医学影像AI进入后深度学习时代

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超过30％的速度增加，而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。

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技术进行辅助诊断即将普及，在后深度学习时代，医学影像AI现阶段能解决什么问题？其中又有哪些瓶颈？未来会带给我们怎样的想象？无数的问号等待揭晓。

医学影像AI的市场规模

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。

根据Global Market Insight的数据统计：药物研发在全球医疗AI市场中的份额最大，占比达到35％；智能医学影像市场则为第二大细分市场，并将以超过40％的增速发展，在2024年达到25亿美元规模，占比25％。

目前医学影像数据的年增长率约为30％，而放射科医师数量的年增长率只有4．1％，放射科医师数量增长远不及影像数据增长。

除了既有市场带来的新需求，医联体建设的推进和第三方医学影像服务市场的发展也为市场带来了新的机会。

市场的供需不平衡，与AI技术在医学影像领域应用的巨大可能，推动了大量创业团队涌入医学影像AI的领域。有数据显示，中国人工智能＋医学影像的活跃企业已经超过 70 家。

据国家卫计委统计，我国病理注册医生在1万人左右，按照每百张床配备2名病理医生的标准计算，全国病理科医生缺口达4万人。所以通过AI的方式辅助影像科医师进行诊断将满足市场刚需。

智能影像识别分类多空间大

智能影像识别市场分类多、空间大，人工智能方法在医学图像处理中的应用十分广泛，涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。

①放射类：通过射线成像了解人体内部的病变情况，形成影像。对该影像智能识别的目的在于标注病灶位置。

②放疗类：在制定放疗方案之前，医生需要通过成像设备对靶区进行定位，从而形成影像。对该影像智能识别的目的在于进行靶区自动勾画，由于放疗需要杀死细胞，病变区域勾勒的越准确越好，对智能影像识别准确率要求高。

③手术类：对CT等影像通过3D可视化等技术，进行三维重建，帮助医生进行手术前规划，确保手术的精确性。

④病理类：病理诊断是最终确诊环节，MRI、CT、B超等影像判读的正确与否要参考病理诊断的结果。传统的病历检验是医生在显微镜下直接读取病历涂片，现在数字化病理系统使得AI读片成为可能。

医疗影像AI算法的变化

医学影像并不是AI应用的第一个场景，许多企业的AI技术源于计算机视觉的迁移，并在此基础上根据病种的特征进行训练、优化。迁移算法的优势在于开发者可以迅速切入医学领域，能加速医疗AI产业的发展。

今年算法的变化主要变化在两个方面，一方面，传统迁移算法通过数据与实验不断优化，鲁棒性、准确率等指标都有明显上升；另一方面，部分AI影像企业拒绝使用开源算法，而选择针对AI影像自建算法。

两种模式有拥有各自的优势，但要完全突破现有AI技术的瓶颈，或许单单的算法并不能完全解决问题，从基因等其他因素出发，全方位的看待问题，或许是另一条出路。