《医疗人工智能行业发展历程分析.docx》由会员分享，可在线阅读，更多相关《医疗人工智能行业发展历程分析.docx（7页珍藏版）》请在第壹文秘上搜索。
1、医疗人工智能行业发展历程分析一、行业发展概述人工智能是利用数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。随着人工智能理论和相关Al模型的发展，人工智能产品逐渐开启了在医疗领域用场景中的探索与应用。人工智能在医疗相关各环节均有应用，在诊前可用于疾病预测及健康管理，在临床就诊中可用于疾病的辅助诊断及辅助治疗手术规划等，能有效降低误诊率和手术风险,在就诊后可以用于预后随访及病程管理，还可以服务于药物研发、临床研究等环节。人工智能技术在医疗场景中的数据智能化全方位赋能是未来发展的必然趋势。医学影像是利用光、电、磁、声等物理现象,以非
2、侵入方式获得人体或人体某部分内部组织的影像。临床超过70%的诊断都依赖于医学影像。临床中最常见的影像模态包括X线摄影、CT、MRl和超声等。医学影像具有直观、多模态、高像素精度、病灶表像样本各异、任务复杂多样的特点，其占据了医疗数据总量的90%以上，是临床医疗中最重要的“证据”来源之一。医学影像数据具有标准化程度高的优势，适宜进行人工智能机器学习及深度学习。医学影像的模态和疾病种类均较为丰富，造就了其临床诊断场景应用的复杂度。人工智能应用于医学影像，主要是通过深度学习实现机器对医学影像的分析判断，帮助医生更快获取影像信息，进行定性定量分析，提升医生阅片效率，协助发现隐藏病灶，协助医生完成诊断工
3、作。人工智能通过影像分类、目标检测、图像分割、图像检索等方式，完成病灶识别与标注、三维重建、靶区自动勾画与自适应放疗等功能，应用在疾病的筛查、诊断和治疗阶段。人工智能医学影像辅助诊断的快速发展，为医生提供全方位影像判读的支持，已经逐步实现了快速阅片、报告解读、辅助医生诊断治疗等具体应用，未来有望显著提高疾病诊断、治疗和健康管理的诊断效率、准确性、可及性。二、行业基本风险特征1、技术研发风险医疗人工智能行业属于技术密集型行业，综合应用了机器学习算法模型、深度学习、计算机视觉及大数据分析等多种技术，在医疗场景应用中技术水平直接影响产品性能和用户体验。人工智能技术正处于快速发展阶段，新技术研发和革新
4、速度较快。只有密切跟踪并深入研究技术发展趋势，不断进行新业务的开发和拓展以满足快速变化的市场需求，才能保证在行业当中保持领先的竞争优势。2、市场竞争日趋激烈风险我国在医学影像人工智能领域具有巨大潜力，但产业规模依然较小，处于初期快速发展阶段，良好的前景吸引了投资者的加入，行业内企业快速成长，但目前产业需要的配套资源比较分散，缺乏标准支撑，服务能力有限，国内企业处于各自为战的状态，未来市场竞争将会进一步加剧。3、专业人才缺乏风险医学影像人工智能行业依赖于具备复合学科背景的专业研发人员。研发人员需具备对人工智能算法的专业开发能力，同时需对医疗影像行业有着较为深刻的临床场景理解。专业人才相对缺乏，未
5、来对技术人才的争夺必将日趋激烈，行业中存在着技术人员流失风险。三、市场规模全球人工智能医疗器械市场规模从2016年的0.87亿美元增长至2020年的3.56亿美元，2016至2020年的年复合增长率为42.4%。预计未来五年将增长至2025年的177.02亿美元，2020年至2025年的年复合增长率将为118.5%,2030年将进一步达1,136.77亿美元。我国人工智能影像医疗器械处于初期起步的快速发展阶段，随着市场需求不断增加，2020年底药监局启动了对影像辅助诊断医疗器械的注册批准，开启了我国医学影像人工智能辅助诊断产品从研发到落地的商业化推进之路。伴随监管审批效率的逐渐提高，近两年我国
