“AI+醫學影像”行業調研2022/11/2112“AI+醫學影像”行業調研2022/11/2112“AI+醫學影像”行業調研行業需求核心技術應用概覽難點挑戰投資分析公司盤點22022/11/21“AI+醫學影像”行業調研行業需求核心技術應用概覽難點挑戰行業需求核心技術應用概覽難點挑戰投資分析公司盤點影像數據快速積累，已具有開發應用規模

我國每天產生的影像數據以PB計算，占到醫療行業數據的90%影像醫生產能負荷重和部分地區醫生影像診斷水平偏低，而人工智能大有所為

放射科醫師數量存在缺口，醫師的疲勞或經驗不足可能造成誤判政策助推醫療大數據開發應用

2016年6月，國務院辦公廳印發《關于促進和規范健康醫療大數據應用發展指導意見》32022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點影像數據快速行業需求核心技術應用概覽難點挑戰投資分析公司盤點42022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點42022/行業需求核心技術應用概覽難點挑戰投資分析公司盤點醫生方面大幅減少讀片時間，降低誤診概率，提高診療水平患者方面有效減少診療時間，享受大型三甲醫院的高水平醫療醫院方面對大規模的數據加以利用，建立整體的數字化平臺，提高醫院的核心業務能力，推進醫院之間的數據共享智能識別解決行業痛點：52022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點醫生方面大幅醫學影像智能診斷傳統的醫學圖像處理方式是由工程師們創造一套規則，算法根據規則對圖像進行處理。但由于規則很難窮盡，所以對于現實中多變的情況準確率不高。而深度學習則無需人工特征提取，通過大量的影像數據和診斷數據，不斷對神經網絡進行深度學習訓練，促使其掌握診斷能力。行業需求核心技術應用概覽難點挑戰投資分析公司盤點62022/11/21醫學影像傳統的醫學圖像處理方式是由工程師們創造一套規則，算法2016年2月，谷歌DeepMind成立DeepMindHealth部門，正式將人工智能技術應用于醫療健康領域，獲英國倫敦帝國理工學院、倫敦皇家自由醫院和英國國家醫療服務系統（NHS）數據的支持。Google牽頭，歷時8個月，54名美國眼科專家，將128,175張視網膜照片分級，利用CNN算法，訓練自動檢測糖尿病視網膜病變和視網膜黃斑水腫，達到最低值為87%的靈敏度與特異度。Google與Verily公司開發用來診斷乳腺癌的病理人工智能，在于病理學家基于靈敏性和假陽性和乳腺癌病例分析競爭中，人工智能的準確度達到88.5%，而頂級病理學家的準確率為73.3%。 行業需求核心技術應用概覽難點挑戰投資分析公司盤點72022/11/212016年2月，谷歌DeepMind成立DeepMindHIBMWatson可以在17秒內閱讀3469本醫學專著、24.8萬篇論文，69種治療方案、61540次試驗數據、10.6萬份臨床報告。通過海量汲取醫學知識，包括300多份醫學期刊、200多種教科書及近1000萬頁文字，IBMWatson已在短時間內迅速成為腫瘤專家。2013年，Watson與斯隆凱特琳癌癥中心（MSKCC）合作，推出腫瘤解決方案WatsonforOncology。2014年底和2015年底，WatsonforOncology先后進駐泰國曼谷的BumrungradInternationalHospital和印度第三大醫院系統ManipalHospitals。2016年8月，IBM與我國21家醫院簽署IBMWatsonforOncology的合作意向協議，并于同年12月成立聯合會診中心。行業需求核心技術應用概覽難點挑戰投資分析公司盤點82022/11/21IBMWatson可以在17秒內閱讀3469本醫學專著、2AI識別先天性白內障研究，我國中山大學的臨床試驗，利用CNN算法，通過410張各種程度的先天性白內障圖片和476張正常圖片訓練，診斷準確率達92.45%。AI對腦瘤病理切片的快速診斷，利用多層感知機算法，用拉曼散射顯微鏡生成高度模擬傳統的HE染色病理切片，通過過萬張圖片訓練，AI區分膠質瘤和非膠質瘤的準確率達90%。AI對神經假體進行精確控制，倫敦帝國理工學院則嘗試了利用支持向量機這一算法，將此前85%的精確度提升到了97%。行業需求核心技術應用概覽難點挑戰投資分析公司盤點2017年1月，Nature設立子刊NatureBiomedicalEngineering,連發數篇AI報道：92022/11/21AI識別先天性白內障研究，我國中山大學的臨床試驗，利用CNN醫學的特殊性：醫學本身就是一個未被完全認知的領域，信息的不完全透明，在疾病的癥狀與結果之間沒有嚴格的對應關系，不同疾病之間也沒有清晰的邊界，而且還會存在同時發病的情況，這也導致不能像AlphaGo一樣在明確的規則下算清所有變化。

