AI醫(yī)療各場景應用情況如何？

AI 醫(yī)學影像落地最早，應用廣泛。

AI 醫(yī)學影像是指利用人工智能技術（如深度學習、機器學習等）對醫(yī)學影像數(shù)據(jù)進 行分析和解讀，輔助醫(yī)生進行疾病診斷、治療規(guī)劃和預后評估。AI 醫(yī)學影像的核心是通 過算法自動識別影像中的病變區(qū)域，提供定量分析和診斷建議。AI 醫(yī)學影像根據(jù)不同維 度進行分類可分為基于深度學習的影像分析、基于機器學習的影像分析、影像分割與標注、 影像分類與檢測、影像生成與增強等。

AI 醫(yī)學影像應用場景不斷拓展，賦能各個診療流程。從 AI 醫(yī)學影像萌芽期發(fā)展至 今，AI 逐漸在醫(yī)學影像工作的各環(huán)節(jié)發(fā)揮作用。AI 醫(yī)療影像產品逐漸擴大了其覆蓋的疾 病領域和疾病種類，從肺、心、腦、骨、乳腺等部位逐漸擴充至全身器官和組織，可檢 測的病灶種類也在不斷優(yōu)化和豐富。

1. 賦能影像檢查，提升圖像質量：AI 技術賦能從掃描準備、圖像號采集到圖像重 建的整個流程。通過學習復雜系統(tǒng)的特征提取與映射，AI 技術可實現(xiàn)非接觸式自動成像， 顯著降低交叉感染風險。同時，在提升圖像質量方面，AI 技術可利用先驗知識構建復雜 的非線性映射，通過交替使用去噪和增強的模塊，提高小病灶區(qū)域的信號質量。相較于 傳統(tǒng)方法，AI 能夠更加有效地分離圖像中的信號、噪聲及偽影，從而得到更好的圖像質 量，具有巨大的潛力。例如，康泰瑞影用于 X 光成像的軟件方案 Altumira SC，通過 AI 驅動的降噪算法，顯著提升 X 射線成像質量，在保留解剖細節(jié)的同時實現(xiàn)更清晰的圖像。

2.輔助診斷，提高臨床效率和診療精度：醫(yī)學影像與 AI 技術的融合將帶來更個性化 的醫(yī)療服務。AI 輔助診斷系統(tǒng)可以幫助醫(yī)師快速分析復雜的影像數(shù)據(jù)，結合數(shù)字孿生技 術，實現(xiàn)高度逼真的三維器官渲染和虛擬手術模擬，提升早期疾病的發(fā)現(xiàn)和診斷能力， 提供個性化的治療建議，大幅提高臨床醫(yī)師的工作效率，減輕其工作負擔，并有效降低 漏診率和誤診率。在臨床應用場景中，最早得以落地是肺癌（肺結節(jié)）AI 輔助診斷系統(tǒng)， 華西醫(yī)院研發(fā)的肺癌（肺結節(jié)）AI 輔助診斷系統(tǒng) 1 分鐘即可實現(xiàn)結節(jié)定位識別和定性輔 助診斷，對 3—5mm 肺小結節(jié)檢出準確率達 98.8%，大幅提高＜1cm 早期肺癌診斷率， 該系統(tǒng)于 2016 年開始先后在四川大學華西醫(yī)院等全國 155 家醫(yī)院使用。在心血管影像方 面，AI 驅動的“一站式”解決方案實現(xiàn)從影像快速采集、病灶智能分析到風險分層的全 流程自動化處理，通過結構化報告生成與康復預測優(yōu)化手術策略，大幅縮短診療周期； 在腦卒中管理中，AI 技術整合影像掃描、智能診斷、緊急分診及隨訪監(jiān)測等環(huán)節(jié)，通過 危急預警與規(guī)范化治療建議加速救治響應速度；基于 CTA 的頭頸血管智能分析系統(tǒng)可精 準定位血管病變，自動關聯(lián)患者歷史數(shù)據(jù)生成動態(tài)隨訪曲線，輔助醫(yī)師實時追蹤缺血進 展，減少人工比對耗時；而腫瘤全生命周期智能管理則依托 AI 和大數(shù)據(jù)技術，貫穿篩查、 診斷、治療及預后全鏈條，通過多模態(tài)病灶識別、定量化分析及術后復發(fā)風險預測模型， 為個體化診療方案提供高效支持。這些創(chuàng)新應用通過智能化工具重構診療流程，在提升診斷效率的同時，為精準醫(yī)療注入新動能。

