“AI+医学影像”行业调研课件

1、“AI+医学影像”行业调研2022/9/24“AI+医学影像” 行业调研影像数据快速积累，已具有开发应用规模我国每天产生的影像数据以PB计算，占到医疗行业数据的90%影像医生产能负荷重和部分地区医生影像诊断水平偏低，而人工智能大有所为放射科医师数量存在缺口，医师的疲劳或经验不足可能造成误判政策助推医疗大数据开发应用2016年6月，国务院办公厅印发关于促进和规范健康医疗大数据应用发展指导意见智能识别解决行业痛点：医学的特殊性：医学本身就是一个未被完全认知的领域，信息的不完全透明，在疾病的症状与结果之间没有严格的对应关系，不同疾病之间也没有清晰的边界，而且还会存在同时发病的情况，这也导致不能像Al

2、phaGo一样在明确的规则下算清所有变化。医学影像图像对比度普遍较低，不同组织或正常组织与病变组织之间边界模糊 ，血管、神经等微细结构分布复杂，医学中个体差异及小概率事件发生是很普遍的。数据获取：数据是深度学习算法所需的核心资源，仅掌握算法而缺乏数据无法获得较好的训练结果。现阶段，我国的医疗影像仍处于从传统胶片向电子数据过渡的阶段，大量影像资料尚未数字化，而且医院之间的数据共享和互通程度较低。数据标注：在获取数据的基础上，深度学习结合先验知识对模型进行训练，训练集需要事先标注。由于大多数标注依赖人工识别，因此数据标注将耗费较大量人力和时间，还要求医疗机构的顶级医生参与进来。国内外公司基本都处于

3、不断收集影像数据的阶段，仍在丰富病种多样性和扩大影像数据规模，从而优化影像智能诊断的准确度。医学影像智能分析公司的核心竞争力在于影像数据的规模和影像数据的可解读性由于单一几个病种的分析作用有限，就会造成漏诊。因此，只有在分析病种达到足够多数量之后，漏诊风险才会降到可接受范围之内。除了数据量级和覆盖病种多样性以外，数据有效性也很重要，即拥有影像图像、病灶重点标示、诊断报告、影像专家经验等形成的闭环数据。医院是当前最大的医疗数据集聚地，因此，看好与多家大型医疗机构深度合作的企业。科技巨头布局医疗人工智能领域创业公司科大讯飞 研发医疗影像辅助诊疗系统，用于辅助影像医生阅片，勾画肿瘤病灶区域，减少误诊

4、和漏诊。已经与安徽省立医院建立合作，共同开展深度学习在高发癌症医学影像检测中的应用，目前其影像系统已经可以识别3mm以下的病变区域。2017年将继续加大研发力度，将应用领域从肺部CT影像检测扩展至乳腺X光图像、MRI图像检测等，预计2017年底产品将步入临床应用阶段。东软集团 基于“影像设备+信息化软件+影像云”完整布局，切入医疗影像智能识别领域。设备上，东软集团面向各级医院提供CT、磁共振、数字X线机、彩超等影像设备；软件上，公司提供包括HIS、CIS、LIS、EMR、PACS、RIS、CAD，远程会诊服务等在内的医疗信息软件；公司2015年建立影像云，满足医生远程会诊、多点执业、医患交流等需求。在前后端完整布局的基础上，公司切入骨密度智能辅助分析、乳腺智能CAD分析等软件进行影像识别，同时提供3D影像辅助手术等影像识