随着近几年国家大力鼓励科技创新战略发展，人工智能技术也得到全面快速发展，并且正在加快与各大传统产业融合创新。医学作为惠及民生的重点行业之一，其庞大的市场优势吸引了众多AI企业的关注，越来越多的人工智能企业加入到医学创新领域，越来越多的人工智能技术也被医学领域所采纳，其中比较突出的一条赛道就是AI医学影像。那么何为AI医学影像？
所谓AI医学影像，就是指充分利用AI在感觉认知和深度学习的技术优势，将其应用在医学影像领域，从而达到提高诊断效率和准确率的目的。当下，AI医疗影像流程主要包括底层数据处理、影像筛查、智能决策三阶段，即通过精准的疾病预测模型，进行各种因子及数据的分析处理，应用AI医疗影像，对病原细胞分类，提高筛查效率和质量，以此来协助医生在就诊时提供最好的诊断和治疗建议。一、AI医学影像产品分类
按照AI医学影像产品成像原理划分，可将其重点划分为X线成像、CT成像、PET-CT成像、超声成像、核磁共振成像等。X线成像：X射线成像系统是利用X线的穿透、感光性进行成像，常用于骨骼、胸部、胃肠道等部位成像。
CT成像：CT成像是利用精确准值的X线束、R射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作连续断面扫描进行成像。与X线成像相比，CT的密度分辨率更高，可以更好地显示由软组织构成的器官。
PET-CT：PET显像是采用一系列成对的互成180°排列并与符合线路相连的探测器来探测湮没辐射光子，从而获得机体正电子核素的断层分布图，显示病变的位置、形态、大小和代谢功能，对疾病进行诊断。
超声成像：超声成像系统是利用超声束扫描人体，通过对反射信号的接收、处理以获得体内器官图像。
核磁共振成像：磁共振成像(MRI)根据有磁距的原子核在磁场作用下，能产生能级间的跃迁的原理，利用外磁场和物体的相互作用来成像。
二、AI医学影像发展现状
从AI影像应用市场来看，三级医院成为AI影像主要应用场景。根据亿欧相关专业机构调查数据显示，目前在三级医院中，有87.8%的医院已经使用医学影像信息化系统，而在一、二级医院中，相关信息化使用率分别达到40.1%、62.2%。故在医院体系中，拥有良好信息化基础的三级医院成为人工智能医学影像最佳落地实践基地。从AI对医学影像赋能途径来看，目前人工智能技术与医学影像融合应用方向主要包括医学影像设备的图像重建、智能辅助诊断疾病、智能勾画靶区、智能判断病理切片以及其他智能辅助诊断方案等。在疾病诊治领域，则主要涉及到肺部、心血管、眼底、脑部、乳腺以及多病种或综合类疾病，目前在肺部领域应用比较广泛，代表性技术研发企业有北京的深睿医疗和推想医疗，其中深睿医疗主攻于AI医学辅助诊断系统，而推想医疗更多的侧重于临床肺结节检测和智能诊断治疗；同样出色的还有位于上海的联影智能医疗科技公司，在肺结节CT影像辅助检测软件的研发与服务上占有比较优势，目前已拿到医疗器械三类证。从AI医学影像商业化路径来看，当前人工智能医学影像企业60%-70%的营收来自同医学影像设备厂商合作，30%-40%来自企业层面自建团队销售，主要的营收渠道比较依赖于与医学设备厂商合作。具体的商业模式可分为两类，一类是向患者收费，但是这种商业模式面临着一个严重弊端，就是目前产品进入医保难度大，患者付费意愿低；一类是向医院端收费，销售难度相比前者要小，但需要依赖器械厂商的销售渠道，必须要与器械厂商深度捆绑，对于AI影像企业而言相当于将自身产品销售渠道赋予别人，缺乏自主权，不利于公司长远发展，均是今后需要不断探索与解决的问题。从AI医学影像资本市场表现来看，受益于技术进步与拿证条件改善，部分企业开始将问题聚焦于如何优化产品、提升基础数据质量及改进算法运行效率，增加与科研单位合作，提升产品技术含量与实际应用能力，使得人工智能影像产品逐渐被医院端接受和认可。技术与市场环境的改善也为资本市场带来了信心，从2020年开始，“存活”下来的人工智能医学影像企业融资进程明显加快，B、C、D轮企业占比明显增加，企业融资能力正在逐步提升。三、AI医学影像政策表现
相比其它行业，政策监管在医学领域显得更为严格和重要。目前在人工智能医学影像领域，虽然仍有许多政策还处于探讨中，比如纳入医保体系，但仍然有诸多突破之处，其中比较重要的突破是2021年NMPA推出的《人工智能医疗器械注册审查指导原则》，使得行业规范逐渐明晰，让AI影像市场更加有规可依，有效推动产品审批速度。据有关数据调查显示，2020年1月-2021年7月，共有15款产品取得了医疗器械注册三类证，拿证的AI产品已具备向患者收费资格，虽然我国目前向患者收费市场还不够成熟，但这已经是市场进步一大突破。
依据发病率和产品拿证情况，AI心血管产品增长潜力将逐步超过肺部产品。
依据专家访谈及市场信息了解，目前关于肺部AI影像产品商业化表现最佳，主要原因在于融入AI技术的肺部影像产品大大提升了医疗效率，并且付费方主要为医院，在医院占有率上将持续增加，直至饱和，市场增速也将逐渐放缓。而心血管产品主要付费方也是来自于医院和患者，根据中国卫生统计年鉴显示，2010-2019年，城市中由冠心病引起的死亡率从86.3/10万人增长至121.6/10万人，且农村地区的增幅更加明显，严重威胁人类健康。基于我国心血管疾病的患病率增速以及当前产品拿证情况，AI心血管影像产品市场规模将持续增加，增长潜力和速度将逐渐超过渐趋饱和的肺部产品。
由单病种向多病种、多任务模型发展，从服务影像科室不断向临床科室延伸。
从产品发展趋势上看，目前AI医学影像产品主要体现出两种演变趋势：一是从产品应用角度，人工智能医学影像产品在向基层落地的过程中，会不断向“服务+全病程管理”做商业化探索，产品在应用上将从服务影像科室向临床科室做尝试。二是从产品诊断角度，目前临床影像检查是基于部位申请和实施的，一个部位包括多个器官，一个器官可发生多种疾病；而AI模型只检测出单一器官里的某一种疾病是远远不够的，比如一个患者去做胸部CT，不可能只针对肺组织，还要包含心血管、纵隔、胸壁、横膈等，每个器官的各种疾病都能够检出才符合临床的需求，因此在诊断范围上，AI医学影像产品将从单病种诊断逐渐向多病种、多任务模型诊断范畴拓展。人工智能深度学习技术成为推动医学影像技术进步的关键所在。
从技术应用上看，医学影像主要是和人工智能的大数据分析和机器学习技术融合发展，而AI深度学习有助于解决像超声这样人工难以定义特征的影像。传统医生看病主要是从影像提取特征，然后通过人眼看结构特征，再根据经验进行人脑加工，最后给出决策；而如今的计算机则可以通过影像数据，定量提取高通量特征，再以人工智能技术建模、辅助决策，效率会增加很多。因此，如何通过人工智能将数据演变为知识解决方案，对于整个医学影像和放射科都将是一种颠覆，而这种知识运用的过程将主要依赖于深度学习技术，成为国内外研究的重点，也成为人工智能在医学影像界技术进步的关键所在。