第一批做AI影像的产品经理，不仅没被裁员，还财务自由了？
诶，点进来的朋友是不是被标题给吸引了，要的就是对你的视觉冲击力。虽然有点夸大了的成分，但不可否认的是AI正在慢慢地取代我们很多日常的工作。
“高烧咳嗽不断，要判断是不是肺炎，医生是不是会给你开个肺部CT单。”
“乳房长时间肿胀疼痛，判断是不是增生，结节，是不是要做个彩超。”
“颈部出现结节，并长时间伴有疼痛感，是不是也要做个彩超？”
影像在体检、就医过程中，越来越同我们息息相关。如果没有这些医疗影像系统，让我们提前发现，从而进行诊断干预，及早治疗，那会不会我们病发的时候直接患癌晚期了？
所以今天，我想要跟大家先聊的是影像系统，而且还是结合了AI能力衍生的医疗AI影像。
一、医疗影像为什么是AI的主要切入场景？
其一，影像数据的逐年增长与专业人员不成比例。
在使用场景方面，医学影像目前算是AI在医疗领域应用最多，最成熟，资本投入最多的场景。
我国一年医学影像的检查量超过75亿人次，2023年我国医学影像市场规模达到580亿元，预计2024年有望超过620亿元。
人口老龄化，疾病低龄化，庞大的检查量带来的是影像数据的都是ZB级别的增长。据IDC预测，2027年，全球产生的数据量将达到291ZB，而同期放射科医生的年增长率仅为4％，形成较大的供给缺口。
专业人员的紧缺和患者数量越来越多，极容易造成误诊率偏高，从而引起主治医生诊疗判断，造成不必要的医患纠纷。
其二，市面上大多数医疗AI影像应用都是从结节方面切入。
就拿肺结节来举例：第一，肺癌在中国发病率肺癌发病率居首位；第二，肺结节的数据比较容易通过网络找到。例如，LIDC-IDRI数据库提供胸部医学图像文件(如CT、X光片)和对应的诊断结果病变标注。
有病人的地方就有江湖，有“钱”景的地方就有先驱者。医疗AI影像主要目标通过深度学习，达到病灶发现与标识、靶区勾画等功能，帮助医生更快发现隐藏病灶，辅助进行诊断治疗工作。
对于医生来说，“我只希望是有一个更精准、智能的工具，依托海量数据计算来辅助我能直接生成诊断依据，我只需要做一个复核及修改补充的动作。我想要的就是这么简单，但我又不想复杂学习能满足吗？”
放射科医生工作一天的内心OS历程：
“怎么今天像过年一样多人，我一天要说几百遍“拍好了，可以离开了”
“双手抓住仪器两边仪器扶手，把胸贴在上面，深呼吸后再慢慢呼气”，
“我要挺住不能出错，等下主任要扣我绩效了”
“拿着微薄的工资，操着几百上千万的仪器，看错了还会被家属暴打，我图个啥？是对医院的爱吗？”
………..
二、医疗AI影像成功的案例有哪些？
* 数坤科技、鹰瞳科技、推想医疗、深睿医疗及上海联影目前算是国内AI医疗影像优秀企业代表，5大厂商共占国内AI医疗影像市场份额53%以上。
当然头颅，乳腺，心血管，骨盆外科等其它领域也有比较大的投入，只是对我来说还没学习了解到，不在此阐述。（我会在后面对这三家公司的产品进行深入分析）
三、医疗AI影像商业化变现路径推演？
说到这，肯定会有人好奇，医疗AI影像砸了那么多时间，金钱和人力进去，公司现在到底赚不赚钱呢？他们是怎么赚钱的呢？这些医疗AI影像公司的商业模式是不是良性的？
医疗的本质是支持生命的自我修复，但是自我修复的过程其实是一门生意，公司的立根之本还是要通过产品或者资源互换形成持续的盈利模式。
问题来了，那医疗AI影像应该从怎么去做这块的商业化应用变现呢？
- 我目前比较看好的模式就是“设备 AI 的软硬一体化 区块链，硬件录数据，AI直接出辅助诊断，区块链云共享”这个解决方案。在此之前我想过建立第三方影像数据中心，同医联体进行合作，包括核心城市深耕，二三线城市授权本地代理商或者合作运营的（本地团队出BD资源和运维，厂商提供设备软件）模式。
- 布局基层医疗，弥补在基层医疗机构布局空白。乡村医疗卫生机构和社区医院等基层医疗机构作为医疗AI能够发挥最大价值的地方。作为最接近居民小区的医疗诊疗机构，往往被很多人的忽视。国家一直推行的分级诊疗政策，倘若患者在基层医院拍的片子，到三甲医院就诊可同步调阅；在三甲医院做完诊疗，病历信息也同步到基层医院。
重新理解基层医疗，如果对基层医疗不了解，也可以点击看看。
四、医疗AI影像现在入局还来得及吗？
我个人认为对某部分公司是来得及（注意是某部分，不是all in噢，怎么分析自己是不是某部分呢？这里卖个关子，我相信你感兴趣会找我的。）
我们都知道AI技术的出现和发展都需要经历3个阶段，技术的创新发展，技术的验证，技术的大规模商业化应用，而应用才是最终决胜的关键因素。目前国际上领先发展的大模型以及早期国内投入研究的人工智能AI公司，目前更多是在语音，图片，文章，影像中进行生成式应用，但是要想用AI来帮助完成工作和生活中的特定场景需要，这还远远不够。此时入局正好站在巨人的肩膀前行，能让自己少踩不少坑。
人工智能AI在图像分割技术上目的是准确划分人体重要器官和异常物体，例如肺部、结节、肿瘤等。它能够帮助医生清晰地标记出病变部位的确切位置，并确定其它重要特征，如大小、体积等。但是一定要基于你的Business Resources抓住垂直领域赛道，强强联合（商务 技术），要做到小而美，并且能够实现基于某个区域内实现全流程数据互联互通，上链的商业模式闭环。因为真正的行业标准化，数据结构化，还有很长的路，谁都有机会成为那个某部分的Company。
最后，这是一项需要持续烧钱的行当，如果一年调整两三次战略方向的创业公司就很不适合了。中国的医疗体系是一个基层使用者和最终决策者有分离的市场，它有着一整套复杂的政策指引，采购流程、供销流程和上线应用、培训环节。医院对技术要求很高，但是经费又抓得很死，创业公司既要懂医疗，也要懂AI，更要懂“人情世故”。
医疗AI影像的未来出路除了持续的技术创新和优化，满足不断增长的市场需求，同时也需要关注政策监管和伦理法律问题，以确保技术的健康发展和广泛应用。没有红头文件的政策扶持，很多创新都会犹如水中浮萍。
最后的最后，我们在这个医疗行业还是要持续的学习，医疗行业有一个好处就是“慢”，你可以观察一下5年前的医疗资料到现在还可以用，医疗技术的影响甚至好几十年，这就给我们沉淀的机会，沉淀能力是否一直能延续才是关键。不被淘汰的核心还是你做过足够多的项目，你理解足够多的行业基础逻辑。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
