人工智能医疗影像 头豹词条报告系列

Leadleo.com 客服电话：400-072-5588 人工智能医疗影像头豹词条报告系列 王竹馨·头豹分析师 2023-06-09未经平台授权，禁止转载 版权有问题？点此投诉 制造业/专用设备制造业/医疗设备制造/诊断类医疗设备制造 消费品制造/医疗保健 行业： 行业定义 医疗影像是指以医疗和医学研究为目的，以非侵入性的方… AI访谈 行业分类 人工智能医疗影像根据其医学影像处理能力主要分为三种… AI访谈 行业特征 人工智能医疗影像行业具有三大特征：一是该行业需要复… AI访谈 发展历程 人工智能医疗影像行业目前已达到3个阶段 AI访谈 产业链分析 上游分析中游分析下游分析 AI访谈 行业规模 人工智能医疗影像行业规模星级报告暂无评级报告 AI访谈数据图表 政策梳理 人工智能医疗影像行业相关政策5篇 AI访谈 竞争格局 目前中国人工智能医疗影像市场参与者众多，目前尚处起… AI访谈数据图表 摘要医疗影像是指以医疗和医学研究为目的，以非侵入性的方式获取人体或人体某部分内部组织影像的技术和处理方法。人工智能医疗影像主要是指通过影像分类、目标检测、图像分割、图像检索等深度机器学习，完成病灶识别与标注（病灶是指机体存在具有病原微生物的局限性病变组织，是机体发生异常病理性改变的部分）、三维重建、靶区自动勾画与自适应放疗等任务的一种医疗设备。人工智能医疗影像主要应用在疾病的筛查、诊断和治疗阶段，协助医生完成早期检测、诊断以及健康风险评估工作。人工智能医疗影像行业具有三大特征：一是该行业需要复合型人才，由于医学及人工智能均属于高科技领域，难度大学习时间长，导致人才匮乏；二是数据标注作为人工智能医疗影像数据预处理过程中重要的一环，时间资金成本高，获取难度大；三是人工智能医疗影像行业上游技术门槛高，主流通用型智能芯片如GPU芯片及其基础系统软件的研发需要全面掌握核心芯片与系统软件的大量关键技术，技术难度高、涉及范围广。中国人工智能医疗影像行业对于海外市场商业化探索的进一步成熟，分级诊断制度的完善以及第三方影像中心、第三方体检中心等下游应用场景的丰富，该行业的规模在未来有望大幅度提升，预计2027年突破300亿元大关，年复合增长率为58.8%。人工智能医疗影像行业虽然尚未出现垄断企业，不同细分赛道下的参与者在盈利模式、产品研发、资金支持等方面都各具优势，行业内部企业竞相发展。随着近年来国家对于人工智能与医疗领域的重视、各项政策的扶持，使得市场竞争逐渐激烈，经过市场的筛选，各细分赛道已经出现头部企业，行业梯队之间的差距也将逐渐明显。 人工智能医疗影像行业定义[1] 医疗影像是指以医疗和医学研究为目的，以非侵入性的方式获取人体或人体某部分内部组织影像的技术和处理方法。人工智能医疗影像主要是指通过影像分类、目标检测、图像分割、图像检索等深度机器学习，完成病灶识别与标注（病灶是指机体存在具有病原微生物的局限性病变组织，是机体发生异常病理性改变的部分）、三维重建、靶区自动勾画与自适应放疗等任务的一种医疗设备。人工智能医疗影像主要应用在疾病的筛查、诊断和治 疗阶段，协助医生完成早期检测、诊断以及健康风险评估工作。 [1]1：https://www.gaie.c… 2：https://health.baid… 3：深圳市人工智能行业协… 人工智能医疗影像行业分类[2] 人工智能医疗影像根据其医学影像处理能力主要分为三种类型：病灶识别和标注，靶区自动勾画和自适应放疗，影像三维重建。病灶识别和标注产品主要运用于对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；靶区自动勾画及自适应放疗产品主要运用于处理肿瘤放疗环节的影像；而三维重建产品则主要运用于手 术环节，将扫描采集到的图像、数据通过计算机进行重建，勾勒出直观、立体、高质量的三维图像。 人工智能医疗影像分类 病灶识别和标注 病灶识别和标注产品主要运用于对医学影像进行图像分割、特征提取、定量分析、对比分析等工作。