罗兰贝格《人工智能白皮书》估算，到2030年，人工智能将在中国产生10万亿元的产业带动效益。受AI影响最大的传统产业是金融、汽车、零售和医疗。在医疗行业，人工智能可提高药物研发的成功率、为医疗机构提供疾病诊断辅助、疾病监护辅助等应用，预计人工智能可带来约4000亿元人民币的降本价值。
安徽省立智慧医院成立
去年，科大讯飞与安徽省立医院宣布共建“安徽省立智慧医院(人工智能辅助诊疗中心)”并举行揭牌仪式，这标志着人工智能全面赋能中国医疗的时代正式开启。目前，人工智能辅助诊疗中心与安徽省医学影像云平台、安徽省立医院医联体远程会诊平台完成对接，正式接入41家县级医院提供人工智能辅助诊疗，未来将服务安徽省全省105个县，进行全面应用。
据了解，人工智能在肺癌和乳腺癌的医学影像辅助诊断方面已经达到了三甲医院医生的平均水平，在未来，人工智能不仅辅助医生阅片，还能辅助医生开出诊疗处方，进一步提升一线医生的诊疗水平。
所谓人工智能的核心，即在医生的问诊过程中，通过智能语音以及自然语言理解技术，人工智能能够不断捕捉医患沟通信息，帮助医生进行更全面更精准的问诊；
企业扎堆医疗影像AI
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表示，“在癌症诊断、病理界，我们非常期待拥抱人工智能。”
据不完全统计，2018年上半年国内医疗人工智能融资案例超过30起，同比增长141.67%，披露融资规模超过数十亿元；从各细分领域案例数量及规模来看，影像识别、智能诊疗依旧占大头，超过2/3。
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。据统计，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。
目前在医疗影像AI领域较为熟知的企业有：
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）
扎堆医疗AI影像的原因之一在于，医疗数据中有90%来自医学影像，且国内医学影像数据以30%的年增长率增长。影像是辅助医生诊断的工具，有数据显示，70%的临床诊断需要借助专业的医学影像。而影像医生在人手紧张，同时又要面对大量复杂的影像情况下，难免漏诊误诊。
影像科大夫如何去评判和选择
北京大学人民医院杜湘珂教授在“医学影像中的人工智能技术”主题演讲中表示，医学影像AI还处于“婴儿期”，但AI和人类相比在智能筛查方面的速度和准确性上都有很大优势，学术界和企业界已经出现了很多成果。
医疗影像的数据体量占到医院整个数据的75%-80%，体量非常大。而且在所有的数据里，影像的证据跟临床病理比较起来，它的标准化、格式化、统一性还是最强的。单纯的病理有太多零碎的东西。
人工智能在我们眼里还是一个小“baby”，可能因为算法复杂性，很多计算方式跟临床接轨，这里有一个业务化的问题，还有计算机的瓶颈，还都制约着它的发展。但不管怎么说，AI的生命力是不可阻挡的，似乎要影响到每一个影像科大夫，我们只有主动学习。
杜教授以沃森肿瘤诊断机器人为例，她介绍，沃森医生根据患者的症状、病史和诊断数据，自动去搜索海量的病例和医学图书、论文数据库，进行对比匹配，得出它认为最合适的诊断和治疗方案。沃森机器人学习了200多种肿瘤专业领域的教科书，培训了300多种医学期刊，1500多种肿瘤文献的关键信息和临床实验中的60多万条医疗证据，它的训练在医学界来说是比较完整的。2016年来到中国，2个小时为21名癌症患者做了义诊，包括胃癌、肺癌、直肠癌、结肠癌、乳腺癌和宫颈癌等，它现场和知名医生的对话结果成功率达到90%。
AI 一开始的状态就是小成品临床验证，局限于病灶检出。随着技术能力的提升，人工智能几乎无处不在，很多医院的放射科大夫都已经接受了这一新事物。其次， AI 还需要更大的基础研究，需要更大的数据源进行训练和更多的科研院所、医院进行合作。最终的目标是让 AI 在医疗领域能够达到标准化、量化和结构化，成为一个高水平的AlphaGo。但还要思考临床 AI 以后的发展方向，因为现在这些数据非常隔离与孤立，所以未来 AI 可能会参与提炼和梳理数据，把控数据的成色。
过去影像科的医生都是通过影像数据和自己的主观经验进行诊断，但是现在 AI 以超乎想象的速度和能力进入传统领域，这场变革是由技术推动的，医生的工作不会丢失，但可能会换一种形式。所以，要保持自己的初心。
>
