1. 
    

    <output id="8jxhr"></output>
    <blockquote id="8jxhr"></blockquote>
    <meter id="8jxhr"><xmp id="8jxhr"></xmp></meter>

    <output id="8jxhr"><sup id="8jxhr"></sup></output>

  2. 互联网

    AI医学影像炙手可热£¬商业化之路还有多远£¿

    2019/4/4 10:19:00

    没有人会质疑AI促进医疗发展的意义¡£其中£¬AI医学影像是医疗领域落地最快的一个方向¡£

    近日£¬中科院苏州医工所联合丽水市中心医院¡¢苏州大学附属第二医院研究团队开展了一项新的研究¡£研究结果显示£¬与医学影像联合使用的人工智能系统SE-DenseNet与增强核磁共振图像结合£¬可以在无创条件下为病患完成癌症分级¡£研究团队表示£¬将把该技术应用在其开发的肝癌消融计划导航系统中£¬以更准确地辅助制定手术规划¡£

    资本扎堆£¬政策支持£¬放射类影像相对容易获取数据£¬国内影像医生缺口巨大¡­¡­许多充分必要条件都推动着AI医学影像向前走¡£但漫漫长征路£¬想要真正商业化应用落地£¬还有诸多拦路石¡£

    看似顺风顺水£¬实则推进困难

    在医疗诊断中£¬影像的价值是无可取代的£¬90%的医疗数据需要医生通过影像?#30913;?#26029;病理情况¡¢手术方?#28014;?#29992;药风险?#21462;?#20294;在临床应用中£¬影像解读高度依赖于医生经验£¬具有较大的主观性£¬因此£¬寻求客观¡¢有效的?#25318;?#26041;法是一个重要的研究方向¡£使用¡°医学影像+AI¡±能更全面地获取病灶信息£¬降低漏检概率£¬具有重要的临床意义¡£

    AI医学影像的发展根源在于数据¡£数据是深度学习算法所需的核心资料¡£中国医疗的独特性£¬迫使人工智能企业必须和医院深度合作¡£

    在中国的卫生体系中£¬医院相?#36828;?#31435;£¬数据独握£¬不同地区的医院遵循的政策管理又不尽相同£¬中国的医疗数据的管控政策不清晰¡£这给AI医疗公司带来了诸多困难¡£为了得到医院的宝贵数据£¬让医生在研发过程中帮助机器学习£¬让医院?#24066;?#20135;品进场试用¡£在?#23548;?#20135;品应用过程中得到反馈¡£科技公司需要耗费大量的人力物力财力去搞定医院和医生¡£

    而且£¬国内现阶段缺乏标准化的高质量训练集£¬使得各家人工智能企业采用的数据训练集标准多样£¬系统偏差比较大¡£每家医院的医疗流程不同£¬医疗政策差异£¬公司一般都需要单独定制产品£¬这?#25216;?#22823;了AI医疗公司的研发压力和资金压力¡£

    这也反映在了公司的发展方向上¡£

    目前做AI医疗影像的国内公司£¬很大一部分都集中在肺结节病种上£¬因为病例多?#31227;?#36941;£¬病患反应也相对统一£¬属于较容易攻克的方向¡£但最重要的原因是£¬肺结节影像数据有公开数据库£¬掌握AI算法的公司£¬都可?#38405;?#36825;个数据库跑一个模型出来¡£但在其他病种上£¬科技公司很难拿到大量数据£¬对于AI公司来说£¬只有少量医院的数据是没有太大意义的¡£

    产品落地实用性遭质疑

    除了在推进过程中的困难和压力巨大£¬已经让一部分科研公司望而?#24202;健?#22312;产品落地应用上£¬目前来说£¬AI所取得的成果也还远远没有达到预期£¬面临着专业医生的质疑¡£

    目前AI医学影像基本是基于单病种图像标注形成的模型£¬尚没有符合临床使用场景的产品£¬产品集中于少数几个病种£¬难以覆盖全部医学影像问题¡£最重要的是产品实用性£¬即AI阅片准确率的问题¡£在临床过程中£¬很多创业公司的产品准确?#25163;?#33021;达到50%¡£视觉识别的不准确£¬产品性能自报与?#23548;?#26816;测数据不符£¬很难取得医院和医生的信任¡£这也是包括IBM Waston在内的医疗影像行业的普遍问题¡£

