前瞻研究：醫學影像中人工智慧技術應用現狀及展望

通過深度學習、機器學習等人工智慧技術，能夠對醫學影像進行無監督或者半監督的自動化分析，提升醫學影像臨床診斷效率，深入發掘影像數據中潛藏的醫療與科研價值。

醫療行對醫學影賽道像診斷的準確度與診斷效率要求在日益增長，傳統醫學影像科室無法滿足國內日益增長的患者需求，由於硬體算業力和演算法模型的飛速發展，醫學影像中人工智慧技術的應用成為必然趨勢。人工智慧技術對醫學影像系統智能化升級體現在：醫學影像軟體系統診斷及分析功能的升級、醫學影像成像設備的升級、助力醫學科研工作等方面。自2016年以來，大量初創公司和行業巨頭開始加速探索人工智慧技術在醫學影像領域的商業化應用，醫學影像人工智慧成為熱門投資。

作者 | 付海天、田辰

一、全球及中國醫學影像市場規模

據Zion Market Research測算，全球影像診斷市場在2016-2021年年複合增長率（CAGR）約為6.0%，預計在2021年市場規模將達335億美元。據Signify Research報告顯示，全球人工智慧醫學影像市場有望將在2023年達到20億美元規模。海通證券等多家機構預測，到2020年國內醫學影像市場規模將達6000-8000億元。據機器之心數據統計，2016年中國醫學影像相關企業（包含醫學影像業務的通用型人工智慧公司）累計融資額約63億人民幣，之後呈現快速增長趨勢，2018年融資額度創歷史新高，高達約300億人民幣，企業產品創新研發投入持續加碼，診斷產品覆蓋病種達近百種。

中國醫學影像相關產品/解決方案服務商年度融資額

二、人工智慧技術對醫學影像行業的影響

醫學影像數據感知及分析：醫學影像的處理本質上就是計算機視覺技術在醫療行業的應用，涉及醫學圖像分割、圖像配准、圖像融合、圖像壓縮、圖像重建等多個領域。人工智慧的作用主要體現在對於經過一定計算機視覺技術處理後的圖像數據進行進一步的智能化分析，輔助醫生進行標註、診斷或者手術工作。

醫學影像數據與其他類型數據融合處理及分析：醫學影像能夠展現患者身體特定部位的結構特徵和代謝情況，具有大量圖像數據信息供計算機進行分析，如果將醫學影像數據結合患者的生理體征、病史、基因信息、身份信息等非圖像數據，通過人工智慧演算法模型進行訓練和應用，則能夠幫助計算機從更高維度來分析數據和提取重要特徵，更加全面展現疾病背後的隱含關聯因素，輔助醫生對疾病狀況進行更精準的分析診斷。

影像數據挖掘加速醫療科研過程：醫學影像數據挖掘指從存放在資料庫或其他信息庫中的大量影像數據中挖掘有價值信息的過程，其目的是尋找影像數據背後的關聯和模式。計算機輔助診斷（CAD）系統的原始處理對象為醫學影像信息資料庫 , 對影像信息進行數據挖掘和知識發現, 能夠發現其中的診斷規則和模式，加速醫療科研過程。

三、人工智慧技術在醫學影像中的應用分布

四、醫學影像中人工智慧技術落地案例簡述

騰訊覓影：騰訊覓影利用騰訊優圖在大數據、圖像識別與深度學習方面的技術，對早期肺癌的敏感度（識別正確率）達到 85% 以上，在良性肺結核的特異性（識別正確率）超過 84%，對於直徑大於 3mm 小於 10mm 的微小結節檢出率超過 95%。

博為軟體：博為肝臟三維手術規劃系統解決了肝臟切除手術方案設計困難問題，通過對原始的CT數據進行後處理重建為三維立體圖像，精準肝臟分割與分段，自動提取腫瘤病臟，直觀地展示肝臟腫瘤、肝段、肝臟內部複雜的管道解剖結構，對病例進行量化分析，並自動生成臨床臟器定量分析報告。

Curexo：由美國 Curexo 公司製造的Robodoc主要用於膝關節和髖關節置換手術。RoboDoc 包括兩部分：手術規劃軟體和手術助手，分別完成 3D 可視化的術前手術規劃、模擬和高精度手術輔助操作。RoboDoc機器人採用了四軸直角坐標工業機器人本體，使用患者股骨上插入的鈦金屬定位針來實現機器人與患者骨骼的相對定位，精度達到了0.1mm。RoboDoc主要用於關節置換術中輔助骨骼和假體的成形、定位和植入，可提高全膝（髖）置換手術的質量。

深思考：基於宮頸細胞學領域知識，通過深度學習、機器學習、醫學圖像處理等技術提取宮頸細胞的關鍵特徵，自動分割團簇重疊細胞，快速識別塗片上病變細胞的分級類別，實現宮頸細胞塗片的輔助閱片。深思考人工智慧輔助閱片機器人可在100秒內完成單張塗片的閱片，適配國內多種製片方法，其中鱗狀上皮細胞異常敏感性約為98.4%，特異性約99.77%，腺細胞異常敏感性約為93.4%，特異性接近90%。

五、醫學影像領域人工智慧技術發展所遇瓶頸

1. 影像數據分散在各個機構：影像數據是訓練影像智能診斷演算法模型所需的核心資源，但大量的影像數據分散在各個醫院、影像中心、研究機構，不易被高效整合利用。

2. 影像訓練數據集標註結果存在主觀差異：不同醫生對圖像的理解存在主觀差異性，造成標註結果的不確定性，導致影像訓練數據集的標註結果受到主觀因素的影響。

3. 人工智慧演算法模型適用的影像類型有待拓展：目前人工智慧影像診斷主要集中在X光、CT、病理領域，而在超聲、MRI、PET、紅外等影像領域應用較少。

六、醫學影像領域人工智慧技術發展的未來趨勢

1. 醫學影像技術進一步發展：醫學影像系統中成像設備技術升級、影像設備圖像處理算力增加、智能診斷軟體集成病種增多、影像數據融合應用、遷移學習加速影像診斷模型訓練。

2. 人工智慧在醫學影像應用領域不斷拓寬：除疾病的鑒別診斷外，還可應用於分子及細胞層面圖像處理、應用於介入影像學、助力非外科手術方法診斷及治療等。

3. 醫學影像產業升級：區域影像數據中心建設促進區域級別影像數據流轉及應用，醫學影像專家團隊開發模型評估體系與統一標準作為產業界產品標準等。

* 本文為「智周」系列報告「核心版」，相應「深度版」的推出計劃將在後續公布，敬請大家關注。針對「醫學影像中人工智慧應用現狀及展望」這一主題，有哪些方向或主題，你希望在報告深度版中讀到更詳細的闡述與分析，歡迎留言，這將成為我們製作報告深度版的重要參考。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！