《柳葉刀》近日發表一篇數字健康的論文稱，AI能像專業醫生一樣成功診斷疾病。伯明翰大學研究人員分析資料發現，AI深度學習可以正確檢測出87％病例的疾病，醫療專業人員則為86％。FDA已批准許多用於醫療保健的AI，也有望減輕醫療人員工作量。

人工智慧(AI）+醫療成為近年來的行業熱點，計算機技術與醫療服務的跨界合作為未來的行業發展提供了全新維度。已進入醫療的眾多細分領域，應用場景包括疾病診療、醫療輔助、藥物開發等。

人工智慧在醫療行業的各環節均有應用。1>診前：可用於個體或群體性疾病的預測，並給出健康建議。2>診中：人工智慧可以輔助診斷、輔助治療，降低誤診率。3>診後：能通過計算機視覺、影象識別和視訊分析等渠道保證患者服藥的真實性，輔助醫生實現患者藥物依從性的監督。4>其他環節：保險機構費用智慧控制；人工智慧參與到藥物研發過程中，可以縮短時間、提高效率。

而病理診斷是一種基於影象資訊的診斷方式，被譽為疾病診斷的“金標準”，卻由於自動化程度較低，病理醫生缺乏等原因，在中國發展落後。通過影象識別技術，AI助力病理轉向數字化診斷，能有效提升病理診斷效率，AI對病理行業的賦能有望突破行業瓶頸。

影象識別和判讀是人工智慧最有優勢的領域之一，影像AI是人工智慧結合醫療行業的重要分支。醫療影像AI輔助診斷產品主要通過計算機視覺技術對醫療影像進行快速讀片和智慧診斷，其興起主要是為了解決醫療行業的兩大痛點：（1）醫療供需不平衡；（2）影像醫生水平層次不齊且資源分佈不均。

醫療影像AI閱片具有效率和精準度的優勢。人工閱片通常主觀性較高、重複性低、定量及資訊利用耗時長，具有勞動強度和知識經驗等問題。而醫療影像AI閱片則可以實現高效率和低成本，並隨著產品越來越成熟，精準度也有望展現優勢，能夠極大地輔助醫療需求，緩解和解決各方痛點。

病理科與影像科都是通過相關裝置獲取醫學影像進行疾病診斷，但依據兩個科室診斷特點，AI應用有所不同。

病理AI現階段主要功能在於排除陰性樣本，提示陽性區域，輔助病理醫生提升病理診斷效率或替代病理醫生進行某些疾病的診斷；影像科應用包括AI輔助快速成像與影像診斷兩個方面，一方面可以通過AI輔助成像可以有效縮短檢查時間，減少對人體的輻射傷害，另一方面通過機器學習訓練演算法可以實現計算機對疾病的影像診斷。

醫療影像產業鏈可以分為上游的影像診斷基礎設施層以及下游的影像診斷服務層。其中，影像診斷基礎設施層又可以分為影像資訊化和醫療影像成像裝置；影像診斷服務層現階段主要的參與者是公立醫院，未來隨著社會辦醫、遠端醫療的發展，民營醫療機構、獨立影像中心以及線上影像平臺成為重要的影像診斷服務機構。

醫療影像人工智慧技術的成熟和產業的火熱，誕生了一批醫療影像人工智慧技術公司，形成了產業鏈中獨立的細分領域：影像診斷智慧分析。

他們主要的服務物件是：1）醫療影像成像裝置：通過給硬體增加人工智慧模組；2）影像診斷服務機構：為這些醫療機構的醫生提供機器閱片工具，提升效率和準確率。

科技巨頭紛紛加碼，資本競相角逐醫療影像AI。IBMWatson機器人是公認在醫療影像AI領域走得較為成熟的案例，其在2015年8月斥資10億美元收購醫學影像處理與加工公司MergeHealthcare，進一步將技術整合進IBMWatson認知智慧系統。而其他巨頭如Google、Microsoft也不甘示弱，在近幾年紛紛入局。

國內，醫療影像AI亦備受資本市場青睞。科技類巨頭、醫療產業鏈企業及初創公司紛紛佈局醫療影像AI。儘管，中國初創公司在醫療影像AI的佈局稍晚於美國，而資本助力也毫不遜色，許多初創公司在成立初期或早期融資階段就獲得了超過億元人民幣的融資金額。

根據中國數字醫療網統計，2017年中國AI+醫療行業規模達130億元，同比增長34.56%，2018年中國AI+醫療行業有望達200億的市場規模，同比增長53.85%。

醫療影像AI產品的創新有望解決醫療行業的根本問題，符合支付方、服務提供方、患者等多方的利益訴求，各方“翹首以盼”，結合技術的不斷成熟，落地正在加速中。