字节跳动旗下医疗品牌“小荷健康”研发了一款结肠镜AI辅助诊断软件。其可利用人工智能技术，辅助临床医生实时发现、鉴别结直肠癌症病变。目前，该软件对结直肠癌相关标准诊断的敏感度、特异度（反映医学筛检水平的两项关键指标）均已提升至95%以上。

据了解，结肠镜AI辅助诊断软件是小荷健康的第一个医疗科研攻坚项目。研发过程中，国内多家三甲医院向小荷健康提供了支持，授权其分析了50余万例医学案例、1400余万份医学图片等数据。

该项目研发人员表示，基于字节跳动在机器学习和图像识别领域的技术优势，此次研发的结肠镜AI软件有很强的深度学习能力，结直肠癌医学图像和数据的处理能力、处理速度均得到较大提升。

资料显示，字节跳动已为相关AI技术申请了15项发明专利，主要集中在息肉识别、息肉分型、内镜图像分析处理等领域。综合运用这些技术后，这款AI结肠镜软件可在不增加额外数据的情况下，实现自监督训练，不断提高自身学习能力及临床使用精度。在实时处理肠镜检查视频时，其每秒可分析30张至50张医学影像，并在检查过程中对医生作出实时反馈和诊断提示。

与其他癌症相比，结直肠癌相对可防可控，与宫颈癌并列为“最可能被消灭的癌症”。而可防可控的关键在于早预防、早筛检、早治疗，结肠镜检查便是最主要的早筛检手段之一。

《健康时报》曾报道，中国需要35万名消化内镜医师，但实际数量不足4万名，熟练操作者更少。而一名消化内镜医师从新手到熟手，多要经过10年以上的培养和历练。因此，AI医疗技术在辅助临床医师、增益临床能力方面的重要性愈加凸显。

小荷健康相关负责人透露，之所以研发结肠镜AI器械及配套软件，是为帮助解决我国消化内镜医师短缺、传统结肠镜检查漏诊率居高不下等问题。小荷健康早期曾进行内部调研，重点梳理了字节跳动的技术专利。“经过研判，我们最终选择了结肠镜AI技术作为第一个科研项目。通过这项技术，我们可以把自身技术优势运用到医疗场景中。”这名负责人说。

为了解一线医生的实际需求，产品开发前，所有研发工程师都在合作医院实习，每天观摩手术、检查操作过程，观看大量肠道视频。根据实践情况，工程师们决定了结肠镜AI技术的研发方向：除辅助医生发现、鉴别结直肠癌症病变外，还具备肠道清洁度评估、肠胃镜模式自动切换等功能。此外，结肠镜在进入、退出患者肠腔时会有专门提醒，协助医生判断用时是否符合标准要求；为了更好地协助新手医生，这款软件还开发了肠道检查辅助功能。

“像肠道检查辅助功能，能在肠腔不可见时协助医生预测肠镜所在方向。这对一些新手医生帮助很大。”上述负责人告诉记者，很多医生曾在调研时提到，不当的肠镜进镜操作可能引起疼痛，甚至损坏肠道黏膜、造成穿孔。这也成为这款AI结肠镜软件重点解决的问题之一。

中山大学附属第六医院副院长吴小剑认为，人工智能与结肠镜结合是目前趋势之一，小荷健康的结肠镜AI技术在敏感度、特异度这两项反映医学筛检水平的关键指标上表现突出。如果相关技术大规模投入临床，将可大量辅助一线医生提高结直肠癌、结直肠息肉等病变诊断效率、降低漏诊率。

AI赋能医学影像发展

自2012年深度学习技术被引入图像识别数据集之后，其识别率近年来屡创新高。2015年百度在ImageNet比赛中识别错误率仅为4.58%，高于人类水平。在各类医学图像识别比赛或活动当中，学校和商业研究团队分别在不同病种上取得了显著成果。

智能图像诊断数据结构化程度高、处理难度小。医疗大数据有80%来自于医疗影像数据。影像数据具备结构化程度高，数据处理难度小的优势，非常适合机器学习。

医生资源短缺将促进AI智能影像识别的应用落地。

目前我国医学影像数据的年增长率约为30%，而放射科医师数量的年增长率为4.1%，其间的差距是25.9%，放射科医师的数量增长远不及影像数据的增长。以病理切片为例，据国家卫健委统计，我国病理注册医生在1万人左右，按照每百张床配备1-2名病理医生的标准计算，全国病理科医生缺口可能达3万-4万人，目前，全国有近40%的手术未进行病理切片分析。所以，通过AI的方式辅助影像科医师进行诊断将满足市场刚需。

AI读片相对于人工读片具备比较优势。

人工读片具备主观性高、重复性低、定量及信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题；而人工智能读片的优势体现在高效率低成本。随着产品的成熟带动识别率的提升，人工智能读片的精准度也将形成比较优势。

我国医学影像数据量正以30%的年增长率逐年增长，然而影像科医生数量的增长速度慢且工作效率不足，给医学影影像成果判断造成一定的压力。此外，目前医学影像数据大部分仍然需要人工分析，最明显的缺陷就是不精准，依靠经验所做的判断容易造成误诊。

人工智能依靠强大的图像识别和深度学习技术，可很好地解决医学影像大数据人工处理中存在的两大问题，大大提高数据分析的效率和准确性，减轻医生的压力，同时提高诊疗的效率和准确率。

AI医学影像产业链分析

AI医学影像属于高端医疗器械领域，具有多学科交叉、知识密集、附加值高等特点，其产业链各环节涉及基础工业、制造业、影像学、医疗机构、互联网等多个行业。当影像数据积累到一定规模，