此类产品通过对X光、电子计算机断层扫描（CT）、核磁共振等设备生成的医学影像进行病灶的自动识别与标注系统。 人工智能医疗影像分类 靶区自动勾画和自适应放疗 靶区自动勾画及自适应放疗产品主要运用于处理肿瘤放疗环节的影像。此类产品能够帮助放疗科医生对200到450张CT片进行自动勾画，将处理影像的时间缩短到 30分钟一套；并且能够在患者15到20次的上机照射过程中，不断识别病灶位置变化以达到自适应放疗，从而有效减少射线对病人健康组织的伤害。 影像三维重建 三维重建产品主要运用于手术环节。此类产品将扫描采集到的图像、数据通过计算机进行重建，从而产生直观、立体、高质量的三维图像。该技术的优点在于扫描速度快、时间短、图像清晰且立体，可以提高诊断准确性和效率。同时，此类产品通过基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节约配准时间，在病灶定位、病灶范围、良恶性鉴别、手术方案设计等方面发挥作用。 [2]1：https://www.gaie.c… 2：https://baijiahao.b… 3：深圳市人工智能行业协… 人工智能医疗影像行业特征[3] 人工智能医疗影像行业具有三大特征：一是该行业需要复合型人才，由于医学及人工智能均属于高科技领域，难度大学习时间长，导致人才匮乏；二是数据标注作为人工智能医疗影像数据预处理过程中重要的一环，时间资金成本高，获取难度大；三是人工智能医疗影像行业上游技术门槛高，主流通用型智能芯片如GPU芯片及其基础系统软件的研发需要全面掌握核心芯片与系统软件的大量关键技术，技术难度高、涉及范围广。 1复合型人才培养成本高 人工智能医疗领域需要复合型人才，由于医学及人工智能均属于高科技领域，培养难度大投入多，成本高。 人工智能医疗影像行业依赖于具备复合学科背景的专业研发人员。研发人员需要同时具备对人工智能算法的专业开发能力，以及对医疗影像行业临床场景的深刻理解。2018年起，全球人工智能医疗行业规模以约43.5%的年复合增长率增长，预计2025年市场规模高达276亿美元，人工智能医疗影像作为其中的细分行业，也将随之扩大市场规模，对于复合型人才的需求量也将逐步提升。中国的医学专业学制至少为5年，随着人工智能与医学的融合，更多复杂、多元的课程将被引入，学制将会进一步延长，相较于其他专业的4年学制，医学和人工智能领域的复合型人才所需学习时间更长，新的人才进入社会参加工作实践的周期也更长，国家对于此类人才培养的时间和资金投入相对较高。 2数据标注成本高难度大 数据标注作为人工智能医疗影像数据预处理过程中重要的一环，时间和资金成本高，获取难度大。 在人工智能医疗影像设备处理数据的流程中，数据的预处理是重点工作，在数据预处理环节的数据标注工作尤为重要，其准确性将直接影响最终诊断结果。在机器学习过程中，参与训练的每张图片都要经过专业人员标注，小样本学习目前已有所突破，但数据处理和学习方法仍需要消耗大量时间和精力。例如辅助诊断类AI，在取得脱敏数据后对其进行分类、标注、训练的整个过程均需人工进行，单个数据标注成本在10-30元，耗时为20-40分钟，耗时极长，并且必须由资深医生进行标注才能获得高质量的数据标注，因此标注的难度大大提升。 3上游技术门槛高 通用型智能芯片如GPU芯片及其基础系统软件的研发在集成电路和人工智能方面有着双重技术门槛，技术难度高、涉及方向广。 启动期1981~2014 1981-1990年，商业化应用系统如QMR和Dxplain出现，可以为临床提供诊断方案；1991-2000 年，计算机辅助诊断系统出现，为临床提供更为成熟的医学图像辅助。 该阶段商业化应用系统开始投入使用，更多更加成熟的智能医疗系统开始出现，标志着智能医疗行业逐渐步入正轨。 