AI企业重点关注的9大医学成像模式和11个人体部位

导读： AI应用于医学成像，最初的重点是利用内置技术——将局部定位算法用于传统放射图像。不过，在过去的两三年里，市场一直在朝着通过云计算向用户提供AI技术的方向发展，这使得AI更加广泛可用，同时算法也能够从更高的使用量中不断学习。

Frost ＆ Sullivan的报告显示，虽然目前人工智能（ AI ）在医学图像分析领域的前景吸引了一大批关注，但是，AI在增强整个医学成像过程和开启智能成像系统的潜力，也同样存在巨大机遇。

AI应用于医学成像，最初的重点是利用内置技术——将局部定位算法用于传统放射图像。不过，在过去的两三年里，市场一直在朝着通过云计算向用户提供AI技术的方向发展，这使得AI更加广泛可用，同时算法也能够从更高的使用量中不断学习。

未来，更可期的趋势是用于成像模式本身，而不是在PACS或后处理工作站上。首先要把深度学习AI技术嵌入扫描设备，将算法应用于原始图像数据。

当今医学成像AI市场的特点呈现动态、多样化的竞争格局，包括一些主要的云计算供应商（已与成像AI初创企业达成合作伙伴关系）、提升计算速度的供应商、云市场（cloud marketplace）供应商、健康IT供应商（与云合作伙伴建立了生态系统）、核心医疗成像和信息学供应商、以及一些主要的IT供应商和90多家独立软件供应商。医学影像AI分析的初创企业数量也从2009年的2家，增加到了2017年的83家。

这个领域也吸引了大量投资。以投资于心血管软件开发商HeartFlow公司的4．665亿美元为代表，在不到5年的时间里，医学成像AI市场筹集到超过10亿美元的资金。如果把收并购和一些大企业的研发资金也包括在内，这一数字将高达60亿美元。

目前，医学成像AI的主要应用集中在自动化、加速以及增强图像分析，其中医学成像AI公司最关注的成像方式是CT和MRI（表1）。

表1  AI领域所关注的9大成像模式

而换一个角度，从不同人体部位来看，大脑和肺部是最受关注的（表2）。

表2  AI领域所关注的11个人体部位

眼下业界面临的一个大问题，是如何将医学成像AI技术的巨额投资货币化。最有可能的财务模式是以结果为导向，包括共享储蓄或利润共享模式。

除了图像分析之外，AI其实还可以用于医学成像工作流程的各个方面（表3）。

表3  未来可应用AI的9大细分领域

虽然全球的医疗保健机构都希望降低成本、提高产出，提升患者和员工的满意度，但采用医学成像AI的获益因地域而异。比如，美国将受益于劳动效率和标准化方面，而英国为了解决放射学家短缺和患者等待时间长的问题，中国则是需要提供更多的医疗专业知识。

本文由“器械汇”整理，转载请注明出处。