AI驅動醫學影像行業深度變革
更新時間:2021-09-14 13:43:11
AI驅動醫學影像行業深度變革
近年來,隨著人工智能(AI)技術在醫學影像領域的逐步應用,鼓勵醫療器械行業創新發展相關政策的不斷落地,致力提升醫療機構服務水平的醫學影像新業態嶄露頭角,尤其是以AI醫學影像產品為代表的診斷設備,成為醫療器械行業發展熱點。
AI賦能傳統產業鏈延伸
AI醫學影像設備屬于高端醫療器械,具有多學科交叉、知識密集、附加值高等特點。醫學影像產業鏈涉及基礎工業、制造業、影像學、醫療機構、互聯網等多個行業。當影像數據積累到一定規模,產業鏈將延伸至AI領域,研發形成影像智能診斷應用,進一步促進醫學影像診斷設施及服務等發展。
醫學影像產業鏈上游是化工、金屬、通訊等行業,這些行業的技術進步將推動醫學影像行業的發展或變革。
產業鏈中游是醫學影像診斷服務及基礎設施行業,包括醫學影像成像設備企業等?,F階段,中游市場規模最大。
產業鏈下游則涉及各級醫療機構與衍生服務機構。其中,公立醫院是醫學影像設備企業的主要客戶,線上影像平臺及獨立影像中心是下游市場未來主要增長力量。
目前我國的優質醫療資源普遍集中在三級醫院,而獨立影像中心的發展有利于實現優質醫療資源的整合分配,促進醫療資源分配合理化。受制于政策、成本等因素,部分基層醫療機構配置大型醫學影像設備能力有限,部分臨床需求得不到滿足,獨立影像中心則可以很好地解決這一問題。獨立影像中心一方面可以減輕三級醫院負荷,另一方面也能提高基層醫療機構服務能力,進一步促進醫學影像行業快速發展?,F階段,我國獨立影像中心尚處于初步發展階段,未來隨著政策的加持、慢性疾病管理需求的增多及老年人口數量的上升,市場將迎來廣闊的發展空間。獨立影像中心屬于重資產模式,需要采購大量醫學影像設備,有利于驅動醫學影像設備行業的發展,這將成為倒推中游市場規模增長的關鍵因素。
線上影像平臺通過云平臺提供遠程閱片等服務,很好地滿足了患者與臨床醫生的多樣化需求。依托于AI、云計算、大數據等新技術,線上影像平臺近年來成長迅速,下游市場的消費需求旺盛。新模式的加入延伸了傳統產業鏈,也擴大了產業的整體規模。
建立標準化、大樣本數據庫勢在必行
數據是AI醫學影像設備的核心資源,僅掌握算法但數據數量和質量不足,也無法獲得較好的訓練效果。目前,數據獲取渠道受阻、行業標準模糊、數據使用機制不明等因素,一定程度上限制了AI醫學影像行業的發展。為更好地推動行業健康快速發展,需建立起一系列有效解決方案,通過合理的數據分享機制,建立標準化、大樣本的數據庫。
一是暢通有效標準訓練數據的獲得渠道。同其他行業相比,醫學影像行業在高質量數據獲取上有著天然劣勢:一方面,高質量影像數據集中在三甲醫院,不同醫療機構間缺乏有效的數據互通機制,數據很難實現共享;另一方面,我國醫療數據量雖然龐大,但其中80%是非結構化數據,限制了AI在醫學影像行業的進一步應用。此外,訓練數據集應根據適用范圍,涵蓋體檢、篩查、門診和實驗室等不同場景的圖像,而目前國內尚無規范化設計的有效數據庫。因此,暢通有效標準訓練數據的獲得渠道對于AI醫學影像行業的高質量發展起到關鍵作用。
二是完善行業標準。AI技術的本質,決定了算法訓練與產品測試使用的數據集,對AI醫學影像設備全生命周期的質量控制和風險管理具有重要意義。在獲取到有效數據的基礎上,深度學習技術才能結合先驗知識對模型進行正確訓練,且訓練集需要事先標注。不同機構數據質量和規模參差不齊,缺乏統一的標注掃描技術、處理手段、標準和共識,易導致產品存在質量安全風險和“水土不服”現象。因此,需通過統一行業標準加強引導和規范,如加強訓練數據集標注者隊伍的資質認定,統一圖像征象認識、標注方法、分割方法、量化方法等,避免產品在實際應用過程中存在標準不統一等情況。
三是建立有效的數據保護和監管機制。醫療單位不愿開放和分享數據,很大程度上是出于信息安全的考慮。目前,可以開放使用的數據類型,以及數據的歸屬和倫理問題尚不明確。同時,數據的使用缺乏有效的保護和監管機制。因此,需完善相關法律法規,明確數據的使用規范,確保數據質量標準化、可溯源。
行業面臨升級與重塑
未來,在AI技術的賦能下,醫學影像行業將進一步轉型升級。同時,隨著AI技術的發展及數據應用機制的成熟,行業集中度也將逐步提升。
AI技術對行業的升級作用將更加顯著
當下,醫療行業的數據量迅速增加,AI醫學影像產品技術優化速度將得到提升,進一步推動醫學影像行業的升級。
AI技術可以對復雜的數據進行識別,并能自動作出定量評估,可以輔助臨床醫生診斷,有助于形成更準確的放射學評估結果。就醫學影像領域而言,基于技術類別,AI技術衍生出兩大基礎應用:一是數據感知,即通過圖像識別技術對醫學影像進行分析,獲取有效信息;二是數據訓練,即通過深度學習海量的影像數據和臨床診斷數據,不斷對模型進行訓練,優化其診斷能力。因此,相比于傳統醫學影像設備,AI醫學影像設備優勢明顯,醫生對AI醫學影像設備的使用需求不斷提升。
此外,AI醫療應用領域中,醫學影像是投資金額最高、投資輪次最多、應用最成熟的熱門領域之一,資本市場對AI醫學影像行業的高度認可與大力支持,將會加速相關技術的成熟與應用場景的落地,助推醫學影像行業轉型升級。
行業集中度逐步提高
目前,AI醫學影像行業競爭格局分散,原因主要有以下幾方面:
一是數據分散。正如前文所述,我國大多數醫療影像數據來自醫院,且影像數據分散在不同醫院中,導致AI醫學影像模型難以得到有效訓練,影響實際應用效果。
二是病種分散。雖然底層代碼可以復用,但不同病種需要不同的標注數據訓練不同的模型。雖然也有企業著力針對多病種進行產品研發,但總的來看,不同病種模型具有不同的特點,導致行業發展初期參與者相對分散的行業格局。
三是變現場景、商業模式具有多樣化特征。以醫療圖像智能識別技術為例,潛在的變現方式包括:作為單獨的軟件模塊向醫療機構銷售、與影像歸檔和通信系統(PACS)等系統組合向醫療機構銷售、與影像設備合作形成軟硬件一體化解決方案向醫療機構銷售、通過遠程醫療等方式服務基層醫療機構,以及通過互聯網醫療等方式直接服務于患者等多種途徑。場景和商業模式的多樣化導致AI醫學影像行業細分賽道眾多,企業在各自賽道展開競爭。
未來,隨著行業數據整合與共享機制的建立、模型訓練方式的成熟、商業模式的確立,以及越來越多產品的獲批,在“場景+數據+算法”上有優勢的先發企業將逐步建立起技術壁壘和商業壁壘,AI醫學影像行業將逐步走向集中。