探秘AI影像诊断：从技术到商业的全面解读

本文将阐述2024年AI影像诊断行业在多方面的发展情况，包括国家政策层面的支持、临床应用成果、企业的推动作用、商业模式以及投融资状况等内容，展现其在医疗健康领域的重要意义和广阔前景。

2024年对于AI影像诊断行业来说，是充满重大突破与发展机遇的一年。就在11月，国家医保局首次把AI辅助诊断纳入立项指南，这一举措无疑为该行业的发展奠定了政策基础。从临床应用的角度看，诸多知名杂志期刊如《Radiology》、《Nature Medicine》等纷纷报道了AI在医疗领域的显著成果。例如在量化前列腺癌肿瘤体积、心血管疾病的筛查与诊断等方面，AI都取得了令人瞩目的成绩。

在企业层面，像深睿医疗、鹰瞳科技等企业表现出色。它们凭借多模态AI解决方案和服务，成功覆盖全国数千家医疗机构，大力推动了AI技术在医疗影像领域的广泛应用。可以预见，AI影像诊断行业将在未来持续高速增长，从而为医疗健康领域带来更多的创新和变革。

首先来看看AI是如何赋能医学影像诊断的。医学影像涵盖多种成像技术，像X射线、CT（计算机断层扫描）、MRI（磁共振成像）、超声、PET（正电子发射断层扫描）等，其目的是对人体内部结构和功能成像，辅助医生进行疾病诊断、治疗规划和疗效评估。医学影像包含CT、MRI、X光等不同类型的图像，事实上，目前医疗数据中超过90%的数据都来源于医学影像，而且每年在世界范围内产生的医学影像数据量多达几十亿张。

然而，传统经CT、MRI等扫描产生的图像存在噪声和伪影问题。人工检查这些图像数据对医生而言任务艰巨，不仅要花费大量时间逐个检查影像，还会导致诊断时间过长。特别是在急诊和大规模筛查场景下，效率极为低下。并且传统的影像诊断依赖医生的经验和技术，具有主观性，不同医生对同一影像的解读可能存在差异，进而导致诊断结果不一致。

而人工智能（AI）影像诊断技术则不同。它借助深度学习等AI技术，通过对大量标注过的医学影像数据进行训练，使AI模型能够自动识别图像中的异常结构，如肿瘤、骨折或血管病变等。AI通过图像预处理、特征提取和分类等技术，能够迅速解析医学影像数据，包括测量肿瘤大小、形状、纹理特征等，为医生提供详细的诊断报告，为个性化治疗方案的制定提供科学依据。

从市场需求和现状来看，医疗需求的增加、医疗数据的大量积累以及我国医疗资源分配不均的现状，预计会推动AI医学影像行业的发展。相关数据表明，2023年我国AI医学影像市场规模约为36.2亿元，预计到2025年将达到126.8亿元。截至2024年6月，中国已有92款人工智能医学影像辅助诊断软件获批NMPA三类医疗器械证。这些产品涉及心血管疾病、肺部疾病、脑血管疾病、骨科检查等多个领域，可实现图像质量改善、病灶识别与重构、疾病分期与分级、疾病进展预测等功能。

以心血管疾病为例，我国心血管疾病现患病人数达3.3亿，这已经成为重大的公共卫生问题。以冠心病患者为例，他们在入院检查时，做冠状动脉CT增强扫描需要医生手动处理至少300张以上的图像，还要完成判读、评估、报告撰写以及审核工作，患者从预约到拿到检查报告等待时间很长。而引入AI影像辅助诊断后，检查时间可从传统的25 - 40分钟缩短到3 - 5分钟，检查效率提高了90%，既节约了患者的检查时间，又提高了医生的工作效率。截至2024年6月，我国在心血管疾病领域获批上市的AI医学影像工具已达27款。

再从肺部疾病来看，常见的肺部疾病有肺癌、肺结节、肺炎等。早期肺癌多以肺结节形式出现，早期诊断对肺癌患者的预后生存至关重要，AI可在CT检查中识别肺结节，计算组织密度差异，绘制结节边界，显著提高微小肺结节的检出率。近年来，我国企业积极投入AI技术在肺部疾病领域的研究，2020年推想医疗的肺结节CT图像辅助检测软件获批上市，成为我国首个获批上市的肺结节AI辅助检测第三类医疗器械，截至2024年6月，我国共有17款肺结节AI医学影像工具获批上市。

