水木医疗|创新应用案例看医学影像AI的发展趋势

本文主要介绍医学影像AI行业的三大发展趋势，一是医学影像AI发展进入快车道；二是从单点突破、单点应用发展为多场景、多疾病、全流程的一体化智能诊疗场景；三是加强产学研医协作，推动前沿科技发展。并列举三个案例：脑卒中急诊、肺癌防控与诊治、一站式放疗，讨论如何通过AI建立全生命周期智能管理体系。

一、医学影像人工智能三大发展趋势

（一）医学影像AI发展进入快车道

1.医疗行业进入数智化爆发期

由于医疗产业链比较长、技术积累要求高等原因，医疗行业在数智化发展过程中相对缓慢。

近年来，随着我国政策推动与技术壁垒的突破，特别是在机器学习技术的发展等因素共同作用下，推动了医学影像AI行业数智化高速发展。

美国是全球最早推动医学影像AI发展的国家，2017年，FDA发布了DHIAP数字健康创新行动计划；2018年，获得FDA许可的医学影像AI项目涌现；2020年欧盟发布了专门的人工智能白皮书，目的是协助欧洲各国加强在AI领域的发展。我国早期处于缓慢预热的探索阶段，但自2020年起，药监局加速推进三类证，医学影像进入审批快车道，医学影像AI行业快速发展。

2.医学影像AI市场潜力大

根据有关机构预测，医学影像AI行业到2027年时，全球市场规模预计将达2800+亿人民币，如北美地区等相对比较成熟的市场，在2026年就将突破五百亿；未来欧洲将发展成为第二大的医学影像AI市场。而亚太地区将会成为增长规模最高的区域，预测2026年将会突破千亿市值，市场潜力巨大。

3.中国医学影像AI高速发展

中国医学影像AI行业目前处于高速发展的阶段，得益于三方面因素。

（1）影像设备国产替代进程加速。影像设备是医学影像的源头，它的国产化及普及化深刻影响医学影像AI的发展进程。2010年，基础影像模块如XR的国产替代率相对较高（63.6%），但高端影像设备如CT、15T及以上的MRI、核医学设备等的国产替代率非常低（分别是10.1%、0.6%、0）；2020年时，基础模块变化不大（如XR达64.9%），但高端影像设备的国产替代率跃升（CT、15T及以上的MRI、核医学设备分别是38.3%、40.3%、43.9%）。

图1 中国医学影像设备市场国产化率（2010年）

图2 中国医学影像设备市场国产化率（2020年）

（2）技术上取得突破提升。医学影像AI相关的科研文章发表量持续上升，以顶级期刊TMI（IEEE Transactions on Medical Imaging）的论文发表数量为例，2000-2018年线性增长，2018-2021年呈指数性增长。

（3）我国政策支持。随着药监局加速推进医疗器械三类证，获批三类证的AI产品如雨后春笋，分布在各个不同的治疗领域（肿瘤、心血管、肺结节等）与应用领域（检测、筛查、诊断等）。

（二）从单点应用发展为一体化智能诊疗解决方案

早期医学影像AI行业初露头角，只能逐点突破、单点应用，如肺结节检测、骨折等治疗场景，应用领域都较为匮乏。

但如今多场景、多疾病、全流程的一体化智能诊疗解决方案是大势所趋。通过AI提供一体化的院方解决方案，从各个临床环节进行渗透，涵盖体检、筛查、随访、诊断、治疗等多个治疗场景。

（三）加强产学研医协作，推动前沿科技发展

AI能够解决医生非常困难甚至是不能做到的事情，获取人工难以获取的数据或科研成果。例如：对于出生24个月内的婴儿，通过AI描绘脑皮层厚度的发育轨迹，了解不同脑区之间随着婴儿发育年龄的变化趋势。

近年来，医学影像AI行业不断加强与高校、科研院所、医疗机构的协作，通过建立科研项目、数据实验与验证、发表科研成果，推动科研成果转化为解决实际问题的产品，充分发挥产学研医的应用价值。