    市场蓬勃增长£¬但赚钱?#24615;?/strong>

    人工智能医疗行业热度高涨£¬影像作为公认的图像识别技术在医疗领域最直接的应用£¬掀起了?#36824;?#21019;业潮¡£据不完全统计£¬目前进入人工智能医学影像领域的创业公司£¬已达40多家¡£除了垂直度高的人工智能医疗公司£¬互联网巨头也接连进场£¬影响着领域内的格?#30452;?#21270;¡£

    第三方市场调研机构Global Market Insights数据显示£¬医疗影像和诊断技术将成为2017年£­2022年智能医疗领域增速最快的行业£¬预计到2024年£¬行业将达到250亿美元£¬增速超40£¥¡£

    ?#36136;等床?#19981;乐观¡£即便是龙头IBM Watson£¬其Watson for Oncology也还没有报告具有了盈利能力¡£

    2017年2月£¬人工智能医疗领域的风向标项目MD安德森与IBM沃森宣布合作?#32617;¹£?#36825;被很多人看作是人工智能在医疗领域的倒退¡£原因之一是双方合作的系统IBM沃森支持的临床决策系统¡ª¡ªOncology Expert Advisor£¨OEA£©并没有得到临床应用¡£

    相比Watson£¬国内一众人工智能医学影像公司都还处于疾病?#35206;?#30340;应用阶段£¬?#30913;?#26029;影像中是否存在某类疾病£¬对于病症具体症?#24202;?#19981;具有深度分析能力¡£?#28909;?#32954;部图像识别在临床中可能能协助医生减少一些工作量£¬但对医生的帮助以及应用场景比较小£¬价值相对是?#31995;?#30340;¡£因此£¬医院和医生并不愿意为此买单¡£与医院的合作多是提供产品试用£¬收不?#35282;®¡?#27809;有收入来源?#32479;?#26223;£¬商业模式是不健康的¡£

    但更苦情的是£¬盈利是AI医疗影像公司还来?#24739;?#24819;的问题£¬考虑¡°在激烈竞争下活下来¡±£¬优先级可能更高¡£

    谷歌¡¢IBM¡¢英特尔等国?#31034;?#22836;和国内的BAT等科技大厂加紧布局£¬初创企业如何摆脱¡°大鱼吃小鱼¡±的命运¡£?#35789;?#24040;头们不大举整合市场£¬创业公司之间的厮杀也相当激烈£¬谁能在博弈中?#36182;?#36305;?#39304;?/p>

    小结£º

    得益于计算机视觉这种深度学习技术£¬国内有旷视科技¡¢商汤科技¡¢极链科技video++¡¢云从科技等?#21028;?#30340;AI创业公司率先在各个跑道上推动着AI落地¡£经过多年的发展£¬AI医学影像也已经成为AI赋能应用的重点领域¡£作为最早竞争也最激?#19994;?#25112;场£¬AI医学影像商业化之路还有多远¡£

    行业的?#20284;?#19982;泡沫£¬是任何一个新技术?#39034;?#30340;必经之路¡£人工智能入局医疗£¬如何突破应用关£¬还需要等待¡£

    版权声明
    本文仅代表作者观点£¬不代表艾瑞立场¡£本文系作者授权艾瑞专栏发表£¬未经许可£¬不得转载¡£
    • 合作伙伴

    • 官方微信
      官方微信

      新浪微博
      邮件订阅
      第一时间获取最新行业数据¡¢研究成果¡¢产业报告¡¢活动峰会等信息¡£
         关于艾瑞| 业务体系| 加入艾瑞| 服务声明| 信息反馈| 联系我们| 广告赞助| 友情链接

    Copyright© 沪公网安备 31010402000581号沪ICP备15021772号-10

    ¹ã¶«36Ñ¡7¿ª½±

    1. 
      

      <output id="8jxhr"></output>
      <blockquote id="8jxhr"></blockquote>
      <meter id="8jxhr"><xmp id="8jxhr"></xmp></meter>

      <output id="8jxhr"><sup id="8jxhr"></sup></output>

      1. 
        

        <output id="8jxhr"></output>
        <blockquote id="8jxhr"></blockquote>
        <meter id="8jxhr"><xmp id="8jxhr"></xmp></meter>

        <output id="8jxhr"><sup id="8jxhr"></sup></output>