人工智能医疗影像市场研究报告文档格式.docx

人工智能医疗影像市场研究报告文档格式.docx

《人工智能医疗影像市场研究报告文档格式.docx》由会员分享，可在线阅读，更多相关《人工智能医疗影像市场研究报告文档格式.docx（25页珍藏版）》请在冰豆网上搜索。

近年来AI+医疗影像应用的准确度、诊断效率和覆盖病种数量都不断取得突破。

皮肤癌的诊断和人类旗鼓相当，但效率更快；

乳腺癌、甲状腺结节等的诊断准确度已经超过人类，并且还有AI分析软件通过FDA认证。

AI+医疗影像应用空间较大

根据36氪研究院的粗略估算2015年我国医疗影像市场规模在4000亿左右。

基于医疗影像的人工智能产品应用才刚刚开始，未来有望渗透到医疗影像设备和影像服务市场，提高诊断效率和准确度，应用空间较大。

类似于其他人工智能领域，医疗影像人工智能的核心竞争力是获取不断更新的高质量数据库、优良的算法、方便可及的应用场景。

1、医疗影像海量数据积累使得人工智能应用成为可能

阿里云研究中心和BCG的最新合作报告《人工智能：

未来制胜之道》中指出，从技术突破和应用价值两维度分析，未来人工智能会出现服务职能、科技突破、超级智能三个阶段。

而数据可得性高的行业人工智能将率先用于解决行业痛点，爆发大量场景应用。

从应用行业的角度来看，医疗、金融、交通、教育、公共安全、零售、商业服务等行业数据电子化程度较高，因此这些行业将会率先涌现大量的人工智能场景应用，用于解决行业痛点。

从技术的角度来讲，医院的数据归结为两类：

一类是结构化数据，一类是非结构化数据。

检验报告、血常规检查、肝功能检查等以文字加数字的方式呈现的数据可以归类于结构化数据。

而超声和放射科等影像学检查所呈现的数据是没有结构化的影像数据，是非结构化数据。

根据咨询公司IDC的预测数据显示，到2020年全球医疗数据量将达40万亿GB，并且人类每年数据生成和共享的速度还将迅速增长，导致数据加速积累，而这些医疗数据中的80%以上是非结构化影像数据。

海量、精准、高质量的数据为训练人工智能提供了原材料，也是未来人工智能深度学习的金矿。

IDC认为，未来人工智能技术将在医疗领域被广泛应用，尤其在辅助诊断、药物研究、医学影像、基因科学等细分的医疗场景。

图表：

2020年人类产生的医疗数据总量预测

数据生成和共享速度迅速增长

机器读片相对人工读片优势明显

人工读片

人工智能读片

客观程度

主观性无法避免

较为客观

记忆能力

知识遗忘

无遗忘

建模条件

较少信息输入即可快速建模

建模需要更多信息输入

信息利用程度

低

高

重复性

定量分析难度

大

知识经验传承难度

困难

效益性

耗时、成本高

成本低

依托海量数据库，借助图像识别和深度学习，诊断效果显著提高

2、国内医疗影像行业服务模式创新

我国医疗影像行业各方面全面落后于美国，存在巨大的发展机会。

我国医学影像的误诊人数远高于美国。

美国每年的误诊人数达到了1200万；

而据中国医学会的一份误诊数据资料显示，中国临床医疗中每年的误诊人数约为5700万人，总误诊率为27.8%，其中恶性肿瘤平均误诊率为40%，器官异位误诊率为60%，而这些误诊主要发生在基层医疗机构。

