AI企业关注的9大医学成像模式和11个人体部位（附详细数据）‘Kaiyun·yunkai(中国)官方网站·IOS/手机版APP下载/APP’
Frost＆Sullivan的报告表明，虽然目前人工智能（AI）在医学图像分析领域的前景更有了一大批注目，但是，AI在强化整个医学光学过程和打开智能光学系统的潜力，也某种程度不存在极大机遇。AI应用于医学光学，最初的重点是利用内置技术——将局部定位算法用作传统放射线图像。不过，在过去的两三年里，市场仍然在朝着通过云计算向用户获取AI技术的方向发展，这使得AI更为普遍能用，同时算法也需要从更高的使用量中大大自学。
未来，更可期的趋势是用作光学模式本身，而不是在PACS或后处理工作站上。首先要把深度自学AI技术映射扫瞄设备，将算法应用于完整图像数据。
当今医学光学AI市场的特点呈现出动态、多样化的竞争格局，还包括一些主要的云计算供应商（已与光学AI初创企业达成协议合作伙伴关系）、提高计算速度的供应商、云市场（cloudmarketplace）供应商、身体健康IT供应商（与云合作伙伴创建了生态系统）、核心医疗光学和信息学供应商、以及一些主要的IT供应商和90多家独立国家软件供应商。医学影像AI分析的初创企业数量也从2009年的2家，减少到了2017年的83家。这个领域也更有了大量投资。以投资于心血管软件开发商HeartFlow公司的4．665亿美元为代表，在将近5年的时间里，医学光学AI市场筹措到多达10亿美元的资金。
如果把收收购和一些大企业的研发资金也还包括在内，这一数字将低约60亿美元。目前，医学光学AI的主要应用于集中于在自动化、加快以及强化图像分析，其中医学光学AI公司最注目的光学方式是CT和MRI（表格1）。表格1AI领域所注目的9大光学模式而换回一个角度，从有所不同人体部位来看，大脑和肺部是最不受注目的（表格2）。表格2AI领域所注目的11个人体部位眼下业界面对的一个大问题，是如何将医学光学AI技术的巨额投资货币化。
最有可能的财务模式是以结果为导向，还包括分享储蓄或利润分享模式。除了图像分析之外，AI只不过还可以用作医学光学工作流程的各个方面（表格3）。
表格3未来可应用于AI的9大细分领域虽然全球的医疗保健机构都期望降低成本、提升生产量，提高患者和员工的满意度，但使用医学光学AI的受益因地域而异。比如，美国将获益于劳动效率和标准化方面，而英国为了解决问题放射线学家紧缺和患者等待时间宽的问题，中国则是必须获取更好的医疗专业知识。
本文关键词：Kaiyun·yunkai(中国)官方网站,Kaiyun·yunkai(中国)官方网站·IOS/手机版APP下载/APP
本文来源：Kaiyun·yunkai(中国)官方网站-www.hoymk.com
