隨著人口老齡化的加劇以及民眾健康意識的提升，醫(yī)學影像檢查次數每年以超過30％的速度增加，而影像科醫(yī)生每年的增長速度不到5％，這里面存在著嚴重的供需失衡。

深度學習技術在圖像領域的突破使得在醫(yī)療影像中應用AI技術進行輔助診斷即將普及，在后深度學習時代，醫(yī)學影像AI現階段能解決什么問題？其中又有哪些瓶頸？未來會帶給我們怎樣的想象？無數的問號等待揭曉。

醫(yī)學影像AI的市場規(guī)模

據《醫(yī)療影像的市場圖譜和行業(yè)發(fā)展分析》推算，2020 年我國醫(yī)學影像市場規(guī)模將達到6000 － 8000 億人民幣，其中即便診斷環(huán)節(jié)只占20％左右，也是一個千億級別的市場。

根據Global Market Insight的數據統計：藥物研發(fā)在全球醫(yī)療AI市場中的份額最大，占比達到35％；智能醫(yī)學影像市場則為第二大細分市場，并將以超過40％的增速發(fā)展，在2024年達到25億美元規(guī)模，占比25％。

目前醫(yī)學影像數據的年增長率約為30％，而放射科醫(yī)師數量的年增長率只有4．1％，放射科醫(yī)師數量增長遠不及影像數據增長。

除了既有市場帶來的新需求，醫(yī)聯體建設的推進和第三方醫(yī)學影像服務市場的發(fā)展也為市場帶來了新的機會。

市場的供需不平衡，與AI技術在醫(yī)學影像領域應用的巨大可能，推動了大量創(chuàng)業(yè)團隊涌入醫(yī)學影像AI的領域。有數據顯示，中國人工智能＋醫(yī)學影像的活躍企業(yè)已經超過 70 家。

據國家衛(wèi)計委統計，我國病理注冊醫(yī)生在1萬人左右，按照每百張床配備2名病理醫(yī)生的標準計算，全國病理科醫(yī)生缺口達4萬人。所以通過AI的方式輔助影像科醫(yī)師進行診斷將滿足市場剛需。

智能影像識別分類多空間大

智能影像識別市場分類多、空間大，人工智能方法在醫(yī)學圖像處理中的應用十分廣泛，涉及醫(yī)學圖像分割、圖像配準、圖像融合、圖像壓縮、圖像重建等多個領域。

①放射類：通過射線成像了解人體內部的病變情況，形成影像。對該影像智能識別的目的在于標注病灶位置。

②放療類：在制定放療方案之前，醫(yī)生需要通過成像設備對靶區(qū)進行定位，從而形成影像。對該影像智能識別的目的在于進行靶區(qū)自動勾畫，由于放療需要殺死細胞，病變區(qū)域勾勒的越準確越好，對智能影像識別準確率要求高。

③手術類：對CT等影像通過3D可視化等技術，進行三維重建，幫助醫(yī)生進行手術前規(guī)劃，確保手術的精確性。

④病理類：病理診斷是最終確診環(huán)節(jié)，MRI、CT、B超等影像判讀的正確與否要參考病理診斷的結果。傳統的病歷檢驗是醫(yī)生在顯微鏡下直接讀取病歷涂片，現在數字化病理系統使得AI讀片成為可能。

醫(yī)療影像AI算法的變化

醫(yī)學影像并不是AI應用的第一個場景，許多企業(yè)的AI技術源于計算機視覺的遷移，并在此基礎上根據病種的特征進行訓練、優(yōu)化。遷移算法的優(yōu)勢在于開發(fā)者可以迅速切入醫(yī)學領域，能加速醫(yī)療AI產業(yè)的發(fā)展。

今年算法的變化主要變化在兩個方面，一方面，傳統遷移算法通過數據與實驗不斷優(yōu)化，魯棒性、準確率等指標都有明顯上升；另一方面，部分AI影像企業(yè)拒絕使用開源算法，而選擇針對AI影像自建算法。

兩種模式有擁有各自的優(yōu)勢，但要完全突破現有AI技術的瓶頸，或許單單的算法并不能完全解決問題，從基因等其他因素出發(fā)，全方位的看待問題，或許是另一條出路。