系统，即利用染色病理图片图像，结合深度学习人工神经网络、聚类分析、多分辨率、模糊逻辑算法和边界识别进行病理状态下细胞区域图像分割、图像特征提取并使用多级分类处理以准确识别病理细胞数量和级别。（A轮：目前处于下一轮融资阶段） 14． ImageBiopsy实验室通过计算机视觉技术和深度学习算法，ImageBiopsy实验室能够帮助医生根据放射图片做出精确诊断。基于NVIDIA GPU，该公司利用超过15万张放射图片对其算法进行训练，以便医生获得膝周的准确测量结果。医生能够根据测量结果判断患者骨关节炎的严重程度，而无需进一步的诊断。（初创企业）肺癌是我国目前恶性肿瘤致死率第一的病种，同时影像类数据标准化程度更高也为AI进入医疗打开便捷之门，因此，第一期我们收录的影像AI应用中肺部检查的应用过半，很多企业选择从肺部影像作为AI切入点。当然随着AI技术的不断发展和对影像数据的进一步了解，会有越来越多的智能应用在不同疾病诊疗领域出现，接下来，我们也将陆续进行展示，敬请关注HC3i中国数字医疗网——医疗AI＋栏目。

时间：2020-07-28 关键词：飞利浦 AI 医疗影像
康泰瑞影展出手持超声设备和用于X光成像的骨科套件

通过软件对医疗影像进行锐化、降噪等图像后处理，医疗影像厂商能够提供更加高质量的医疗影像，还原更多的病理细节信息，使得临床医生可以更容易、更快速地诊断患者。自1983年起，康泰瑞影就为世界医疗影像界提供领先的影像增强软件解决方案，并不断推出全新的软件和专有技术。近日，康泰瑞影在今年的中国国际医疗器械博览会（CMEF）上展出两款全新产品：用于手持超声设备的VolarView™以及用于X光成像的骨科套件。丰富产品线满足市场需求超声技术没有电磁波辐射，比较安全，设备可应用于各种场合，操作简单。随着手持设备可用性的增加，超声应用已超越传统范围，应用领域和用户变得更为广泛。VolarView ™是康泰瑞影推出的可在手机和平板等各类手持设备上使用的解决方案，代表康泰瑞影已经能够为全类别超声系统提供智能影像增强技术，以满足日益增加的照料病患的需求。为弥补在骨科影像领域的空缺，康泰瑞影推出的GOPView XR2Plus 骨科套件可满足骨科影像领域对图像质量的特殊需求，也使得该领域能够以更小辐射剂量获取更高图像质量。目前，康泰瑞影的产品组合包括用于2D/3D/4D超声、MRI、X-光以及乳腺成像，以及全球领先的可视化超声的先进影像增强软件，这些软件被全球领先的医疗设备制造商所采用以提高的影像质量，帮助临床医生从影像中寻找所需的答案。多点放矢覆盖中高端市场康泰瑞影的影像处理软件是基于不同平台（CPU，GPU 技术）开发而成的，根据临床的需求，开发不同的解决方案以适配更多的系统厂商。由于数据的前处理不同，康泰瑞影可以帮助客户进行调试，也会根据最终使用者的需求，进行不同参数的设置，来确保图像的稳定性和准确性。同时，康泰瑞影还会配合系统厂商硬件的改进进行软件的升级。据康泰瑞影市场销售负责人谢家农在接受医谷采访时表示，康泰瑞影目前在全球的装机量约为25万套，主要面向中高端市场。过去五年来，康泰瑞影在原有高占有率的高端市场中，业绩持续得到增长，增长率每年在15%以上，大中国地区已经占到全球17%的份额，随着国内中高端医疗影像市场的发展，影像增强技术的应用也会更加广泛。康泰瑞影在产品线升级方面取得显着成果的同时，也致力于利用人工智能领域的研究推进放射医学的发展，提升影像、诊断和对病患的照料。目前，康泰瑞影已经能够把传统的算法和深度学习的算法结合在一起，也可以用深度学习的算法来解决相关问题。 “我们只用人工智能最强的方面，比如下一代的的图像提升，以及X光图像清晰化。我们也在探索深度学习在自动化的超声识别以及数字病理学方面的应用，计划推出相关的产品。”康泰瑞影市场及产品线经理Ann-Sofi Hoff说道。

时间：2020-07-20 关键词：超声设备康泰瑞影医疗影像
医疗影像AI热度火爆，但其实存在一系列的问题

2017年年底，郑众喜在华西医院参加了一场人工智能研讨会，很多科室都谈到了医疗影像AI，医生们认为AI需要在大量精准专业标识的影片基础上才能做到智能。华西医院于2017年7月宣布成立医学人工智能研发中心，当天一场消化内镜人工智能演示中，通过云端上传了12张检查图像，不到10秒筛选出息肉、新生物（癌症）和静脉曲张三种消化内镜检查常见结果，准确率分别为92.7%、93.9%和96.8%。彼时，阿里健康与万里云联合推出医疗AI产品“Doctor You”，宣布正确识别肺结节达到90％以上；一个月后，腾讯推出医疗影像AI产品“觅影”，对早期食管癌筛查准确率高达90%。 “准确率超过90%”、“速度击败医生”，一个个关键词仿佛让AI成为了医疗矿藏的密钥，AI医疗影像、AI辅助诊疗、AI药物研发、AI健康管理，正待来往的人们挥起“铁锹”。 “现在很多公司这个也人工智能、那个也人工智能，其实真正需要人工智能的是两个地方，一个是连人都很难诊断的，比如病理；另一个是工作多得人已经做不过来了。”华西医院教授郑众喜告诉钛媒体，“在癌症诊断、病理界，我们非常期待拥抱人工智能。” 作为AI在医疗领域应用最快的领域，医疗影像AI在2017年涌入资金超过40亿元，据钛媒体潜在投资统计（详情可见文末表格），融资额最高的是联影33.33亿元人民币A轮融资；推想科技、图玛深维、深睿医疗、视见医疗等均在2017年获得两轮融资；2018年上半年，深睿医疗、Airdoc获得B轮融资，汇医慧影、推想科技相继进入C轮阶段。医疗影像AI呈现出中国互联网商业环境的一个切面：热钱涌入、创业者蜂拥而至、产品同质化严重、泡沫浮现、商业模式受到质疑，直到腾讯与阿里入局，AI医疗影像被彻底“点燃”。但行业的独特性在于，医疗影像AI还有飞利浦、GE、东软医疗这一类原本处于医疗影像产业上游、潜藏在互联网之下的参与者。按照中华医学会放射学分会刘士远教授的计算，医疗影像AI火起来应该是在两年左右，“现在热度非常高，已经进入了关键阶段，AI的发展也进入了深水区，医学影像AI到底能够解决什么样的问题？产品聚焦到什么领域？上下游产业怎么紧密结合？产品怎么解决临床实际问题？其实还有一系列的问题。” 难过数据关 “2017年可以命名为肺结节年。”阿里健康人工智能实验室主任范绎告诉钛媒体，“肺结节是一个野蛮人入场的过程，很多人都在做肺结节，可以获取很多资料、快速进场。” 相比于进入中期阶段的创业公司，腾讯与阿里的入局并不算早，腾讯互联网+医疗业务负责人常佳认为，不光是BAT，整个医学影像在产品、病理上高度融合，这主要是产业起步的问题。开放的数据集，是肺结节产品扎推涌现的直接原因，也为后来者提供了“弯道超车”的机会。但肺结节是AI切入医疗“万里长征”的第一步。对于同样宣称90%准确率的产品，常佳提到，“现在很多人宣称自己的准确率，测试级和数据级是同源的准确率会高，但是不同源状况才是更关键的。” 在觅影落地的100多家三甲医院中，常佳发现抗噪要求非常高，不同设备、不同医生的操作习惯不同，有的医院做的很好的结果，到其他医院根本不适用，“我们现在正通过广泛性的测试解决，但这是很大的困难，需要数据丰富度。” 飞利浦大中华区CEO何国伟有着同样的看法，“不同设备在不同临床节点上采用的数据不同。把人类重复性的行为简化，问题就是数据流，配合临床要有完整的数据流。没有经过临床应用、结构化的时候便进入深度学习的数据都是垃圾。” 但更为关键的问题在于，很多平台在做医疗AI，但拼的是什么？北京协和医学院肿瘤医院教授乔友林告诉钛媒体，“拼的是能否得到医学高质量、金标准的素材，就算拿了成千上万的片子，并不会得到正确答案。” 从公开数据集、数据丰富度到金标准数据，难度逐渐递增。相比于三甲医院对医疗影像AI产品的需求，医疗影像AI产品捆绑医院的需求更为强烈，如何拿到医院数据对AI进行训练成为各家产品实现差异化竞争的关键。何国伟坦言，“AI在医疗体系落地有很多必要条件”。抢医院，去基层但对于目前的AI医疗影像产品，进入医院的最大问题是“不好用”。上海交通大学教授闫维新曾向钛媒体透露，“仁济医院放射科约有180人，一天的门诊量将近3000人，我算了一下，人工智能一天能帮他节省30%的人力，一年是千万级的，但为什么没有用呢？是不好用，好用早用了。” 闫维新认为人工智能还只是个“六七岁的小孩”，只能帮助临床医生勾勒出简单的粗暴的活，没办法承担起临床科医生要干的活。 “医学、互联网+AI是两个不同的世界，简单地说是两种不同的语言，你的语言和我的语言在平常是没有太多的交集。”郑众喜告诉钛媒体，“医生更多是‘用’，但从人工智能来讲就要有融合，你说的我能懂、我说的你也能懂。” 相比于准确率，医生更关注的是到底好不好用。医生判断好用的标准是什么？纵横医疗吴文韬向钛媒体表示，从医生角度来讲，AI产品是否符合医疗行业需求，主要看是不是解决临床问题，如果一个AI产品最终按照医生的需求去设计，按照医生规划达到一定效果，产品肯定会是医生觉得很好的产品，和医生研发上的紧密结合才是AI公司未来最终的发展方式。作为一名肿瘤医院医生，乔友林提出了更为具体的需求，“应用人工智能的时候一定要金标准材料，而且研发出一套产品。就像在非常困难的‘灰色地带’，似是而非的地方。我们把宫颈癌分为五个级别，正常、癌症，中间有三级，这三个是关键。识别到底是不是癌症是简单的，但到底是哪个级很困难。” 在各家产品各异，尚未出现统一衡量指标时，图玛深维CEO钟昕认为，“衡量标准有两大块，一个是连接的方便不方便，医生用起来是否顺手，另一个就是功能完不完整，性能是不是最好的。” 虽然进医院成了决胜的关键，但是乔友林告诉钛媒体，对于医疗影像AI产品，最为迫切的场景是在基层，“我希望疑难杂症的病人上来，其他的小伤小病不要跑过来了，你也劳民伤财。问题是基层的医生不知道哪些病该往上转，病人也不知道。” GE医疗大中华区首席市场营销官王飚向钛媒体介绍，传统肝脏部位的肿瘤介入栓塞手术，要把肿瘤供氧血管栓塞住，让肿瘤坏死，但是很多时候有多条供氧血管，有经验的医生比较容易判断，但对于经验不够的基层医生而言，借用人工智能，可以帮助他们把所有的供氧血管一次性体现出来。一面是要和拥有数据的三甲医院高度捆绑，打磨产品；另一面要深入有着迫切需求的基层，得到最先应用。看起来，具备两方优势的是原本处于医疗影像上游的器械厂商。三甲医院高端设备饱和的市场环境下，飞利浦、GE、东软医疗近几年采取走基层的策略，也因此建立影像云平台、更新设备软件以便实现远程诊疗。巨头做平台，创业者垂直细分据钛媒体观察，虽然以飞利浦、腾讯为代表的两类巨头侧重各有不同，但都正朝着平台方向布局，而创企则向细分领域深耕。面对AI医疗影像这个庞大的市场，巨头的涌现并非体现为对创企的直接碾压，对于巨头而言，制定行业游戏规则可能更为关键，但在巨头想要打造的平台生态中，创企的成长空间必然面临着更多挑战。 2017年11月，科技部召开新一代人工智能发展规划暨重大科技项目启动会，公布了四个首批国家人工智能开放创新平台，其中一个是，依托腾讯公司建设医疗影像国家人工智能开放创新平台。 “医疗AI范围非常大，可以进行筛查、诊断建议，还有机器人导航，这不是某家公司就能够做完，我们希望全行业共同努力，把腾讯在双创的资源开发出来。”常佳告诉钛媒体，觅影的思路是搭建平台，在平台基础之上，腾讯投资了AI药物研发公司晶泰科技、Atomwise，领投了AI医疗公司体素科技，AI健康管理碳云智能等。相比于觅影打造的“医疗AI超市”，飞利浦这类医疗器械厂商更关注针对专科疾病的整体解决方案。在今年的CMEF展上，飞利浦发布了神飞云影像平台，AI是作为其中一个模块出现。目前飞利浦正在AI医疗上发力，60%的研发费用都投入到了软件和人工智能方面。何国伟告诉钛媒体，飞利浦想要构建的是生态系统，“我们有软件开放平台，不论是肺结节或者是其他病种，初创公司可以利用我们平台。最后我们根据每家企业来探讨未来每家的发展方向有什么不同。” 为何AI医疗影像行业需要平台？在郑众喜看来，“开放平台的意义就是要整合信息。影像诊断不仅仅是针对这个图的某一个特征就下一个结论，尤其是到细胞学、组织学之后，需要整合的信息非常多。” 关于这一点，吴文韬举了个例子，“国内绝大多数产品是肺结节，但是做完肺结节筛查以后怎么办，系统是不是可以得出来一个诊断，看是不是恶性的早期肺癌，如果是早期肺癌，手术计划治疗以后，随访需不需要去做，后续的所有东西，对目前所有的AI公司来讲是空白的。”吴文韬把医疗影像AI产品决胜的关键总结为两点，“第一，有很大的数据量；第二，能调动足够多的人，来去做这些数据标准化、结构化，又和临床医生、影像医生捆绑的足够好。” 数据需要大量资金与资源投入、商业模式尚不清晰，这段目前看不到终点的路却将成为巨头们构筑起来的壁垒。“17年喧嚣完了之后，18年肯定是分化的过程，野蛮人也开始变成正规军了，各家公司会慢慢走向不同的方向。”范绎如是说。 “我倒觉得大家在某一个细分领域上都是一个起跑线。”钟昕认为，大公司的优势是面铺得开，小公司会在某几件事情上做的比较精，“最后他们是面，我们是尖。面有时候是不会把锥子掩藏起来的，我们是一个点，然后形成点的扩散，然后再形成点的组集，但有的一上来就是多点的组集。最后大家都会做到多条产品线，这是所有公司的目标。” 虽然目前行业内大多数公司都有肺结节产品，但也出现了研究视网膜病变、心血管疾病等细分领域的创业公司，钟昕告诉钛媒体，“久了之后会发现大家的产品还是有很大差异的，有的产品始终停留在检测、二维检测上，大家都有各种各样的差别。” 何国伟向钛媒体透露，“对于初创公司而言，融资可能更重要，但我们更重要的是如何提供更有效的肿瘤方案、患者体验、临床价值方面；过去几十年，我们已经积累了不少的数据和经验，我们觉得自己的临床经验是比别人强的。” 但在常佳看来，器械厂商的好处是数据获得有优势，但劣势在于太局限了，“现在医生操作的时候，很多医院的科室设备不会纯粹只用一家。所以我们认为在效果和质量上需要一个长线的发展，其实大家可以共同探讨如何提升质量，而不是共同探讨大家怎么做分工。” 抱团探寻商业化 “未来两年，医疗AI会死一批。至少在我看来，这会是个大概率事件。”在看了三十多家医疗AI项目后，元璟资本田敏在接受媒体采访时如是说。今年3月份，《财经》杂志也曾发文，认为中国医疗AI公司遇“C轮死”魔咒，如何实现商业化，成为医疗影像AI产品在2018年需要解答的一个疑问。这些抛给创业公司的质疑围绕着一点，医疗影像AI技术是否可以实现商业价值？东软集团董事长刘积仁认为，“今天单一AI技术的公司在技术被充分的普及和共享，还有一些商业模式存在免费机会的时候，这就是投入AI技术的风险。”万里云CEO黄家祥曾在接受媒体采访时表示，“对于AI公司，我们有一个观点，就是应用场景的价值大于数据价值，数据价值大于算法本身的价值。如果是AI的创业公司，手上核心的东西只有算法，那这个事情会非常危险。” 2017年4月，图玛深维获得数百万美元A轮融资，七个月后，又获得由软银中国领投的2亿元B轮融资。钟昕告诉钛媒体，在A轮与B轮融资阶段，资本的关注点差别非常大，“不再是一个产品初级形态或者只是一个潜在的销售模式了，B轮融资要看到我们是不是有一些落实，推进医院的速度，产品在医院的一些反馈，商务发展有没有落实下来，这可能是B轮阶段一个比较重要的点。” 2017年8月31日，国家食品药品监督管理总局（以下简称CFDA）发布了新版《医疗器械分类目录》，新增了与AI辅助诊断相对应的类别，在目录中具体体现在对医学影像与病理图像的分析与处理。若诊断软件通过算法提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，则申报二类医疗器械，如果对病变部位进行自动识别，并提供明确诊断提示，则按照第三类医疗器械管理。这意味着，如果医疗影像AI产品想要走医院采购这条路，必须要通过相应认证。但目前，国内尚无一例医疗AI产品拿到认证，动脉网将这个现象总结为6个核心问题，其中提到“用于审批的标准数据库正在逐步建立。” 在5月11日的苏州人工智能大会中，刘士远提到，目前已经有九家企业在申请CFDA认证，但用什么样的标准和规范仍在讨论当中。钟昕告诉钛媒体，“拿到CFDA对每个做医疗AI的来讲都是一个很重要的节点。” 而在钛媒体采访的过程中，不同类型参与者都会提到一个关键问题，针对AI医疗影像服务，到底由医院买单还是由患者买单？由于“人工智能读片费”不在诊疗收费项目名录内，也考虑到安全性等综合因素，许多医院仍然没有动力购置使用人工智能。对于医疗器械厂商而言，AI作为附加值，不用考虑其作为单独的产品寻求商业化，刘积仁告诉钛媒体，“AI技术在解决医疗问题的时候，单独获得价值的可能性并不高，而是要通过别的载体来获得价值。东软做AI技术，我们不需要通过单一AI技术挣钱，比如我们所有的CT里面一扫描就告诉他有什么病，我们只需要卖设备挣钱就行了。” 在这场抱团探寻商业化的试验中，范绎认为政府扮演着重要角色，“商业模式一定是政府层面、医院层面和公司层面共同去推动协调的，医疗效率提升是一个国家命题，只不过在具体的策略上没办法一蹴而就，需要不断迭代。” 经历过“野蛮人入场”后，证明存在价值已经不再是医疗影像AI的头等要事。更重要的问题是，创业公司、互联网巨头、医疗器械厂商三者最终会形成怎样的行业生态？以何种方式探寻商业化？哪些医疗影像AI创企能跑出来？这些疑问仍待时间验证。 “目前是在战国时代，不久的未来可能会实现统一。”何国伟如是说。

