医疗人工智能行业壁垒分析.pdf

医疗人工智能行业壁垒分析

一、行业发展概述

人工智能是利用数字计算机控制的机器模拟、延伸和扩展人的智能，感

知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

随着人工智能理论和相关Al模型的发展，人工智能产品逐渐开启了在医疗

领域用场景中的探索与应用。人工智能在医疗相关各环节均有应

用，在诊前可用于疾病预测及健康管理，在临床就诊中可用于疾病的

辅助诊断及辅助治疗手术规划等，能有效降低误诊率和手术风险,在就诊

后可以用于预后随访及病程管理，还可以服务于药物研发、临床研究等环

节。人工智能技术在医疗场景中的数据智能化全方位赋能是未来发展的必

然趋势。医学影像是利用光、电、磁、声等物理现象,以非侵入方式获得

人体或人体某部分内部组织的影像。临床超过70%的诊断都依赖于医学影

像。临床中最常见的影像模态包括X线摄影、CT、MRl和超声等。医学影

像具有直观、多模态、高像素精度、病灶表像样本各异、任务复杂多样的

特点，其占据了医疗数据总量的90%以上，是临床医疗中最重要的“证

据”来源之一。医学影像数据具有标准化程度高的优势，适宜进行人工智

能机器学习及深度学习。医学影像的模态和疾病种类均较为丰富，造就了

其临床诊断场景应用的复杂度。

人工智能应用于医学影像，主要是通过深度学习实现机器对医学影像

的分析判断，帮助医生更快获取影像信息，进行定性定量分析，提升医生阅

片效率，协助发现隐藏病灶，协助医生完成诊断工作。人工智能通过影像分

类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注、三维重

建、靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶

段。人工智能医学影像辅助诊断的快速发展，为医生提供全方位影像判读的

支持，已经逐步实现了快速阅片、报告解读、辅助医生诊断治疗等具体应用，

未来有望显著提高疾病诊断、治疗和健康管理的诊断效率、准确性、可及性。

二、行业发展历程

中国人工智能医学影像行业处于新兴行业发展的早期阶段，已经历了

初期技术研发、概念兴起、价值验证及商业化模式探索阶段。自2010年中

国各级医疗机构在医院系统中采用电子病历及数字化影像设备以来，医疗

领域的文本及影像数据资源开始逐步积累，为后期人工智能机器学习及深

度学习的使用提供了底层的数据资源。随着人工智能技术的快速发展，多家

互联网企业在此期间开始布局医疗人工智能行业，随之人工智能医疗进入

初步发展阶段，对医学影像数据的智能化研究也随之开展。

2015年起，在政策利好和人工智能医学影像技术取得新进展的背景下，

人工智能医学影像初创企业陆续成立，资本涌入促使相关技术快速成熟并

向应用端转化。2017年人工智能医学影像技术在智能影像识别、靶区勾画

及脏器成像方面均有所突破，标志着人工智能医学影像技术日趋成熟。在技

术成熟并向应用场景探索转化的过程中，人工智能发展的三大核心要素数

据、算法及场景的关键性被逐步认知，数据是智能化发展的核心资源，算法

是智能化决策的实现工具，场景是数据智能化价值的发挥平台。三者的紧密

结合促进了人工智能的产业化发展应用。

2018年人工智能医学影像设备的弊端开始显现，部分医院认为产品未

能实质性降低工作强度，人工智能医学影像结果呈现许多“假阳性”现象，

未能帮助降低误诊率。同时产品设计过于工程化，与医生实操需求不符，增

加了医生使用的时间成本。上述情况导致医疗机构对人工智能医学影像产

品的热情度下降，资本市场同时进入冷静期，市场开始对企业进行价值验证，

逐渐优胜劣汰。领先的人工智能医学影像企业率先发展，在产品研发上持续

升级并推出新的功能与产品，并加强与各级医疗机构的合作，适应并满足医

生的使用场景需求，逐步获得市场认可，逐渐形成行业壁垒。

疫情下医疗资源短缺加速推动了影像智能化产品的应用落地，监管政策

逐步完善。2020年国家药监局启动了对人工智能影像辅助决策医疗器械产

品的注册批准，截至2022年6月，我国已有超30款医学影像类人工智能

产品获批医疗器械第三类注册证。产品的加速获批推动了我国医学影像人

工智能辅助诊断产品从研发到落地的商业化探索之路。

当前人工智能医学影像产业仍处于发展探索的初期阶段，数据资源的整

合与利用是驱动行业数字智能化生态建设的核心因素。目前国内大多数医

院在影像数据存储及治理上的智能化投入较少，大多处于信息化运营阶段。

医疗机构内部的影像数据资源集成整合已经逐渐成为制约医院数字智能化

发展的障碍