6、的人工智能医学影像诊断市场将进入爆发式增长。在国家政策对医疗产业与前沿技术融合的持续推动下，我国医疗产业正由医疗信息化阶段逐渐步入医疗数据智能化阶段。预计2020年至2024年我国医疗大数据解决方案市场将保持快速增长。预计将由2019年的105亿元增长至2024年的577亿元，复合年增长率达40.5%o四、行业发展历程中国人工智能医学影像行业处于新兴行业发展的早期阶段，已经历了初期技术研发、概念兴起、价值验证及商业化模式探索阶段。自2010年中国各级医疗机构在医院系统中采用电子病历及数字化影像设备以来，医疗领域的文本及影像数据资源开始逐步积累，为后期人工智能机器学习及深度学习的使用提供了底层的
7、数据资源。随着人工智能技术的快速发展，多家互联网企业在此期间开始布局医疗人工智能行业，随之人工智能医疗进入初步发展阶段，对医学影像数据的智能化研究也随之开展。2015年起，在政策利好和人工智能医学影像技术取得新进展的背景下，人工智能医学影像初创企业陆续成立，资本涌入促使相关技术快速成熟并向应用端转化。2017年人工智能医学影像技术在智能影像识别、靶区勾画及脏器成像方面均有所突破，标志着人工智能医学影像技术日趋成熟。在技术成熟并向应用场景探索转化的过程中，人工智能发展的三大核心要素数据、算法及场景的关键性被逐步认知，数据是智能化发展的核心资源，算法是智能化决策的实现工具，场景是数据智能化价值的发
8、挥平台。三者的紧密结合促进了人工智能的产业化发展应用。2018年人工智能医学影像设备的弊端开始显现，部分医院认为产品未能实质性降低工作强度，人工智能医学影像结果呈现许多“假阳性”现象，未能帮助降低误诊率。同时产品设计过于工程化，与医生实操需求不符，增加了医生使用的时间成本。上述情况导致医疗机构对人工智能医学影像产品的热情度下降，资本市场同时进入冷静期，市场开始对企业进行价值验证，逐渐优胜劣汰。领先的人工智能医学影像企业率先发展，在产品研发上持续升级并推出新的功能与产品，并加强与各级医疗机构的合作，适应并满足医生的使用场景需求，逐步获得市场认可，逐渐形成行业壁垒。疫情下医疗资源短缺加速推动了影像
9、智能化产品的应用落地，监管政策逐步完善。2020年国家药监局启动了对人工智能影像辅助决策医疗器械产品的注册批准，截至2022年6月，我国已有超30款医学影像类人工智能产品获批医疗器械第三类注册证。产品的加速获批推动了我国医学影像人工智能辅助诊断产品从研发到落地的商业化探索之路。当前人工智能医学影像产业仍处于发展探索的初期阶段，数据资源的整合与利用是驱动行业数字智能化生态建设的核心因素。目前国内大多数医院在影像数据存储及治理上的智能化投入较少，大多处于信息化运营阶段。医疗机构内部的影像数据资源集成整合已经逐渐成为制约医院数字智能化发展的障碍。医疗影像数据臃肿，扩展性差，大量宝贵的临床数据资源没有
10、被充分利用。未来人工智能在医学影像上的应用将从单点临床诊断应用向医疗体系规模化应用过渡，帮助医院构建医学影像数据生态系统，在数据治理基础上合理利用资源实现临床辅助诊断功能和临床科研闭环应用，将是医疗领域数字智能化建设的主要方向。五、产业发展情况医学影像人工智能属于高端医疗器械领域，具有多学科交叉、知识密集、附加值高等特点，产业链的各环节涉及基础工业、制造业、影像学、医疗机构、互联网等多个行业。随着上游基础设施及影像数据积累到一定规模，影像产业链延伸至人工智能领域，形成了下游端医学影像智能诊断应用。我国人工智能医学影像行业已经形成了完整的产业链，上游市场参与者主要包括基础硬件、医疗设备、云服务、网络运营商等软硬件基础设施供应商。中游为基于计算机视觉、自然语言处理、深度学习等人工智能技术驱动的人工智能医学影像产品的研发企业，主要包括专业的医学影像Al厂商、综合性人工智能技术厂商、以及向智能化转型的医疗器械设备厂商和综合性医疗信息化服务厂商。各类厂商根据自身资源能力，探索从医疗影像辅助诊断，向全病程辅助诊疗、建设医院影像数据平台、推动临床数据科研应用等方向发展。下游为医疗体系中的应用场景端，主要包括医疗机构、体检中心和医药研发机构等，场景应用包括医疗管理、患者服务、辅助诊断、医药科研及健康管理等。