影像的信息化建设水平远低于美国。

根据CHIMA的数据显示，2015年我国医院的PACS系统的建设水平是50%-60%，远低于美国几乎100%的建设水平。

中国的医学影像正在逐渐从传统的胶片过渡到电子影像胶片，并且影像数据的共享程度低；

而美国传统胶片已经成为历史，几乎所有医院都可以提供影像数据，并且支持共享。

影像数据和放射科医生增长速度的不匹配带来人工智能影像诊断的需求。

在政策鼓励和电子胶片趋势的带动下，医学影像数据将迎来大幅度增长。

根据相关部门和动脉网的数据，美国和中国的影像数据年增长率将分别达到63.1%和30%。

但美国和中国放射科医生的年增长率仅有2.2%和4.1%，远远低于影像数据的增长，存在巨大的缺口。

这将大大增加影像医师的工作量，并有可能会引起影像医师的判断准确性下降。

鉴于人工智能对医疗影像进行诊断可以很好的弥补两者之间速度的不匹配，医疗影像的智能诊断的需求有望被带动起来。

而且我国医疗信息化还有很大的提升空间，影像数据的共享程度低，这也使得跨平台的影像云有巨大市场需求。

中美医疗影像信息化对比及影像医师相关情况对比

中国

美国

影像信息化

50%-60%的医院使用了PACS系统。

影像科室PACS系统独立存在，未接入院内、医

院间数据不能共享，转诊也基本需要重复拍片。

多数医院只发影像胶片，不提供患者完整影像光盘。

几乎所有医院（小诊所除外）使用了PACS系统。

健全的PACS系统，能支持远程诊断/会诊等。

为患者提供完整的DICOM影像光盘，包括几百上千张图片，方便患者转诊和其他医院专家阅片诊断，如据此对病灶进行专业分析，三维重建。

独立影像中心

市场空白，从零起步。

参与者为个数。

业务占全行业的40%。

已出现多个地域性龙头和全国性的二级市场龙头。

影像医师地位

拍片收费，阅片免费。

未得到足够重视，影响医师收入相对偏低。

拍片和阅片分别计费。

在临床诊断中具有重要的地位，放射诊断医师收入排名前列。

影像医师教育

人才培训未形成体系，各地人才缺乏、区域差异大。

影像医学教育有严格的准入和评估标准：

学时长，要通过的认证体系。

影像诊断水平

影像医师诊断水平级别差异大，地区差异大，误诊率高。

因教育培训、认证体系严格，执业医师整体水平，个体水平更为均衡。

患者和医生诉求驱动医疗影像行业服务模式改变：

对患者来说，考虑到我国特殊国情，“看病难、看病贵”是其主要的面临的问题。

看病难是由我国优质医疗资源过于集中和医师的水平参次不奇所导致基层医院误诊率高、大医院排队时间又长等问题所引起的；

看病贵则归咎于医疗影像数据不能共享且过往影像资料存储难，导致重复拍片，增加患者就医的成本。

对于影像医师来说，最大的痛点在于误诊率高和收入较低。

与此同时，医疗影像行业新的市场趋势正在形成。

包括新一代医疗消费行为趋势、以患者为中心的医疗服务变革趋势、对数据价值挖掘的预期、对影像数据进行存储管理的需求等。

既往痛点结合新的市场需求趋势，形成了产业创新的内在驱动力。

而影像智能诊断分析、影像远程诊断、第三方独立影像中心等能很好地解决患者所面临的“看病难、看病贵”问题和影像医师“误诊率高”的痛点。

医学影像领域的患者痛点与医生痛点

3、巨头纷纷加码，资本竞相角逐AI+医疗影像

提到AI+医疗影像，就必须提到已经在这个领域深耕多年的IBMWaston。

Watson是自2007年开始，由IBM公司的首席研究员DavidFerrucci所领导的DeepQA计划小组开发的人工智能系统。

其认知智能的核心在于对非结构化数据的理解，即医嘱、图像等信息。

而医疗行业中的非结构化数据包含了绝大多数的信息量。

IBMWatson可以在17秒内阅读248000篇论文，106000份临床报告，61540次试验数据，3469本医学专著，69种治疗方案，通过海量汲取医学知识，IBMWatson可以在短时间内通过学习快速成为肿瘤专家。

相比于人类研究人员每年平均200至300篇论文的阅读量有巨大的优势。

IBMWatson是目前全球较为成熟的案例。

IBMWatson将基础能力与人类医生的一般医疗诊断模型进行融合，提供辅助诊疗的处理逻辑能力。

Watson已通过了美国职业医师资格考试，目前WatsonforOncology已于全球7个国家落地，分别是中国、美国、韩国、泰国、新加坡、印度、荷兰，这7个国家已经正式进入商业化对外服务患者。

在服务病种方面，目前沃森提供的肿瘤治疗方案覆盖了乳腺癌、肺癌、直肠癌、结肠癌、胃癌、宫颈癌、卵巢癌，预计2017年底会扩展到8～12个癌种。

截止2017年3月25日，WatsonforOncology已经在全球服务了2万多名患者。

2016年8月，IBMWatson的癌症诊断机器人登陆中国，至2017年7月份，已经在11家医院落地，预计年底覆盖150家三级综合医院。

根据JPMorgan估计，2017年Watson的大数据分析可以为IBM带来20亿美元的收入（注：

2016年以Watson为主的IBM认知解决方案业务营收186亿美元，占总营收的22.76%）。

IBMWatson还在不断拓展医学影像领域的优势。

IBMWatson先后于2015年10月和2016年2月分别斥资10亿美元和26亿美元收购医疗影像分析公司MergeHealthcare和医疗数据公司TruvenHealthAnalytics，加大Watson的数据训练量并增强其在医疗影像的诊断能力。

除了IBM在人工智能+医疗影像领域广泛布局外，谷歌、微软、阿里、XX、科大讯飞等科技巨头也在近几年纷纷积极切入。

“沃森医生”的诊断过程

科技巨头们也都在纷纷跨界医学人工智能领域

产业公司名字

人工智能布局

IBM

✓2011年Watson开始应用于医疗领域

✓2012年与克利夫兰诊所合作训练Watson

✓2013年与几年斯隆凯特琳癌症中心合作共同训练Watson

✓2014年投资10亿美元成立IBMWatson业务集团

✓2015年收购医疗分析公司Explorys；

并创建WatsonHealth服务；

收购医疗影像分析公司MergeHealthcarel2015-2016年：

将Watson带入苹果手表睡眠健康应用，与UnderArmour合作对健康大数据进行分析；

创建开源癌症数据库；

与辉瑞合作致力于帕金森患者的远程监控；

与美国糖尿病协会合作；

收购医疗数据公司TruvenHealthAnalytics

谷歌

✓2016年2月，谷歌DeepMind公布成立DeepMindHealth部门

✓2016年与英国NHS合作，帮助他们辅助决策

✓与皇家自由医院合作，DeepMindHealth开发了名为Stream的软件

✓与NHS再次合作，同Moorfields眼科医院一起开发视觉疾病的机器学习系统

微软

✓2016年微软宣布将AI用于医疗健康的计划Hanvoer，辅助精准用药、精准治疗

✓与俄勒冈卫生科学大学Knight癌症研究所在药物研发、个性化治疗领域合作

XX

✓l2016年10月发布XX医疗大脑

阿里巴巴

✓2014年成立阿里健康；

2015年与锐珂医疗合作搭建影像诊断平台；

2016年增资华润万里云，为患者提供远程影像诊疗；

2017年携手万里云正式发布“DoctorYou”AI系统，主攻医学影像诊断领域

✓2017年发布ET医疗大脑

腾讯

✓2016年投资碳云智能、思派网络等医疗人工智能公司

✓2017年发布了AI医学影像产品——腾讯觅影（涉及疾病包括食管癌、肺癌、糖网病、宫颈癌和乳腺癌。

其中，其早期食管