影像研究与医学应用

本内容由【大分享文库 west960.com】整理分享！现代医学影像学涵盖医学领域内所有以显示人体器官和组织的大体形态学信息为目的的检查方式，由于医学影像成像技术的多样化，使得医学影像学成为包含医学、数学、物理学、信息学等多学科交叉融合的学科。下面我们就来学习一下现代医学影像技术论文怎么写。　　现代医学影像技术论文写作的格式，一般有如下一些段落所组成：①题目；②着者（单位及或个人姓名）；③摘要；④关键词；⑤序言（引言，导言）；⑥资料与方法；⑦结果；⑧讨论；⑨致谢；L参考文献。得到有关部门立项及基金资助的，一定要在论文首页脚注处加以说明。　　以上的形式一般是指论着的写作格式。一般篇幅小的论文，只保留：①序言；②资料与方法；③结果；④讨论：⑤参考文献；摘要及关键词免去。报道罕见病例或新发现病例的论文（个案报道），可按下列栏目撰写：①序言；②病例报告；③讨论；④参考文献。　　下面介绍各个段落的具体写法及在写作中应注意的一些问题。　　题目材料与方法、结果、结论的简短、扼要而连贯的重述。一定要把论文本身新的、最具特色的东西表达出来（重点是结果和结论）。摘要的具体写法，目前国内大多医学期刊都以结构式为标准。这是根据1987年加拿大学者的建议，为使读者通过临床科研论文的摘要获得更多的有用信息，给摘要规定结构。如：目的，设计与环境（在什么地方、什么医疗层次进行研究），病人或参与者（包括例数、如何选择及完成研究的情况），干预（包括采取的措施），测试与结果（包括评佑方法），以及结论（包括临床应用）。这种摘要叫“结构式摘要”,一般规定不超过250个字，而“非结构性摘要”（不分栏目的摘要），规定不超过巧0个宇。目前众多国际刊物均采用前者，但简化为：目的、方法、结果、结论4个部分。结果要求列出主要数据及统计学显着性（如果有的话）。　　　论文的题目要求　　　用最简洁、恰当的词反映文章的特定内容，把论文的主题明白无误的告诉读者，并且使之具有画龙点睛、启迪读者兴趣的功能。一般情况下，题目中应包括文章的主要关键词。论文的题目要有特点，指的是要突出论文中特别有独创性、有特色的内容。题目字数不应太长，太长就不鲜明简洁和引人注目，一般要求在20字以内。题目应尽量避免使用化学结构式、数学公式，或不太为同行所熟悉的符号、简称、缩写以及商品名称等。　　　关键词、着者论文的署名是科技论文的必要组成部分，要能反映实际情况，研究工作主要由个别人设计完成的，因此署以个别人的姓名；合写论文的署名应按对论文工作贡献的多少顺序排列，作者的姓名应给出全名。科技论文一般均用作者的真实姓名，不用变化不定的笔名，署名人数不应太多。医学刊物编辑国际委员会规定，有资格当作者的人，应对该项科研有实质性贡献，应具备以下3个条件：①提出思路，进行设计并对所得数据做出分析和解释；②起草文稿或对其重要内容做了认真严格的修改；③最后审核可以发表的定稿。仅参与获得基金或仅参加数据收集的人不能当作者，负责监管科研小组的人也不能当作者，他们只能在“致谢”栏中被提及（经被致谢人书面同意才能在论文中提及）。同时还应给出作者所在工作单位，或详细通讯地址，以便于联系。　　　关键词也叫索引词，主要是为了图书情报工作者编写索引，也为了读者通过关键词查阅想读的论文。我国有关标准（G3B179/T一92）规定，现代科技期刊都应在学术论文的文摘后面给出3一8个关键词。关键词的标引首先要选取猎人《汉语主题词表》和美国医学索引最新主题词表《MesH》（刊于每年第l期）中的规范性词（称叙词或主题词）。对于那些反映新技术、新学科而尚未被主题词表录人的新产生的名词术语，亦可用非规范的自由词标出，以供词表编纂单位在修订词表时参照选用。要强调的一点是，一定不要为了强调反映论文主题的全面性，把关键词写成一句句内容“全面”的短语。　　　序言　　　序言（引言、导言）作为论文的开端，起纲领的作用。主要回答“为什么研究”这个问题。简明介绍论文写作的背景、相关领域的前人研究历史与现状，以及作者的意图与分析依据，包括论文的追求目标、研究范围和理论、技术方案的选取等。序言应言简意赅，不要等同于文摘或成为文摘的注释。如果在正文中采用比较专业化的术语或缩写用词时，最好先在序言中定义说明。　　　　摘要　　　科研论文的摘要是科研论文主要内容（包括研究目的、资料与方法资料主要交代作者用什么具体实验对象（如人或动物及其选择标准等），用什么具体实验方法（包括所用仪器及规格、试剂、药物及批号、操作方法等）来收集数据和验证假说。　　　具体内容：①这部分内容应明确交代实验对象的特征（包括人的年龄、性别、病情）、实验条件和观测指标；交代对象是否真正经随机抽样分组（包括注明具体随机化方法，以及分组后到开始治疗的时间间隔），是否有足够例数，实验组与对照组间的条件是否相同或相似（可比性）等。②实验方法（包括观测指标和观察记录）的描述要区别对待：作者创造的新方法要尽量详细具体，使读者可依此重复验证；文献已有报道的方法，简单提一下并用角码注明，在文末附上文献出处即可；对常规方法作者有所改进的，应详细具体描述改进部分及改进的理由，其余从略（但也要注明原法的文献出处）。实验条件可变因素的控制方法（如放射免疫法的质量控制）要加以详细说明，以显示本文结果的可靠性和准确性。论文中这部分的常见毛病，是以上各项交代不清楚或过多地介绍文献上早已介绍过的方法，或罗列与本文无关或关系不大的“一般临床资料”;其次是度量衡单位未使用规范的国家法定计量单位。　　　结果　　　　试验与观察、数据处理与分析、试验研究结果的得出是正文最重要的成分，应该给予极大的重视。要尊重事实，在资料的舍取上不应该随意掺人主观成分，或妄加猜测，不应该忽视偶然发生的现象和数据。未经统计学处理的实验观察记录数字，叫原始数据，统计学处理就是要使原始数据从难以理解变为易于理解，并从原始数据的偶然性中揭示稳藏在其中的某种必然规律。新诊断方法研究结果，要特别注意交代试验结果与公认的金标准进行独立的“盲法”的比较，其符合程度如何，其敏感性、特异性、阳性预测值、阴性预测值、准确性及观察者之间的差异，或与观察者不一致的程度如何等。结果中常出现的问题有，结果没有经统计学处理，这是属于研究设计上的缺陷（如用庞杂的原始数据代替整理加工过的数据，或没有统计学检验后的结论）；有的结果与“材料与方法”内容对不上号，使用“多见”、“少见”等不确切的措辞，代替具体的科学数据做出实事求是的结论和理论性分析（为体现讨论的客观性，一般采用第三人称语气）。具体包括：本实验观察的结论，所得结果有何理论和实践意义，能否证实有关假说的正确性，结果中有何内在联系（规律）。实验观察中发现预期以外事实现象的假定说明，与自己过去的或其他作者及其理论解释的比较，分析异同及其可能原因，根据自己的或参考别人的材料提出见解（见解若已知，是别人早先提过的应予以注明，切不可违反科学道德），实事求是地（有根据地）与其他作者进行两榷（要抱有虚心追求真理，但又不是故作谦虚的态度），同时用一分为二的观点，分析自己工作中可能存在的缺点错误和教训，例如本研究所用方法是否有局限性等；提出有关今后研究方向及本结果可能推广应用的设想，这往往对读者的思路有所启发。必须强调的是，论文的讨论部分要对主要问题，特别是本研究创新、独到之处加以充分发挥。对次要问题或与文献符合一致之处可一笔带过，讨论重点应放在与文献不一致之处。对本研究未能解决或有待解决的问题应明确提出。篇幅较大的讨论，应分项目编写，每个项日应集中论述一个中心内容，并冠以序码。讨论的中心内容应与正文各部分，特别是结果相呼应。讨论中不应过细重复以上各部分的数据。论文查重检测