时间：2020-07-16 关键词：医疗电子 AI 医疗影像
人工智能在医疗行业的应用分析

随着智慧医疗的快速发展，基于医疗行业数字化、智能化及资源整合的需求，AI等新兴科技应用于医疗的程度越来越高。AI能模拟人类的思维和工作过程，并且独立解决问题而不需要进行编程，AI还可以接受新的信息并从中学习，无需人工干预。超级计算能力的应用使AI能够以比人类更快速的处理信息、解决问题或得出人类头脑永远无法得出的结论。AI运用于医疗领域，则可以更快速、准确、有效地冶疗各种疾病。埃森哲公布了一份研究AI在医疗领域的短期价值、技术潜在影响力的报告，结果预估显示：到2026年，AI技术可为在美国的医疗保健行业节省高达1500亿美元的成本。另外，据《Harvard Business Review》杂志调查的10个最有应用前景的AI应用程序，他们估计在2026年前这些应用程序可以为美国的医疗保健行业创造高达1500亿美元的年储蓄。目前人工智能在医疗领域主要采用机器学习和自然语言处理两种方法，机器学习用于图像扫描，自然语言处理用于文本处理。通过机器学习对组织收集的数据进行排序，以学习模式并构建新的模型。具体到临床方面，人工智能应用比较成熟领域的首先是医疗影像分析，因为影像本身就是结构化的，没有人为因素干扰，可以通过人工智能进行快速、准确的分析；其次是医疗大数据，可以把非结构化变成结构化的数据，通过分析大量的病历资料找出更好的治疗方案，更好地管理疾病，目前也有许多公司在进行相关的研究；最后，各种辅助型医疗机器人也异军突起，得到快速发展。 1、AI＋医疗影像人工智能给医疗影像带来了新一轮的变革，通过模仿人脑神经元网络构建数字模型，以及海量数据作为训练素材，人工智能在解决了算法复杂、运算要求高的瓶颈后，终于与医疗影像逐步结合，深度学习在医疗影像分析领域开始沉淀。例如在进行影像诊断时，带有AI能力的计算机可以查看健康脑部扫描图像和脑部肿瘤扫描图像，通过图像学习对比识别两者之间的差异，从中标记出脑瘤存在的部位。目前人工智能在影像识别等方面的应用颇多，而且多是以技术为导向的公司在进行研究。东软医疗推出影像云和人工智能在医疗行业的应用方案，飞利浦推出远程医疗影像解决方案“神飞云”中国智慧医疗云平台，同时，新华医疗、GE、西门子、联影、迈瑞医疗、鱼跃医疗、三星等行业大咖也纷纷推出多款智慧医疗产品。 2、AI＋大数据分析在医疗行业中AI的应用潜力巨大，物联网正将越来越多的医疗设备连接上网，海量的数据将发送到云端，通过机器学习和智能分析得出最优的结果。英国首相特雷莎·梅近日在柴郡发表了一个演讲，强调AI在提早确诊癌症方面的潜力。演讲中，特雷莎·梅说道：“智能技术的进步可以更快速地分析数目庞大的数据，并有可能比人工诊断准确率更高，这开创了医学研究的一个全新领域，并成为与疾病作斗争一个新的武器。” 通过大数据分析，医疗行业正在深度利用AI进行病情的预测，基于先前患者扫描的数据，AI可以协助评估疾病的诊断，减少人为的出错率和工作量。同时，AI技术有可能识别出先前未被发现的一些与疾病相关的线索，从而为治疗提供新思路。此外，医护人员在AI的协助下，工作效率得到极大的提高。 3、机器人／机械臂辅助手术目前，机器人手术最大的应用是“微创”手术，“微创”意味着手术开刀将不再像传统手工那样大的切口，通过微创手术的切口约为6毫米，并且通过小型手术器械即可完成手术。认知外科手术机器人也会结合到人类手术的经验，在实际手术前，医疗团队还会收集整理病人的医疗历史数据，与实时手术结合，以此来提高自身手术水平。达芬奇（da Vinci）辅助手术机器人是目前最先进的手术机器人之一。 4、自动化的工作流程助理自动化的工作流程管理助理最大的优势就是优先处理紧急事件，减少日常基本的记录等操作步骤，帮助医生、护士们节省时间。通过AI助理，可以大幅减轻医生、护士们的工作步骤，例如通过语音，医生护士们就可以完成记录操作，它们会自动转换成文本的形式，并且可以自动化的分析病人的护理工作，甚至以图标的形式展现出来。尽管人工智能在医疗领域的应用还处于早期阶段，但美国的各大顶尖医院都已经开始行动。早在两年前，GPU巨头英伟达就宣布与麻省总医院医疗数据科学中心建立合作关系，希望该中心成为人工智能医疗应用领域的中心，对疾病进行探测、诊断、治疗和管理。国内的人工智能企业也开始布局医疗领域，2017年6月，依图科技宣布与华西医院的战略级合作，加速AI医疗普惠民生。依图科技与华西医院还发布了两项双方合作研发的肺癌人工智能成果：全球首个肺癌临床科研智能病种库及全球首个肺癌多学科智能诊断系统。但是，AI技术应用到医疗行业还面临一些需要克服的阻碍：首先从意识形态上，医疗行业需意识到AI技术可带来的帮助；其次，医疗数据的敏感性让获取数据来培养AI模型会有一定的困难。最后，AI模型得到认可具有难度。为克服这些阻碍，医疗行业人员和教科研人员应该更紧密地合作。国际医学与生物工程院院士 IEEE Fellow张元亭院士长期潜心钻研可穿戴无扰生物传感技术、心脑血管健康信息学、生理建模与神经工程、8P医疗与健康工程学等领域，医学造诣深厚，同时张元亭院士时刻关注并思考人工智能与人类智慧与医疗行业的深度融合议题。张元亭院士将在OFweek（第二届）人工智能产业大会上分享自己的主题演讲《人工智能在健康医疗领域的应用场景与重大挑战》，深入探讨人工智能在健康医疗领域的二十个应用场景并介绍十个重大挑战及机遇，重点将聚焦AI在可穿戴无袖带连续动脉血压检测的应用。此外还就如何通过健康工程加快人工智能与人类智慧的融合以及AI未来发展方向进行战略探讨分析。随着人工智能技术在医疗行业的应用推广，一个全新的智慧医疗服务体系正在形成，未来医疗服务将会变得起来越智能化，不仅能给人们提供最优质医疗服务，同时还可能以较低的成本服务于大众。

