随着技术飞速发展、医学数据的持续扩增以及硬件设备的不断提升，人工智能和医疗的结合方式越来越多样化。目前AI在医疗领域中的落地的应用场景主要有医学影像、智能诊疗、智能导诊、智能语音、健康管理、病例分析、医院管理、新药研发和医疗机器人等，其中在医学影像中的应用最为广泛。

AI医疗影像在短短几年时间飞速发展，全世界掀起了“AI+医疗”的热潮。医学影像是医生进行疾病评估的重要依据，不同种类的影像能够提供丰富而有效的信息。但是在临床中往往存在以下问题：受到影像设备成像原理和技术限制，或者不当的操作，都可能导致图片质量降低，给医生阅片带来困难，造成误诊、漏诊。人工阅片往往只能够实现定性分析，许多微小的定量变化无法通过肉眼判断。人工阅片会花费医生大量的精力和时间，难以实现大规模的诊断;同时，医生水平和主观性会极大影响结果。

医学影像以成像原理划分包括X线成像、CT成像、PET-CT成像、超声成像、核磁共振成像以及显微镜成像。医学影像数据占全部临床数据的80%以上，是临床诊断、疾病治疗及健康管理的基石。但医学影像的分析繁琐复杂，对医生的经验及能力要求很高，影像诊断整体效率很低，服务模式亟待创新。故借助AI技术，达到对医学影像病灶的智能识别和勾画，辅助医生进行相关疾病的临床诊断和早期筛查的AI医学影像技术未来应用前景广阔，也是人工智能赛道商业化落地最有前景的细分赛道之一。

在AI医疗影像行业早期发展时，由于医疗数据的贫瘠，工程师们普遍选择了操作性更强的肺结节领域。在发展初期，开源、低门槛框架、算法间差异化有限都使得大量玩家涌入，而服务商普遍处于规模化数据获取阶段，造成同质化竞争严重、商业化程度低。

随后的几年，得利于数字化影像和采集设备的发展，标准化的医疗数据获得变得越来越容易。主要壁垒不在于数据获取，研究者们则逐渐将重心转移向实现算法与平台的创新。数字眼、数字心、数字肝、数字脑等等人工智能板块被逐渐搭建，却陷入了人工智能医疗发展迅速、竞争激烈、商业化落地迟滞的困境。

现阶段AI医疗影像领域中较为成熟的两个方向是CT影像识别和视网膜影像识别。CT影像识别通过冠状动脉、胸部、四肢关节、骨骼等部位的智能CT影像识别，能够完成病例筛查、智能分析诊断、辅助临床诊疗决策等工作。AI+CT影像的主要产品形态包括:影像分析与诊断软件、CT影像三维重建系统、靶区自动勾画及自适应放疗系统。

总的来说，2021年的医疗影像AI已经在医疗领域站稳了脚跟，但商业化的压力依然严峻。各家企业必须要做出新的选择，是寻找下一个“肺结节”，还是加强信息化、NLP的能力，或者尝试深入临床，向术中、术后方向发展，亦或是直接转向患者端。AI究竟能在哪些方向进一步开花结果，就让我们一起拭目以待吧。如今的AI企业，单纯靠卖算法生存已不可能， 但技术本身的商业化空间和市场的打通，还需要持续很长时间。医学影像AI作为研发投入高、技术周期长的知识密集型产业，商业化仍是一条漫长的道路，市场会根据价值告诉我们答案。

医学影像现已成为人工智能在医疗领域最热门的方向，但在实际应用过程中还是存在一定挑战，例如，数据获取及数据标注问题、缺乏行业标准、注册审批缺乏指导原则、技术创新问题等等。但随着AI相关技术的不断发展，国家相关政策的不断完善，相信AI+医学影像将在未来快速实现商业化。

关键词： 医学影像 人工智能 医疗领域