人工智能技術(shù)已經(jīng)成為促進(jìn)社會經(jīng)濟(jì)發(fā)展的新動(dòng)力之一。它在提高社會生產(chǎn)效率、實(shí)現(xiàn)社會發(fā)展和經(jīng)濟(jì)轉(zhuǎn)型方面發(fā)揮著重要作用。人工智能作為引領(lǐng)新一代產(chǎn)業(yè)轉(zhuǎn)型的核心力量，在醫(yī)療行業(yè)展示了新的應(yīng)用，在深度融合中創(chuàng)造了新的形式。

實(shí)際上，與制造、傳播媒體、零售、教育等行業(yè)相比，人工智能仍處于醫(yī)療的早期階段，商業(yè)化程度相對較低，行業(yè)滲透率較低，這與醫(yī)療行業(yè)的護(hù)理和保守必然密切相關(guān)。但不可否認(rèn)的是，人工智能在醫(yī)療行業(yè)的結(jié)合已經(jīng)解決了傳統(tǒng)醫(yī)療的諸多難題，市場需求廣泛，業(yè)務(wù)趨勢多樣，發(fā)展空間廣闊。
新冠肺炎疫情從云端推動(dòng)人工智能發(fā)起到關(guān)鍵作用，提高整體抗疫效率。疫情已經(jīng)成為人工智能在醫(yī)療行業(yè)的試金石，展現(xiàn)人工智能在醫(yī)療中的實(shí)力和價(jià)值。從應(yīng)用場景來看，人工智能醫(yī)療應(yīng)用還處于起步階段，如圖像識別、遠(yuǎn)程查詢、健康管理等。
其中，圖像識別作為輔助診斷的細(xì)分行業(yè)，是人工智能在醫(yī)學(xué)行業(yè)應(yīng)用最廣泛的場景。
影像診斷和治療的概念起源于腫瘤行業(yè)，然后擴(kuò)展到整個(gè)醫(yī)學(xué)影像行業(yè)。了解醫(yī)學(xué)影像，獲取具有診療決策價(jià)值的關(guān)鍵信息，是診療過程中非常重要的一環(huán)。
過去，4-5名醫(yī)生需要進(jìn)行醫(yī)學(xué)圖像預(yù)處理診斷。然而，基于人工智能圖像診斷，只有一名醫(yī)生進(jìn)行質(zhì)量控制和確認(rèn)，這對提高醫(yī)療行為效率大有裨益。
人工智能最先在醫(yī)學(xué)圖像中爆炸著陸，主要是因?yàn)閳D像數(shù)據(jù)的訪問和處理比較容易。比較醫(yī)學(xué)記錄等數(shù)據(jù)積累了三五年以上，圖像數(shù)據(jù)只需要一次拍攝幾秒鐘就可以獲得。一部影像片子可以反映患者的大部分病情，成為醫(yī)生確定治療方案的直接依據(jù)。
醫(yī)學(xué)圖像龐大規(guī)范的數(shù)據(jù)庫和智能圖像識別算法的不斷進(jìn)步為人工智能醫(yī)學(xué)在這一行業(yè)的應(yīng)用提供了堅(jiān)實(shí)的基礎(chǔ)。
從技術(shù)角度來看，醫(yī)學(xué)圖像診斷主要借助圖像識別和深度學(xué)習(xí)。根據(jù)臨床診斷路徑，首先將圖像識別技術(shù)應(yīng)用于感知環(huán)節(jié)，分析處理非結(jié)構(gòu)化圖像數(shù)據(jù)，獲取有用信息。
其次，利用深度學(xué)習(xí)技術(shù)，將大量臨床圖像數(shù)據(jù)和診斷經(jīng)驗(yàn)輸入人工智能模型，使神經(jīng)元網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)和訓(xùn)練。最后，基于連續(xù)驗(yàn)證和研磨的算法模型，進(jìn)行圖像診斷的智能推理。輸出個(gè)性化的診斷和治療結(jié)果。