时间：2020-07-13 关键词：自动化机器人人工智能医疗影像
AI+医疗产业的争夺聚焦于落地环节，医疗影像行业未来可期

自2011年Watson奠定其医疗的商业发展方向，已经有7个年头了，这七年人工智能发展风声水起，无数初创企业紧随潮流，各类深度学习算法也经过了多次换代，但浪潮过后，留下的无数先行者的遗骸。现在，幸存者和后来者已经逐渐在医疗人工智能领域组成头部，深度学习过程下各企业都能为自己的AI产品报出一个可喜的准确率数字，然而新的时代已经不再是一个唯算法的时代，衡量AI好坏的也再是一个数字或是人机大战的成果可以评判的。要想在这个圈子活下去，还得进得了医院。现在，AI+医疗产业的争夺聚焦于落地环节。数据向好，医疗影像行业未来可期无论在发达国家还是发展中国家，优质医疗资源的供需矛盾以及就诊病人流向不合理一直是世界性的医学难题。在日本，每100万人中有52台MRI、107台CT，面对数目庞大的影像设备，人才缺口却很严重。AI的引进将大大缓解了日本这一紧张局面，报告质量也会比之前更全面。回顾国内，我国2017年医疗器械销售规模达4176亿人民币，其中诊断影像份额超过400亿人民币，医学影像数据的年增长率约为63％，能够诊断的医师数量增长远不及影像数量的增长，单以放射科医师为例，年增长率只有4．1％。而与此同时，中国的放射科医师每天至少需要看几万张，甚至十几万张医疗影像片子，严重供求失衡。此外，双审核下避免误诊漏诊尤为困难，据数据称我国医疗影像误诊人数高达5700万人／年。首都医科大学附属北京友谊医院王振常副院长对现状感触颇深：“低年资的医生缺乏诊断经验，阅片质量整体较低；高年资的医生每晚得工作到9点，一周得工作7天，压力太大了。” 人工智能在医疗行业的应用让众人看到了希望，通过深度学习，机器将完成对影像的分类、目标检测、识别等工作，即便是微小的病灶也能以高准确度勾画，协助医生完成诊断；“误诊漏诊少了，医患矛盾也少了。”这是医生的直观体验。一位放射科主任悔恨的谈到：“因为漏查了父亲体内微小的结节，现在我也对他的病情无能为力，要是这样这项技术早发现几年，他也不会这个样子。” AI的落地是众望所归。推陈出新，做医生所想人工智能这种新型的技术如果没有在所在的医学领域扎的足够深，就很容易变成一个炒概念的技术。推想科技的CEO陈宽在前几日“AI领航者，推想100＋”全球产品应用分享大会的演讲中谈到了AI发展的传播问题：“人工智能的呼声越来越高，但呼声越大，泡沫也就越来，浪潮之中总会夹杂很多随波的物质，我们推想不想自己去谈这个问题，我希望能把对人工智能评价的话语权交给医生。” 推想科技一直以来特别在意医生是否认可他们的产品以及医生的使用体验，三年风雨兼程，推想不断地推进其人工智能产品落地。动脉网记者在会后采访中问到陈宽，推想团队以一种怎样的频率进行交流，陈宽谈到：“我们300名余名员工中的260名研究人员轮流呆在医院，每天跟医生一起工作，是一个连续性的合作过程，所以没有频率这个概念。” 现在，推想的影像类产品已经在全球多个城市近200家顶级医院落地，国内签约的医院也已经来到了三位数，据推想科技的统计数据可知，推想系统在医院的点击率超过了60％，不存在闲置的问题。这是一个里程碑式的成功，不仅意味着医院方面对推想产品的认可，同时也肯定了人工智能技术在医疗的落地是实在可行的，而推想在此走到了前列。推想的产品及其布局推想的产品主要包含四类：InferRead CT Lung肺部辅助筛查产品、InferRead CT Stroke脑卒中辅助筛查产品、InferRead DR Chest胸部辅助筛查产品、InferScholar Center医疗影像深度学习中心。前三种产品分别针对肺部、胸部、脑部三类病症，而医疗影像深度学习中心则是对接的研究型医院的科研中心，满足医院AI科研的需求，帮助医生轻松完成个性化、差异化的世界前沿深度学习科研，包括跨学科的科研需求。这些产品均经历了多个医院多种数据的考验，满足人工智能产品要求的鲁棒性、易用性与安全性。在会议中，北京首都医科大学副院长王振常谈到：“我们和推想科技的合作已经一年了，这一年我们之间已经对几万例的图像进行了分析，未来我们也会有更多数据与技术方面的合作，作为一个医生，我希望人工智能时代能早一点到来，也愿意为人工智能时代的推进尽一份力。” 陈宽对于推想科技产品的布局做了简单的解释：“推想布局理念非常简单，哪一些领域可以最大程度地解决医生的问题，缓解他们的压力以及提高诊断的质量，我们就进入哪个领域。中国的三大死亡原因第一是恶性肿瘤，所以我们第一条产品线就是这个肺癌。第二大死亡原因是脑血管疾病，也就是我们第二条产品线，那么接下来的产品会走向乳腺、心脏、肝脏等疾病，逐步将推想的产品覆盖各个领域。” 推想的产品均已申报了医疗器械II类及III类审批，是我国第一批申报AI产品审批的企业，推想不会将其所有系统都去追求III类审批，对它而言，相比现在申请III类器械的“荣誉感”，更重要的是将合适的产品落地在合适的地方。保持用户粘性是落地后的关键所有人工智能企业都面临的着同一个问题，即过审后商业化的问题。是订阅制还是按阅片数量计价，这是AI企业在几乎瓜分完一流医院的今天不得不回答的一个问题。而在这个问题的背后，是医院方对商业化的态度问题。对于一套系统而言，医院完全可以选择在体验结束或产品通过后再去寻求质量差距不大而价格低廉的产品，解决这个问题有两个方法，一是保持足够高的产品粘性，二是寻求知识产权法的帮助。现在，推想在全球已经落地近200家医院。如何保持用户黏性，给予医院较其他产品更好的体验是推想一直以来的目标。一个三甲往往会尝试使用多个企业的AI产品，在这个过程的产品比较就非常直观。浙江省中医院副院长许茂盛在天津会上谈到：“我们医院使用了包含推想的两个AI产品，两个产品准确率不相上下，而推想的结构化报告更加细腻，且操作界面更受我们医生的欢迎。” 当医生已经习惯由人工智能帮助他们来写结构化的报告后，手写报告的时代便一去不复返了。所以，当推想布局200家医院之后，它努力在做的，就是为这些医院提供更好的体验，提高推想的产品黏性。同时，招标过程的透明性与知识产权的保护也非常重要，这不仅仅适用于推想，也适用于所有的人工智能企业。回到当下，AI企业所需要做的，就是争夺更多的医院落地，在这一点上，推想已抢得头筹。国内外同步发展，100家国内医院签约意味着新的征程中国在科技方面离美国差距还很远，可人工智能例外。在采访过程中，北美放射学年会医疗影像资源会主席Eliot Seigel告诉动脉网记者：“中国在人工智能领域的成就与美国相差无几，这可能是中国现阶段最有可能超越美国的技术领域。” 推想正是以此为目标，而其产品也已在世界各地落地。日本慈惠医科大学医院影像诊断科主任中田典生在“推想100＋”会议上谈到：“我非常惊讶AI可以取得这么大的成就，早在2017年11推想便获邀入驻日本国家战略特区高新科技科目，这是迄今为止唯一一家入选的中国AI企业。“西班牙赫罗纳图像诊断学研究院院长Salvador Pedraza Gutierrez认为：“在欧洲没有低剂量CT肺癌早筛政策的背景下，推想AI提供了一条从传统X光胸片影像中快速、有效的肺癌早筛方案。” 在《G20国家科技竞争格局之辩》的系列报告中“人工智能＋医疗实践”板块，推想科技紧随BAT巨头，成为中国AI医疗影像领域的最佳实践者。 G20国家的“人工智能＋医疗实践”（截取中、美部分）作为国内年纪最大的医疗人工智能企业，三年半的时间中也看遍了AI企业的沉浮，大量的科研人员（现260余位，占比超70％）保证了推想整个企业的迭代。3月获得了3亿C轮融资后，推想又实现100家国内医院落地。本次“AI领航者，推想100＋”会议不仅仅是推想对过去的一个总结，也是一个里程碑，预示着人工智能技术实实在在的进入了医院。未来，推想会将其产品推向更多领域，开启AI医疗影像的新征程，加速产品落地计划，为医疗作出自己的努力。

时间：2020-07-04 关键词：智能医疗 AI 医疗影像
国内的医疗影像AI起步不久，随着技术渐趋成熟免费试用时代或将结束

“47岁，女性，肺结节检查。通过人工智能辅助诊断系统，医生确实能够检出一些更小的肺结节，有效降低漏诊的可能性。另外，在一定程度上，该系统提供的结节位置、大小、密度等信息对报告书写到诊断都提供了帮助。”这一人工智能场景没有柯洁和AlphaGo的输赢之分，但让人看到了人工智能对医疗的赋能。自人工智能在国内红火以来，医学影像AI这一细分赛道就已有众多玩家陆续加入，包括深睿医疗、依图科技、推想科技、汇医慧影、图玛深维等几十家创业公司，一度被认为是医疗AI最容易落地的领域之一，资本也对此抱有热切的期盼。据创投数据平台鲸准的数据显示，过去五年AI+医疗应用的创业项目共计完成86起融资，其中影像占31％，占比第一。但实际这些医疗影像AI企业开始盈利了吗？其落地场景是否明确？为何大多扎堆“肺结节”？现今发展的阻力又有哪些？落地场景：医疗影像AI到底应该面向基层医院？还是三甲医院？现今医疗影像AI企业大都喜欢向外宣称自家与三甲医院、顶级医院合作的数字。深睿医疗方面，其产品已进入200多家医院，大多是三甲医院；从汇医慧影官网上获悉，他们已经和国内700多家顶尖医院达成合作；据媒体报道称，图玛深维也已经和50家三甲医院展开合作。这些数字的意义何在？医疗AI真正能发挥其价值的不应该是在基层医疗吗？在我国，医疗资源分布不均，基层医疗的优秀医疗人才严重匮乏，缺乏高科技医学设备，临床诊疗能力相对较弱。在日常诊疗过程中，基层医院误诊的情况也时有发生。相较之下，三甲医院不管从医疗设备还是医生资源来说都处于一个饱和状态，这类AI产品为何选择三甲医院？其生存空间在哪里？支付意愿不会很低吗？对此，深睿医疗CEO乔昕表示，基层医疗确实更需要此类产品。不过，先让三甲医院的医生接受它，然后再让他们去影响基层，本身是这样的一个过程。行业投资人也对亿欧大健康指出，企业与三甲医院的合作出于两方面的考虑：第一，有利于企业形成高质量的标注数据训练模型；第二，发挥顶级医院的标杆作用，对产品的品牌背书。现在的这些企业与医院是以科研合作和帮助科室建数据平台为主，落地的付费场景没明确，这是大家共同面对的问题。事实上，现今没有付费场景的一大原因也在于现在的算法还不成熟，精确度还达不到对这个工具的期待，需要大量的数据去优化、去迭代。上海交通大学医学院附属同仁医院院长马骏曾在与亿欧大健康的交谈中表示，对于医疗AI，现在临床医生既抱着开放接受同时又感到麻烦的心态，因为该工具理想的状态是提高医生的工作效率，但现在真正能够提高效能的软件并不多。在与这些团队合作的过程中，专家和临床医生不但需要贡献他们的智慧，还有可能影响他们工作的效率。产品：扎堆“肺结节”，医学影像AI等于肺结节筛查？除开明确的付费场景外，在同类产品中脱颖而出也是产品商业化实现的重要因素之一。然而，在医学影像AI的领域，由于公开的数据集、肺结节便于观察等特性，几乎所有的企业都在扎堆做肺结节项目，就连人机协同“读片“的活动也大多以肺结节为例，产品是否过于同质化？相关行业投资人认为，医学领域的诊断是综合询证的结果，任何一个疾病的诊断都是一个多维度多指标的过程，对于医疗影像AI来说，目前还达不到。所以企业不如先落地筛查，而且其运营项目的指标越单一越好。而据了解，对于肺结节项目来说，其需要确诊的指标比较单一，又具备公开的数据集，那么，企业从肺结节切入倒也无可厚非。可肺结节项目这一块终究不能代表医学影像也不能代表整个人工智能医疗。从产品这个角度，深睿医疗采取“两条腿“走路，在产品线上做全，技术上做深。推想科技方面，除开肺结节项目，脑卒中、心脏、骨折、腹部、乳腺等也有布局。据悉，汇医慧影开发的病种也包括胸部CT的防漏诊断、乳腺钼靶检测、脑出血核磁分析等。另外，AI医疗公司大可不必把眼光局限在医疗影像领域。有相关人士认为，AI在疾病治疗、药物研发、健康管理方面也大有可为。困境：阻碍医疗影像AI企业发展的瓶颈是什么？对于医疗影像AI产品来说，其运用基础在于机器对海量数据的深度学习，没有数据，就算是“巧妇也难无米之炊”，这也是医疗影像AI企业一直以来面临的困境之一。其实，企业面临的困境还不仅仅是数据量多少的问题，数据的质量也很关键。对于医生诊断来说，医疗数据之间是有关联性的，需要参考多方面的数据，但是获取完整的数据结构本身就非常困难。一方面，由于历史的原因，医院数据的保留本身就是不完整的。另一方面，一个完整的数据结构包括病史、家族史，再到治疗环节的资料，但是现在企业做不同的环节，集中于某一个数据库，数据链无法打通，完整的数据链也无法获取。乔昕认为，对于医学影像AI企业来说，数据链的打通，是未来发展的一个方向、一个目标，而现在这个是企业发展最大的瓶颈。此外，国家政策也是阻碍医疗影像AI企业发展的一大原因。根据2017年9月国家食药监总局发布的新版《医疗器械分类目录》，2018年8月1日起开始施行，其中出现了对此类人工智能软件的界定，这意味着医疗影像AI企业有了“持证上岗”的要求。到目前为止，国家食药监总局给图玛深维、深睿、推想、点内等企业颁发了二类证，还没有出现获得三类证书的企业。也就是说，现在此类企业的产品仅具有辅助诊断功能，提供明确的诊断提示的产品需获得三类证，“小助手”类产品的需求自然远不及能够实际诊断的产品，最有价值的产品肯定还是在诊断环节。据悉，已有11家公司在联合相关部门制定三类医疗器械的检定标准，预计2019年将诞生第一批获得三类证的公司。有行业人士指出，国家层面对此类产品的审批已在重视，但传统医疗场景对纯软件的诊断服务的收费模式还未被充分教育和接受，拿了证之后以什么形式收费？是否加入医院收费目录？这些问题都还不明确。可以说，现在国内的医疗影像AI企业起步不久，还处在市场慢慢接受的阶段。但是随着技术渐趋成熟、企业落地的加快，行业“金标准”终将出现，免费试用时代的结束或就在不远的将来。

