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。現階段，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。現階段，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。

【來源：中國醫藥報】