中文
English

[行业资讯]AI驱动医学影像行业深度变革

2021-09-25

近年来,随着人工智能(AI)技术在医学影像领域的逐步应用,鼓励医疗器械行业创新发展相关政策的不断落地,致力提升医疗机构服务水平的医学影像新业态崭露头角,尤其是以AI医学影像产品为代表的诊断设备,成为医疗器械行业发展热点。


  AI赋能传统产业链延伸


  AI医学影像设备属于高端医疗器械,具有多学科交叉、知识密集、附加值高等特点。医学影像产业链涉及基础工业、制造业、影像学、医疗机构、互联网等多个行业。当影像数据积累到一定规模,产业链将延伸至AI领域,研发形成影像智能诊断应用,进一步促进医学影像诊断设施及服务等发展。


  医学影像产业链上游是化工、金属、通讯等行业,这些行业的技术进步将推动医学影像行业的发展或变革。


  产业链中游是医学影像诊断服务及基础设施行业,包括医学影像成像设备企业等。现阶段,中游市场规模最大。


  产业链下游则涉及各级医疗机构与衍生服务机构。其中,公立医院是医学影像设备企业的主要客户,线上影像平台及独立影像中心是下游市场未来主要增长力量。


  目前我国的优质医疗资源普遍集中在三级医院,而独立影像中心的发展有利于实现优质医疗资源的整合分配,促进医疗资源分配合理化。受制于政策、成本等因素,部分基层医疗机构配置大型医学影像设备能力有限,部分临床需求得不到满足,独立影像中心则可以很好地解决这一问题。独立影像中心一方面可以减轻三级医院负荷,另一方面也能提高基层医疗机构服务能力,进一步促进医学影像行业快速发展。现阶段,我国独立影像中心尚处于初步发展阶段,未来随着政策的加持、慢性疾病管理需求的增多及老年人口数量的上升,市场将迎来广阔的发展空间。独立影像中心属于重资产模式,需要采购大量医学影像设备,有利于驱动医学影像设备行业的发展,这将成为倒推中游市场规模增长的关键因素。


  线上影像平台通过云平台提供远程阅片等服务,很好地满足了患者与临床医生的多样化需求。依托于AI、云计算、大数据等新技术,线上影像平台近年来成长迅速,下游市场的消费需求旺盛。新模式的加入延伸了传统产业链,也扩大了产业的整体规模。


  建立标准化、大样本数据库势在必行


  数据是AI医学影像设备的核心资源,仅掌握算法但数据数量和质量不足,也无法获得较好的训练效果。目前,数据获取渠道受阻、行业标准模糊、数据使用机制不明等因素,一定程度上限制了AI医学影像行业的发展。为更好地推动行业健康快速发展,需建立起一系列有效解决方案,通过合理的数据分享机制,建立标准化、大样本的数据库。


  一是畅通有效标准训练数据的获得渠道。同其他行业相比,医学影像行业在高质量数据获取上有着天然劣势:一方面,高质量影像数据集中在三甲医院,不同医疗机构间缺乏有效的数据互通机制,数据很难实现共享;另一方面,我国医疗数据量虽然庞大,但其中80%是非结构化数据,限制了AI在医学影像行业的进一步应用。此外,训练数据集应根据适用范围,涵盖体检、筛查、门诊和实验室等不同场景的图像,而目前国内尚无规范化设计的有效数据库。因此,畅通有效标准训练数据的获得渠道对于AI医学影像行业的高质量发展起到关键作用。


  二是完善行业标准。AI技术的本质,决定了算法训练与产品测试使用的数据集,对AI医学影像设备全生命周期的质量控制和风险管理具有重要意义。在获取到有效数据的基础上,深度学习技术才能结合先验知识对模型进行正确训练,且训练集需要事先标注。不同机构数据质量和规模参差不齐,缺乏统一的标注扫描技术、处理手段、标准和共识,易导致产品存在质量安全风险和“水土不服”现象。因此,需通过统一行业标准加强引导和规范,如加强训练数据集标注者队伍的资质认定,统一图像征象认识、标注方法、分割方法、量化方法等,避免产品在实际应用过程中存在标准不统一等情况。


  三是建立有效的数据保护和监管机制。医疗单位不愿开放和分享数据,很大程度上是出于信息安全的考虑。目前,可以开放使用的数据类型,以及数据的归属和伦理问题尚不明确。同时,数据的使用缺乏有效的保护和监管机制。因此,需完善相关法律法规,明确数据的使用规范,确保数据质量标准化、可溯源。


  行业面临升级与重塑


  未来,在AI技术的赋能下,医学影像行业将进一步转型升级。同时,随着AI技术的发展及数据应用机制的成熟,行业集中度也将逐步提升。


  AI技术对行业的升级作用将更加显著


  当下,医疗行业的数据量迅速增加,AI医学影像产品技术优化速度将得到提升,进一步推动医学影像行业的升级。


  AI技术可以对复杂的数据进行识别,并能自动作出定量评估,可以辅助临床医生诊断,有助于形成更准确的放射学评估结果。就医学影像领域而言,基于技术类别,AI技术衍生出两大基础应用:一是数据感知,即通过图像识别技术对医学影像进行分析,获取有效信息;二是数据训练,即通过深度学习海量的影像数据和临床诊断数据,不断对模型进行训练,优化其诊断能力。因此,相比于传统医学影像设备,AI医学影像设备优势明显,医生对AI医学影像设备的使用需求不断提升。


  此外,AI医疗应用领域中,医学影像是投资金额最高、投资轮次最多、应用最成熟的热门领域之一,资本市场对AI医学影像行业的高度认可与大力支持,将会加速相关技术的成熟与应用场景的落地,助推医学影像行业转型升级。


  行业集中度逐步提高


  目前,AI医学影像行业竞争格局分散,原因主要有以下几方面:


  一是数据分散。正如前文所述,我国大多数医疗影像数据来自医院,且影像数据分散在不同医院中,导致AI医学影像模型难以得到有效训练,影响实际应用效果。


  二是病种分散。虽然底层代码可以复用,但不同病种需要不同的标注数据训练不同的模型。虽然也有企业着力针对多病种进行产品研发,但总的来看,不同病种模型具有不同的特点,导致行业发展初期参与者相对分散的行业格局。


  三是变现场景、商业模式具有多样化特征。以医疗图像智能识别技术为例,潜在的变现方式包括:作为单独的软件模块向医疗机构销售、与影像归档和通信系统(PACS)等系统组合向医疗机构销售、与影像设备合作形成软硬件一体化解决方案向医疗机构销售、通过远程医疗等方式服务基层医疗机构,以及通过互联网医疗等方式直接服务于患者等多种途径。场景和商业模式的多样化导致AI医学影像行业细分赛道众多,企业在各自赛道展开竞争。


  未来,随着行业数据整合与共享机制的建立、模型训练方式的成熟、商业模式的确立,以及越来越多产品的获批,在“场景+数据+算法”上有优势的先发企业将逐步建立起技术壁垒和商业壁垒,AI医学影像行业将逐步走向集中。

分享