原标题：首届北京医学影像诊断及新技术应用高峰论坛在京召开11月28日，第一届“北京医学影像诊断及新技术应用高峰论坛——精准医学影像先行”在京隆重举办。本次论坛主题聚焦于：肿瘤影像诊断及医学影像新技术应用。旨在通过学术交流、技术探讨、高峰论坛等多种形式，统一影像诊断共识、推广影像新技术与理念，促进多学科交叉与融合，为民众提供更早的诊断和更及时的治疗。原中华医学会核医学分会主任委员、全军核医学会主任委员、中国医师协会核医学医师分会会长、中国人民解放军总医院核医学科主任田嘉禾教授表示，“医学影像技术在现代医疗行业中的应用不断扩大、地位不断提高，成为现在临床医学检测中不可或缺的重要组成部分。目前，医学影像数据采集越来越标准化与规范化，支持典型疾病领域的医学影像新技术研发，加快医疗影像精准诊断系统的产品化及临床辅助应用。”论坛中，中国非公立医疗机构协会常务副会长兼秘书长郝德明先生表示，“医学影像在我们日常生活中越来越重要，已经从临床辅助手段发展成为诊断疾病的主要方法和重要诊疗手段。”据全景医学影像联合创始人、集团总裁居培明先生介绍，未来，医学影像的发展趋势是在大数据的基础上，开展具有临床意义的人工智能新技术研究，为临床诊断提供精准数据案例，助推精准诊疗和影像新技术服务于民众。首届北京医学影像诊断及新技术应用高峰论坛旨在发挥纽带桥梁作用，加强医学影像专家与临床专家的互动交流，实现医学影像和新技术的融合，推动行业创新合作，使精准诊断及医学影像新技术真正落地，并实现临床运用，最终为提高医疗质量、降低医疗成本、造福更多民众，做出更多的突破和贡献。本次论坛由全景医学影像主办、北京全景德康医学影像诊断中心承办、西门子医疗系统有限公司协办。责任编辑: 小云【来源：环球网】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

2019年6月16日-6月20日，全球计算机视觉与模式识别顶级会议(IEEE CVPR 2019)将在美国长滩拉开帷幕，本次会议论文收录工作已经结束。CVPR( Conference on Computer Vision and Pattern Recognition)作为行业最顶级的研究型会议，每年被收录的论文均来自计算机视觉领域顶级团队，代表着国际最前沿的科研技术，并指引着计算机视觉领域未来的研究方向。本届CVPR总共录取来自全球顶级学术论文1299篇，中国团队表现不俗。深睿 AI LAB 8篇论文入选CVPR 2019根据CVPR 2019官网显示，共提交了7144篇论文，其中5165篇为有效投递论文，比去年CVPR2018增加了56%，最终录取了1299篇。这些录取的最新科研成果，涵盖了计算机视觉领域各项前沿工作。2019年深睿医疗有8篇论文被本届CVPR大会接收，跻身中国论文发布数量排名前列的科技公司之一。深睿研究院CVPR2019录取论文在以下领域实现了创新性突破：医学影像微小病灶检测、细粒度图像分类、基于弱监督的显著性检测、图像与自然语言的综合理解，统计理论与深度学习相结合，采用“异常检测”新思路准确检测医学图像中富于变化的弱信号等前沿技术。这些全球领先的计算机视觉算法显示了深睿研究院在计算机视觉领域强大的核心人才储备、科研文化底蕴和技术创新能力。深睿研究院独创的算法已被应用于深睿医疗现有医疗AI产品中，同时对未来产品研发提供有力的技术支撑。对于自研算法在智慧医疗领域的应用，研究院本次被录取了一篇文章题目为《基于级联生成式与判别式学习的乳腺钼靶微钙化检测(Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms)》的论文。论文针对乳腺钼钯中的微钙化(直径<=1cm)检出问题提出了结合生成式和判别式模型的新思路。钙化检测对于乳腺癌的早期诊断十分关键，根据美国放射学院第五版BI-RADS标准，可疑恶性钙化点通常直径在1cm以内。因此，研究微钙化的检出算法具有重要的临床意义。(论文中配图)钼靶影像的微钙化点通常不到10个像素，且形态多变，再加上正常组织背景变化较复杂且样本量极大，仅使用判别式分类器很难提取到有效的特征。本篇论文设计了一个生成式模型“异常分离网络”，与判别式模型相结合，在公开和私有数据集上均超越了当前钙化检出的先进水平。深睿医疗2018年发布的一款基于乳腺钼靶的人工智能辅助诊断系统的产品，主要应用于乳腺癌的早期筛查和诊断，这篇论文中的算法已经在深睿这款产品上得到应用。另外一篇入选论文《为自底向上细粒度图像分类服务的弱监督互补部件模型(Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up)》提出了一种新颖且有效的框架—弱监督互补部件模型，来完成细粒度图像分类任务。(论文中配图)作者首先通过基于弱监督学习的物体检测和实例分割提取粗糙的物体实例，然后在尽可能保持多样性的原则下，对每个物体实例的最佳组成部件进行估计和搜索。实验表明本文提出的框架在一些常用的为细粒度图像分类服务的公开标准测试集上大幅度地超越了当前最先进的算法。俞益洲教授领衔的深睿研究院，在2018年的科研攻坚战取得了阶段性的成果。俞教授本人在2018年度入选2019 IEEE Fellow以及2018ACM杰出科学，获得两项殊荣，并带领团队完成了7款医疗AI 领域的人工智能产品的研发。俞教授坦言成立深睿研究院的初衷就是为了可以集中企业最核心的技术力量，探索前瞻性的技术，为医疗AI提供领先的技术，为医疗机构提供优质的临床痛点的解决方案，同时培养优秀的医疗AI科技人才。目前深睿医疗已经和10多家国内外顶级学术机构建立长期学术科研合作，20多家顶级三甲医院建立长期临床科研合作。医疗AI任重道远，需要更多的科研人员投身其中，要有克服困难的决心，也要有进行长期技术积累的耐心。