近年來，隨著人工智能(AI)技術在醫(yī)學影像領域的逐步應用，鼓勵醫(yī)療器械行業(yè)創(chuàng)新發(fā)展相關政策的不斷落地，致力提升醫(yī)療機構服務水平的醫(yī)學影像新業(yè)態(tài)嶄露頭角，尤其是以AI醫(yī)學影像產品為代表的診斷設備，成為醫(yī)療器械行業(yè)發(fā)展熱點。

AI賦能傳統(tǒng)產業(yè)鏈延伸

AI醫(yī)學影像設備屬于高端醫(yī)療器械，具有多學科交叉、知識密集、附加值高等特點。醫(yī)學影像產業(yè)鏈涉及基礎工業(yè)、制造業(yè)、影像學、醫(yī)療機構、互聯(lián)網(wǎng)等多個行業(yè)。當影像數(shù)據(jù)積累到一定規(guī)模，產業(yè)鏈將延伸至AI領域，研發(fā)形成影像智能診斷應用，進一步促進醫(yī)學影像診斷設施及服務等發(fā)展。

醫(yī)學影像產業(yè)鏈上游是化工、金屬、通訊等行業(yè)，這些行業(yè)的技術進步將推動醫(yī)學影像行業(yè)的發(fā)展或變革。

產業(yè)鏈中游是醫(yī)學影像診斷服務及基礎設施行業(yè)，包括醫(yī)學影像成像設備企業(yè)等?，F(xiàn)階段，中游市場規(guī)模最大。

產業(yè)鏈下游則涉及各級醫(yī)療機構與衍生服務機構。其中，公立醫(yī)院是醫(yī)學影像設備企業(yè)的主要客戶，線上影像平臺及獨立影像中心是下游市場未來主要增長力量。

目前我國的優(yōu)質醫(yī)療資源普遍集中在三級醫(yī)院，而獨立影像中心的發(fā)展有利于實現(xiàn)優(yōu)質醫(yī)療資源的整合分配，促進醫(yī)療資源分配合理化。受制于政策、成本等因素，部分基層醫(yī)療機構配置大型醫(yī)學影像設備能力有限，部分臨床需求得不到滿足，獨立影像中心則可以很好地解決這一問題。獨立影像中心一方面可以減輕三級醫(yī)院負荷，另一方面也能提高基層醫(yī)療機構服務能力，進一步促進醫(yī)學影像行業(yè)快速發(fā)展?，F(xiàn)階段，我國獨立影像中心尚處于初步發(fā)展階段，未來隨著政策的加持、慢性疾病管理需求的增多及老年人口數(shù)量的上升，市場將迎來廣闊的發(fā)展空間。獨立影像中心屬于重資產模式，需要采購大量醫(yī)學影像設備，有利于驅動醫(yī)學影像設備行業(yè)的發(fā)展，這將成為倒推中游市場規(guī)模增長的關鍵因素。

線上影像平臺通過云平臺提供遠程閱片等服務，很好地滿足了患者與臨床醫(yī)生的多樣化需求。依托于AI、云計算、大數(shù)據(jù)等新技術，線上影像平臺近年來成長迅速，下游市場的消費需求旺盛。新模式的加入延伸了傳統(tǒng)產業(yè)鏈，也擴大了產業(yè)的整體規(guī)模。

建立標準化、大樣本數(shù)據(jù)庫勢在必行

數(shù)據(jù)是AI醫(yī)學影像設備的核心資源，僅掌握算法但數(shù)據(jù)數(shù)量和質量不足，也無法獲得較好的訓練效果。目前，數(shù)據(jù)獲取渠道受阻、行業(yè)標準模糊、數(shù)據(jù)使用機制不明等因素，一定程度上限制了AI醫(yī)學影像行業(yè)的發(fā)展。為更好地推動行業(yè)健康快速發(fā)展，需建立起一系列有效解決方案，通過合理的數(shù)據(jù)分享機制，建立標準化、大樣本的數(shù)據(jù)庫。

一是暢通有效標準訓練數(shù)據(jù)的獲得渠道。同其他行業(yè)相比，醫(yī)學影像行業(yè)在高質量數(shù)據(jù)獲取上有著天然劣勢：一方面，高質量影像數(shù)據(jù)集中在三甲醫(yī)院，不同醫(yī)療機構間缺乏有效的數(shù)據(jù)互通機制，數(shù)據(jù)很難實現(xiàn)共享;另一方面，我國醫(yī)療數(shù)據(jù)量雖然龐大，但其中80%是非結構化數(shù)據(jù)，限制了AI在醫(yī)學影像行業(yè)的進一步應用。此外，訓練數(shù)據(jù)集應根據(jù)適用范圍，涵蓋體檢、篩查、門診和實驗室等不同場景的圖像，而目前國內尚無規(guī)范化設計的有效數(shù)據(jù)庫。因此，暢通有效標準訓練數(shù)據(jù)的獲得渠道對于AI醫(yī)學影像行業(yè)的高質量發(fā)展起到關鍵作用。