醫學影像圖像對比度普遍較低，不同組織或正常組織與病變組織之間邊界模糊，血管、神經等微細結構分布復雜，醫學中個體差異及小概率事件發生是很普遍的。

行業需求核心技術應用概覽難點挑戰投資分析公司盤點102022/11/21醫學的特殊性：醫學本身就是一個未被完全認知的領域，信息的不完數據獲取：數據是深度學習算法所需的核心資源，僅掌握算法而缺乏數據無法獲得較好的訓練結果。現階段，我國的醫療影像仍處于從傳統膠片向電子數據過渡的階段，大量影像資料尚未數字化，而且醫院之間的數據共享和互通程度較低。數據標注：在獲取數據的基礎上，深度學習結合先驗知識對模型進行訓練，訓練集需要事先標注。由于大多數標注依賴人工識別，因此數據標注將耗費較大量人力和時間，還要求醫療機構的頂級醫生參與進來。

國內外公司基本都處于不斷收集影像數據的階段，仍在豐富病種多樣性和擴大影像數據規模，從而優化影像智能診斷的準確度。行業需求核心技術應用概覽難點挑戰投資分析公司盤點112022/11/21數據獲取：數據是深度學習算法所需的核心資源，僅掌握算法而缺乏醫學影像智能分析公司的核心競爭力在于影像數據的規模和影像數據的可解讀性由于單一幾個病種的分析作用有限，就會造成漏診。因此，只有在分析病種達到足夠多數量之后，漏診風險才會降到可接受范圍之內。除了數據量級和覆蓋病種多樣性以外，數據有效性也很重要，即擁有影像圖像、病灶重點標示、診斷報告、影像專家經驗等形成的閉環數據。醫院是當前最大的醫療數據集聚地，因此，看好與多家大型醫療機構深度合作的企業。行業需求核心技術應用概覽難點挑戰投資分析公司盤點覆蓋多病種的有效數據庫是前提122022/11/21醫學影像智能分析公司的核心競爭力在于影像數據的規模和影像數據行業需求核心技術應用概覽難點挑戰投資分析公司盤點算法是處理和解讀影像數據的成功關鍵影像數據標準化以及數據模型的構建，需要公司研發團隊長時間技術積累以及對醫學影像的深度理解，其質量的高低反映在影像智能分析的準確性和穩定性。看好擁有IT/數學和醫學影像強背景的企業，最好是擁有數學/IT+醫學影像復合型人才團隊。目前，我國的影像智能分析公司基本處于合作醫療機構醫生對產品算法模型檢驗完善階段。影像智能分析公司潛在客戶多目前我國影像智能分析公司主要定位于：（1）為醫療機構提供影像智能分析應用，充當醫生的第二雙眼或者使醫生眼睛更具穿透力；（2）為影像設備商提供算法模型，使影像設備更智能化。132022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點算法是處理和科技巨頭布局醫療人工智能領域行業需求核心技術應用概覽難點挑戰投資分析公司盤點創業公司142022/11/21科技巨頭布局醫療人工智能領域行業需求核心技術應用概覽難點挑戰科大訊飛