深睿研究院CVPR2019收录论文列表如下：[1] “Cascaded Generative and Discriminative Learning for Microcalcification Detection in Breast Mammograms”Fandong Zhang, Ling Luo, Xinwei Sun, Zhen Zhou, Xiuli Li, Yizhou Wang, Yizhou Yu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[2] “Towards Accurate Task Accomplishment with Low-Cost Robotic Arms”Yiming Zuo, Weichao Qiu, Lingxi Xie, Fangwei Zhong, Yizhou Wang, Alan Yuille, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[3] “Convolutional Spatial Fusion for Multi-Agent Trajectory Prediction”Tianyang Zhao, Yifei Xu, Mathew Monfort, Wongun Choi, Chris Baker, Yibiao Zhao, Yizhou Wang, Yingnian Wu, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[4] “Completeness Modeling and Context Separation for Weakly Supervised Temporal Action Localization”Daochang Liu, Tingting Jiang, Yizhou Wang, IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, June 16-20, 2019.[5] “Cross-Modal Relationship Inference for Grounding Referring Expressions ”Sibei Yang, Guanbin Li, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[6] “Weakly Supervised Complementary Parts Models for Fine-Grained Image Classification from the Bottom Up ”Weifeng Ge, Xiangru Lin, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[7] “Multi-Source Weak Supervision for Saliency Detection”Yu Zeng, Huchuan Lu, Lihe Zhang, Yun Zhuge, Mingyang Qian, Yizhou Yu, IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.[8] “Towards Rich Feature Discovery with Class Activation Maps Augmentation for Person Re-Identification”Wenjie Yang,Houjing Huang,Zhang Zhang,Xiaotang Chen,Kaiqi Huang,Shu Zhang. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2019.来源：中国网

2016年上半年，我第一次讲AlphaGo战胜李世石带给医学影像的挑战，当时有人不理解AI跟医学有什么关系。2016年的RSNA年会主题是Beyond Imaging，参加完之后大家觉得好像AI跟医学有关系。2017年，主题变成了Explore Invent and Transform，2018年的主题是Tomorrow’s Radiology Today。现在大家觉得AI是我们人类的助手，AI会改变我们工作方式，改变医学影像的状态，所以我们要去拥抱它、参与它，对未来充满着憧憬。所以我觉得，从RSNA年会的主题就可以看到我们对于AI观念的转变。AI在中国医院的现状调研大家都知道，发展AI作为国家战略是非常坚定的。中国从事AI的公司有1500多家，从事AI影像的公司也有很多。但是，AI在医学上到底有什么需求？今年，中国医学影像AI产学研用创新联盟（CAIERA）联合中华医学会放射学分会与中国医学装备协会人工智能联盟，联合搞了一个调研。这次调研我们回收了医生问卷5142份，企业问卷50多份，研究所问卷120多份。其中，四川省和安徽省在参与和完成问卷数量上分别排第一位，云南在医生注册上排在前面，虽然云南省不大，但是填写问卷的数量排在第二位。在参与调研的医院中，二级医院占48.41%，三级医院占47.81%，基本上是五五开的样子。三级医院完成问卷的情况更好一些。这些医院是否跟相关企业或者科研院所合作过？结果显示，没有合作过的有84%，所以空间很大，值得大家去耕耘。在被调研的医生感兴趣AI领域，腹部最多，有56%；其次是心胸45%、骨关节36%、神经35%、头颈29%、乳腺14%、儿科12%等等。AI应用过程中，医生认为存在哪些问题？第一个是没有行业标准，第二个是AI与临床医生承担的法律责任划分，第三个是医生缺乏相应AI的知识，第四个是AI产品的可信度还达不到。这份调研报告加起来有50多页，还没有正式发布，我仅仅简单介绍了其中2页的内容，给大家透露一点信息。相关结果详情我们会选择一个合适的时机发布，希望调对医学影像AI的布局有所帮助。刚需在哪？企业下一步如何布局？中国医学影像需求很大，但是服务跟不上，很多AI公司在这个领域发展，是所有影像科医生的福音。大量的公司投入其中，必然有更多的机会解决我们的痛点。我们研究了一下中国医疗领域AI公司布局的方向，发现他们集中在头部、胸部、盆腔、四肢关节。最多投入的就是肺结节以及肺部相关疾病，其次是脑出血，盆腔的主要是前列腺、直肠，骨关节主要围绕骨折和骨龄。 大家可以看到，中国医学影像AI公司是很多的，美国反而很少。但是要注意，美国的这些公司都是拿到FDA证的，中国的公司虽然多但还没有一个拿到证的。虽然我们繁荣，但还没有落地。 