3.助力臨床科學研究：AI 醫(yī)學影像科研平臺使得數(shù)據(jù)的標準化采集、轉化、標注與 存儲得以加速。同時，其深度學習算法可對海量影像數(shù)據(jù)進行高通量處理，快速挖掘病 灶特征間的復雜關聯(lián)，輔助研究者發(fā)現(xiàn)新型影像生物標志物或疾病演化規(guī)律。例如，在 腫瘤研究中，AI 可定量分析影像組學參數(shù)與基因表達、治療響應的相關性，構建預后預 測模型；在神經系統(tǒng)疾病領域，通過自動分割腦區(qū)并追蹤細微結構變化，揭示早期病理 機制。同時，AI 標準化處理流程能消除人工標注偏差，確保多中心研究數(shù)據(jù)可比性，結 合自動化統(tǒng)計分析模塊，可加速從數(shù)據(jù)采集到論文產出的科研閉環(huán)，為臨床科室提供從 假設驗證到成果轉化的全鏈條研究支持。

4.革新臨床醫(yī)學影像教學模式：AI 可整合海量標準化病例影像數(shù)據(jù)生成動態(tài)教學資 源庫，結合三維重建與病灶動態(tài)演化模擬技術，幫助學員直觀理解解剖變異與病理演變 規(guī)律；基于深度學習的虛擬閱片系統(tǒng)能實時標注關鍵征象、對比典型病例，并提供診斷 邏輯推演反饋，強化影像判讀思維訓練；智能模擬診斷平臺可還原真實臨床場景，支持 學員進行無風險的分級診療決策演練，同步生成操作評估報告定位薄弱環(huán)節(jié)；此外，AI 驅動的自適應學習系統(tǒng)通過分析學員知識圖譜，個性化推送教學課程，顯著提升影像診 斷教育的精準性與實踐轉化效率。 近年來，AI 醫(yī)學影像市場高速增長，成為 AI 醫(yī)療增長最快的細分市場之一。AI 在 醫(yī)學影像領域應用廣泛，場景豐富，市場空間廣闊。億歐智庫數(shù)據(jù)顯示，2022 年至 2024 年，醫(yī)療機構 AI 醫(yī)學影像項目中標項目數(shù)量從 186 個增長至 387 個，AI 醫(yī)學影 像應用正不斷普及，醫(yī)療機構需求也在快速增加。與此同時，AI 醫(yī)學影像市場規(guī) 模持續(xù)增長，預計 2025 年中國 AI 醫(yī)學影像市場規(guī)模將達 61.7 億元，2030 年將達 137.4 億元。

國內 AI 醫(yī)學影像領域參與者眾多，行業(yè)已形成多層次、差異化的競爭格局。在產業(yè) 實踐層面，設備廠商、純 AI 企業(yè)、互聯(lián)網巨頭及科研機構依托各自優(yōu)勢構建技術壁壘。 邁瑞醫(yī)療、聯(lián)影智能、萬東醫(yī)療等硬件制造商通過設備與 AI 軟件深度耦合，打造“設備 +AI”一體化解決方案搶占市場；推想科技、深瞳科技等獨立 AI 企業(yè)以高精度病灶識別 和跨病種泛化能力為核心競爭力，采用醫(yī)院訂閱服務模式實現(xiàn)商業(yè)化。下游應用端則覆 蓋醫(yī)院、科研機構、體檢中心等多類場景，通過輔助診斷工具提升疾病識別效率。各類 型企業(yè)在技術路徑、資源整合和商業(yè)模式上形成互補競爭，共同推動 AI 醫(yī)學影像產品通 過硬件捆綁、獨立軟件等形式滲透至診療全流程。