二、医学影像AI创新应用案例

（一）脑卒中急诊

脑卒中是一种跟时间赛跑的疾病，对于脑卒中患者，每一秒钟会损失上百万级别的脑神经细胞，故脑卒中救治的首要是流程快速。

1.传统流程低效，存在四个问题：

（1）流程复杂：多模CT影像检查繁多，也导致精准化诊断、治疗复杂。

（2）耗时耗力：CTA、CTP重复操作步骤繁多，后处理时间长，尤其是传统工作站需要很多手动操作，导致出报告时间高达30分钟，错过最佳救治时间。

（3）缺少量化和可重复性的评估工具：如出血患者，需测量出血和水肿体积，评估严重程度。但不同医生在不同时间点的测量往往存在一定误差，且不能重复。此时AI可以发挥优势，测量完全自动化、快速且可重复，进行出血和水肿体积的分析、ASPECTS评分、灌注分析中的核心梗死区/MISMATCH体积以及CTA中血管狭窄/动脉瘤的定量评估等操作。

（4）会诊低效：救治脑卒中病人需要放射科、神内科、神外科、介入科等多科室协作。以往各个科室缺乏良好的信息沟通和分享，会诊低效，但通过人工智能以及信息化平台的建立，使多科室真正围绕病人给予服务，提高会诊效率。

2.建立全生命周期智能管理体系：

（1）早衰联防。对于尚未患病但属于高风险的人群，进行无创的智能化血管疾病风险评估，并通过健康管理降低卒中风险。

（2）急诊场景。对于已发病的病人，进行一站式诊断，评判出血缺血、CTP脑灌注等。

（3）急救场景。基于检测结果进入规范且可重复的救治流程，使决策规范化、精准化。

（4）健康管理。通过智能健康管理及量化评估和随访，实现全流程智能追踪病情，对病人进行预后管理。

（5）科研场景。基于前述流程的量化分析结果进行科研成果转化，改善脑卒中治疗方式、优化流程。

（二）肺癌防控与诊治

我国肺癌防控与诊治形势非常严峻，年发病人数80万，确诊晚期比例达85%，救治成功率不高，五年生存率仅有16%。

1.问题主要在于防、诊难：

（1）人群覆盖“窄”，预防阶段介入人工智能和信息化管理少，高危风险人群发现不足。

（2）筛查效率“低”，存在早期微小结节容易遗漏等问题。

（3）肺癌诊断“难”，CT扫描出的肺结节约95%属于良性，5%的恶性往往会有遗漏。

（4）患者失访“多”，缺少智能化规划管理，很多患者失访率高，导致晚期癌变。

2.建立智能化的闭环管理：

为解决肺癌防控与诊治难点问题，建立从源头到结束随访的闭环，实现对患者的全生命周期管理。

（1）院前评估。群众手机扫码填写基本问卷，了解是否有吸烟史、年龄等高危因素，评估发病风险；基于评估信息建立区域中心，针对高危人群建立数据库，发送自动提示进行定期检查。

（2）筛查阶段。使用人工智能对CT腹部以下进行自动检查与分析，引入质控，判断片子是否合格，实时提示，提高拍片质量。

（3）诊断阶段。对于疑似患者，深度分析结节形态、大小，设计更多影像模态，确诊良恶性。

（4）治疗预后。规划确诊患者的外科手术，通过AI技术赋能手术科室，进行术前规划、术中导航及疗效评估等。患者治疗痊愈后，进行定期随访提示，提示病程后期发展以及治疗效果评估。

（三）放疗治疗管理

放疗是肿瘤主要治疗手段之一，传统流程繁琐复杂，医务人员需要进行高强度且重复性的工作，比如2-3个小时的靶区勾画。

建立All in One一站式放疗解决方案，提高流程效率。首先通过人工智能进行患者定位，自动拍摄高质量图像；再使用人工智能进行靶区和危机器官的自动勾画，把原本需要将近几小时的时间压缩到将近两分钟左右；最后，自动创建与优化计划，执行。

综上所述，医学影像AI行业正处于高速发展期，多场景、多疾病、全流程、一体化智能诊疗是大势所趋，加强产学研医协作，共同推进医学影像AI行业发展，充分发挥AI所带来的应用价值，提供智能化诊疗解决方案，服务社会。