中国AI企业的产品布局，最多的是肺结节等肺部疾病，几乎所有的AI公司都有，因为这一块大家都觉得门槛低，类似于黑纸上找白点，大家觉得比较容易，其他的眼底、皮肤、骨骼、脑出血等等虽然难度稍微大一些，但总体上图像维度都比较低，比较好识别，成为大家的切入点。复杂维度的地方，目前的算法还是解决不了，需要未来大家一起攻克。因此，离我们临床或者是落地最接近的AI技术就是肺结节，其次就是糖网筛查，其他还有骨骼，越往后的离我们临床越远。目前AI产品涉及成像、筛查、随访、诊断、治疗及疗效评估等各个环节。成像环节，目前基于全迭代的图像重建一个病人要半个小时或更久，临床难以接受。用深度学习的方法有望实现类似于全迭代重建的效果，而时间大大缩短，能解决优质图像的瓶颈问题，可能给图像质量的重建带来一个革命。病变的检测环节，人机协同一定会提升检测病变的敏感度。现在可能大家都意识到了，单病种是不符合我们临床场景的，需要多任务学习。多病种的学习才符合我们的临床场景，所以现在已经有多家公司来布局多任务的学习，对于肺里面的结节肿块、肺炎等等进行检测。另外还有骨折模型，胸部的肋骨骨折可能是急诊常常会出现漏诊的地方，基于深度学习的肋骨骨折模型显示了未来强大的应用潜力；有一些隐蔽的骨折，我们可以通过改变摄像的体位来进行证实。 对于基于CT的肺结节诊断模型，AI产品目前能够从发现结节、结节的排序、量化、随访，一直到提取一些结构化的信息或者是报告，甚至做一些危险度处理的建议。在诊断环节，也在进行着各种探索。只要有大量手术证实的病例，机器学习是有希望的，目前有部分公司的产品在闭环数据上已经显示了非常好的敏感度和特异度（分别达到95%和70%），这样差不多就达到了主治医生的水平，如果解决了泛化性问题，前途是美好的。 预测环节，AI可用于肿瘤预后、治疗效果、能否手术等等，比如纯磨玻璃密度结节到底哪一个该开？哪一个不该开？能够真正判断出来的专家毕竟数量有限，作为普通的医生，怎么判断？我们外科医生怎么判断？如果有AI模型帮助他判断，这个结节可能是有风险的，那就可以帮助他来解决这个问题，减少误判。在治疗环节，现在基于深度学习的图像重建，可以帮助医生重构更加直观的病变位置、形态以及信息，可以进行被切除部位残余正常器官组织的功能评价，可以进行年轻医生术前培训，可以进行术前模拟手术的导航以及路径训练，这些都是AI未来很有潜力的方面。在放疗领域，当然可以在各个环节为放疗医生赋能，比如说通过深度学习推荐、自动勾画靶区等等。还可以进行评价，可以通过深度学习获得更加微观的信息，来提供诊断效果的评价。尤其是靶向治疗，哪些适合，哪些不适合？我们要拿到病理才知道患者该用哪一种靶向药。微观和宏观之间的关系，可以通过深度学习的方法来获得，甚至不用做活检都可以知道哪些病人用靶向药，或者是哪些病人不用靶向药，这是非常有潜力的领域。未来AI产品可能会基于整个医疗流程的全数据形成模型，从而为病人提供更加精准的个性化诊治方案。我们影像科医生面临了一个大好的机遇，未来值得期待。比尔·盖茨说过，任何新技术的短期影响都可能被高估，但长期的影响都可能被低估。AI将会带来我们影像科整个工作内容、工作效率、工作流程、工作方式的转变。产品何时才能拿证为什么医学影像AI中国迟迟拿不到证？第一，AI不同于传统医疗产品， AI如何定义？如何分级？如何测试？比如说，硬件只需要上报产品参数，经检测符合就可以给证，但是AI的模型敏感度可以在50%到99%之间进行调节， 相应的变化就是假阳性率由低到高的变化。这当中如何平衡和判断，需要相关专家和管理部门从新学习、选择和确定。还有，我们是否具备了完整意义的AI产品？如何整合到医疗流程？拿到证后赚谁的钱？这些都是需要考虑的。我们常常说，现在单病种的模型不符合临床场景，覆盖现在几个病种还不够，要覆盖全病种；现在的单纯基于图像识别的产品还不够，需要基于工作全流程的产品。肺结节的模型比较靠谱，给了我们4点启示。第一个就是开放、完整、高质量数据库是至关重要的，肺结节全球开放数据库多，大家的学习机会多。第二个是从源头进行顶层设计，进行高质量的标注，在当下是很重要的。第三个是找到明确的临床需求和使用场景，每个产品到底是解决什么问题，一定要和医生磨合才行。第四，进行大量训练和迭代，以便适合临床工作场景非常关键。 但是，现在作为AI产品核心的数据有很多不如意的地方，数据的数量、质量、标注、共享都是值得我们讨论的和重点解决的问题。我想与各个公司和科学家们分享自己的一个观点：现阶段基于深度学习的AI核心是高质量数据，是医生；未来的核心在于算法科学家，只有最核心的算法突破、技术突破，才能带来真正的行业革命。 我注意到，浙江大学某附属医院出了一个多学科的人工智能会诊报价。这是一个很好的尝试和示范，AI怎么落地？你是直接给病人收费，还是直接绑在硬件和软件上收费，还是直接作为诊疗费付费，还是人机互动的付费，还是多学科的付费？不管怎么说，只有找到了付费的方式，才有AI企业的未来，才会给我们整个行业带来繁荣。临床的使用环节，可能现阶段有很多的问题，我们要帮助企业去解决。可能是产品或者是流程的问题，可能是现在的临床医生训练不够，但科技发展会带来整个架构的改变。就像围棋下到中盘，要系统考虑后半盘如何下，我们也应该从更高的层次上来考虑，如何在现有的层面上来重塑我们的知识结构和方法。我相信人工智能一定会带来重大的技术革新，也会带来我们行业的变革，未来发展会越来越好。

日前，山东省医学影像学研究引进先进CT应用新技术，所使用国际先进的西门子双源CT扫描、应用西门子syngo.via医学影像后处理系统（VB20版）处理得到的CT三维图像，其清晰度及仿真度达到了前所未有的高度，可与人体实体解剖标本相媲美。该系统具有最先进的图像后处理功能，其中包括电影级的三维可视化实影渲染技术（cVRT），并且可以在云端共享，能逼真地显示人体各器官的三维结构，对医学影像诊断、手术方案制定、医患病情交流、医学教学演示等带来了巨大的改变，开辟了医学影像技术应用的新时代。山东省医学影像学研究所自1975年3月成立至今40多年以来，始终坚持在引进先进设备的同时利用新技术开展新项目，其中开展的先天性心脏病、冠状动脉、支气管动脉CT血管成像技术和结构化报告，开展的全身功能成像、颅脑、骨骼肌肉和肝脏病变的波谱检查，胎儿磁共振检查以及在影像导向下的粒子植入与肿瘤消融技术等20多项新技术、新项目为国内甚至国际领先，与德国西门子公司等单位在国内率先探索研发的影像诊断结构化报告系统得到临床高度认可。（齐鲁晚报·齐鲁壹点记者 王小蒙）