AI 助力實驗室自動化與流程優(yōu)化，提升檢驗科室效率。AI 算法可以優(yōu)化實驗室的工 作流程，自動分配檢測任務，預測設備維護需求，減少人工干預和操作誤差。有研究顯 示，AI 應用可使樣本傳送到接收效率提升 64.9%、樣本上機檢測效率提高 75.6%、整體 自動審核通過率提升至 28.19%、實驗室內 TAT 周轉時間（turn around time，TAT）從 203 min 減少到 177 min、門診生化免疫 TAT 中位數(shù)由 222 min 降至 145 min；利用檢驗歷史 大數(shù)據(jù)和 AI 技術優(yōu)化院內系統(tǒng)后，甲狀腺功能五項檢測項目的自動審核系統(tǒng)審核通過率 由 69.56%提升至 81.32%。 AI 體外診斷應用市場規(guī)模年復合增長率有望達 26.1%。檢驗科作為醫(yī)院最重要的醫(yī) 技部門之一，產生和處理的數(shù)據(jù)量十分龐大，而檢驗數(shù)據(jù)長期以來一直為疾病的診斷、 治療、疾病監(jiān)測等提供重要依據(jù)。AI 技術可以通過分析大量數(shù)據(jù)，快速識別疾病標志物， 使檢驗人員能夠從繁瑣和重復性的工作中解放出來，如智能采血機器人、智能閱片、智 能審核、智能報告解讀等應用不僅大幅提升了工作效率，更為臨床決策提供了精準有力 的支持，也為個性化醫(yī)療提供了支持。在體外診斷領域，AI 應用增長潛力巨大，預計到 2028 年市場規(guī)模年復合增長率有望達 26.1%。

AI 在體外診斷領域已有應用。 （1）血液細胞形態(tài)學檢查：AI 算法對于疾病診斷可明顯提升細胞檢測的覆蓋范圍 和檢測效率。當前 AI 在血液形態(tài)學檢驗中的研究相對成熟，硬件方面包括 WSI、自動對 焦等，應用方面包括外周血細胞形態(tài)學分析、罕見血細胞篩查、血液寄生蟲檢驗等，均 已取得了突破性進展，基于 AI 的體外診斷形態(tài)學檢驗產品已開始進入可實質性服務臨床 醫(yī)療階段。2022 年由北京協(xié)和醫(yī)院檢驗科與小蠅科技聯(lián)合研發(fā)的“外周血細胞圖像白細 胞輔助識別軟件”獲批體外診斷行業(yè)全國首張 AI 三類證。 （2）微生物形態(tài)學檢查：AI 技術主要應用于鏡下形態(tài)和菌落特征兩方面。雖然 AI 在微生物涂片形態(tài)學檢查中的研究目前處于起步階段，但也已突破革蘭染色鏡檢僅能區(qū) 分革蘭陰性和陽性的限制；微生物培養(yǎng)平板的菌落形態(tài)識別方面，AI 技術的引入使以手 工為主的微生物檢驗實現(xiàn)全面自動化成為可能。 （3）組織病理細胞形態(tài)學檢查：除 AI 醫(yī)學影像應用外，組織病理細胞形態(tài)學檢查 的臨床應用是 AI 算法應用最廣泛的領域之一。AI 算法應用于腫瘤評級，可提高淋巴結 轉移檢測、乳腺癌 Ki-67 評分、前列腺癌格里森分級和黑色素瘤腫瘤浸潤淋巴細胞評分 的能力；此外，AI 還可根據(jù)標準 HE 切片預測肺癌、前列腺癌、胃癌和結直腸癌中某些 分子標記物的水平，在分子層面提供精確的定量評估等。 （4）其他形態(tài)學檢驗：除了上述 AI 在形態(tài)學檢驗中的應用，其他例如自身抗體檢 測、陰道炎檢查、宮頸癌細胞學篩查等以醫(yī)學顯微形態(tài)學方式進行檢測的領域，AI 技術 均有所涉及，輔助人工閱片判讀。