时间：2020-07-03 关键词：智能医疗 AI 医疗影像
AI对视频的智能化分析，对医疗影响深远

AI之于医疗影像，可以说是救世主一般的存在。超强的算力结合学习能力，让AI可以从无数医疗影像片中快速找到规律，将医生几十年之间的阅片经验转换成可复制、可普及的技术工具。除了极大地解放出医生的生产力，让紧张的医疗资源稍有缓和以外，还开始在某些疾病的发现上超越人类，像在最近的报道中谷歌和美国一家医疗机构合作利用人工智能诊断、监测乳腺癌，在转移性乳腺癌的监测中，谷歌人工智能系统就获得了99％的准确率，已经超过了人类病理专家的水平。仅仅是图像上的识别就能带来如此巨大的变化，那么从今年开始，计算资源的提升让AI开始越来越多地进入视频领域，对视频的智能化分析，在医疗上又会造成哪些影响？用视频分析帕金森病？可能没你想象的那么神奇实际上在AI分析视频进行智能辅助诊疗上，已经出现了相关的应用案例。几个月前，腾讯医疗人工智能实验室推出了一项名为“帕金森病运动功能智能评估系统”的帕金森病AI辅助诊断新技术。患者按照帕金森评判标准完成动作并拍摄视频，评估系统就可以通过动作的完成度，帮助医生用3分钟来判断患者是否患有帕金森症，而医生单独进行诊疗时，需要大量的沟通和30分钟左右肉眼观察。用户不需要佩戴复杂的传感器，仅仅利用普通手机摄像头就可以完成拍摄。在家庭、养老院等等场景中就能完成远程诊断，极大的提升了帕金森诊断的便利性和效率。当然，AI分析视频对于帕金森的辅助诊断目前来说还只是个例。原因在于，国际上对于帕金森的诊断有一套严格的标准，名为UPDRS（统一帕金森病评定量表）。其中关于动作部分有着很严格的标准，比如站立做起时的灵活度、手部动作静止时的震颤程度等等。也就说，帕金森是一种可以“被结构化”的疾病。如何从视觉方面判断疾病，有着非常明晰的标准。而这种可格式化的疾病是非常少见的，我们不能通过人的动作判断感冒发烧，也不能用动作判断出扭伤骨骼。所以说，目前这种通过动作分析进行智能辅诊的应用范围还是略窄的。让人无感的视频智能分析，或许会让急救医疗挽救更多生命但讨论视频智能分析之于医疗的应用价值，并不能单独针对某一种疾病讨论。从效率和成本上来讲，医疗视频智能分析很难胜于单纯的图像分析。毕竟大部分可观测的疾病看的是静态的表征而不是动态。例如皮肤的创口红肿，明明通过拍张照片甚至几句描述就能判断，何必要录一段视频呢？但视频这种介质则有一个图像不具备的特点，那就是存在的“无感性”。我们生活中随处都有视频监控的存在，但我们已经习惯了生活在这种记录中。这样一来，视频智能分析诊疗可以化医疗从被动到主动。主动的医疗，就是我们在感到身体不适时会寻医问药、去医院、使用移动医疗App。但很多时候，我们没有选择主动去进行医治，甚至来不及去医治。尤其是一些突发性的疾病，如果身边没人发现，很可能在不知不觉间就对患者造成了无法挽回的损失。但结合摄像头的存在和对视频的智能化分析，很可能改变这种状况。例如在养老院这种场景中，如果老人在周围无人的情况下突发昏厥，视频分析可以精准识别并且发出警报。甚至可以通过对昏厥整个流程的分析，判断出基本的疾病方向，例如摔倒可能导致的脑部损伤和身体骨折，或者捂住胸口可能心脏疾病，从而更好的进行救治，不会出现因为患者昏厥而无法了解疾病状况的状况。在空巢家庭越来越普及的今天，这种通过对视频智能分析而连接急救医疗的系统带来的不仅仅是经济效益，更多的还有对人生命的保障。难以推行的视频急救医疗，在AI的前路上等你而推行这种急救医疗系统，也面临着不小的问题。首先就是识别模型的训练。与医疗影像这种有着细致数据的模型不同，需要急救的紧急状况本来就是模糊的。我们常常看到新闻说，有人在公众场合感到身体不适，坐下稍作休息后就离开人世。很多状况人类都无法看出异样，AI是否也会束手无力呢？更重要的问题时，精准的模型训练往往依赖大量数据训练。可急救医疗这种状况本身很难留下数据——否则也不会造成那么多悲剧了。其次就是隐私的边界。视频智能分析起效的前提，很可能就是无处不在的摄像头。我们能够接受公共场合的摄像头，是因为信任整个国家的监控体系。但私人场合中的摄像头应该由哪一方推行，用户要如何信任供应商，数据的应用如何受到监督，都是难以解决的问题。最后还有算力的限制。和一般的AI应用不同，视频智能化的急救医疗本身就在于“急”。很多AI应用可以等到数据上传到云端，再返回计算结果。可急救医疗承受不起这其中的风险：有人打王者荣耀导致网速慢了、电力系统突然跳闸导致没网了，这些突发状况不仅仅性命攸关，更会带来难以分辨的追责问题——室友下载电影占用网速导致我晕厥时没有被视频急救系统准确识别，最终我因病暴毙，室友需要为我的死负责吗？其实这样看来，视频智能分析之于急救医疗应用，所要面对的问题和当前AI技术的发展是一样的：发展小数据甚至无数据学习，在尽可能少的数据下训练更精准的模型；本地计算，尽量提升本地算力并且收敛神经网络模型，让数据的分析在本地进行以提升计算速度和保护数据的安全。这也说明了一个问题，AI不仅仅应该生长在适应自身的土壤中，用大量可供分析的兴趣数据促使商家多卖出几件商品，或是为某一篇文章增加一点点击量。那些需要技术突破的盐碱地之中，或许能够捕捉到商业之上的更多价值。

