千亿赛道的AI医学影像行业爆发，应用场景落地仍是难点
李星
近年来，随着人工智能（AI）技术在医学影像领域的逐步应用，中国内地鼓励医疗器械行业创新发展相关政策的不断落地，致力提升医疗机构服务水平的医学影像新业态崭露头角，尤其是以AI医学影像产品为代表的诊断设备，成为医疗器械行业发展热点。
随着我国医疗系统的不断完善，对医学影像设备的需求也越来越大。行业数据显示，全球医学影像市场规模由2016年392亿美元增至2019年425亿美元，年均复合增长率为2.04%。中国医学影像市场规模由2016年89亿美元增至2019年136亿美元，年均复合增长率为15.2%。内镜产业联盟预测认为，到2023年全球及我国医学影像设备市场规模将分别达到650亿美元（约4200亿人民币）及270亿美元(约1700亿人民币)，其中。
内镜产业联盟的专家表示，由于中国内地的AI人工智能行业发展与国际水平相差不远，AI技术在各个行业的快速渗透也推动AI技术本身在行业中的应用进一步成熟，如今的AI医疗影像赛道已经进入下半场，基本上已经成为成熟参与者的游戏。
实际上AI医学影像行业是近几年才快速发展起来。2018年是AI医学影像初创企业数量达到顶峰，2019年则是AI医学影像行业资本寒冬，但到了2020年AI医学影像行业成了“批证大年”，经历了一轮大浪淘沙的AI医学影像企业再次获得市场关注。
此外，AI医疗应用领域中，医学影像是投资金额最高、投资轮次最多、应用最成熟的热门领域之一，资本市场对AI医学影像行业的高度认可与大力支持，将会加速相关技术的成熟与应用场景的落地，助推医学影像行业转型升级。
前不久，深睿医疗出手并购依图科技的医疗板块，推想科技向港交所递表，拟香港主板上市等，都给AI医学影像行业带来了越来越多的资本关注。在行业最后格局和市场蛋糕越来越明朗的前提下，又会有哪些头部企业在赛道下半场保持冲劲，在弹药和资源开始高度集中背后，又会有哪些企业率先发起最后的冲刺竞争，这都成为行业内最大的疑问。
内镜产业联盟的专家认为，AI医学影像设备目前来讲，还属于高端医疗器械领域，由于需要在硬件、软件、大数据处理等多学科领域互相交叉融合，产业链涉及基础工业、制造业、影像学、医疗机构、互联网等多个行业，具有知识密集、附加值高、行业应用粘性强等特点。
AI技术可以对复杂的数据进行识别，并能自动作出定量评估，可以辅助临床医生诊断，有助于形成更准确的放射学评估结果，很大程度能解决医生和患者之间的认知度不统一难题。就医学影像领域而言，基于技术类别，AI技术衍生出两大基础应用：一是数据感知，即通过图像识别技术对医学影像进行分析，获取有效信息；二是数据训练，即通过深度学习海量的影像数据和临床诊断数据，不断对模型进行训练，优化其诊断能力。
不过AI医学影像行业只有当有效影像数据积累到一定规模，并与诊疗行业的数据产业关联形成数据模型，产业链将延伸至AI领域，再研发形成影像智能诊断应用，才能进一步促进医学影像诊断设施及服务等发展，真正助力医疗行业。因此，相比于传统医学影像设备，AI医学影像设备优势明显，医生对AI医学影像设备的使用需求不断提升。当下，医疗行业的数据量迅速增加，AI医学影像产品技术优化速度将得到提升，进一步推动医学影像行业的升级。
由于影像数据在设备端的相对易获取性和易处理性，“AI+医学影像”在人工智能医疗领域中应用最为广泛。据行业统计，目前中国人工智能医疗公司超过130家(不包含以基因检测技术为主的企业)，其中医学影像领域的公司数量差不多占一半份额，涉及的疾病领域包括肺部、眼科、心血管、脑部等。
诊疗数据是AI医学影像设备的核心资源，仅掌握算法但数据数量和质量不足，也无法获得较好的训练效果。目前，数据获取渠道受阻、行业标准模糊、数据使用机制不明等因素，一定程度上限制了AI医学影像行业的发展。为更好地推动行业健康快速发展，也需要行业各个相关的产业链环节一起来建立起一系列有效解决方案，通过合理的数据分享机制，建立医疗行业认可，并愿意推广使用，且能实际普惠全民医疗健康的标准化、大样本的数据库。
据内镜产业联盟的专家了解，同其他行业相比，医学影像行业在高质量数据获取上有着天然劣势，主要是高质量影像数据集中在三甲医院，不同医疗机构间缺乏有效的数据互通机制，数据很难实现共享。
而且我国医疗数据量虽然庞大，且影像数据分散在不同医院中，其中80%是非结构化数据，数据的筛选、清洗难度很大，导致AI医学影像模型难以得到有效训练，影响实际应用效果。也限制了AI在医学影像行业的进一步应用。
另外在训练数据库上设立上，适用范围，涵盖体检、筛查、门诊和实验室等不同场景的图像在国内尚无规范化设计的有效数据库，有效标准训练数据的获得渠道在AI医学影像行业的高质量发展上还存在短板。
另外就是不同医疗机构的影像设备不同、诊疗手段各异，数据标识方法千差万别，是也AI医疗影像行业面对的难题，也需要通过统一行业标准加强引导和规范。虽然底层代码可以复用，但不同病种需要不同的标注数据训练不同的模型，不同病种模型具有不同的特点，导致行业发展初期参与者相对分散的行业格局。
如加强训练数据集标注者队伍的资质认定，统一图像征象认识、标注方法、分割方法、量化方法等，避免产品在实际应用过程中存在标准不统一等情况。
最后还有患者与医疗机构对建立有效的数据保护和监管机制的期盼。医疗单位不愿开放和分享数据，很大程度上是出于信息安全的考虑。目前，可以开放使用的数据类型，以及数据的归属和伦理问题尚不明确。同时，数据的使用缺乏有效的保护和监管机制。因此，需完善相关法律法规，明确数据的使用规范，确保数据质量标准化、可溯源。
但对于AI医学影像的产业前景，不管是监管部门，还是产业链厂商，以及医疗机构与患者，都希望能够看到更多的AI医学影像技术在实际诊疗活动中落地。
截至2021年7月，国内已经有15款产品通过了NMPA三类医疗器械审批。《中国医学影像人工智能发展报告2020》的数据显示，现阶段AI医疗影像的院端付费渗透率为4.5%-7%。如果说“三类证”是AI医学影像企业迈入商业化的敲门砖，“应用场景”则被认为是产品落地下一个难点。
内镜产业联盟的专家认业，其中最突出的变现场景和商业模式。医疗图像智能识别技术潜在的变现方式不多，包括作为单独的软件模块向医疗机构销售、与影像归档和通信系统（PACS）等系统组合向医疗机构销售、与影像设备合作形成软硬件一体化解决方案向医疗机构销售、通过远程医疗等方式服务基层医疗机构，以及通过互联网医疗等方式直接服务于患者等少数多种途径。只有场景和商业模式的多样化才能让AI医学影像行业细分赛道众多，企业在各自赛道展开竞争。
建议行业大力发展数据整合与共享机制的建立，通过模型训练方式的成熟，商业模式的确立，以及越来越多产品的获批，让中国企业在“场景+数据+算法”上将逐步建立起技术壁垒和商业壁垒，推动中国AI医学影像行业走向全球普惠医疗。
本文来源为其他媒体的内容转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们
