自2006年起，国内人工智能+医学影像的企业在逐年缓慢增长，绝大多数的企业都主要聚集在北京和上海两地，有大部分企业完成了A轮融资，初创型企业的概念项目逐渐走出来，受到了资本的青睐。

在医学影像领域，过去六年，人工智能是促进产业升级的动力，其通过模仿人脑神经元网络构建数字模型，需用海量数据作为训练素材，曾因算法复杂、运算要求高而难以广泛使用。

近六年，随着深度学习算法的逐渐普及，工程师们通过建立深度学习神经元数学模型，从海量医疗影像诊断数据中挖掘规律，学习和模仿医生的诊断技术，可有效辅助医生的日常诊疗工作。

在人工智能尚未渗透到医学影像领域之时，医生为了医学或医学研究，会对人体或人体某部分，以非侵入方式获取内部组织影像，囊括了医学成像系统和医学图片处理两个阶段。人工智能其实是切入到医学图片处理阶段，用大数据所生成的概率，辅助医生日常诊疗，以提高工作效率。

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，目前产品多集中在肺结节查找上，同质化严重。

多名业内人士表示，医疗影像AI公司仅靠单一产品，在医院盈利难度较大。未来创业公司可开发短平快的优势盈利模块、与设备厂商合作相互赋能或在体检机构、基层医院推广使用AI影像产品。

AI“双重审核”，降低医生漏诊率

武警总医院CT科主任王贵生回忆，2016年底，美国一家科技公司联系到武警总医院，将一个肺结节筛查AI产品的试用版安装到了科室的电脑里。“当时的系统特别慢，需要先把影像资料导到服务器上，然后它给出格式化报告再导出来。”

真正落地到武警总医院的是2018年引入的两个产品，分别来自深睿医疗和推想科技。虽然功能和之前美国的产品大同小异，但操作时间缩短了不少。

据介绍，在武警总医院这样的综合型三甲医院，一天做CT的病人约270个，科室有7名医生读片、写报告，5名医生审核，每位医生平均每天要看30多个病人的片子，一个病人约有500多幅图像，每个图像需要二级或三级审，至少要过三遍。

王贵生表示，一个片子阅读加写报告约要5-8分钟，用了AI产品之后，时间上并没有明显的减少，但系统提示过以后，漏诊的几率低了。另一方面，AI对结节大小体积的测算比人工准确，尤其是对于椭圆形的结节，AI的测量则相对准确。

产品同质化严重，闲置率高

虽然一些医院同时安装多家公司的AI产品，但真正使用的只有一两家，甚至一家都未使用。

武警总医院的多名医生表示，他们平时会从根据使用习惯、系统的稳定性等只用一家，并不会去切换比对。广东省第二人民医院也表示引入了图玛森维、腾讯、推想科技的产品，日常用的也是1家。某匿名行业内人士透露，有的医院是使用一段时间就不用了，因为筛查不精准，或者调用软件时导致系统崩溃，医生不愿意花费时间。

这是因为，虽然AI能帮助找出结节，但在进一步的良恶性判断与报告意见出具方面，AI尚不能给出结论。而且，目前市场上的产品多集中在肺结节上，同质化严重。

一位影像AI领域从业者透露，肺结节出产品容易而新病种攻克难度大。他表示，肺结节公开数据最多，很多数据集可以直接下载，而且肺结节影像相对直观，不管是创业公司还是上市公司，过去两年都相继推出类似产品；而新病种研发需要大量深度学习模型训练，获取单病种数据难度大，还需要与大量专家合作进行精标注，新病种的验证周期也非常长。

对此，各家创业公司表示，除肺部筛查产品之外，也在开发适用于脑部等其他部位的AI应用，只是大多数产品还没进入到临床应用阶段。

推想科技创始人兼CEO陈宽认为，虽然大家都在做肺结节，但是在医院的使用情况截然不同。同质化不重要，关键看的是医生的信任度与点击量，这才是判断产品的标准。