二是完善行業(yè)標準。AI技術的本質，決定了算法訓練與產品測試使用的數(shù)據(jù)集，對AI醫(yī)學影像設備全生命周期的質量控制和風險管理具有重要意義。在獲取到有效數(shù)據(jù)的基礎上，深度學習技術才能結合先驗知識對模型進行正確訓練，且訓練集需要事先標注。不同機構數(shù)據(jù)質量和規(guī)模參差不齊，缺乏統(tǒng)一的標注掃描技術、處理手段、標準和共識，易導致產品存在質量安全風險和“水土不服”現(xiàn)象。因此，需通過統(tǒng)一行業(yè)標準加強引導和規(guī)范，如加強訓練數(shù)據(jù)集標注者隊伍的資質認定，統(tǒng)一圖像征象認識、標注方法、分割方法、量化方法等，避免產品在實際應用過程中存在標準不統(tǒng)一等情況。

三是建立有效的數(shù)據(jù)保護和監(jiān)管機制。醫(yī)療單位不愿開放和分享數(shù)據(jù)，很大程度上是出于信息安全的考慮。目前，可以開放使用的數(shù)據(jù)類型，以及數(shù)據(jù)的歸屬和倫理問題尚不明確。同時，數(shù)據(jù)的使用缺乏有效的保護和監(jiān)管機制。因此，需完善相關法律法規(guī)，明確數(shù)據(jù)的使用規(guī)范，確保數(shù)據(jù)質量標準化、可溯源。

行業(yè)面臨升級與重塑

未來，在AI技術的賦能下，醫(yī)學影像行業(yè)將進一步轉型升級。同時，隨著AI技術的發(fā)展及數(shù)據(jù)應用機制的成熟，行業(yè)集中度也將逐步提升。

AI技術對行業(yè)的升級作用將更加顯著

當下，醫(yī)療行業(yè)的數(shù)據(jù)量迅速增加，AI醫(yī)學影像產品技術優(yōu)化速度將得到提升，進一步推動醫(yī)學影像行業(yè)的升級。

AI技術可以對復雜的數(shù)據(jù)進行識別，并能自動作出定量評估，可以輔助臨床醫(yī)生診斷，有助于形成更準確的放射學評估結果。就醫(yī)學影像領域而言，基于技術類別，AI技術衍生出兩大基礎應用：一是數(shù)據(jù)感知，即通過圖像識別技術對醫(yī)學影像進行分析，獲取有效信息;二是數(shù)據(jù)訓練，即通過深度學習海量的影像數(shù)據(jù)和臨床診斷數(shù)據(jù)，不斷對模型進行訓練，優(yōu)化其診斷能力。因此，相比于傳統(tǒng)醫(yī)學影像設備，AI醫(yī)學影像設備優(yōu)勢明顯，醫(yī)生對AI醫(yī)學影像設備的使用需求不斷提升。

此外，AI醫(yī)療應用領域中，醫(yī)學影像是投資金額最高、投資輪次最多、應用最成熟的熱門領域之一，資本市場對AI醫(yī)學影像行業(yè)的高度認可與大力支持，將會加速相關技術的成熟與應用場景的落地，助推醫(yī)學影像行業(yè)轉型升級。

行業(yè)集中度逐步提高

目前，AI醫(yī)學影像行業(yè)競爭格局分散，原因主要有以下幾方面：

一是數(shù)據(jù)分散。正如前文所述，我國大多數(shù)醫(yī)療影像數(shù)據(jù)來自醫(yī)院，且影像數(shù)據(jù)分散在不同醫(yī)院中，導致AI醫(yī)學影像模型難以得到有效訓練，影響實際應用效果。

二是病種分散。雖然底層代碼可以復用，但不同病種需要不同的標注數(shù)據(jù)訓練不同的模型。雖然也有企業(yè)著力針對多病種進行產品研發(fā)，但總的來看，不同病種模型具有不同的特點，導致行業(yè)發(fā)展初期參與者相對分散的行業(yè)格局。

三是變現(xiàn)場景、商業(yè)模式具有多樣化特征。以醫(yī)療圖像智能識別技術為例，潛在的變現(xiàn)方式包括：作為單獨的軟件模塊向醫(yī)療機構銷售、與影像歸檔和通信系統(tǒng)(PACS)等系統(tǒng)組合向醫(yī)療機構銷售、與影像設備合作形成軟硬件一體化解決方案向醫(yī)療機構銷售、通過遠程醫(yī)療等方式服務基層醫(yī)療機構，以及通過互聯(lián)網(wǎng)醫(yī)療等方式直接服務于患者等多種途徑。場景和商業(yè)模式的多樣化導致AI醫(yī)學影像行業(yè)細分賽道眾多，企業(yè)在各自賽道展開競爭。

未來，隨著行業(yè)數(shù)據(jù)整合與共享機制的建立、模型訓練方式的成熟、商業(yè)模式的確立，以及越來越多產品的獲批，在“場景+數(shù)據(jù)+算法”上有優(yōu)勢的先發(fā)企業(yè)將逐步建立起技術壁壘和商業(yè)壁壘，AI醫(yī)學影像行業(yè)將逐步走向集中。

【來源：中國醫(yī)藥報】