时间：2020-06-26 关键词：智能医疗 AI 医疗影像
医疗影像作为诊疗过程的重要组成部分，是未来医疗发展不可避免的一环

AI+医疗市场成为风口，腾讯、科大讯飞、推想科技纷纷布局AI＋医疗影像，今年，腾讯觅影登陆首届中国模拟医学大会，利用AI辅助医疗，推动诊断效率提升；科大讯飞在医学影像人工智能比赛中刷新了全球肺结节测试世界纪录，准确率达94．1％；推想科技正式对外宣布完成 3 亿元新一轮融资。医疗影像作为诊疗过程的重要组成部分，是未来医疗发展不可避免的一环。根据火石创造发布的《医疗影像的市场图谱和行业发展分析》报告指出，按照我国过去5年的医疗整体支出，预计到2020年中国医学影像市场规模将达6000亿至8000亿人民币左右。但是有了大公司的布局，再加上人工智能的技术，医学影像市场规模将会有新的突破。医疗影像与人工智能的结合，是数字医疗产业的热点。大公司的布局，让AI＋医疗影像又迎来了一个新的突破点。为何大公司都瞄准了AI＋影像 2014年以来，AI技术的发展逐步进入垂直细分领域，医疗影像布局已久，国家的重视、医院在AI能力的匮乏以及大公司的技术积累致使大公司都瞄准了AI＋影像。首先政策限制因素相对较少，目前电子病历在临床中有很大的问题，主要是操作繁琐、数据的互联互通以及电子病历系统难以满足病种专业化需求等等。现在医疗行业80％到90％的数据，都是来源于医学影像，并不会涉及到相关的利益。利用人工智能＋医疗影像，在数据上的问题可以得到解决，自然政府就不会限制很多。相反，还会鼓励支持。因此，很多大公司利用医疗影像为突破口，也是由于政府限制的因素不多。其次医院在顶级AI能力的匮乏，需要大公司辅佐，一方面科大讯飞布局的医疗＋智能语音，语音技术相对成熟，通用的语音识别准确率已经达到95％左右，另一方面，阿里巴巴的图像识别技术的识别率高达99．3％，那么医院就不具备这样的能力。因此，需要大公司辅佐。互联网公司之所以瞄准了医疗影像，也是医院在这方面的困难很多。互联网公司借助人工智能赋能医疗影像，经过多次证实，可以运用到医疗行业里，解决了医院在顶级能力的匮乏。最后，大公司在AI＋影像方面已经取得一定进展，在医疗影像的诊断上，推想科技早在17年就累计完成了超过20万例的影像筛查；科大讯飞在肺癌的平均检出率达到了94．1．％。腾讯觅影主要利用AI图像识别、大数据处理、深度学习等技术与医学跨界融合，可对早期食管癌等疾病提供辅助筛查的功能。腾讯觅影筛查一个内镜检查用时不到4秒，对早期食道癌的发现准确率高达90％，也是说明腾讯在AI＋影像方面取得一定进展。各个大公司纷纷布局医疗产业，推动人工智能＋医疗的发展，未来将会走的更远。腾讯、阿里、推想科技、科大讯飞，在AI＋影像的布局 2008年，IBM首次提出了”智能医疗“的概念，而在近些年时间里，几家公司布局的AI医疗技术已经应用于各大医院。腾讯：2017年，腾讯首个应用在医疗领域的AI产品——腾讯觅影，主要应用于辅助医生临床诊断和疾病的早期筛查。AI在医疗上的应用越来越广泛，腾讯觅影的AI医学影像技术，辅助医生对食管癌进行筛查，提高准确度，帮助更多的人解决疾病的困扰。对于腾讯而言，围绕微信优势，以及对医疗资源的整合，其早已在患者、医院、诊所、医生产业多方进行了打通，通过在挂号、导诊、管理等诸多产业进行布局，已经完成了大量医疗产业前端的工作，而腾讯觅影的落地，也意味着腾讯正在将自身下沉到产业链更底层的环节，继而在未来实现前后端产业的打通。阿里：2016年阿里健康2．25亿元入股万里云，布局医学影像平台“Doctor You”。阿里健康将医学影像作为医疗AI的突破口，为整个商业模式的创新、支付打下了很好的基础。Doctor You目前联合了阿里健康、阿里云、阿里巴巴IDST视觉计算团队的三方力量共同推进。阿里在医疗AI领域的布局很深，由阿里健康平台、蚂蚁金服再到阿里云、淘宝形成了医药电商、智慧医疗、产品追溯、健康管理的稳定业务线，为用户提供更精准的服务。阿里布局和落地了多项医疗AI产品和服务，通过AI＋影像为切口，以此进入医疗产业更底层的产业链环节。科大讯飞：2015年，科大讯飞着手布局AI＋医疗产业。科大讯飞影像辅助诊断系统的核心技术是基于图像识别和深度学习，并结合医学专家诊断经验和大量样本数据，以此来得出疾病的良恶性。一直以来，科大讯飞都在构建图像识别、翻译、自然语言理解等跟人工智能相关的核心技术，将这些技术赋能医疗领域中，并且在语音电子病历产品、影像辅助诊断系统、智能助理中取得了不错的成就。除此以外，科大讯飞在AI影像上的布局，意味着技术积累有了更多的变现可能性。推想科技：目前，推想成熟产品肺部小结节识别系统早早落地，在2017年完成了超过20万例影像检查。推想科技投入多病种的医疗影像 AI 产品研发、加速肺部产品外其他 AI 产品的落地应用。推想科技深耕 AI 医疗影像细分领域，相比腾讯阿里等公司全产业布局更为深入，因此有着一定优势，致力于医疗影像的推想科技从2015年就已开始布局，至今已三年，在医疗影像辅助诊断领域已经逐渐成为医疗行业中全场景、全类型医疗机构服务平台。也是说明了推想科技在AI影像上的深入研究，在行业中起了标杆作用。 AI＋影像，正是因为有了人工智能的帮助，才能够解决大医院影像检查数量多、医生工作压力大的问题，同时提供更高效的影像诊断。 AI＋影像，面临多重困难经济的发展，推动着人工智能医疗水平的前进，但是当下，各种困难接踵而至。首先复合型人才的缺乏，据工信部教育考试中心透露，中国人工智能人才缺口超过500万，高校每年培养出来的人才也只有不到2000人。以1／10的比例换算，中国每年培养出的医疗AI人才不足200人。这足以看出人工智能人才供需严重不平衡。医疗领域人工智能技术人才严重短缺，已经制约了行业发展。以肿瘤领域为例，国家正大力鼓励肿瘤高危人群进行早期癌症筛查。国内AI＋影像领域的大多数集中在单纯的图像识别上，缺乏医学数据的积累和对影像报告的分析的复合型人才更是稀有。其次医疗数据的准确度，一方面是数据来源问题，现在医疗数据涉及到各种领域，各个公司获取数据的渠道也是比较困难。对数据的质量也是很重要。大量影像资料尚未数字化，且医院之间的数据共享和互通程度较低。人工智能的开发基础和长期优化需要高质、持续的数据。另一方面是数据结构化问题，目前，大部分医疗数据都是来自于医学影像，并且医疗影像数据仍在逐年增长，给医生带来工作压力。尽管有了人工智能的技术加入，可是大部分医学影像数据的录入仍然欠缺标准，主要在于每个医院录入的数据结构模式都不同，不能够形成统一的医疗数据，标准不统一会延缓医疗人工智能的发展服务。再者AI＋医疗商业模式也亟待建立，对于一些医疗机构而言，真正需求的不仅仅是提供辅助诊断产品，而是全套的影像资料诊断服务。在目前看来，不仅仅要求诊断服务提供方提供人工智能辅助阅片，更要有专业影像科医生的最终诊断结果，达成更大的商业模式和前景，还需要企业和医院合作来达到盈利。最后我国的医疗基础设施本身的落后，部分发达国家经济增长的主要动力来自于医疗健康产业，美国、日本等国家医疗健康产业增加值在GDP 中所占的比例均超过10％，然而国内医疗健康产业增加值占GDP 的比例不足5％。由于国内公共医疗管理系统的不完善，医疗成本高、渠道少、覆盖面低等问题困扰着消费者。医疗基础设施的落后更是限制了智慧医疗的发展，以至于基于物联网的智慧医疗应用不足以带动产业发展。虽然AI技术已经应用到医疗影像上，但是在临床实际应用却为数不多，而且目前AI医疗水平不高，在实际应用中存在很多缺陷。 AI＋影像，打通医疗数据、推进医疗发展是关键中国人口众多，有很多的医学人才，但是人工智能＋医学影像的人才并不多见，医学影像的数据资源更是要打通，推动医疗产业还需人工智能。一来增加复合型人才，人工智能在医疗影像上的运用已经实施在各个医院，在很大程度上提高了效率，并且帮助医生节约了大量的时间。但是目前，医疗健康产业的智能化转型依赖于复合型人才的持续供给。尤其是AI＋医疗影像的人才更是少之又少，因此，相关企业也纷纷推出相应的人才培养计划，以好的条件来吸引更多的科学家和从业人员，加强人工智能领域专业建设，培养医疗人工智能专业人才。二来打通医疗数据产业资源，在数据和结构化方面，现在医疗健康行业信息化程度不够，医疗数据开放共享程度不高。国内的医疗大数据产业也才刚刚起步，医疗体系相对封闭。特别是数据录入欠缺标准，标准不统一无法获得高质量、开放性的医疗数据。互联网公司针对数据和结构化两方面，利用人工智能技术以及国家政策的支持，建立影像诊断数据结构化知识库，积极鼓励社会创新发展医疗业务，促进医疗业务与大数据技术深度融合，来帮助医院获得有价值、安全和持续的数据，那么在AI＋影像上能提高诊断精确性。三来推广医疗市场商业模式，医疗市场空间巨大，有了人工智能技术的加入，各种商业模式被挖掘，不少巨头对医疗影像设备市场很看重。国产设备有着较为明显的价格优势，市场占有率较高。互联网公司技术赋能医疗产业，将人工智能运用到应用场景中，带动医疗市场商业的推进。

时间：2020-06-25 关键词：智能医疗 AI 医疗影像
AI医疗影像产业环境尚未成熟想要开花结果尚需努力

AI影像领域正在发生一些怪现象。据了解，2018年上半年AI影像仍然为医疗领域最热赛道，上半年融资数量达15起，融资金额13．1亿元，远高于文本挖掘与知识图谱、制药科技其余两个赛道。到目前为止，国内医疗影像AI公司就不下百家，其中活跃的就有推想科技、图玛深维、健培科技、体素科技、依图科技、深睿医疗、汇医慧影、视见医疗、华润万里云等。但热闹的外表之下却是寒冰般的现实。据新京报“寻找中国创客”记者报道，在AI产品扎堆的影像领域，一个三甲医院可能同时安装10余家AI公司的产品，医生真正使用的只有一两家。国外也有类似的景象，比如，今年5月世界知名AI公司IBM Watson传出其医疗部门进行了大幅度裁员，裁员比例达50％至70％。为什么这么多企业集中发力追的风口却没有被吹起来？一、产业环境尚未成熟，应用落地还差临门一脚说人工智能在医疗领域的应用已经成熟没人会信，尤其是AI影像在产业环境的成熟上表现的更为羸弱，这具体表现为3个方面： 1、产品效果存疑，病人隐私难保障。对于AI影像相关的一些产品不少医生依然表示质疑。上海市儿童医院影像科主任杨秀军就曾说道，“我们每天有大概600～700个病例收录在PACS／RIS系统中，其中包括普放DR影像、CT影像、MRI影像及DSA影像等，这些数据暂时没有被二次开发，目前，仅满足我们的临床和会诊需求，包括查阅、调阅、教学、科研等。”“有很多软件拿过来展示，我一看就是JUST PLAY”。而上海市第一人民医院影像科主任王悍也表示，自己所在的科室没有使用任何人工智能影像产品，一是参观过使用人工智能产品的医院，并未发现产品能够提高医生的工作效率，反而会影响医生的诊断思路；二是病人的隐私得不到保障。对于数据安全，国家卫计委前副主任金小桃也曾表示，个人的健康医疗信息属于隐私保护范围，要依法严格管控保护，绝不能公开或泄露。 2、商业合作深度不够，合作仅仅停留在科研层面。因为机器需要更多的学习次数，AI需要海量的数据和医生的结果判断来不断“喂食”，而现在最大的困难是：更多数据的积累。因为我国医院数据库的开放问题，医疗数据尚未实现互联互通，国内医疗影像数据应用还处于起步阶段，数据格式难以统一。众多医疗影像公司以科研的合作方式从医院获得影像数据，但是仅仅依靠几家医院影像数据远远不够，而且医院与医院之间的影像学数据因为医院层级的不同往往数据也有很大差异。以图玛深维医学科技有限公司为例，据IT时报报道，截至4月份，图玛深维已经与国内100多家大型三甲医院达成合作，但这种合作仍然停留在科研层面。 3、相关注册、准入、监管法律法规体系尚未形成，市场准入资格难获取。虽然AI影像发展迅猛，但一直有个问题制约行业发展，那就是国内尚无一家公司获得医疗器械注册证。到目前为止，国家食药监总局给图玛深维、深睿、推想、点内等企业颁发了二类证，还没有出现获得三类证书的企业。也就是说，现在此类企业的产品仅具有辅助诊断功能，提供明确的诊断提示的产品需获得三类证，“小助手”类产品的需求自然远不及能够实际诊断的产品，最有价值的产品肯定还是在诊断环节。据IT时报黄峰表示，自己曾与一些AI+医疗影像创业公司的老总交流，了解到这些公司基本没有收入，更不用谈盈利。由于没有准入资格创业公司当前只能将产品作为科研项目拿到医院试用，现在盈利为时尚早。AI医疗作为全新产品之前并无审批此类产品的经验和标准数据库，医疗是一个严谨的行业，AI医疗产品还处于发展阶段，如果以医疗AI产品为主要业务的公司长期不能通过CFDA，公司发展必将出现问题。商业变现之前，市场化还得面临四个问题国内目前AI影像大部分集中在肺结节筛查这一块，主要通过图像识别进行阅片，从而标记出结节，减少医生阅片的时间。北大人民医院杜湘珂医生表示：“AI并不能完全代替医生，医生看病不仅仅看图这么简单，AI完成的仅仅是诊断环节中一部分的工作。同时，AI的盈利与消耗也是巨大的现实问题。”目前来看AI在影像科应用时确实出现了以下问题。 1、应用不达预期，医院与AI影像公司还需更多磨合。据“新经济100人”报道，2017年1－2月推想科技的产品已经在武汉同济、上海长征、大连中山医院上线，而后续问题也在这一段时间集中暴露：虽然医院安装了推想科技的产品，但是打开率和使用率不高，很多医生不爱用甚至拒绝使用。部分医院影像中心的电脑系统和AI服务器不兼容，打开服务器非常慢，而且在阅片过程中经常出现卡顿，本来应该减少医生工作时间的AI似乎看上去并没有达到目的。 2、企业扎堆肺结节，AI在识别图片过程中标注的假阳性过高。中国是肺癌大国，肺部影像数据充足，加上全球针对肺结节识别的研究最为成熟，因而大部分企业扎堆肺结节领域。AI测量显然是比医生肉眼观察测量要精准许多，然而目前AI仅仅作为肺结节辅助筛查系统，仍然需要医生进行二次审核。在Litjens et al．的报道中，深度学习算法的灵敏度达到了100％，但假阳性率也高达40％，由于部分肺与血管交界区域影像不是很清晰，系统容易识别为病灶，而这在临床学上是没有意义的。由于假阳性过高，医生在二次审核时花费的时间过长，不仅需要判断AI是否发生漏诊，还需要排除假阳性的存在，这样医生的使用意愿就变得很低，这不是替他们节约时间而是增加任务。 3、医生个性化差异大，使用习惯各不相同，拥抱AI or抵触AI，落地医院最终需要考虑“买单”问题。 AI医疗虽然是个风口，但是这次的合作单位跟以往企业不同，和医院合作更需要考虑到每个医生的感受，毕竟合作的主动权掌握在医院。虽然不少AI产品已经落地医院，但是初步效果并不佳，除了考虑到产品本身问题，还需要考虑到用户问题。图玛深维CEO钟昕曾表示医生群体中对于人工智能持三种态度：一部分接受与支持，认为人工智能会为医疗带来好的变革，这类人群以大医院的医生为主；另一部分排斥，部分医生认为人工智能带来的影响是好还是坏尚无法评判，因而对新技术的普及十分抵触；有些医生则是漠不关心，部分医生认为人工智能真正能顺畅地在临床实现应用并带来价值还很遥远，对于人工智能的普及持“事不关己高高挂起”的态度。尽管AI已经成为大趋势，但是合作伙伴的独特性让AI公司不得不考虑用户买单问题。 4、大医院人员较足，但对手竞争激烈医院选择权很大；而基层医院，设备落后人员短缺，成本过大付费意愿不强。对于大型三甲知名医院，各大AI公司将它们作为在商业道路上最先抢占点。因为大型三甲医院患者数众多，数据样本大且多样化高，但是大医院每年进修、规陪人员众多，而且设备先进，使用的意愿没有那么强烈。在合作意愿上，大医院有更多的选择性，当然会选择性价比更高的AI公司。初创公司在与大医院的合作上会变得更加激烈，一些产品性能体验不佳的公司就会成为泡沫。而面对迫切需要AI来帮助医生减轻负担的基层医院，AI公司会考虑到数据较少，样本多样化不高，占领基层必然需要更大的人力资源，运营成本。而且初期面对价格较高的AI产品，基层医院收入不足，医院付费意愿不高。是先占领三甲还是面向基层是大部分初创公司正在面临的问题。从目前来看，就肺结节领域来说，AI仅作为肺结节筛查的辅助工具，肺结节只是所有肺部疾病的一个小病种。而国内公开宣称进行AI肺结节筛查的公司就有几十家，想要在这个领域拿到准入资格，可想而知会面临一场激烈的竞争，离AI能成功盈利还有很长一段距离。哪里才能开花结果？智能相对论分析师易敏认为至少需要考虑三个方面。 1、快速抢占三甲还是走向基层？目前来看，三甲医院竞争异常火热，对于早先获得资本融资的公司有足够的资金当然选择抢占三甲医院。抢占大型三甲医院意味着获得更多的数据，三甲医院每日门诊量在2000～4000之间，患者人数众多意味着数据化的多样性，如果在大型三甲医院迅速占领了市场，意味着先在数据上向前迈了一大步。而相对来说，基层医院更需要，当前国内基层医院面临的问题是：医生紧缺，工作量大，设备老化，医生诊断率相对三甲医生要低。从上面这些问题分析，基层医院对AI影像有更迫切的需求，比如翼展科技在人工智能方面的探索便聚焦到基层医院，与昌都地区人民医院试点合作，它希望能在基层医院场景下快速实现人工智能诊断。 2、除了肺结节，AI影像还能去哪里发光发热？目前国内推出的AI辅助诊断软件已经有多家，大多数AI公司都是从肺结节项目切入，对其他领域的研发相对较少。放射科和其他科室原本可以用AI项目解决的研发需求和临床需求都没有被满足。邵逸夫医院放射科表示，即使肺部筛查产品也没有做到尽善尽美，他们期待能够在甲状腺结节、乳腺结节、肝脏占位、前列腺等异常病变的筛查方向研发出更多的产品。由此可见医生们的需求很多，但是产品同质化严重，只有不断创新，让产品多样化，在更多领域找到突破口产品才会加速落地。 3、一旦CFDA落地，如何快速完成商业化？技术成熟后如何找准商业化模式，是众多AI初创公司需要认真探索的问题。对于西门子，GE这类型大型医疗设备公司，它们已经在医疗领域深耕多年，相对于初创公司，它们有更为成熟的营销模式，比如采用捆绑营销：向医疗器械厂商寻求合作，将软件与硬件设备捆绑销售，或将产品功能嵌入硬件设备当中。当然，产品的多领域发展离不开最终哪些用户买单，如果全部分摊到患者头上无疑偏离了AI的初衷，而医疗机构为此付费意愿并不强烈，因此众人买单是更可行的一种商业模式。一方面可以面向体检中心以及第三方医学影像中心，出售软件的使用权限，或收取一定的服务费用；一方面费用可由患者支出（汇医慧影的电子胶片就是由患者买单。）；而另一方面后期AI影像筛查系统确实给医生减轻不少负担，医院也是买单的客户；如果后期产品能够降低大病发生几率，减少医保开支，政府也可能是买单的对象。而对于最终各大公司会选择哪种方式“买单”目前仍在探索之中。总之，AI影像正在经历一场“盛世危机”，谁是真AI，谁是假泡沫，只有经过市场验证，才能看出谁是那个没穿底裤的“裸泳者”。而对于多数创业项目来说，首先得保证方向对，才可能抵达终点，看到曙光。

