AI的時代
人工智能的大熱，在2017年那場史詩級的圍棋對決中，人類戰力最強的棋手柯潔以0∶3敗于阿爾法狗之時爆發并持續升溫。數不勝數的專業人士都把解決醫療壓力的希望寄托在人工智能的成長。AI向醫療影像扎根，也已經是趨勢。前段時間召開的放射領域最重要的年會：中華放射學學術大會(CCR 2018)上，AI話題熱度也是高居不下，惹眾家紛紜。
醫學影像在醫療數據總量中占比約80%，包括CT、MRI、US、病理、內窺鏡、眼底等，醫學影像數據相關產業鏈極其龐大。隨著我國社會人口的增長、老齡化現象的嚴重，人均GDP增長帶來健康消費的升級，健康服務業市場需求不斷擴容。據預測，據預測2020年，我國醫療影像市場規模為6000-8000億元。
千億級的市場自然也引來了眾多的市場參與者。風險和商機的把控向來是一個成熟企業的拿手好戲，面對這龐大的市場，有關數據顯示，國內83家醫療AI企業中，一半涉足醫學影像。“(這一領域)正處于黃金期。
數據為王
“離開臨床數據，AI沒法思考。”北京大學腫瘤醫院信息部主任衡反修在很多會議上強調這一金句。
了解人工智能的人都知道，AI離不開數據。AI就像是還未開竅的孩子，數據就是他的課本，AI的成長是通過吸收大量的數據來開發它的思維模式。就像早期阿爾法狗的訓練一樣，醫療AI的訓練也得有“棋譜”——以醫學影像為例，就是大量由醫生標注出重要信息的影像數據集。不同的是，圍棋已經有固有規則，而人的病例復雜得多，因此，獲得高質量的、經標注的影像大數據集，需要大投入。
相對于其他數據，獲取醫學影像數據更容易一些，且醫學影像數據本身就是結構數字化的，加之原來就有一些公開的標注數據集，所以一大批創業公司才蜂擁進入影像領域。
但實際上，中國的醫療信息孤島現象明顯，國內95%醫院的電子病歷還未全院流通。換句話說，醫療大數據沒有基礎、醫療術語不能統一、挖掘數據難、數據價值低。
因而AI如何落地，什么樣的平臺適合它的落地才是重中之重。
直擊國內醫療痛點 響應國家政策號召
在AI大規模落地前，醫療人工智能還極不成熟。行業的狂歡和泡沫，是任何一個新技術浪潮的必經之路。最后勝出的，必是那些創造了真實價值的技術和產品。
作為人類健康保健的核心環節，影像醫療服務也面臨著自身的一系列痛點。
患者：“看病難，看病貴”，基層醫院誤診率高，大醫院排隊時間長，重復檢查現象嚴重，需要優質高效的影像診斷和醫學檢驗服務。
醫院：大醫院人滿為患，醫生和設備超負荷工作，需要建立有效的患者分流渠道，基層醫院缺乏醫生和設備資源，難以吸引患者，需要提升自身醫療水平。
醫生：放射科、檢驗科等醫技科室醫生收入和地位偏低，作用不被認可，需要提升自身價值。
設備：醫學設備產業飛速發展，但大醫院配置已趨飽和，需要開拓更多應用場景。
資本主義如何積極響應國家政策，充分發揮社會資本在創新和管理等方面的優勢。
如何結合人工智能+醫療影像，實現“小病社區解決，疑、難、急、重疾病上三甲的分級診療模式”，才是未來資本走得通的道路。
京公網安備 11010502049343號