中国要成为创新型国家，医疗创新势在必行。中国在人工智能发展领域正表现出前所未有的敏感性与超前性，近年来在人工智能和大数据等新兴技术的推动下，医疗影像行业已经出现了巨大变革。“AI+医学影像”的日益成熟将为影像学科和影像科医生带来哪些改变？其自身发展又面临哪些问题？带着AI医疗影像行业内的各种疑问，人民健康对推想医疗新任独立董事冯晓源进行了专访。人民健康：医学影像科是一个怎样的科室？它在整个医院学科体系中发挥着怎样的作用？冯晓源：影像科是医院的基础科室。我们常见的超声、CT和MRI等都是医院常见的影像学检查项目。影像科医生虽然不直接与患者接触，但他们的阅片和诊断结果直接影响临床科室对病情的判断，一个医院影像科水平高低可以说直接决定了其临床科室水平的高低。人民健康：您认为飞速发展的AI技术将来能为影像科的发展和影像科医生的工作带来哪些改变？冯晓源：首先AI无法完全取代影像科医生，但它能帮助影像科医生从繁重和重复的阅片工作中解放出来，提高影像科医生的阅片效率。在AI的帮助下，影像科医生能有更多的时间投入到科研创新与学科交流当中，这对影像学科自身的发展也是一大利好。人民健康：目前国内AI医疗影像技术的全面推广是否顺利？还有哪些难题亟待解决？冯晓源：一个是技术层面还需进一步提升。医疗影像背后的知识体系非常复杂，AI识别的精度不足的话就无法发挥其辅助的价值；另一个是AI服务的买单方还需明确，一般来说“谁获利谁付费”，AI提高了医生的劳动效率，但要求医生自掏腰包目前也不太现实。AI智能影像行业的发展还需要医院向前看，需要医院看到未来医疗健康模式改变的巨大前景。未来的智慧医院将会在患者的个人档案中记录海量信息，除传统病历信息外，还要包括影像、血液、基因等多个医学和生物信息维度。要汇总分析如此大量的数据，必然需要AI的帮助。目前AI在医学影像的运用还只是智慧医院需求的沧海一粟，在不远的将来，医生通过成千上万条有效信息来精准诊断病情的场景，极有可能在AI的辅助下成为现实。医疗AI产品如果能明显提高医院的工作效率，医院就能有更大的购买动力。人民健康：您刚刚提到问题涉及面都很广，AI医疗影像行业应该如何应对这些问题？冯晓源：这呼唤AI医疗影像产业链上下游各个主体进一步提高协同性。目前行业发展还未连“点”成“线”，未来还需进一步由“线”及“面”。从“点”到“线”，意味着产业链上下游企业要摆脱当下各自为战的局面，从上游的信息采集到下游的数据分析，连接设备制造业与医疗服务业，共同开发新的应用场景；由“线”及“面”，则是进一步将行业价值延伸，延伸至支持医院的多学科会诊、治疗决策甚至是改变整个就医流程。这更需要国家层面来统筹，全国一盘棋地打通从产业到医疗的各个关节。第三方影像中心的出现是个很好的例子，作为一个中游的服务机构与上游的医疗设备、医疗信息化企业以及下游的人工智能大数据企业等都有利益关系。它既可以独立提供服务，亦可作为医院的合作伙伴，分担业务以实现优质医疗资源的合理配置。根据《国家卫生计生委关于修改〈医疗机构管理条例实施细则〉的决定》，医学影像诊断中心目前已被归为医疗机构的类别，《医学影像诊断中心基本标准和管理规范（试行）》等一系列支持第三方影像中心发展的政策也陆续落地。人民健康：瞄准人工智能、生命健康等前沿领域，强化国家战略科技力量，提升企业技术创新能力是国家目前制定“十四五”规划和2035年远景目标的重要方向。从AI医疗影像行业的角度出发，您如何看待当下的政策环境？冯晓源：国家的政策支持力度一直在增长，但创新永远是超出现有规定的，现实往往比理想要骨感。当政策落实到某件具体的事上，总会发现依旧存在一大堆问题，这是改革过程中必然会遇到，也必然会解决的阻力，我们能做的就是努力突破旧的模式，把新的服务用到老百姓身上去，虽然有很长的路要走，但我很有信心。人物简介：冯晓源，2020年正式履新推想医疗科技股份有限公司独立董事，此前曾担任复旦大学副校长、复旦大学上海医学院院长、中华放射学会第十三届主任委员、上海华山医院党委书记兼放射科主任，现在是华山医院终身教授。冯晓源不仅仅是我国医学影像学界的权威，在国际上，也曾担任国际放射学战略研究会候任主席，并且是美国伦琴放射学会终身荣誉会员、北美放射学会会员，还是英国国际医疗集团国际医疗战略委员会的首位亚洲委员。【来源：人民网-人民健康网】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

我国医疗器械行业发展相对欧美发达国家较为薄弱，随着我国居民生活水平的不断提高和医疗保健意识的不断增强以及国家政策出台的扶持，国内医疗器械行业整体步入高速发展阶段。医学影像器械又是我国医疗器械行业第一细分领域，医学影像器械也可借助多项春风，加速扩容。医疗影像器械市场概况根据 Evaluate MedTech 的测算，全球医疗器械市场规模从2016年的3980 亿美元增长至2022 年的5300亿美金，CAGR约5.1%。而2016-2022 年全球处方药市场CAGR约6.5%，医疗使用生命周期长，更新换代频率低，一般运用于医院等特定场景，因此，器械医疗器械市场规模小于同期药品市场，增速低于药品，医疗影像是医疗器械行业细分领域，且很多治疗检查都离不开医疗影像，是辅助临床疾病诊疗的重要手段，根据 Evaluate MedTech 统计，影像器械行业市场规模从2016年的392亿美元增长至2022年的480亿美元，CAGR约3.4%。随着国家整体实力的增强以及工业基础的提高，我国医疗器械行业从2001年的179亿元增至2017的4450 亿元。2001年至今我国医疗器械行业仍处于快速发展的黄金期，除2014年外，其他年份增速均在20%以上，未来随着国家政策的扶持以及行业的技术的发展，未来仍将继续保持高增长态势，并实现从中低端市场向高端市场进口替代的愿景。医学影像是我国医疗器械市场规模最大的子行业，占比19%，医学影像单价较高，需求较广，基层市场蓝海尚未打开，国内基层医疗机构数量众多，2017年全国医疗卫生机构总数达98.7万个，2017年市场空间达846亿元。在医疗影像设备市场中，计算机断层扫描（CT）需求占比最高，占比达22%，紧随其后是磁共振成像（MRI）、超声、数字减影血管造影（DSA）、数字X线成像（DR）、核医学、其他，占比分别为19%、17%、13%、10%、11%、8%。政策春风扬起 助力国产启航医学影像设备主要为第 II、III 类医疗器械，审批流程长，需要进行临床试验和体系、技术审批流程，从注册申请到上市耗时 1 年以上。2014 年、2016 年、2018年国家药监局先后发布关于创新医疗器械特别审流程，针对具有核心技术专利、国际领先、国内首创、具有显著临床应用价值等情形的医疗器械纳入加快审批流程。优先审批开启快速通道，“创新+优先”助力医疗器械快速上市。为提高医疗器械的创新能力和产业化水平，减少进口垄断2015年国务院将医疗影像设备作为《中国制造2025》重点发展领域，在“十三五”战略规划中将医疗影像设备视为创新发展的重点领域。2017年国务院进一步强调发展创新医疗器械的重要意义。