2018年被称为“医疗AI”落地之年。全国上千家三甲医院引入了了AI产品。140余家从事医疗AI的企业，近120家在做医学影像业务，其中约百家企业布局于肺结节影像产品看上去蓬勃发展、四面开花的中国医疗AI行业，跟很多新兴行业一样，同质化现象严重，只是非常有限地，挤在某些容易涉猎的领域里相互“追随”、彼此竞争。
本文重点关注AI医学影像落地的应用场景、典型产品、商业模式、机会与挑战等。
一、AI医疗影像常见类型应用场景
（一）按照影像产生科室和设备类型划分
按照影像产生科室和设备类型分为超声影像、放射影像、放射治疗、病理分析、内镜影像这几类来进行场景描述。
1、超声影像
超声影像可以清晰显示脏器及周围器官的各种断面像，同时具有价廉、简便、迅速、无创、无辐射性、准确、可连续动态及重复扫描的优点，成像速度快的特点，因此易于推广应用，常作为实质脏器及含液器官的首选方法，非常适合于心脏，大血管及胆囊的显示和测量。
2、放射影像——DR、X线、CT、核磁
直接数字平板X线成像系统DR（Digital Radiography）具有成像速度快、辐射量小、空间分辨率高、噪声低等优点，加上设备成本低，在普通体检、疾病初判、入院查体等场景中广泛应用。在综合型三甲医院，门诊、体检量大，DR正常病例报告书写占据了影像科医生的大部分的精力，迫切需要智能诊断加结构化初诊报告来提升诊断效率；在基层医疗机构，随着基础建设的持续加大投入，乡镇卫生院基本都配备了DR设备，但缺乏具备诊断能力的影像科医生，造成有人拍片而无人写报告的问题突出。部分地区通过建设远程医疗平台，由医联体内县医院或更上级医院进行远程诊断，增加了上级医院的工作量，增加了误诊漏诊的风险。
现阶段DR智能报告产品，主要针对DR的拍摄和诊断业务流程，提供影像预处理、影像质量分级、DR疾病风险程度初判分类、病灶识别检出、异常征象检出、自动化报告生成等功能。
X光： X光是观察骨骼简便的检查方式，价格也相对较便宜。如果怀疑四肢、脊柱等部位出现急性外伤，伤到了骨骼，有突发急性疼痛或是难以控制的慢性疼痛，一般会优先选择X光。
CT： 在某种意义上可以说是X光的加强版，一般重要部位的CT检查，如：头颅、胸腹、脊柱、骨盆等优于常规X光检查。CT对肺部结节、淋巴结增大、气管狭窄等的诊断，肺癌的筛查等胸部疾病有较大的意义。CT检查对中枢神经系统疾病、头颈部疾病的诊断、大血管检查等也有很大的价值。如：颅内肿瘤、早期鼻咽癌的发现、冠状动脉粥样硬化和冠心病的筛查等。
核磁： 磁共振可以随意做任何角度的切层，且无辐射。对颅脑、脊柱和脊髓等的解剖和病变的显示，都比CT要好；核磁共振对病变组织的敏感度优于CT，尤其是关节、肌肉、中枢神经系统等软组织的检查结构更清晰。核磁共振对脊柱、关节、肿瘤、感染性疾病、淋巴结和血管结构之间的相互鉴别，有独到的优势。
3、放射治疗
作为肿瘤三大主要治疗方式之一，放疗在肿瘤治疗中的地位越来越重要。随着三维适形和适形调强等精确放疗技术的发展和广泛临床运用，其中精准的靶区范围的确定和勾画在放疗中非常重要。
4、病理影像
病理诊断是医学诊断的“金标准”，是医生对病人进行正确治疗的基石，病理医生更素有“医生的医生”之称。病理医生直接面对的其实不是患者，而是临床医生。病理报告中会提供病人罹患的疾病的具体类型、肿瘤的分级、分期等各种信息，然后临床医生会根据这些信息来制定治疗和用药的方案。