随着中国出生人口下降，老龄化程度加深，老年人口增多带动了医疗资源和服务需求的增长。同时，患者数量上升以及人民健康意识增强，精细化医疗需求出现，医学影像行业面临数据大量堆积、优质资源不足且分配不均的困境。根据《中国卫生健康统计年鉴2022》和国家统计局数字推算，2021年中国影像科医生配置约为0.17人/千人，且地区分配严重不均。AI影像诊断有助于快速处理和分析医学影像数据，提供实时的疾病识别建议和治疗指导，提高诊断工作效率，辅助基层医生提升临床诊断能力，分担大型医院的诊疗压力。

接下来了解一下AI影像诊断的商业模式。AI影像诊断技术的下游客户主要包括医院、体检机构、诊断中心等医疗机构。从商业模式角度看，AI影像诊断的商业化模式主要有软件销售/技术平台授权模式、按需付费模式、合作研发模式以及数据管理与分析服务等。

软件销售/技术平台授权模式是通过软件即服务（SaaS）或定制化解决方案为医疗机构提供持续的技术支持和软件更新，一般依靠招标方式，将AI影像诊断技术以买断或SaaS的模式卖给医院。例如联影智能提供的全疾病谱AI影像辅助产品，可采用SaaS模式，支持一键开启云端智慧医疗；医准智能提供多种医疗影像设备的智能解决方案，其AI影像辅助诊断产品也可采用SaaS模式，通过云端服务为医疗机构提供实时的影像分析和诊断支持，提升影像诊断效率。

按需付费模式即按使用量付费，AI影像诊断厂商提供按需付费的服务，客户根据实际使用情况支付费用，这种模式降低了客户的初始投资成本，提高了服务的灵活性。在海外有先行者，例如Viz.ai提供的AI驱动的大血管堵塞检验，价格为1040美元/次，美国Digital Diagnostics提供的糖网病变分析，价格为55美元/次。

合作研发的商业模式是指AI影像诊断公司与硬件供应商和软件开发商合作，将AI影像诊断技术集成至硬件中，提供一体化的解决方案。如GE医疗与英伟达合作，将AI技术集成到下一代Definium 656 HD X光平台和Voluson Expert 22超声系统中；医准智能将其肺炎AI辅助诊断应用集成入GE医疗的多款CT设备中。

我国AI影像诊断领域的商业模式仍在不断拓展中。需要注意的是，2024年11月20日国家医保局在发布的《放射检查类价格立项指南（试行）》中提到，人工智能技术在临床实践中起到辅助诊断或提高效率的作用，但还无法替代医生诊断。在尚无独立的医疗服务产出、辅助诊断质量效用难以确定的情况下，在已收取诊断相应项目检查费用后，不宜单就人工智能辅助诊断再向患者额外收费，这意味着政策上不允许医院将调用AI产生的费用转嫁给患者。

最后看一下AI影像诊断的投融情况。AI影像诊断赛道整体处于发展阶段，且趋向成熟，竞争愈发激烈。自2020年AI影像诊断产品首次获批三类医疗器械以来，技术仍在快速迭代。尽管已经出现了像鹰瞳科技、推想医疗这样的上市企业，但随着各企业的AI医学影像产品接连获批，新的疾病领域应用场景不断涌现，在商业化落地尚未完全跑通的背景下，企业难以实现盈亏平衡，仍需持续投入研发以保持技术领先，赛道内的竞争会更加激烈。

近年来，随着人工智能热度的急速攀升，“AI医学影像”凭借广阔的应用前景成为国内医疗行业的热门发展领域之一。AI影像诊断领域在一级市场表现活跃，投融资事件频繁，整体展现出强劲的发展势头。在人工智能时代，AI影像诊断赛道作为“AI医疗”领域的落地应用之一，拥有广阔的市场空间和巨大的潜在收益，投融热度的持续上升表明许多资本希望通过早期布局赛道内的优质项目，陪伴企业成长，获取长期收益。据来觅PEVC数据显示，2024年以来AI影像诊断赛道已发生融资案例8起，多为早期融资案例，其中联影智能的10亿人民币A轮融资规模最大，投后估值达100亿人民币，此次融资使国内“AI医疗”领域又诞生一家百亿独角兽。感兴趣的读者可登录Rime PEVC平台获取AI影像诊断赛道全量融资案例、被投项目及深度数据分析。

本文总结了2024年AI影像诊断行业在政策支持、临床应用成果、企业推动、商业模式以及投融资等方面的发展情况。政策上国家医保局的纳入立项指南给予支持，临床应用取得多方面成果，企业积极推动技术应用，商业模式多样且仍在拓展，投融资方面活跃且竞争激烈。整体而言，AI影像诊断行业前景广阔，但也面临一些如商业化未完全跑通等挑战。