我国有关部门出台相关政策鼓励高值影像设备创新研发，政府还设立重点发展项目，大力扶持高端医学影像设备研发。2015年，科技部联合卫计委、工信部、食药总局、卫生部等部门，共同启动国家重点研发计划“数字诊疗装备”重点专项试点工作，并公示两批“数字诊疗装备”重点专项名单，名单包括多种医疗影像设备。政策导向逐步放宽大型医用设备配置管理，同时将首次配置大型医疗器械纳入甲类管理目录的价格低限由 500 万元人民币调整至 3000 万元人民币以上。2015年财政部、工信部和保监会联合启动首台（套）重大技术装备保险补偿机制试点工作，策帮助国产设备打开市场，提高国产化进程。首台（套）重大技术装备是指国内实现重大技术突破、拥有知识产权、尚未取得市场业绩的装备产品。2014-2016 年，卫计委连续开展了三批优秀国产医疗设备产品遴选，并指引医院采购方向，还有多地政府制采购进口产品，鼓励采购国产设备。目前影像设备在基层医疗市场的渗透量水平低，随着分级诊疗政策的推广，基层市场有望扩容。大型设备 国产替代势在必行大型医学影像设备根据其成像原理可主要分为四类：X 线成像、计算机断层扫描（CT）、磁共振成像（MRI）和核医学。数字X 线摄影（DR）数字X线摄影（DR）减少中间环节，成像效率高、速度快，目前已全面取代CR和传统X光机。国产DR处于中端水平，大部分零部件实现自产，DR受益于基层市场扩容，国产化率不断提高，2015-2016年DR总销量分别为7609、8829，预计2017年达1 万台，2015-2016年DR市场目前国产化率分别为67.7%、72.6%，目前国产DR增速加快，进口销售保持稳定。国内DR厂商数量众多，规模普遍较小，且缺乏核心部件研发能力，产品主要占据中低端市场，进口品牌垄断高端市场。虽然进口品牌垄断高端市场但按销量占比，万东、安健、联影、康达、迈瑞市占率分别为12.4%、8.2%、7.4%、6.2%、4.6%。其后进口品牌GE、西门子、飞利浦、佳能分别为 4.2%、3.5%、2.4%、2%。但从2014-2016 年产品采购均价来看，进口高端产品定价在100万元以上，国产产品价格在30万左右。我DR配置率较低，与发达国家相比差距较大，列如我国人口是美国的4.26倍，但美国人均DR数量是我国的13.72倍。2017年，广西、湖南、宁夏、贵州等省份陆续展开大规模DR集中招标采购事项，基层下沉空间巨大，有望迎来放量。乳腺 X 线成像乳腺X线摄影是乳腺疾病最基本和首选的影像检查方法，可以检出早期乳腺癌，乳腺X线机销量从2015 年652台增长至2016的672台，整体市场保持小幅增长的态势。2015-2016 年乳腺X 线机国产化率分别为41.3%、51.2%，同比提高10%，未来随着政策推动和居民意识提高，市场将快速增长，乳腺 X 线机作为基础的乳腺癌诊断的主要设备，需求侧增速较快，预计国产化率将继续提高。数字减影血管造影（DSA）数字减影血管造影（DSA）主要应用于全身血管疾病的诊断和治疗，是血管检查“金标准”。其技术壁垒高，国内有能力生产的DSA厂商数量较少，市场基本被进口厂商垄断。DSA属于高端医疗影像设备，整机价格高达数百万元，部分进口单价超千万，因此有能力购买DSA的医疗机构也相对较少，DSA使用主体主要为三甲大型医院或心血管专科医院，配合介入手术使用。2016年全国DSA 装机量约3200台，每百万人口拥有量不足2.5台，远低于美国每百万人口拥有量30.92台水平。我国DSA进口品牌合计市占率90%以上。目前国内有能力生产DSA设备的厂商有万东医疗、乐普装备、TCL医疗，随着我国政策扶持以及技术能看的不断提高，DSA渗透率有望再度提升，国产化率也将有望进一步提升。计算机断层扫描（CT）计算机断层扫描（CT）是将X线成像与断层扫描技术相结合，其成像密度分辨率高，对钙化性病灶检出率高。CT近年来无实质技术变革，CT技术发展逐渐放缓，目前最领先的技术设备都是诞生于十年前，可以说目前CT技术已达天花板，给国产设备发展留下了充分的追赶时间，国产设备迎头赶上，并不断缩小进口设备技术差距，因此，国产设备以低廉的价格与优质的服务，对进口设备产生了有力威胁。据中国医学装备协会统计，2013-2017年我国CT销量从2200台增长至2891台，2013-2015年受医疗器械反腐政策影响，销量滞缓，但2016年后市场好转，2016、2016年全年销量同比增长17.6%、11.5%。国内CT机保有量从2013年的10461台增至2017年的19027台，2017年相比2013年翻倍增长，但与日美等发达国家相比，我国CT渗透率低，美国、日本每百万人口CT 分别为32.2 台、92.6 台，但国内目前仅14.3 台，未来增长空间巨大。据中国医学装备协会统计，2012 年至今，CT 行业国产化率从14.7%增长至37.8%。2016年Top 5企业约占CT总销量的86%，其中进口产品GE、西门子、飞利浦市占率分别为 26.9%、20.3%和 9.9%，国产产品东软、联影市占率分别约18.9%、10.1%，未来国产化率有望继续提升。国产品牌目前仍以中低端产品为主，国内终端市场配置也是以中低端产品为主。东软、联影也有从事高端CT，目前以后产品获批但尚未有大规模销售数据，价格远低于进口定价，未来有望放量。磁共振成像（MRI）磁共振成像利用磁场对人体共振效应形成图像，可多方位成像并且无电离辐射。根据中国医学装备协会统计，国内MRI市场保有量每年销量在1000台左右，2013-2016年国内MRI保有量从4376台增加至8289台，但总体渗透率较低。从MRI分布来看，二级医院、三甲及一级医院、保有MRI占比分别约35%、26%，但由于三甲医院数量最少，综合考虑医院数量，三甲医院渗透率每个医院平均拥有 1.58 台，二级为0.34台，一级为0.21台。磁共振成像3.0T MRI产品技术含量处于领先水平，国产仍以中低端为主，但联影推出国内首台 3.0T MRI，且核心零部件属于自主研发，技术处于国内领先水平，与国际水平起鼓相当，有望与进口产品同台竞争，而国内多数MRI厂商推出的1.5T MRI 产品，也可满足基本临床需求，未来.5T将会是国产替代的主要市场。核医学类：辐射断层成像（ECT）辐射断层成像（ECT）包括 SPECT和PET，PET 图像清晰度更高，对人体辐射伤害更小，主要运用于癌症筛查，还可以融合CT更好的进行癌症检查，因此PET-CT通常被使用进行癌症早期筛查。2018年之前PET-CT属于甲类医疗器械，需要国家卫计委审批才能采购，且价格昂贵，因此整体放量缓慢，目前以调整为乙类，整体审批放宽，预计未来PET-CT有望市场增长。目前PET-CT主要以进口为主，但联影为业界佼佼者，率先实现300MM超大轴向视野的全身扫描，相较传统PET-CT检查，速度提升一倍，辐射剂大幅减少。联影新款突破性uExplorer是全球PET-CT领域的顶尖水平。临床上很多厂商尝试将MRI和PET一体机化，从而更好地进行疾病的筛查。由于技术难度较高，目前市场上的PET/MR产品较少，且主要用于临床研究，但国产厂商联影PET/MR产品技术水平跻身世界前列。从上述可以看出，我国医疗影像行业相较于欧美等发达国家渗透率低，且由于医疗影像设备价格昂贵，市场大部分以中低端为主，且国产设备在中低端领域已基本实现突破，开始崭露头角，但高端产品与海外产品差距较大。随着国家政策春风扬起，国产影像行有望借助政策开始扩容，加速推进国产化进程，龙头企业资金雄厚、研发实力强劲，有望优先享受政策红利。但想立足于国际市场还需要不断提高技术，弥补自身不足。