5、内窥镜影像
内窥镜是集中了传统光学、人体工程学、精密机械、现代电子、数学、软件等于一体的检测仪器。一个具有图像传感器、光学镜头、光源照明、机械装置等，它可以经口腔进入胃内或经其他天然孔道进入体内。利用内窥镜可以看到X射线不能显示的病变，因此它对医生非常有用。常用于食道、胃及十二指肠、小肠、大肠、胰腺、胆道、腹腔、呼吸道、泌尿道疾病的检查。
6、眼底影像
眼底检查是检查玻璃体、视网膜、脉络膜和视神经疾病的重要方法。许多全身性疾病如高血压病、肾病、糖尿病、妊娠毒血症、结节病、某些血液病、中枢神经系统疾病等均会发生眼底病变，甚至会成为病人就诊的主要原因，故眼有“机体的橱窗”之称，检查眼底可提供重要诊断资料。
（二）按照疾病部位划分
1.肺结节等胸部AI
AI产品基本是根据临床对肺结节及骨折产品的实际需求的轻重缓急，以及自身的技术水平，搭建不同的神经网络模型，对影像进行分类、分割及检测，实现预期的功能；另外，在长时间的探索过程中，发现AI产品从实验室阶段走向临床落地，必须解决好产品的鲁棒性、易用性及安全性问题。
肺癌早期筛查早期治疗的普及，使影像科压力倍增，对肺结节AI产品的需求旺盛。现阶段市场上肺结节产品，基本上实现的是肺结节的检出功能，为临床提供结节鉴别诊断的量化信息，诸如大小、体积、位置，部分AI产品甚至可以精确定位到肺段，少数AI产品具备结节的良恶性的提示，以及图文报告。
2.骨关节疾病AI
DR是骨科疾病的常规检查，方便、实用、经济，通过DR实现骨关节疾病的早期发现，获得早期干预机会是医师的重要临床诉求。
借助深度学习技术，可实现对DR图像更为精准的特征点检测、定位，进行髋关节部位的测量与可视化，通过分割及测量结果对骨关节炎进行分类，获得更优表现的精度和程度预测。一次影像诊断中可获得更为全面的医疗信息，如通过卷积神经与软件工具，进行病变检测、程度判别、角度与径线数据测量及灵活调整工具应用等，来进一步改善医师DR诊断量大、临床测量费时费力，难以支撑临床判断等痛点。
3.心血管疾病AI
随着临床科学技术的不断发展，CT和MRI技术在心血管疾病诊断中也发挥出了越来越重要的价值。冠心病影像学技术在心肌灌注、心功能、冠状动脉斑块性质、冠状动脉狭窄以及心肌活动评估方面的诊断价值不断提升。
AI技术可以实现心血管医学影像的自动读片和影像重建功能，并为影像科以及临床科室提供丰富的、有效的辅助诊疗信息，提高医护人员工作效率，提升一线全科医师的诊断治疗水平。AI算法在优质且大量的训练数据以及高性能计算环境下，利用机器学习的方法对影像的特征进行分类，并能够实现算法参数的自我优化，并随数据量的增加不断提高识别精确度。目前AI可智能识别影像中的心脏结构，并进行自动血管分割，实现影像三维重建，为疾病的诊断和治疗提供帮助；国际上近2年更多的在采用多中心研究数据进行机器学习，通过AI来增加传统危险分层中的预后信息，综合评估患者术前术后风险，提高心血管事件风险预测能力，提升AI在卫生经济学方面的应用价值。
3.神经系统影像AI
随着算法的不断更新迭代和临床需求不断增多，一些与中枢神经系统相关的产品出现了，这能够为影像科以及临床科室提供更准确有效的信息。