研發醫療影像輔助診療系統，用于輔助影像醫生閱片，勾畫腫瘤病灶區域，減少誤診和漏診。已經與安徽省立醫院建立合作，共同開展深度學習在高發癌癥醫學影像檢測中的應用，目前其影像系統已經可以識別3mm以下的病變區域。2017年將繼續加大研發力度，將應用領域從肺部CT影像檢測擴展至乳腺X光圖像、MRI圖像檢測等，預計2017年底產品將步入臨床應用階段。東軟集團基于“影像設備+信息化軟件+影像云”完整布局，切入醫療影像智能識別領域。設備上，東軟集團面向各級醫院提供CT、磁共振、數字X線機、彩超等影像設備；軟件上，公司提供包括HIS、CIS、LIS、EMR、PACS、RIS、CAD，遠程會診服務等在內的醫療信息軟件；公司2015年建立影像云，滿足醫生遠程會診、多點執業、醫患交流等需求。在前后端完整布局的基礎上，公司切入骨密度智能輔助分析、乳腺智能CAD分析等軟件進行影像識別，同時提供3D影像輔助手術等影像識別服務。2017年5月，東軟集團和聯眾醫療宣布作為“遼寧省醫學影像云”平臺的承建及運營商，項目預計總投入16.45億元。行業需求核心技術應用概覽難點挑戰投資分析公司盤點上市公司方面152022/11/21科大訊飛研發醫療影像輔助診療系統，用于輔助影像醫生閱片，

Thank you162022/11/21 162022/11/21“AI+醫學影像”行業調研2022/11/21172“AI+醫學影像”行業調研2022/11/2112“AI+醫學影像”行業調研行業需求核心技術應用概覽難點挑戰投資分析公司盤點182022/11/21“AI+醫學影像”行業調研行業需求核心技術應用概覽難點挑戰行業需求核心技術應用概覽難點挑戰投資分析公司盤點影像數據快速積累，已具有開發應用規模

我國每天產生的影像數據以PB計算，占到醫療行業數據的90%影像醫生產能負荷重和部分地區醫生影像診斷水平偏低，而人工智能大有所為

放射科醫師數量存在缺口，醫師的疲勞或經驗不足可能造成誤判政策助推醫療大數據開發應用

2016年6月，國務院辦公廳印發《關于促進和規范健康醫療大數據應用發展指導意見》192022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點影像數據快速行業需求核心技術應用概覽難點挑戰投資分析公司盤點202022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點42022/行業需求核心技術應用概覽難點挑戰投資分析公司盤點醫生方面大幅減少讀片時間，降低誤診概率，提高診療水平患者方面有效減少診療時間，享受大型三甲醫院的高水平醫療醫院方面對大規模的數據加以利用，建立整體的數字化平臺，提高醫院的核心業務能力，推進醫院之間的數據共享智能識別解決行業痛點：212022/11/21行業需求核心技術應用概覽難點挑戰投資分析公司盤點醫生方面大幅醫學影像智能診斷傳統的醫學圖像處理方式是由工程師們創造一套規則，算法根據規則對圖像進行處理。但由于規則很難窮盡，所以對于現實中多變的情況準確率不高。而深度學習則無需人工特征提取，通過大量的影像數據和診斷數據，不斷對神經網絡進行深度學習訓練，促使其掌握診斷能力。行業需求核心技術應用概覽難點挑戰投資分析公司盤點222022/11/21醫學影像傳統的醫學圖像處理方式是由工程師們創造一套規則，算法2016年2月，谷歌DeepMind成立DeepMindHealth部門，正式將人工智能技術應用于醫療健康領域，獲英國倫敦帝國理工學院、倫敦皇家自由醫院和英國國家醫療服務系統（NHS）數據的支持。Google牽頭，歷時8個月，54名美國眼科專家，將128,175張視網膜照片分級，利用CNN算法，訓練自動檢測糖尿病視網膜病變和視網膜黃斑水腫，達到最低值為87%的靈敏度與特異度。Google與Verily公司開發用來診斷乳腺癌的病理人工智能，在于病理學家基于靈敏性和假陽性和乳腺癌病例分析競爭中，人工智能的準確度達到88.5%，而頂級病理學家的準確率為73.3%。 行業需求核心技術應用概覽難點挑戰投資分析公司盤點232022/11/212016年2月，谷歌DeepMind成立DeepMindHIBMWatson可以在17秒內閱讀3469本醫學專著、24.8萬篇論文，69種治療方案、61540次試驗數據、10.6萬份臨床報告。通過海量汲取醫學知識，包括300多份醫學期刊、200多種教科書及近1000萬頁文字，IBMWatson已在短時間內迅速成為腫瘤專家。2013年，Watson與斯隆凱特琳癌癥中心（MSKCC）合作，推出腫瘤解決方案WatsonforOncology。2014年底和2015年底，WatsonforOncology先后進駐泰國曼谷的BumrungradInternationalHospital和印度第三大醫院系統ManipalHospitals。2016年8月，IBM與我國21家醫院簽署IBMWatsonforOncology的合作意向協議，并于同年12月成立聯合會診中心。行業需求核心技術應用概覽難點挑戰投資分析公司盤點242022/11/21IBMWatson可以在17秒內閱讀3469本醫學專著、2AI識別先天性白內障研究，我國中山大學的臨床試驗，利用CNN算法，通過410張各種程度的先天性白內障圖片和476張正常圖片訓練，診斷準確率達92.45%。AI對腦瘤病理切片的快速診斷，利用多層感知機算法，用拉曼散射顯微鏡生成高度模擬傳統的HE染色病理切片，通過過萬張圖片訓練，AI區分膠質瘤和非膠質瘤的準確率達90%。AI對神經假體進行精確控制，倫敦帝國理工學院則嘗試了利用支持向量機這一算法，將此前85%的精確度提升到了97%。行業需求核心技術應用概覽難點挑戰投資分析公司盤點2017年1月，Nature設立子刊NatureBiomedicalEngineering,連發數篇AI報道：252022/11/21AI識別先天性白內障研究，我國中山大學的臨床試驗，利用CNN醫學的特殊性：醫學本身就是一個未被完全認知的領域，信息的不完全透明，在疾病的癥狀與結果之間沒有嚴格的對應關系，不同疾病之間也沒有清晰的邊界，而且還會存在同時發病的情況，這也導致不能像AlphaGo一樣在明確的規則下算清所有變化。

