从AI技术的三大核心解读辅助诊疗企业

4月11日，美国FDA批准IDx－DR上市的消息不胫而走，而这一新闻也再次让“AI ＋医学影像”的成为舆论关注焦点。IDx－DR是一款运用人工智能检测糖尿病患者视网膜病变的医疗设备软件，只需护士将视网膜相机拍摄到的病人视网膜图像上传到系统中，IDx－DR就能通过算法就检测糖尿病视网膜病变，准确率达到87％——这也是人工智能在医疗领域的重要运用场景的原因之一。

众所周知，人工智能的三大核心分别是算法、算力和数据。目前来说，相对于其他应用场景，数据成了影响人工智能在医疗细分领域的布局关键。为什么资本和技术都扎堆在影像场景？这又和影像的三个特性相关联。首先是数量。以我国的情况来说，医疗数据有80％来自于医疗影像方面，而人工智能的运用离不开前期的数据积累与学习。同时，也是基于学习的需要，医学影像的多样性让精确的算法成为可能。此外，医学影像基于结构化模式，可以确保数据的真实可信，这种反馈能更容易地帮助人工智能在这一领域的落地。

我国医学影像数据的年增长率在30％左右，远高过放射科医师的年增长率，后者仅保持在4．1％上下，这种缺口无疑进一步刺激了人工智能在医疗领域的应用。相对于医生人才的增长，靠资金与技术投入更能在这方面收到立竿见影的实效。因此，不论国内国外，这么多企业与资本最先涉足并聚集在医学影像也就不足为奇了。

“人工智能＋医学影像”，实际上就是借助AI算法来实现辅助诊断，提高医疗效率和质量。医疗行业对于速度与疗效都有很高的要求，这不是一个二选一的事情，而是缺一不可的存在。我们可以看到，国内常年存在的医闹现象，大部分都是来自对于上述二者的不能满足。《2018年医疗人工智能技术与应用白皮书》中指出，人工智能辅助诊断技术的应用，可以很大程度地提高医疗机构、医生的工作效率。

2016年，国务院发布了《关于促进医药产业健康发展的指导意见》，《意见》明确提出要大力开展智能医疗服务。而到了2017年7月，国务院又印发《新一代人工智能发展规划的通知》，定下“到2020年人工智能总体技术和应用与世界先进水平同步”的目标。政策方面的利好，需求的痛点，也吸引着资本的入局。在这样的背景下，此前，亿欧大健康对人工智能在医疗行业的落地场景做了大致梳理，现在就相关落地场景中存在哪些企业进行不完全归纳，以供业界参考。本次盘点共收集整理35家将人工智能运用在辅助诊疗领域的企业简要信息，按照企业名称拼音字母排序，以下是 “AI＋辅助诊疗”的具体情况：

从整理的表格可以看出，AI＋辅助诊疗这一落地场景的企业成立时间高峰在2014年到2017年，其中又以2016年为最，多达9家。从地域上看，AI＋辅助诊疗企业主要集中在北京，共15家，占比42．86％（15／35）；其次为深圳、杭州，各有6家，分别占比17．14％（6／35）；上海有4家，占11．43％（4／35）。产品形态方面，多表现为加入AI技术的系统、平台，产品作用以智能读片为主。

值得注意的是，上海作为一线发达城市，在AI＋辅助诊疗落地场景企业的数量上却并未占据优势。但转换一下角度，根据国家统计局的数据，上海总人口在2016年达到2420万，而医院却仅有350个。这种供需不匹配同时意味着AI＋医疗，尤其是人工智能在辅助诊断领域的市场潜力。