《计算机行业:从星星之火到燎原之势~AI应用系列报告医学影像智能识别-171224(18页).pdf》由会员分享,可在线阅读,更多相关《计算机行业:从星星之火到燎原之势~AI应用系列报告医学影像智能识别-171224(18页).pdf(18页珍藏版)》请在三个皮匠报告上搜索。
1、人工智能方法在医学图像处理中的应用十分广泛,涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。医疗影像智能识别按照应用领域,可以分为放射类、放疗类、手术类以及病理类:1>放射类:类似于军队的“情报部门”,通过射线成像了解人体内部的病变情况,形成影像。对该影像智能识别的目的在于标注病灶位置。2>放疗类:类似于军队的“战斗部门”,在制定放疗方案之前,医生需要通过成像设备对靶区进行定位,从而形成影像。对该影像智能识别的目的在于进行靶区自动勾画,由于放疗需要杀死细胞,病变区域勾勒的越准确越好,对智能影像识别准确率要求高。3>手术类:对 CT 等影像通过 3D 可视化
2、等技术,进行三维重建,帮助医生进行手术前规划,确保手术的精确性。4>病理类:病理诊断是最终确诊环节,MRI、CT、B 超等影像判读的正确与否要参考病理诊断的结果。传统的病历检验是医生在显微镜下直接读取病历涂片,现在数字化病理系统使得AI 读片成为可能。行业内公司目前多涉足于放射类和病理类:1>放射类影像比较容易获取标注数据进行深度学习,且应用场景多领域广,有较多创业公司涉足;而病理科医生缺口大(我国病理注册医生在 1 万人左右,按照每百张床配备 12 名病理医生的标准计算,全国病理科医生缺口可能达 34 万人,目前,全国有近 40%的手术未进行病理切片分析),数字化病理系统快速普及
3、,部分创业公司也在病理类影像智能识别发力。医疗影像服务市场每年规模在千亿级别,假设 AI 读片在价值链的分配中占到 10%,则市场规模在百亿级别。按照成像设备或类型分,包括 X 线成像、CT 成像、核磁共振、超声成像以及病理切片(基于显微仪)。另外,还包括小众的红外成像、眼底镜成像等。其中,X 线成像每年市场规模合计 700 亿元,而普通的 CT 和核磁共振,每年市场规模合计 1500 亿元。所有成像类型的市场规模合计在千亿级别。假设 AI 读片在价值链的分配中占到 10%,则市场规模在百亿级别。数据分散:尽管我国存在第三方影像中心,但绝大多数的医疗影像数据来源于医院。且三级医院拥有绝大多数影
4、像数据,但影像数据不出院是必须守住的红线。所以大量影像数据分散在不同的三级医院系统中。根据卫计委,2017 年 6 月,全国三级医院数量为 2286 家。创业公司除了通过公开数据集进行训练,也跟大医院进行合作,签订联合科研的协议,和医院一起训练模型。数据分散导致一家公司很难同时获取满足产品准确率要求的全部数据,而不同创业企业都有跟熟悉的医院合作进行产品研发的可能。目前市场上大部分公司的数据来源是 2-3 家医院,这在数量和质量相对较少。以 CT 为例,医院在用的各种 CT 机型有近百种,厂家有 7、8 家。在产品化的过程中,如果仅使用几个机型的数据,或者下载公开数据集的数据来训练模型,即使实验室准确率很高,也很难在实际应用中取得很好的效果。医疗 AI 公司研发的产品是否可以适应市场上 90% 的影像设备,是这样的产品进行市场推广的前提。