醫學影像圖像對比度普遍較低，不同組織或正常組織與病變組織之間邊界模糊，血管、神經等微細結構分布復雜，醫學中個體差異及小概率事件發生是很普遍的。

行業需求核心技術應用概覽難點挑戰投資分析公司盤點262022/11/21醫學的特殊性：醫學本身就是一個未被完全認知的領域，信息的不完數據獲取：數據是深度學習算法所需的核心資源，僅掌握算法而缺乏數據無法獲得較好的訓練結果。現階段，我國的醫療影像仍處于從傳統膠片向電子數據過渡的階段，大量影像資料尚未數字化，而且醫院之間的數據共享和互通程度較低。數據標注：在獲取數據的基礎上，深度學習結合先驗知識對模型進行訓練，訓練集需要事先標注。由于大多數標注依賴人工識別，因此數據標注將耗費較大量人力和時間，還要求醫療機構的頂級醫生參與進來。

國內外公司基本都處于不斷收集影像數據的階段，仍在豐富病種多樣性和擴大影像數據規模，從而優化影像智能診斷的準確度。行業需求核心技術應用概覽難點挑戰投資分析公司盤點272022/11/21數據獲取：數據是深度學習算法所需的核心資源，僅掌握算法而缺乏醫學影像智能分析公司的核心競爭力在于影像數據的規模和影像數據的可解讀性由于單一幾個病種的分析作用有限，就會造成漏診。因此，只有在分析病種達到足夠多數量之后，漏診風險才會降到可接受范圍之內。除了數據量級和覆蓋病種多樣性以外，數據有效性也很重要，即擁有影像圖像、病灶重點標示、診斷報告、影像專家經驗等形成的閉環數據。醫院是當前最大的醫療數據集聚地，因此，看好與多家大型醫療機構深度合作的企業。行業需求核心技術應用概覽難點挑戰投資分析公司盤點覆蓋多病種的有效數據庫是前提282022/11/21醫學影像智能分析公司的核心競爭力在于影像數據的規模和影像數據行業需求核心技術應用概覽難點挑戰投資分析公司盤點算法是處理和解讀影像數據的成功關鍵影像數據標準化以及數據模型的構建，需要公司研發團隊長時間技術積累以及對醫學影像的深度理解，其質量的高低反映在影像智能分析的準確性和穩定性。看好擁有IT/數學和醫學影像強背景的企業，最好是擁有數學/IT+醫學影像復合型人才團隊。目前，我國的影像智能分析公司基本處于合作醫療機構醫生對產品算法模型檢驗完善階段。影像智能分析公司潛在客戶多目前我國影像智能分析公司主要定位于：（1）為醫療機構提供影像智能分析應用，充當醫生的第二雙眼或者使醫生眼睛更具穿透力；（