基于圖像識別和深度學(xué)習(xí)的人工智能與醫(yī)學(xué)圖像相結(jié)合，至少可以滿足三種需求。
1、焦點(diǎn)識別和標(biāo)注，即醫(yī)學(xué)圖像產(chǎn)品的Al分割、特征提取、定量分析、比較分析等。
滿足這一需求，X線、CT、MRI等醫(yī)學(xué)圖像的自動(dòng)識別和標(biāo)記系統(tǒng)可以大大提高圖像醫(yī)生的診斷效率。目前，Al醫(yī)學(xué)成像系統(tǒng)可以在幾秒鐘內(nèi)快速完成10萬多幅圖像的處理，提高診斷精度，尤其是降低假陰性診斷結(jié)果的概率。
2、靶區(qū)自動(dòng)劃分和適應(yīng)性放射治療。
目標(biāo)自動(dòng)繪圖和適應(yīng)性放射治療產(chǎn)品可以幫助放射治療師自動(dòng)勾畫200-450張CT片，大大縮短到30分鐘。并且在患者15~20次上機(jī)照射過程中不斷識別病變位置，實(shí)現(xiàn)適應(yīng)性放射治療，可有效減少輻射對患者健康組織的損害。
3、三維圖像重建。
基于灰度統(tǒng)計(jì)的標(biāo)準(zhǔn)算法和基于特征點(diǎn)的標(biāo)準(zhǔn)算法可以解決故障圖像標(biāo)準(zhǔn)問題，節(jié)省標(biāo)準(zhǔn)時(shí)間，在病變位置、病變范圍、良惡性病變識別、手術(shù)方案設(shè)計(jì)等方面發(fā)揮作用。
落實(shí)方向看，當(dāng)前我國AL醫(yī)療影像產(chǎn)品的布局方向主要集中在胸部、頭部、盆腔、肢體關(guān)節(jié)等部位，以腫瘤和慢性疾病篩查為主。
在人工智能醫(yī)學(xué)成像的發(fā)展和應(yīng)用初期，肺結(jié)節(jié)和眼底篩查是一個(gè)熱門行業(yè)。隨著過去兩年技術(shù)的成熟和迭代，主要的Al醫(yī)學(xué)成像公司正在擴(kuò)大業(yè)務(wù)范圍，乳腺癌、中風(fēng)和骨關(guān)節(jié)周圍的骨齡測試已經(jīng)成為市場參與者的關(guān)鍵行業(yè)。鋁影像進(jìn)行新冠肺炎肺炎療效的定量分析和評價(jià)，已成為提高診斷效率和診斷質(zhì)量的關(guān)鍵力量。
政策資本雙重進(jìn)入。
如果圖像數(shù)據(jù)的相對可達(dá)性和處理性是人工智能在醫(yī)學(xué)圖像中首次爆炸和著陸的主要原因，國家政策的支持和資本的大量準(zhǔn)入給人工智能在醫(yī)學(xué)圖像應(yīng)用中不斷更新的力量。
從新政策來看，2013年至2017年，政府各部門出臺了一系列政策，不斷加大對國內(nèi)醫(yī)療圖像設(shè)備、第三方獨(dú)立醫(yī)療圖像診斷中心、遠(yuǎn)程醫(yī)療等行業(yè)的支持力度。
2016年底，國務(wù)院發(fā)布了十三五規(guī)劃國家戰(zhàn)略新興產(chǎn)業(yè)發(fā)展規(guī)劃，多次提到醫(yī)學(xué)影像，指出開發(fā)優(yōu)質(zhì)醫(yī)學(xué)影像設(shè)備、支持企業(yè)、醫(yī)療機(jī)構(gòu)、研究機(jī)構(gòu)等聯(lián)合建設(shè)第三方影像中心。國家發(fā)展改革委員會于2017年1月將醫(yī)學(xué)影像設(shè)備和服務(wù)納入其中。