时间：2020-06-24 关键词：智能医疗 AI 医疗影像
医疗影像+AI推动疾病早筛中国肿瘤筛查进入“AI+”时代

肺癌是当前中国面临的头号肿瘤威胁，有数据显示，我国每年有59万人死于肺癌。若能早期发现，肺癌患者的生存期限及生存质量将大大提高，但现实是70%的肺癌患者在诊断时已是晚期。如何才能提前发现肺癌？人工智能（AI）正在这一领域发力。近日，记者获悉，广州医科大学附属第二医院利用AI自动阅片系统，为1000多人做肿瘤筛查，查出10例肺癌。 AI肺癌早筛基层小试牛刀肺癌早期筛查，低剂量螺旋CT是公认的一种检查手段。但当前肺癌早筛所采取的“人工拍片，人工阅片”的方式，在放射医师数量极其短缺，工作压力已经十分沉重的情况下难以广泛开展。在这一方面，目前大热的AI读片功能，具有独特的技术优势。业内有不完全统计，目前市场上已经有包括互联网巨头阿里、腾讯在内近四十家企业推出了肺癌早筛相关的人工智能产品。广州医科大学附属第二医院依托的AI产品来自依图医疗。根据依图医疗发布的资料显示，该公司开发的care.aiTM肺癌影像智能诊断系统具有良恶性鉴别诊断、自动历史影像对比、结构化报告等功能，由AI出具的结构化报告临床采纳率已经达到92%。截至今年6月，已落地全国100余家三甲医院，并逐渐向县市级医院扩展。今年5月-7月底，广医二院放射科依托全肺高分辨率低剂量CT及人工智能自动阅片系统，在广州市海珠区和番禺区开展针对50岁以上居民“免费低剂量CT筛查早期肺癌”的大规模肺部体检公益活动，通过调查问卷的方式筛选出高危人群，共调研数万人，最终为1323人（年龄50-91岁，中位年龄61.48岁，男性606人，女性717人）进行了肿瘤早筛。体检结果显示：共发现肺小结节（3mm以上肺内病灶）者660例，占50.00%的体检人群，并诊断出10例肺癌，其中早期9例，晚期1例。广医二院放射科副主任兼番禺院区微创介入科主任张振峰教授向媒体表示，先进的医疗AI智能诊断系统的引入，为大规模疾病早筛尤其是肿瘤早筛提供了强有力的技术支持，极大提升了影像筛查的工作效率，减少误诊漏诊，降低了筛查成本，是放射医师不可或缺的好帮手。 “大规模的疾病早筛行动的意义不仅仅在于肿瘤筛查，同时也能够为搜集区域内肺癌影像学及生物学大数据，探索低剂量螺旋CT筛查肺结节的最佳管理策略，提升防癌控癌水平做出贡献”，张振峰教授透露，“在此次小范围城市人口的肺癌早筛行动中，女性肺癌检出率显著高于男性，值得进一步验证与深思。” 医疗影像+AI推动疾病早筛国家癌症中心最新数据显示：2014年全国恶性肿瘤估计新发病例数380.4万例，死亡病例229.6万例，且仍然处于持续增长之中。中国医学科学院肿瘤医院副院长周纯武教授认为，疾病早筛对于民众及国家均具有重大意义，而影像学检查是疾病早筛的重要环节。当前，随着民众诊疗需求的快速增长，影像医师普遍面临较大的工作压力，加班阅片成为常态。医疗人工智能的引入有助于提升影像学科工作效率，减轻医务人员工作负担，减少误诊漏诊现象的发生，为大规模疾病早筛行动的开展提供有力技术支持。随着医疗AI在医疗机构的广泛应用，AI正在成为医生的助手及“第二大脑。”依图医疗总裁倪浩透露，依图医疗已经启动“AI防癌地图”项目，计划在未来5年内投入1亿元项目资金，联合数百家医疗机构，覆盖19个省市自治区，以AI应用提升医疗机构服务供给能力，推动中国肿瘤筛查进入“AI+”时代。

时间：2020-06-23 关键词：智能医疗 AI 医疗影像
英特尔医疗影像领域已取得诸多突破大幅提升了筛查的检测精度和效率

为响应客户对顶级音频质量的需求，音频系统设计人员正在研究高分辨率或高清（HD）音频，因为越来越多的中端系统买家需要以前只能在高端系统中使用的高清音频性能的类型。过去，44.1kHzCD品质采样频率对于大部分市场来说已足够，但是今天（和可以预见的将来），高保真声音的需求只会继续增长。根据专业和消费类音频设备公司，更高的采样频率捕获并再现更广泛的频率范围。大于20kHz音频频率的再现，包括超高频谐波，给出了声音（特别是声学乐器）的微妙组成部分的特性。据这些音频设备公司介绍，有一些技术优点使其值得转向更高的采样频率，例如由于在数模转换或模数转换期间采用的陡峭滤波器来减少不必要的副作用。