【猎云网北京】3月28日报道在今年的两会中，李克强总理第三次将人工智能列入政府工作报告，并将其作为重点关注对象向社会各界表明政府在接下来一年中对于人工智能技术的关切与重视。政策面的利好促进了人工智能企业在中国的蓬勃发展。医疗人工智能领域一直是中国人工智能发展战略中重要版块之一。 在当前医疗人工智能领域，随着学术上和商业化的成果不断涌现，泡沫和乱象也夹杂其中。 在各大人工智能公司百家争鸣，抢滩登陆，风云缭绕之时，如何正确地了解现状、明确需求、引导发展，是整个行业都关切的关键所在。《中国医学影像AI白皮书》应运而生。2019年3月26日，由中国医学影像AI产学研用创新联盟（CAIERA）主办的《中国医学影像AI白皮书》（以下简称“白皮书”）发布仪式，在北京隆重举行。为确保研究报告的权威性和专业性，中国医学影像AI产学研用创新联盟（CAIERA）协同国内三甲医院的影像专家，人工智能领域科研专家和技术领先的医疗AI公司共同起草这份专业的白皮书。白皮书主要包括人工智能在医疗领域的概述、医学影像AI算法的最新进展、医学影像AI算法对数据的要求、医学影像AI的需求调研、医学影像AI临床现状与展望、产业化现状以及政策、挑战与建议等诸多方面，构建了目前中国医学影像AI行业现状，为帮助产业相关人士提供专业的参考与建议。值得骄傲的是，深睿医疗作为中国医学影像AI产学研用创新联盟副理事单位，以其目前在医疗AI领域强大的科研实力，有幸受邀参与了本次白皮书编著。负责撰写部分章节内容，与行业大家一起为中国医疗人工智能领域的发展贡献绵薄之力。中国医学影像AI产学研用创新联盟理事长、“白皮书”主编、中华医学会放射学分会候任主任委员刘士远教授中国医学影像AI产学研用创新联盟理事长、“白皮书”主编、中华医学会放射学分会候任主任委员刘士远教授在发布会现场致辞中指出，“联盟的工作是促进行业的发展，《中国医学影像AI白皮书》六个方面的工作和内容，凝聚了产学研用各个环节相关人员的心血和结晶，也代表了目前国内AI领域的最权威的声音。”中国医学影像AI产学研用创新联盟副理事长、“白皮书”的副主编、上海交通大学钱大宏教授中国医学影像AI产学研用创新联盟副理事长“白皮书”的副主编、上海交通大学钱大宏教授为与会代表介绍了“白皮书”的编撰之路。这本凝聚了所有人心血的研究报告涵盖了六个方面的内容，在医疗人工智能的需求现状、技术和落地概论，医学影像AI应用实例等诸多方面，白皮书都进行了非常详尽的阐述。随后，在刘士远教授的带领下，其他3位白皮书的副主编钱大宏教授、沈定刚教授、张惠茅教授在台上就白皮书的编撰历程以及中国医学人工智能发展前景等问题回答了现场记者的提问。中国医学影像AI产学研用创新联盟秘书长、白皮书的编写秘书长萧毅教授也出席了本次发布会。深睿医疗高级副总裁李朝阳深睿医疗高级副总裁李朝阳也出席了本次发布会现场，他表示 ，“人工智能在医疗领域的应用是大势所趋，中国的政策环境无疑给人工智能带来了很好的机遇。深睿医疗非常荣幸能够参加“白皮书”的编撰工作。自有人工智能技术的发展是中国成为科技强国的重要战略基础。 深睿医疗的算法核心团队深睿研究院拥有强大的科研实力，在深睿医疗联合创始人/首席科学家、IEEE Fellow 俞益洲教授带领下，攻克技术难题，在解决大数据标注和医疗数据的隐私性方面提出了有效的解决方案，并被白皮书收录作为创新的技术推荐。“李朝阳强调，“作为中国医学人工智能领域的先锋企业，深睿医疗在各个层面助力医生提高诊断效率和精度、为构建智慧医疗，实现真正的”智能+“而努力 。深睿医生，让看病不再困难。”深睿医疗全线产品齐发力，助力“智慧+”在刚刚结束了的China Med上，深睿医疗又发布了三款新产品，Dr. Wise 儿童生长发育AI评估系统2.0、Dr. Wise 脑卒中AI医学辅助诊断系统3.0以及Dr. Wise 胸部平片AI医学辅助诊断系统。新产品可广泛应用于脑卒中辅助诊断、儿童生长发育评估、胸部疾病筛查等各个方面，通过深度学习技术和深睿研究院的核心算法为临床进一步检查提供各种可能，助力医生提高诊断精度和效率。

本文是创投观察系列的第133篇分享人： 深睿医疗联合创始人 李一鸣自2006年Hinton及其学生在《Science》发表了题为『Recing the Dimensionality of Data with Neural Networks』的论文以来，虽然将神经网络的概念重新带回到大众的视野，但是仍然没有得到大规模的使用，因为效果不理想的问题使得包括学术界很多学者都心存疑虑，直到2012年ImageNet大赛冠军AlexNet的诞生才真正打开了深度学习这个『炼金术』的大门（向在NIPS2017获得「时间检验奖」Test of Time Award的Ali Rahimi致敬），同时激发了工业界极大的热情，众多以深度学习技术为核心的初创公司如雨后春笋般在美国硅谷、以色列以及国内涌现出来。深度学习技术的发展直接促进了自然语言处理（NLP）和计算机视觉（CV）两个领域技术方向的进步，在语音识别、机器翻译、图像处理和识别上出现诸多成功、成熟的应用，而医学影像分析作为计算机视觉技术在图像领域应用的一个分支也成为了明显的研究热点，来自2017年中发表在Medical Image Analysis的一篇文献上对深度学习技术在医学影像分析领域的研究进行了统计，如下图所示：可以看到，从2012年深度学习技术在自然图像领域取得突破之后，在2015年开始大规模进入医学影像领域，计算机视觉中的目标检测、实例分割、图像分类等几个主要技术在医学影像分析中都有应用，而且覆盖了如MRI、CT、X-ray、Ultrasound等不同模态的数据，也涵盖了各种不同的部位。不仅如此，上面给出的是学术论文数量上的分布，在论文的影响力方面，深度学习技术在医学影像分析中的应用也得到了很大的认可，简单罗列下近两年的一些重要研究结果就可见一斑。