目前AI可以快速地对中枢神经影像进行分区，在分区的同时进行感兴趣区域的分析。通过细化分区结果，对全脑的功能进行评估，结合临床症状、体征和实验室检查，对疾病进行综合评估。这已经逐渐成为医师日常工作中不可缺少的工具，同时基于AI所得到的的分析结果会发掘出新的数据价值和研究方向。
4.乳腺影像AI
数字化乳腺X 线检查具有良好的对比度及分辨力，能够分辨组织间细微结构密度的差别，且操作简单，价格相对低廉，易被接受，诊断准确率较高，是国际上公认的乳腺癌早期机会性筛查及早期发现的有效措施。
乳腺钼靶阅片的辅助工具中，CAD软件诞生最早，在国内不少医院也有使用，但传统CAD功能单一、性能不足，在病灶检出上假阳性过高，性能上很快到达瓶颈。相对而言，AI辅助诊断系统功能更强大、性能稳定且能不断迭代提升。
5.脑部影像AI
AI应用于出血性脑卒中可在第一时间发现病灶，大幅缩短阅片时间。对于缺血性脑血管病急性期CT平扫的诊断一直是影像和临床医生面临的一大难点，对于病灶的定位以及半暗带的体积预测也是临床的一大难点。基于头颅CTA的脑血管检测，逐渐成为AI在脑影像的一个发展方向。AI不仅仅可以在脑血管病的诊疗方面得到发展，在颅内肿瘤等疾病的诊疗方面也可以展开相应的研究和衍生出相应的产品，为影像科以及临床神经科提供一定的帮助。
6.盆腔影像AI
目前结直肠AI产品，主要利用图像识别、深度学习等AI技术，与消化内镜结合，辅助临床医师实时发现结直肠息肉，并实时鉴别息肉性质，以每秒分析10张图像的速度，为临床医师提供非腺瘤息肉、腺瘤息肉、腺癌等状态的实时提醒，辅助临床医师更准确、更高效地诊断结直肠肿瘤。AI应用在前列腺中，可以从影像上全自动分割前列腺，检测病灶位置，并同时进行感兴趣区域的分析；产品应用则多集中在针对前列腺病理图片的诊断，大部分产品都可以达到较好的整体诊断准确率。宫颈癌AI产品也主要集中在病理切片的分析，针对子宫颈抹片的智能分析系统，能对宫颈癌及癌变前进行诊断，评估和预测恶性程度及疾病的发展趋向。
7.眼底图AI
基于眼科医师极度紧缺、培养周期长，以及随着国民经济发展水平和人民生活水平的持续提高，全社会对于健康医疗服务总供给提出了新的要求，健康医疗服务面临新的机遇和挑战，急需AI为国民眼健康和慢病眼底并发症的筛查和预防带来新的动力。
各科室对于AI的应用中，秉承着开放的态度，眼科已经处于领先地位。在过去几年，眼科领域的研究成果不断登上顶级学术期刊，并且率先通过FDA的审核，在产品形态上出现了单一病种识别、多病种识别、全眼底覆盖等AI产品，获得了眼科医师和从业者的普遍认可，并且已经展开大范围应用。
8.大血管疾病AI
在大血管疾病方面，目前AI可以较好地协助医师准确、快速的实现病灶区的识别、分割工作，减轻放射科医师工作强度，降低漏诊、误诊概率；并且可以通过自动对主动脉及其分支进行分割，确认破口位置，根据专家系统为临床医师提供具有参考价值的手术实施方案，并实现患者术后风险预测分析及病程管理工作。
9.皮肤AI
AI技术在视觉特征提取，症状与病因相关性深度挖掘和分析、推断一致率方面已经日渐成熟。2017年斯坦福大学在Nature上发表了皮肤镜影像上的AI模型，其诊断符合率与准确率均已媲美资深皮肤科专家。根据皮肤影像的类别与其应用场景，目前研发集中在标准化影像上的皮肤癌诊断，医用端数字影像上的常见多发病诊断，患者移动端影像上的全病种自查等方向。