时间：2020-06-17 关键词：英特尔智能医疗医疗影像
数坤科技顶尖团队攻克心血管AI难点加快医疗影像AI落地进程

一个科室的心血管医学影像，“原来弄一整天，现在一天只需要三四个小时就能处理完”，这听上去很不可思议，但确实是由产品的使用者亲口说出的。一位从西北省份赶来的医生在数坤科技CEO马春娥的专题演讲后，表达了对数坤科技心血管AI产品的赞许之情——医学＋AI，医院效率确实得到了大幅提升。但随即她又继续发问：“但在实际使用时，一些破损、心率不好、呼吸控制不好的图像上，准确率还一般。什么时候可以改进？春节前可以吗？” 之后，马春娥表示春节前迭代的新版本可以改善这一问题。此时，现场一位资深主任拿过了话筒，“这其实是一个扫描图像质控的问题，需要医生提高拍片的标准规范程度，然后让AI协同，提升效能”。但这个问题的提出，无疑体现出了已有医疗AI公司进入科室的临床流程中，并切实提升了医生的工作效率。同时，这也引发出进一步的思考：医生与AI应如何通过“人机协智”，共同让AI发挥出应有的价值？ 12月14至16日，首届中国医学影像AI大会在上海国际会议中心召开，会上集中展示了医学影像AI产品的落地应用成果。近两年来医疗人工智能领域发展火热，各类公司纷纷入局，仅这两个月，又有两家医疗AI公司宣布新一轮融资。但对于医疗AI的下一步发展仍然存在着诸多亟待探讨的问题——如何将这样的市场热度转化为可持续的发展？现阶段究竟什么是AI产品可以做的、且医院愿意买单的？如何让医生与AI合作共生，从而实现1＋1大于2的跨越式智能医疗价值？大会主席、中国医学影像AI产学研用创新联盟理事长、上海长征医院影像医学与核医学科主任刘士远就在会上表示：“医疗AI产品应从源头进行顶层设计，也要找到明确的临床需求和使用场景，每个产品到底是解决什么问题，一定要和医生磨合才行。” 作为专注心血管疾病领域做医学影像AI的“独苗”，数坤科技走出了不一样的答案探究之路。数坤科技目前已推出全球首个针对心血管疾病的人工智能辅助诊断产品CoronaryDoc，被誉为冠脉诊断报告的“拍立得”，并已经与全国多家三甲医院展开合作，实现AI产品的临床落地应用。成立一年多以来，数坤科技完成了2轮融资，并于今年完成了最新的亿元A轮融资，由华盖资本、晨兴资本联合领投。在“资本寒冬”，数坤科技获得了资本的认可。从需求的源头出发而选择了心血管领域，将需求、场景、技术、现状等一系列相关要素进行高度融合，最终形成差异化竞争。数坤科技是否有望成为第一家实现销售的医学AI企业？记者在大会上采访了数坤科技CEO马春娥，带着对医疗AI产品可持续盈利发展前景的探究，共同探讨了数坤科技和医疗AI的现在和未来。全国唯一专注心血管疾病的医学影像AI平台在大会现场，记者看到了整套CoronaryDoc系统的演示过程。在患者完成CT拍摄之后，CoronaryDoc会自动抓取图片并进行三维重建、判读，然后输出标准化报告，医生也可以在系统内360°无死角地观看影像图片并重点查看系统所标记的病灶处，然后只需要对病灶进行确认以及根据自己的判断修改诊断报告即可。在现场的演示中，一名来自普陀区中心医院的放射科医生上前操作之后，反复说了好几遍：“非常好，非常好！” 首届中国医学影像AI大会期间，数坤科技展台人流如潮马春娥告诉记者，在以前，影像科医生每天都要读上千张图，尤其是冠脉影像诊断非常耗时耗力，一个病人从拍完片子，要经过影像后处理、初写报告、最后审核，最理想情况也得半小时，通常都是第二天才能拿到报告。据悉，CoronaryDoc系统会为医生免去枯燥、费神、耗时的读图、标识过程，能将单个病例的处理时间由原来的平均40分钟左右缩短到5分钟左右。相较于大多数医疗影像AI产品，CoronaryDoc系统的另外一大特色是真正做到了临床诊断全流程改善，即将影像智能后处理、AI疾病诊断、AI报告和打印全流程打通。医生看到的都是最终结果，只需要快速判断并确认结果无误即可，不需要再分步骤确认。马春娥表示，要真正实现这一点，系统里的每一个环节都会关联十几个算法，非常复杂，但也非常全面。心血管疾病是“人类第一杀手”，在中国患病率尤为高，但我国放射医师队伍存在数量不足、工作量大及地域分布不均衡等多重问题。数坤科技的CoronaryDoc系统无疑将大大提升医生的工作效率，使医生能有更多时间进行更高技术含量的工作、回归患者、进行自我提升或展开科研活动，同时也能通过技术复制为医疗资源不丰富的地区带来福音。 “我们的产品是在真正了解医生的具体需求和具体场景之后，帮助他们在流程上解决问题、取得直接效果。”马春娥说。已进入心血管诊断流程武汉市中心医院是数坤科技产品实际落地的案例之一。今年5月达成合作后，武汉市中心医院与数坤科技共同开发冠脉CTA影像智能辅助诊断系统，通过大样本、多场景数据分析与测试，共同推进该系统的临床应用实现。武汉市中心医院医生在操作冠脉CTA影像智能辅助诊断系统在合作开发过程中，武汉市中心医院负责收集临床冠心病CTA影像，提供生理信息参数和临床指标，进行医疗专业领域知识指导及培训，并对智能系统进行临床验证和审核。同时，数坤科技根据医院实际临床需求，不断优化产品功能，增强临床价值属性，真正做到了让智能医疗服务临床。除了服务临床，数坤科技的AI产品也会和医学科研项目深度结合，提供相关病例、数据支持，并通过AI分析辅助科研人员快速突破目前疾病研究的桎梏。数坤科技产品的成功落地与应用也实至名归地使其获得了诸多奖项以及业内外的认可。今年11月20日，数坤科技获得了德勤颁发的“2018中国明日之星”荣誉称号，11月30日，数坤科技荣获《财富》中国创新大赛12强。12月8日，数坤科技又获得了猎云网“最佳医疗健康创新公司TOP 10”奖项，今年顶着“资本寒冬”而获得的最新融资也让数坤科技在资本领域十分“吃香”。谁能想到，数坤科技成立仅仅一年半的时间。顶尖团队攻克心血管AI难点 “进入医疗领域其实是自然选择，因为医疗的痛点真的非常多。”马春娥在IBM任职期间就接触了大数据研究和计算机辅助医生决策的项目，彼时就早已发现，人是不擅长处理海量的数据而更擅长做决策和进行人文关怀的。在人工智能趋势越来越明显的现在，如何通过技术让机器快速复制专家的经验，让更多老百姓享受科技带来的便利，成为了马春娥心头一直萦绕不去的念头，最后也成为了数坤科技的愿景——“智能医疗无处不在”。立足心血管领域产生差异化竞争，这是数坤科技从医疗需求的源头出发所做的决定。心血管疾病虽然患病率高、诊疗需求量大，却是众多医疗影像AI企业不敢触碰的领域——因其成像和数据处理的复杂性，也因在数坤科技做自己的平台之前，心血管领域还没有成熟、公开的数据模型。相比之下，很多医学影像AI企业蜂拥到肺结节领域，导致行业竞争格外激烈。到目前为止，也只有数坤科技一家在心脑血管领域做成了这件事。数坤科技，意为数里有乾坤。数坤科技的团队也是一个内有乾坤的团队，团队有来自IBM、GE、西门子等世界级大公司的成员，也有大量的临床医生参与：“我们团队在定目标的时候就认定：产品一定要解决临床实际存在的问题。”正是拥有结构丰富的团队成员共同协作，数坤科技得以在一年内完成产品的研发并不断迭代出医生们纷纷给出好评的产品。而研发、打磨AI产品就是一个不断迭代的过程：从教它辨识正常情况下的心血管，再到输入病例教它识别病变，不断优化自己的认识，最后达到一名熟练医生的水平——马春娥把这个过程称为“养小孩”。“小孩”不断成长，最后才能与医生肩并肩奋斗，才能快速复制，让广大百姓获益。顶层设计：立足心血管，布局更多疾病领域已经在心血管领域推出的成熟AI产品，在不断的机器学习中也为数坤科技向脑部血管领域延伸打好了扎实的基础，明年，头颈部血管疾病医学影像AI辅助诊断系统也将上线，和心血管疾病相比增加了动脉瘤、脑出血等脑血管特有病灶的判断。数坤科技目前的技术重心还是放在心脑血管领域，马春娥说：“我们就像‘深挖井’，用累积的核心技术去深挖，打到‘石油’才罢休，而不是浅浅地打一下就走了。” 对于明年的计划，一方面，马春娥希望就像给医院通水电一样，所有医院能将数坤科技的AI系统作为一个基础设施全面铺开，提升医院的综合实力；另一方面，数坤科技想以病人为中心，提供智能的医疗服务，惠及更基层的百姓。当然，在夯实心和脑这两大人类“核心”的疾病领域和累积了足够多的数据之后，马春娥表示，数坤科技在未来也一定会将AI技术拓展到更多的疾病上，实现真正地“智能医疗无处不在”。正如马春娥在之前采访曾说过：“如果能够快速提升整个医疗行业的智能化价值，让每一位患者都能感受到智能医疗服务的无处不在，行业的商业化是一个必然，数坤的商业化也将水到渠成”，已作出以上成绩的数坤科技，或许正走在医疗影像AI可持续发展的高速路上。

时间：2020-06-16 关键词：智能医疗 AI 医疗影像
腾讯联合华银健康研发AI病理诊断开放合作推动医学AI不断创新

继AI影像筛查之后，AI病理分析或是医学AI的突破新方向。腾讯日前牵手华银健康，双方签署“医学人工智能开发项目”战略合作协议，推进AI病理技术的研发和应用。这意味着腾讯在医学AI领域的研究已从影像筛查进入病理分析阶段。此次合作，也是腾讯作为医疗影像国家新一代人工智能开放创新平台承建者，驱动医学AI产业发展和应用上的积极实践。医学AI新突破——从影像筛查到病理分析在临床上，病理分析是诊断、预后分析和指导癌症治疗的“金标准”，作为医疗链条中的关键环节，对患者进行病理诊断，是医生判断肿瘤性质的重要依据。该诊断结果也是医生对患者“对症下药”和后续治疗的基石。因此，提升病理诊断的效率与准确性，对发展精准医疗至关重要。据介绍，腾讯将技术与医学深度融合，依托华银健康海量临床病理资源，运用自身的图像识别、大数据处理、深度学习等领先AI技术，对病理数据进行结构化处理并搭建病理大数据系统，实现数据的有效挖掘，研发AI病理产品并推动技术落地应用。同时，项目也将建立涵盖国内外的知名病理及临床专家的项目专家团队，为技术研发和应用提供专业的人才基石。将病理切片数字化，并用AI算法辅助分析，这种智能的医疗模式将有效提高医生诊断效率，缓解病理医生不足的状况。而基于AI病理研究，个性化的治疗和预后评估也将成为可能。从影像筛查到病理分析，腾讯觅影在临床诊断上的多模态能力也逐渐建立起来，为临床医生提供更多辅助诊断工具，以多模态方式充当医生临床诊断“助手”。开放合作推动医学AI不断创新基于腾讯在医疗AI领域取得的技术突破，去年11月，腾讯获批承建医疗影像国家新一代人工智能开放创新平台。自腾讯承建医疗影像国家新一代人工智能开放创新平台以来，始终坚持开放多种能力，从创新创业、全产业链合作、学术科研、惠普公益四个维度推动国家人工智能战略在医疗领域的落地。而此次与华银健康合作，更是腾讯作为“国家队”在驱动医学AI产业发展和应用上的积极实践，联合华银健康，共同推动医学AI领域的跨学科研究，通过产学研多种形式，整合双方资源，推动AI病理的创新突破。未来，腾讯也将深耕医疗领域，并进一步开放技术与合作资源，打通医疗AI创新链，构建开放共赢的互联网＋医疗新生态，与众多合作伙伴一起共同推动人工智能技术在医疗领域的创新和应用，让AI深入临床一线，解决医疗难题，促进医疗资源和服务能力的平衡发展，推动产业变革。