如2017年1月斯坦福大学跨学科的研究团队在《Nature》上发表的『Corrigenm: Dermatologist-level classification of skin cancer with deep neural networks』 一文就利用深度学习技术，采用近13万的临床数据进行训练，并在 21 位经过认证的皮肤科医生的监督下，测试了它在活检证实的临床图像上的性能。深度卷积神经网络在最常见癌症识别以及最致命皮肤癌识别浙两个任务上的表现都达到了所有测试的专家的水平，证明了该人工智能的皮肤癌鉴定水平达到了媲美皮肤科医生的水平。再如2018年2月加州大学圣地亚哥分校张康教授团队在《Cell》上发表的『Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning』论文，用约10万张准确标注的视网膜光学相干断层成像术图像进行训练，在诊断眼疾时的准确性达到96.6%，其中灵敏性97.8%，特异性97.4%。这个工作同时也引入了迁移学习的技术用于诊断视网膜疾病之外的其他疾病，在用预训练好的眼科AI诊断模型上采用5000张胸部X线图像进行进一步训练，在区分肺炎和健康状态时，准确性可以达到92.8%。而与此同时一大批人工智能医学影像初创公司涌现了出来，据公开数据统计2017年国内医疗影像AI赛道共计融资超过20亿人民币，单笔融资过亿的就有数起，在整个医疗人工智能领域是股权投融资最活跃的方向之一，那么为什么医学影像AI能够获得众多创业者、投资者的认可，吸引了如此多的资本和人才汇聚到这个领域。这里面有几个前提：一、技术升级深度学习技术在图像领域的突破使得在医疗影像中应用AI技术去辅助诊断成为可能；二、供需失衡随着人口老龄化的加剧以及民众健康意识的提升，医学影像检查次数每年以30%以上的速度增加，而同时影像科医生每年的增长速度不到5%，这里面存在着严重的供需失衡；三、市场规模据《医疗影像的市场图谱和行业发展分析》推算，2020 年我国医学影像市场规模将达到6000 - 8000 亿人民币，其中即便诊断环节只占20%左右，也是一个千亿级别的市场，同比美国，2018年医学影像诊断的市场规模将超过100亿美元。市场和价值都很明确，那么医学影像AI现阶段到底能解决什么问题？现阶段的医学影像AI产品主要的应用模式是辅助医生进行临床诊断，从产品分类上属于工具型产品，工具型产品的核心就是高效的解决用户明确需求。那么我们简单分析下工具型产品的优劣，传统的工具型产品的优势是用户需求明确，使用场景纯粹，落地容易，容易做到极致化的体验，但这同时些优势又导致工具型产品存在很大的劣势，因为使用场景单一所以用户使用频率少，因为用户需求明确，一但用户的需求获得满足即不再使用，产品使用时间短，用户粘性差，这都使得工具型产品往往在早期发展非常快，并且能够快速占领市场，但是发展到一定的阶段，又会受限于规模化的商业变现。但是在医疗领域，工具型产品的变现模式非常清晰，因为目前医疗领域大部分的产品都属于工具型产品，比如医疗器械，只要产品质量过硬，能够解决实际临床需求，并且可以切入到临床路径，就能够进行商业化变现，所以医疗影像AI产品主要需要跨越的门槛就是找到明确的用户需求和使用场景，并进行落地。我们再来分析用户需求和使用场景，首先来看下我国恶性肿瘤的统计数据。全球每年新发癌症病例1400多万，我国每年新发病例约430万，相当于每天都有1万多人确诊癌症。其中肺癌和乳腺癌分别为男性和女性的第一大癌，而肺癌更是世界以及我国发病率最高、死亡率也最高的癌症，由于肺癌和乳腺癌早期和晚期的五年生存率有明显的差异，早诊断早治疗能够显著降低死亡率，对于患者自身及其家庭乃至社会都有难以衡量的意义。但是令人遗憾的是，肺癌发病隐蔽，等到出现明显的临床症状如咳嗽、痰中带血、胸痛、发热、气促、声音嘶哑等经常已经是晚期，数据显示目前我国约75%的肺癌患者在确诊时已属晚期，五年生存率仅15%，而发生远端转移的肺癌患者五年生存率更是不到5%，超过半数的肺癌患者在确诊后的一年内死亡，因此对肺癌的早期诊断和治疗极其重要，NLST（National Lung Screening Trial）的研究结果显示对于高危人群进行肺癌筛查，可以有效的降低死亡率（Reced lung-cancer mortality with low dose computed tomographic screening，New Engl J Med 2013）。与肺癌相比乳腺癌的治疗效果较好，而且不容易复发，美国癌症中心的数据显示乳腺癌五年生存率为89%，其中0-1期五年存活率接近100%，但是在我国由于缺少全国范围内的乳腺癌筛查项目，相较于美国大多数患者诊断时为0期I期，我国乳腺癌患者多为II期，并且III、IV期比例也高于美国。有数据显示即便在北京，82.1％的女性发现患乳腺癌时已有明显症状，在0期和1期的患者比例只有32%，而且我国乳腺癌的发病年龄明显低于国外，有2/3的患者为45岁以下的中青年女性，覆盖大规模人群的乳腺癌筛查迫在眉睫。同样糖网（糖尿病性视网膜病变）也对筛查有迫切的需求，数据显示截止2015年我国糖尿病患者人数高达1.1亿，居世界首位，而糖网是糖尿病常见的慢性并发症之一，发病率约31.7%，是糖尿病患者致盲的最主要眼病。同时糖网病早期往往没有任何临床症状，而一旦有症状，病情已较严重，容易错过最佳治疗时机，研究表明，糖尿病患者每年进行1次眼底检查，可使失明发生率降低94.4％。可以看到上面三种重大疾病都存在着大规模人群筛查的需求，这需要大量的人力和资金的投入，而将AI技术应用到重大疾病的早期筛查，则可以很好的解决人力和成本的问题，同时提升整体筛查的效率，从国家的层面也能很好的帮助优质医疗服务下沉，对重大疾病进行早诊早治，降低医疗和社会成本。这才是当前影像AI应用的主要落地场景，也是当前医学影像AI真正可以解决的问题。随着大家这两年来对于医疗AI的摸索和理解，各家公司的产品包括模式都在趋同，基于公开资料可以看到，目前领域内各家公司发布的产品，大部分集中在肺癌、糖网、乳腺癌等重大疾病的筛查和早期诊断，虽然医学影像AI存在较高的技术和资源门槛，但竞争也同样非常激烈，还吸引了众多成熟企业加入，如阿里巴巴、腾讯、百度、平安科技、科大讯飞等。进入领域的公司都有其各自的特点，不论是从非医疗领域跨界而来的巨头，还是从传统医疗领域延伸出来厂商，或者是从0到1的创业公司，在医疗影像AI领域耕耘持续考验着公司的技术能力、产品能力以及商务能力，任意方面的短板都会严重制约公司的发展。医疗影像AI是一个非常有前景和价值的领域，以技术创新为核心，从产品体验着手，务实的解决医生在临床工作中面临的效率问题，让产品在临床工作中得到实际应用，进而形成依赖，是当下最切实可行的路径。