随着人工智能技术在日常生活和传统产业的普及，对于底层芯片计算能力的需求持续增长，人工智能芯片的市场规模预计将由2018年的51亿美元增长到2025年的726亿美元，年均复合增长率将达到46.14%，通用型人工智能芯片未来将成为市场的主流产品。人工智能运算通常具有运算量大、并发度高、访存频繁等特点，且不同子领域如视觉、语音与自然语言处理所涉及的运算模式具有高度多样性，因此对于芯片的微架构、指令集、制造工艺以及配套系统软件都有较高的技术要求。集成电路设计行业本身属于技术密集型行业，而智能芯片作为该行业的新兴发展方向，在集成电路和人工智能方面有着双重技术门槛，主流通用型智能芯片如GPU芯片及其基础系统软件的研发需要全面掌握核心芯片与系统软件的关键技术，技术难度高、涉及范围广，是一个极端复杂的系统工程。 [3]1：https://www.cn-he… 2：https://t.cj.sina.co… 3：https://mp.weixin.… 4：中国医学科学院，健康… 人工智能医疗影像发展历程[4] 人工智能医疗影像行业迄今主要经历三个发展阶段：在1970-1980年的萌芽期，人工智能的概念初步被科学家引入医疗行业，中国的AI医疗也初步发展。在1981-2014年的启动期，国外商业化应用系统开始投入使用，更多更加成熟的智能医疗系统出现，标志着智能医疗行业的发展逐渐步入正轨。在2015年至今的高速发展 萌芽期1970~1980 1972年，利兹大学研发出APP“Help”，该APP可以根据病人症状计算出病人可能腹痛的原因； 1976年，斯坦福大学研发出MYCIN系统，该系统可以诊断出感染病患者并根据病症提供抗生素处方。1970年末期，中国的人工智能医疗行业初步发展，北京中医医院发布了“关幼波肝病诊疗程序”，第一次把医学专家系统与中医相结合，后续开发了“中国中医治疗专家系统”等医疗系统。 该阶段人工智能的概念初步被科学家引入医疗行业，中国的AI医疗也初步发展，国内知名医院开始进 行计算机与医疗领域的研究。医学影像作为人工智能切入医疗行业的起点，在此阶段兴起。 期，国内外人工智能医疗影像行业蓬勃发展，知名互联网企业如百度、阿里巴巴、腾讯、谷歌等陆续发布人工智能与医疗影像相结合的产品。全世界各国也纷纷出台人工智能相关的国家战略与政策，抢先布局人工智能医疗行业。 [4]1：头豹研究院 高速发展期2015~至今 2015年，中国开始步入人工智能医疗影像行业，开展人工智能与医疗影像相结合的相关研究；2016 年，谷歌成立DeepMindHealth部门，开始展开人工智能与宫颈癌、眼部疾病等领域相结合的研究，同年，百度发布对标谷歌和IBM同类产品的百度医疗大脑；2017年，心脏磁共振成像人工智能 分析软件CardioDL获批，同年，阿里健康发布智能医疗系统DoctorYou，腾讯的首款智能医学影像产品腾讯觅影也在同年年末发布；2018年，由腾讯牵头的数字诊疗装备研发专项正式启动；2019 年，中国科学家尝试利用人工智能打造科学的智慧病例；2020年，人工智能医疗影像多赛道产品获得国家药品监督管理局（NMPA）审评审批，标志着此类产品从应用到商业化的落地。 该阶段国内外人工智能医疗影像行业都开始蓬勃发展，国内外知名互联网企业如百度、阿里巴巴、腾 讯、谷歌等陆续发布人工智能与医疗影像相结合的产品。全世界各国也纷纷出台人工智能相关的国家战略与政策，抢先布局人工智能医疗行业。 人工智能医疗影像产业链分析[5] 人工智能医疗影像构成主要包括AI芯片以及影像设备，产业链上游环节参与方主要包含AI芯片制造商以及影像设备制造商，其中AI芯片供应商有英特尔、超威半导体、寒武纪、地平线等，影像设备供应商包括飞利浦、西门子、联影医疗、安科、赛诺威盛等，目前中国大部分医学影像设备生产商不具备核心元器件自主研发生产能力，各类零部件基本依靠外购自不同厂商，例如在人工智能医疗行业当前主要应用的AI芯片GPU生产厂家中，英伟达在2022年二季度的独立GPU市场份额为79%，另一国外品牌AMD则占20%的市场份额，合计为99%，中国GPU厂商