时间：2020-06-16 关键词：腾讯 AI 医疗影像
医疗影像+AI发展需要少些浮夸多些脚踏实地

凛冬已至，曙光仍在前方。人工智能发展瞬息万变，却离不开“质量”与“需求”两项衡量产品优劣的关键要素。从人机大战到医院圈地，再到即将来临的商业化交付，看似漫长，却也只经历了短短两年时间，这一赛道环境瞬息万变。过快的发展常常会招致质疑，“AI技术革新医学影像”一直是业内外争论不休的论题，但无论舆论几何，AI企业在落地上方面做出了实在的进步，超过1000家三家医院入驻了AI企业的医生。那么，在这机遇与挑战并存的一年，人工智能改变了什么？人工智能又发生了怎样的改变？细数AI九大变革与创新 1对AI的态度 RSNA2018开幕式后，主席Vijay M.Rao，MD在Daily Bulletin在采访中表示：“AI和机器学习应用已经在放射学中有效地证明了自己的价值，但我们仅仅了解这些技术的皮毛。如今的AI应用将医生从重复的工作中解放了出来，让他们应更高的效率工作；患者因为技术的升级而无需长时间的等待，整个放射学也因此更透明。” 正如Rao所说，相对于去年RSNA上各位医生们举棋不定的表现，我们能看到医学AI最大的转变——观念的转变。这一变化可谓今年最为重要的变化，正是这一变化给AI的发展带来了数据、带来了革新，带来了潜在的商业化利益。因此，只有医生真的接受AI，拥抱AI，AI技术才能离开离开实验室，走进真实世界。国内态度同样如此。8月中旬，浙江大学医学院附属邵逸夫医院率先就人工智能相关产品开放收费目录，文件中标明“（特需）人工智能辅助多学科疑难病联合诊治，6500元/次”。青岛、辽宁等地区紧随其后，也将部分呢人工智能服务加入收费目录。医院方已经在今年作出了巨大的突破。 2算法的变化医学影像并不是AI应用的第一个场景，许多企业的AI技术源于计算机视觉的迁移，并在此基础上根据病种的特征进行训练、优化。迁移算法的优势在于开发者可以迅速切入医学领域，能加速医疗AI产业的发展。今年算法的变化主要变化在两个方面，一方面，传统迁移算法通过数据与实验不断优化，鲁棒性、准确率等指标都有明显上升；另一方面，部分AI影像企业拒绝使用开源算法，而选择针对AI影像自建算法。两种模式有拥有自己的优势，但要完全突破现有AI技术的瓶颈，或许单单的算法并不能完全解决问题，从基因等其他因素出发，全方位的看待问题，或许是另一条出路。 3产品选择的变化因为肺结节与眼底存在公开的数据库，且肺结节的数据库丰富而完整，所以在现有的AI企业中，我们能看到大部分企业都将肺结节产品作为主要产品。这一趋势并没有改变，改变的是更多新领域进入了开发者的视野。在2017年的RSNA大会上，研究影像组学的企业屈指可数，国内仅汇医慧影发布的放射组学云平台代表了相应的研究。而在今年，更多的企业开始了影像组学的研究，尝试从影像中高通量地提取有效信息。乳腺癌是今年AI产业的一个亮点，虽其名为女性第一大癌症，但在去年，发布这一病种AI产品的企业屈指可数。反观今年，乳腺早筛几乎成了每个公司的标配，每个公司至少发布一款早筛产品（包括X光、超声、钼靶）。希氏异构主打的消化内镜AI与数坤科技主打的心血管AI不断深入单一场景的研究，他们的专注力很可能在百花齐放时代下打造坚实的技术壁垒。此外，更多的跨界融合也在进行之中，“AI+新药”无疑是今年的一个大热点，从全球范围看，打上这一细分领域标签的企业数量翻倍，其中国内的晶泰科技获4600万美元B+轮融资，深度智耀获1500万美元B轮融资，AccurtarBio也在17年的尾巴获投1500万美元。还有一些基于NLP的辅诊项目以及视频捕捉技术也日益成熟，腾讯医疗AI实验室在创新领域的研发走在世界前沿，但所涉及领域暂时没有商业化的迹象。 4落地情况 2018年可谓是医疗AI落地的一年，随着医生观念的转变，医生不仅仅开始使用AI产品，也逐渐参与到了产品的研发以及相关AI人员的培训，医生与研究人员之间的合作变得更加的频繁。经过统计，现阶段主要企业的落地情况如下图所示：从图中可以看到，各家耳熟能详的人工智能企业均在落地上表现不错，其相应的成熟度指标也不断上升，但下面需要谈到的，是便是AI产品的指标问题。 5指标变化随着AI算法的精准度不断上升，逐渐趋近于完美，这个过程中也来带了诸多问题。其中最为重要的一点来源于一些公司在追求算法准确率的过程中，其精准率也在不断上升同时，误报率也在不断的上升。有医生表示：“对于常规的问题，AI通常是不会漏诊，而一旦漏诊，必定出大问题。虽然有一些产品能对良恶性作出基本的判断，但离成熟还差得很远。” 为解决这些问题以及描述AI发展的状况，一些如医院闲置率、报告应用率新的指标也随之诞生。这些指标能协同准确率、鲁棒性，更全面的反映AI产品与医生的磨合程度。 6商业模式在三类器械审批通过之前，很多AI产品可获得CFDA二类器械认证，在此情况下市场孕育了一些可供未来参考的收费模式。 1. 以使用次数收费，现阶段采用此种付费模式的以第三方影像中心为主。 2. 以买断方式购买产品。现阶段采用此种付费模式付费的以医院为主。 3. 年费形式。现阶段采用此种收费模式的产品暂未收集到相关数据。不同的收费模式反映了市场不同的需求。按次数收费的模式的优点在于灵活操作，成本易控制，但不可持续。对于第三方影像中心作为新兴赛道，其业务量相对较小，且产品迭代相对迅速，以买断的形式购买产品的方式过于昂贵，不利于企业的现金流，也不符合企业的阅片需求。对于医院而言，在没有现金流压力，又对产品较为满意的情况下，在产品定价成熟前以全款方式买断产品显然更有利可图，当前的价格必然远低于商业化后的价格。年费模式虽未收集到相关数据，但在产品过审后，很有可能成为主流。一方面，这种运营模式方便于对产品进行成本控制，后期医院及影像中心若对某一产品不满意，也可及时更换产品。 7技术突破抛开商业化模式不谈，AI的技术突破也值得一看。《细胞》介绍了中国团队的研究成果 2月《CELL》介绍了中国团队的AI工具，这是一款能精确诊断眼病和肺炎两大类疾病的人工智能工具，该工具有效地将图像分类为黄斑变性和糖尿病性视网膜病变，可以在30秒内确定患者是否应该接受治疗，准确度达到95％以上；在区分病毒性肺炎和细菌性肺炎上，准确率也超过90％。该研究开发了一种使用迁移学习技术的人工智能系统。使用CNN识别皮肤癌 ANNALS OF ONCOLOGY上的一项研究中，研究人员开发了一个深度学习卷积神经网络CNN，并通过展示10万多幅恶性黑色素瘤和良性痣的图像来识别皮肤癌。CNN比皮肤科医生更少漏诊黑素瘤，误诊良性黑素瘤的几率更低。这是科学家们首次表明CNN作为人工智能或机器学习形式比有经验的皮肤科医生更能准确诊断皮肤癌。斯坦福吴恩达团队公布最大医学影像数据集，4万张为人体上肢端的X光片斯坦福吴恩达研究团队开源了含有4万张人体上肢端的X光片的数据集MURA，并用这个数据集训练CNN寻找并定位X光片的异常部分。根据研究，全球现在超过17亿人的肌肉骨骼都出毛病，每年大概有3千万的急诊病例。MURA 是最大的开放性放射影像数据集之一，它有助于诊断上肢骨骼疾病。无需活检，AI可以从CT图像预测免疫疗法效果《The Lancet Oncology（柳叶刀肿瘤学）》上的一项研究，来自法国的Eric Deutsch博士团队用癌症患者的CT图像训练人工智能，得到一个可以通过患者的CT影像准确预测PD-1抑制剂治疗效果的人工智能平台。那些被认为有效的患者的中位生存期（24.3个月），比预测无效患者的中位生存期（11.5个月），提高了一倍以上。清华大学廖洪恩团队发表人工智能影像基因组学系列论文在《IEEE生物医学工程汇刊》上清华大学医学院生物医学工程系特聘专家廖洪恩教授课题组通过人工智能技术学习大量脑干胶质瘤患者的磁共振影像学特点，深度挖掘其与该基因的关联，不仅帮助医生获得基因学的诊断依据，而且方法分析得到与基因关联密切的影像学与临床参数能够提高医生的诊断经验。系列研究成果发表在生物医学工程领域知名期刊《IEEE生物医学工程汇刊》上。全球首次开发出B型主动脉夹层人工智能自动分割方法 4月21日，汇医慧影联合中国人民解放军总医院血管外科发布“主动脉人工智能研究云平台AORTIST2.0”，这是全球范围内首次开发出的B型主动脉夹层人工智能自动分割方法，解决了此前B型主动脉夹层手术中的精准测量、预后预测和远程随访三大核心问题。 8融资变化根据数据库统计，全球共有 244 家企业将人工智能应用于医疗领域，主要布局在医学影像、健康管理和病历/文献分析三个应用场景，其中涉足医学影像的企业数量达到 60 家，远高于其他应用场景的企业数量。国内96 家医疗人工智能企业，主要布局于医学影像、病历/文献分析，而其中布局于医院管理、疾病筛查和预测的企业数量较少。从国内看，医疗健康领域的人工智能创业公司表现尤为突出。在2018年仅第一季度就有 20多家医疗人工智能企业获得融资，但随着本年下半年经济遇冷，整体投资数量与投资额度均有降低，但预计在新年到来前，AI领域还将有一波大额融资。截止2018年1月-9月，AI融资排名前10名 9政策变化针对人工智能专项出台的政策较少，一般归属于“互联网+医疗健康”相关政策，2018年3月国务院发布的《政府工作报告》，4月教育部发布的《高等学校人工智能创新行动计划》及国务院出台的《关于促进“互联网+医疗健康”创新行动计划》都强调了人工智能的发展与相关人才的培养，而对于企业而言，相对重要的是中检院光机电室对于医疗器械的审核。 2018 年 8 月 1 日起，我国新版《医疗器械分类目录》正式生效，文件将医用软件按二类、三类医疗器械设置审批通道。《目录》指出，若诊断软件通过其算法提供诊断建议，该建议仅具有辅助诊断功能，不直接给出诊断结论，本子目录中相关产品按照第二类医疗械器管理。若诊断软件通过其算法对病变部位进行自动识别，并提供明确的诊断提示，则其风险级别相对较高，本子目录中相关产品按照第三类医疗器械管理。所以，目前我们所看到的AI 产品，大多应属于第三类医疗器械。为应对这一政策，我国大部分企业采取增删诊断功能的办法，同时申报二、三类器械，目前多家企业已经率先获得了二类证书，包括希氏异构、雅森科技、汇医慧影、深睿医疗、图玛深维、推想科技、Airdoc、依图医疗等知名人工智能企业都在积极进行三类医疗器械的申报。依图医疗表示，他们的全产品矩阵都在做三类认证，而Airdoc送检了中国第一台装载待检人工智能 AI 软件的服务器。但目前尚未有一款产品获得三类证书。按照医疗器械注册流程，产品从申报到最终过审要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批等六步。目前，申报三类器械的医疗人工智能产品大多停留在注册申报起步阶段。中检院作为国家监管技术支撑机构，承担了医疗人工智能产品质量评价与研究工作。光机电室凭借在医疗器械软件检测方面经验丰富的优势，专门成立AI小组承担此项工作。截至2018年10月，眼底影像标准数据库与肺结节数据库已初步成型，具体情况如下：眼底影像标准数据库的建立相对较早，目前已经形成了一个包含6327病例规模的数据库。肺部影像标准数据库自2018年2月启动建设工作，4月开始在全国招募肺结节图像标定专家，5月初完成上述专家的在线考试选拔和培训，6月10日完成线下封闭标定工作，24位标定专家及15位仲裁专家共同完成病例的标定。相对国外已经有4-6年AI产品审批经验的FDA，国内的NMPA相对年轻。对此，很多企业选择FDA与NMPA并行审批，一方面可以借鉴FDA的审批经验，另一方面有助于其开拓海外市场。以下是2018年通过FDA审批的一些公司及项目，希望可以为国内的企业审批带来更多经验。图表部分数据由汇医慧影提供未来，数字医疗产品的审评将分两个阶段走。第一个阶段需要制定出相关指导原则和标准，把检验、检测标准进行统一，第二步才开始对达到标准的产品“放行”。部分符合条件的，或许可以被批准免去临床试验。 2018年大公司布局变化 1腾讯在医疗人工智能方向，腾讯将其视为打通To B路径的重要布局，除了核心的腾讯医疗AI实验室，相关的优图实验室、AI lab也为腾讯的医疗AI版图献计献策。近日，腾讯再获“数字诊疗装备研发”重点专项，开发人工智能辅助临床决策支持系统（AIACDSS），届时，腾讯将从科研合作中获得大量的训练数据以及AI开发经验，而腾讯云也将因此在AI医疗中发挥更为深度的作用。 2阿里巴巴在9月的云栖大会上，阿里医疗人工资能系统ET医疗大脑开启了它的2.0版本。该系统由阿里健康与阿里云联合打造，天生具备强大的算力优势和多样的数据优势。相比于腾讯，ET医疗大脑的基因决定了它为生态建设为生，在未来ET医疗大脑2.0将针对临床、科研、培训教学、医院管理、未来城市医疗大脑等5大场景上集中发力。 3百度百度研究院发布一种名为“神经条件随机场”的AI算法，拥有强大的肿瘤病理切片检测能力，其检测准确率甚至超过专业病理医生，并突破此前最高记录。该算法不仅能对单一小图进行判断，还能够模拟图块之间的空间关系，大大提高了诊断的准确率，成为人工智能在医疗影像应用上的一次突破。百度具备AI技术方向的绝对优势，但却对医疗领域涉猎不深，更多的是通过投资的方式间接对医疗进行布局。2017的离场之后，2018医疗相关的新闻屈指可数，一直到9月的百度世界大会，李彦宏宣布向500个贫困县捐赠百度研制的AI眼底筛查一体机，才为百度新添与医疗相关的正面联系。但百度的实力毋庸置疑，在绝大多数AI影像算法为迁移算法的大前提下，专注于计算技术觉、无人驾驶技术的百度想要进入医疗AI领域非常轻松，关键要看是否有必要对这一领域进行直接投资。 4科大讯飞在智慧医疗方面，继去年成立全国首家智慧医院和推出全国首个以456分通过国家临床执业医师资格考试综合笔试评测的“智医助理”之后，科大讯飞在赋能医生、助力分级诊疗全面落地方面持续发力。在医学影像方面也有更多突破，讯飞医学影像云平台集合了CT、DR等多项人工智能辅助诊断技术，辅助医生快速准确地完成影像诊断，有效减少漏诊误诊。同时通过A.I.技术将优质医疗资源下沉至基层，让人们更便捷地享受更优质的医疗服务。目前讯飞人工智能医疗产品已经在全国121家三级医院、近2000家基层医疗卫生机构落地应用，累计服务超过300万人次。 5科技企业与器械巨头在世界舞台上，众多科技公司与器械巨头也纷纷在AI医疗领域发力，通过下表我们可以看到他们这一年的在AI方面的努力。科技巨头的AI成果（部分）器械巨头的AI成果（部分） “潮向”何处？ 2018年是人工智能落地的一年，而2019年人工智能将更加明确自己将落向何处。近日，国内领先的健康管理机构爱康国宾，正式启动iKangAI+计划，合作企业包括依图医疗、Airdoc、科大讯飞、阿里健康ET医疗大脑实验室、百洋智能科技-IBM Watson事业部。不仅仅是爱康及其相关企业，体素科技、腾讯觅影等也不断在向下的方向之中，朝着更大的场景迈进。这是人工智能技术下沉的另一个转折点，或许我们能看到AI在三甲医院的临床应用之中献计献策，但就现在的NMPA审批结构下，深入诊断全流程或许不是明年的目标，而AI企业必须及早获取适合自己的商业模式。另一个方向是同传统器械厂商的合作，好比手机与软件的结合，这是一个双赢的选择。归根结底，AI+影像是一条一定走得通的路，但在筑路之中，何不少些浮夸，多些脚踏实地？

时间：2020-06-15 关键词：智能医疗 AI 医疗影像

频道分类

频道分类

热门板块

十大热门

公众号精选

热门分类

推荐课程

厂商动态

技术子站

项目外包

论坛活动

资料下载

技术专题

编辑原创

评 测

公 开 课

评测

公开课