当前位置: 智能网 > 智能医疗 > 医疗资源正缺口,AI将如何赋能医学影像发展?

医疗资源正缺口,AI将如何赋能医学影像发展?

放大字体 缩小字体 发布日期:2021-08-18 14:00:25   浏览次数:142
核心提示:2021年08月18日关于医疗资源正缺口,AI将如何赋能医学影像发展?的最新消息:声明:本文为火石创造原创文章,欢迎个人转发分享,网站、公众号等转载需经授权。近年来,随着技术在医学影像诊断领域的渗透,以及医疗创新相关政策的鼓励,致力于提升医疗机构服务水平的医学影


声明:本文为火石创造原创文章,欢迎个人转发分享,网站、公众号等转载需经授权。

近年来,随着技术在医学影像诊断领域的渗透,以及医疗创新相关政策的鼓励,致力于提升医疗机构服务水平的医学影像新业态开始崭露头角,尤其是以AI医学影像产品为代表的诊断服务,以及为影像科、放疗科等做整体赋能的科室运营服务,成为当前医学影像发展热点。
那么,AI是如何赋能医学影像发展的?

01AI产业概述

人工智能(AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能产业包括数据资源、计算引擎、算法、技术、基于人工智能算法的技术进行研发及拓展应用的企业以及应用领域。人工智能产业生态如图1所示。
经过60多年的演进,特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论、新技术以及经济社会发展强烈需求的共同驱动下,人工智能加速发展,呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。

图1:人工智能产业生态示意图来源:根据公开资料整理

全球来看,欧美等发达地区人工智能产业布局较早,尤其美国在算法、芯片和数据等核心领域,积累了强大的技术创新优势,各层级企业数量全球领先。

据国际数据公司(IDC)估算,2020年全球人工智能市场规模约1565亿美元,同比增长12.3%;在《全球人工智能支出指南》中,IDC预测全球人工智能相关支出将在未来四年翻一番,到2024年达到1100亿美元。我国人工智能行业核心产业市场规模2020年超过1500亿元,预计在2025年将超过4000亿元,其中以图像识别及语音识别为核心的模式识别市场规模最大。

目前,基础层的核心技术大部分掌握在国外企业手中,为我国企业自主开展研发带来了不利的壁垒封锁,限制了产业整体发展。近期,国内以北上杭深等为代表的地区相继加大对传感器、底层芯片及算法等基础层的研发力度,取得了一定的技术积累,但其他地区切入基础层仍存在较高壁垒。相比国外应用技术发展,国内人工智能企业的应用技术主要集中于计算机视觉(含模式识别技术)、自然语言处理,基础硬件占比偏小。行业应用层,国外以AI+、大数据及数据服务为主,国内则集中于AI+、大数据及数据服务,以及智能机器人、无人机等智能终端。

未来,美国仍然是全球人工智能产业发展的主导者,凭借着数量众多、实力雄厚的科技企业、高校、科研机构,美国从人工智能的底层技术到应用市场都拥有巨大优势。我国已经是人工智能应用大国,人工智能产业发展已上升至国家战略层面,全国各地相关政策进入全面爆发期,影响力稳步提升。

未来,我国人工智能产业发展有以下几大趋势:第一,人工智能产业仍将保持爆发式增长。得益于人工智能技术的不断升级以及商业模式的推陈出新,我国人工智能产业需求将进一步放量;产业规模整体爆发式增长的背景下,基础层、技术层和应用层的各细分领域也将保持同步增长态势,尤其应用层各产业领域的增长表现最为抢眼。

第二,初创型公司优势逐渐体现。科技巨头公司凭借强大的技术和资本垄断能力,在目前代表着全球人工智能产业发展的最前沿,强势保持人工智能科技创新与产业发展的优势地位。然而,全球近几年兴起有千余家人工智能初创企业,半数以上已经获得投资机构青睐,数量以美国和中国居多。初创公司聚焦于行业某细分领域并深入探索,与科技巨头在某些领域相比存在一定的比较优势。

第三,智能化应用场景从单一向多元发展。目前,人工智能应用领域多处于专用阶段,例如人脸识别、视频监控、语音识别等都主要用于完成具体任务,覆盖范围有限、产业化程度有待提高。随着智能家居、智慧物流等产品的推出,人工智能的应用终将进入面向复杂场景,处理复杂问题,提高社会生产效率和生活质量的新阶段。通过海量优质的多维数据结合大规模计算力的投入,以应用场景为接口,人工智能产业将构建起覆盖全产业链生态的商业模式,满足用户复杂多变的实际需求。

第四,模式识别是当前人工智能领域发展的热点。随着计算机视觉技术和自然语言处理技术的成熟,图像识别、语音识别、文本识别等模式识别技术应用范围越来越广,市场潜力巨大。随着模式识别技术的成熟,智能医学影像以人工智能深度学习技术为依托,将成为人工智能落地最快的领域之一。

02AI赋能医学影像发展

自2012年深度学习技术被引入图像识别数据集之后,其识别率近年来屡创新高。2015年百度在ImageNet比赛中识别错误率仅为4.58%,高于人类水平。在各类医学图像识别比赛或活动当中,学校和商业研究团队分别在不同病种上取得了显著成果。
表1:科研、商业团队针对不同病种开发的AI产品识别准确率

来源:东方证券研究所

智能图像诊断数据结构化程度高、处理难度小。医疗大数据有80%来自于医疗影像数据。影像数据具备结构化程度高,数据处理难度小的优势,非常适合机器学习。 表2:智能图像诊断和辅助诊断比较

来源:东方证券研究所

医生资源短缺将促进AI智能影像识别的应用落地。目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率为4.1%,其间的差距是25.9%,放射科医师的数量增长远不及影像数据的增长。以病理切片为例,据国家卫健委统计,我国病理注册医生在1万人左右,按照每百张床配备1-2名病理医生的标准计算,全国病理科医生缺口可能达3万-4万人,目前,全国有近40%的手术未进行病理切片分析。所以,通过AI的方式辅助影像科医师进行诊断将满足市场刚需。

图2:借助图像识别和深度学习提升诊断效果来源:东方证券研究所

图3:人工智能医学影像诊断准确率提高来源:东方证券研究所

AI读片相对于人工读片具备比较优势。人工读片具备主观性高、重复性低、定量及信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题;而人工智能读片的优势体现在高效率低成本。随着产品的成熟带动识别率的提升,人工智能读片的精准度也将形成比较优势。
表3:人工智能读片与人工读片的比较

来源:健康界

我国医学影像数据量正以30%的年增长率逐年增长,然而影像科医生数量的增长速度慢且工作效率不足,给医学影影像成果判断造成一定的压力。此外,目前医学影像数据大部分仍然需要人工分析,最明显的缺陷就是不精准,依靠经验所做的判断容易造成误诊。
人工智能依靠强大的图像识别和深度学习技术,可很好地解决医学影像大数据人工处理中存在的两大问题,大大提高数据分析的效率和准确性,减轻医生的压力,同时提高诊疗的效率和准确率。

 
关键词: 人工智能

[ 智能网搜索 ]  [ 打印本文 ]  [ 违规举报

猜你喜欢

 
推荐图文
“互联网医院”和“医院+互联网”的区别是什么? 百余家互联网医院落地,200多家企业涌入(附企业名单)
推荐智能网
点击排行

 
 
新能源网 | 锂电网 | 智能网 | 环保设备网 | 联系方式