AI企業關注的9大醫學成像模式和11個人體部位（附詳細數據）
Frost ＆ Sullivan的報告顯示，雖然目前人工智能（ AI ）在醫學圖像分析領域的前景吸引了一大批關注，但是，AI在增強整個醫學成像過程和開啟智能成像系統的潛力，也同樣存在巨大機遇。
AI應用于醫學成像，最初的重點是利用內置技術——將局部定位算法用于傳統放射圖像。不過，在過去的兩三年里，市場一直在朝著通過云計算向用戶提供AI技術的方向發展，這使得AI更加廣泛可用，同時算法也能夠從更高的使用量中不斷學習。
未來，更可期的趨勢是用于成像模式本身，而不是在PACS或后處理工作站上。首先要把深度學習AI技術嵌入掃描設備，將算法應用于原始圖像數據。
當今醫學成像AI市場的特點呈現動態、多樣化的競爭格局，包括一些主要的云計算供應商（已與成像AI初創企業達成合作伙伴關系）、提升計算速度的供應商、云市場（cloud marketplace）供應商、健康IT供應商（與云合作伙伴建立了生態系統）、核心醫療成像和信息學供應商、以及一些主要的IT供應商和90多家獨立軟件供應商。醫學影像AI分析的初創企業數量也從2009年的2家，增加到了2017年的83家。
這個領域也吸引了大量投資。以投資于心血管軟件開發商HeartFlow公司的4．665億美元為代表，在不到5年的時間里，醫學成像AI市場籌集到超過10億美元的資金。如果把收并購和一些大企業的研發資金也包括在內，這一數字將高達60億美元。
目前，醫學成像AI的主要應用集中在自動化、加速以及增強圖像分析，其中醫學成像AI公司最關注的成像方式是CT和MRI（表1）。
表1 AI領域所關注的9大成像模式
而換一個角度，從不同人體部位來看，大腦和肺部是最受關注的（表2）。
表2 AI領域所關注的11個人體部位
眼下業界面臨的一個大問題，是如何將醫學成像AI技術的巨額投資貨幣化。最有可能的財務模式是以結果為導向，包括共享儲蓄或利潤共享模式。
除了圖像分析之外，AI其實還可以用于醫學成像工作流程的各個方面（表3）。
表3 未來可應用AI的9大細分領域
雖然全球的醫療保健機構都希望降低成本、提高產出，提升患者和員工的滿意度，但采用醫學成像AI的獲益因地域而異。比如，美國將受益于勞動效率和標準化方面，而英國為了解決放射學家短缺和患者等待時間長的問題，中國則是需要提供更多的醫療專業知識。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 GPT-6要來了，但AI行業早不跟 OpenAI玩了
- 2 資本巨頭紛紛抽身，為何中小投資者仍為AI狂熱加碼？
- 3 谷歌Gemma 4遭破解！實測：偽造支票、找盜版電影，有求必應
- 4 阿里云CTO李飛飛，不是那個“AI教母”李飛飛
- 5 特斯拉Optimus Gen3量產在即，哪些環節最具確定性？
- 6 熱點丨谷歌Gemma 4用31B擊敗397B模型，本地AI推向新高度
- 7 深度丨Anthropic和OpenAI把Harness帶出圈，AI管AI成為現實
- 8 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 9 AI缺電邏輯持續推動燃氣輪機需求大增，國內廠商簽下20億訂單！
- 10 每天2起融資、3億入場，具身智能上演資本核爆
