侵權投訴
訂閱
糾錯
加入自媒體

醫學影像AI進入后深度學習時代,給我們怎樣的想象

2019-05-24 09:39
Ai芯天下
關注

"隨著人口老齡化的加劇以及民眾健康意識的提升,醫學影像檢查次數每年以超過30%的速度增加,而影像科醫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。"

AI芯天下丨醫學影像AI進入后深度學習時代,給我們怎樣的想象

醫學影像AI的市場規模

據《醫療影像的市場圖譜和行業發展分析》推算,2020 年我國醫學影像市場規模將達到6000 - 8000 億人民幣,其中即便診斷環節只占20%左右,也是一個千億級別的市場。

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

目前醫學影像數據的年增長率約為30%,而放射科醫師數量的年增長率只有4.1%,放射科醫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,醫聯體建設的推進和第三方醫學影像服務市場的發展也為市場帶來了新的機會。

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

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

AI芯天下丨醫學影像AI進入后深度學習時代,給我們怎樣的想象

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,人工智能方法在醫學圖像處理中的應用十分廣泛,涉及醫學圖像分割、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,醫生需要通過成像設備對靶區進行定位,從而形成影像。對該影像智能識別的目的在于進行靶區自動勾畫,由于放療需要殺死細胞,病變區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,幫助醫生進行手術前規劃,確保手術的精確性。

④病理類:病理診斷是最終確診環節,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。

AI芯天下丨醫學影像AI進入后深度學習時代,給我們怎樣的想象

醫療影像AI算法的變化

醫學影像并不是AI應用的第一個場景,許多企業的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、優化。遷移算法的優勢在于開發者可以迅速切入醫學領域,能加速醫療AI產業的發展。

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,全方位的看待問題,或許是另一條出路。

AI芯天下丨醫學影像AI進入后深度學習時代,給我們怎樣的想象

變現場景和商業模式多樣化

僅就醫療圖像智能識別而言,潛在的變現方式包括:作為單獨的軟件模塊向醫療機構銷售、與PACS等系統合成向醫療機構銷售;與CT、X光機等設備合作形成軟硬件一體化解決方案向醫療機構銷售;通過遠程醫療等方式服務基層醫療機構;通過互醫療影像創業公司處于發展初期。

目前國內在該領域的創業公司大概為59家。隨著行業的發展,市場參與者的數量將首先不斷提升,最后由分散走向集中。隨著行業數據整合與共享機制的建立、模型訓練的成熟、商業模式的確立,以及部分企業CFDA認證的率先通過,先發企業將逐步建立技術壁壘和商業壁壘,推動市場走向集中。

1  2  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

發表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續

暫無評論

暫無評論

文章糾錯
x
*文字標題:
*糾錯內容:
聯系郵箱:
*驗 證 碼:

粵公網安備 44030502002758號

电竞投注竞彩app