侵权投诉
当前位置:

OFweek物联网

其它

正文

AI企业重点关注的9大医学成像模式和11个人体部位

导读: AI应用于医学成像,最初的重点是利用内置技术——将局部定位算法用于传统放射图像。不过,在过去的两三年里,市场一直在朝着通过云计算向用户提供AI技术的方向发展,这使得AI更加广泛可用,同时算法也能够从更高的使用量中不断学习。

Frost & Sullivan的报告显示,虽然目前人工智能( AI )在医学图像分析领域的前景吸引了一大批关注,但是,AI在增强整个医学成像过程和开启智能成像系统的潜力,也同样存在巨大机遇。

AI应用于医学成像,最初的重点是利用内置技术——将局部定位算法用于传统放射图像。不过,在过去的两三年里,市场一直在朝着通过云计算向用户提供AI技术的方向发展,这使得AI更加广泛可用,同时算法也能够从更高的使用量中不断学习。

未来,更可期的趋势是用于成像模式本身,而不是在PACS或后处理工作站上。首先要把深度学习AI技术嵌入扫描设备,将算法应用于原始图像数据。

当今医学成像AI市场的特点呈现动态、多样化的竞争格局,包括一些主要的云计算供应商(已与成像AI初创企业达成合作伙伴关系)、提升计算速度的供应商、云市场(cloud marketplace)供应商、健康IT供应商(与云合作伙伴建立了生态系统)、核心医疗成像和信息学供应商、以及一些主要的IT供应商和90多家独立软件供应商。医学影像AI分析的初创企业数量也从2009年的2家,增加到了2017年的83家

这个领域也吸引了大量投资。以投资于心血管软件开发商HeartFlow公司的4.665亿美元为代表,在不到5年的时间里,医学成像AI市场筹集到超过10亿美元的资金。如果把收并购和一些大企业的研发资金也包括在内,这一数字将高达60亿美元

目前,医学成像AI的主要应用集中在自动化、加速以及增强图像分析,其中医学成像AI公司最关注的成像方式是CT和MRI(表1)。

AI企业重点关注的9大医学成像模式和11个人体部位

表1  AI领域所关注的9大成像模式

而换一个角度,从不同人体部位来看,大脑和肺部是最受关注的(表2)。

AI企业重点关注的9大医学成像模式和11个人体部位

表2  AI领域所关注的11个人体部位

眼下业界面临的一个大问题,是如何将医学成像AI技术的巨额投资货币化。最有可能的财务模式是以结果为导向,包括共享储蓄或利润共享模式。

除了图像分析之外,AI其实还可以用于医学成像工作流程的各个方面(表3)。

AI企业重点关注的9大医学成像模式和11个人体部位

表3  未来可应用AI的9大细分领域

虽然全球的医疗保健机构都希望降低成本、提高产出,提升患者和员工的满意度,但采用医学成像AI的获益因地域而异。比如,美国将受益于劳动效率和标准化方面,而英国为了解决放射学家短缺和患者等待时间长的问题,中国则是需要提供更多的医疗专业知识

本文由“器械汇”整理,转载请注明出处。

声明: 本文由入驻OFweek公众平台的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

我来说两句

(共0条评论,0人参与)

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号