影像产业链可延伸至人工智能领域，出现影像智能诊断应用，其反向作用于影像诊断设施及服务。

产业链上游是影响医学影像发展的一些相关行业，例如化工、金属、互联网、通讯等行业，其技术进步将推动医学影像行业发展或变革。

核心元器件是医学影像设备上游供应链环节中的命脉，其发展情况决定着行业的技术高度。目前，我国大部分医学影像设备生产商均不具备核心元器件自主研发生产能力，各类零部件基本依靠外购自不同厂商，整机生产过程实际为组装集成过程。当核心元器件价格上涨时，将直接增加行业内企业的总体生产成本，缩短盈利空间。因此，是否拥有核心元器件的自主生产能力以及相对于上游供应商的议价能力成为区分医学影像设备制造企业竞争力强弱的关键。

中游是开展医学影像诊断服务的基础设施，包括医学影像成像设备和影像信息化。目前此领域的市场规模最大。

下游涉及各级医疗机构与衍生服务机构。各级医疗机构包括公立医院、民营医院、远程影像平台及独立影像中心。衍生服务机构包括维修托管公司与医疗器械租赁机构。公立医院是医学影像设备企业的主要客户，线上影像平台及独立影像中心则是未来市场主要增长力量。

公立医院与民营医院：

因医学影像设备造价高，折旧慢，三级公立医院设备更新需求不强，近年来市场趋于饱和。为提升基层医疗卫生服务能力，“分级诊疗”政策在各地的实施将刺激来自基层医疗机构的设备采购需求，具有价格优势的国产制造商将凭借政策红利脱颖而出。同时，在国家鼓励社会办医的背景下，数量保持稳定增长的民营医院急需性价比高的医学影像设备，为本土企业质优价廉的中低端医学影像设备提供了机遇。

独立影像中心：

中国优质医疗资源集中于三级医院，分配严重不均，独立影像中心可以实现优质医疗资源的整合分配。受制于政策、成本等因素，部分基层医疗机构没有配置大型医学影像设备的能力，难以满足临床需求。独立影像中心可以减轻三级医院负荷，提高基层医疗机构服务能力，解决现阶段中国医学影像服务的痛点，帮助医学影像服务行业快速发展。在政策的鼓励下，独立影像中心迎来发展机遇。

现阶段中国独立影像中心市场尚处于初步发展阶段，未来伴随各种慢性疾病患病率的增长、老年人口数量的上升等因素，市场发展空间广阔。独立影像中心属于重资产模式，需要大量采购医学影像设备，独立影像中心行业的爆发将驱动医学影像设备行业的发展，成为未来中游行业增长的关键因素。

线上影像平台：

线上影像平台通过云服务平台提供远程阅片服务，将专家与患者需求对接，同时提供影像诊断培训、资讯等的线上学习平台等服务。在患者巨大影像检查需求的推动下，依托于云计算、大数据等新技术，线上影像平台在近三年成长迅速。尽管线上影像平台属于轻资产模式，不附带影像设备，但其弥补了大医院影像科人手不足的问题，提高了影片诊断效率，促进了下游市场的消费需求，中游市场将在一定程度上因此受益。

衍生服务机构：

近五年来，医学影像设备市场的增长促进了下游服务机构的兴起，相关服务机构陆续衍生出新的服务模式，维修托管公司及医疗器械设备租赁商应运而生。维修托管公司的出现降低了影像学设备的整体维修成本，具有取代整机制造商服务模块的趋势；医疗器械设备租赁商可以帮助解决医疗机构资金短缺的困境。新模式的加入延伸了产业链，隐形增加了中游环节的价值，扩大了整体产业的规模。

中美医学影像行业对比

我国医疗影像行业远落后于美国，差距主要表现在以下几方面：

（1）诊断设备研发和创新不足，市场被外资品牌垄断；

（2）影像信息化建设较晚且尚未完成，目前影像数据共享程度低，不能有效支持远程会诊、转诊、影像数据开发应用等；

（3）我国第三方独立影像中心市场几乎空白，而美国已出现多个连锁品牌的独立影像中心巨头；

（4）影像教育及认证制度不完善，影像医师诊断水平参差不齐；

（5）阅片免费，影像医师收入低，作为临床科室的辅助科室，价值不被认可现象严重。

总体来看，我国影像产业发展机会较多，未来产业结构也将进一步丰富。

通过与美国影像行业的发展现状相比，笔者认为，我国第三方独立影像中心、远程影像诊断、影像设备、信息化等领域均有发展机会。

AI医学影像未来发展趋势

1、人工智能对行业升级的作用将更加显著

医疗行业数据量迅速增长，加速了人工智能医学影像的产品技术优化，推动人工智能医学影像行业的升级，由于人工智能可在数据中进行复杂模式的识别，并以自动化方式提供定量评估，人工智能医学影像在临床工作流程中，可为医生提供辅助，有助于形成更准确的放射学评估。

基于技术类别，人工智能在医学影像领域衍生出两大基础应用：（1）数据感知，即通过图像识别技术对医学影像进行分析，获取有效信息；（2）数据训练，即通过深度学习海量的影像数据和临床诊断数据，不断对模型进行训练，促使其掌握诊断能力。

人工智能医学影像对比传统医学影像的优势明显，因此产品面世早期，广受各级医疗机构青睐，医生对人工智能医学影像设备的使用需求不断提升，人工智能医学影像行业因此发展前景广阔。目前，中国有超过百家企业将人工智能应用于医疗领域。

人工智能医疗应用领域中，医学影像是投资金额最高、投资轮次最多、应用最成熟的热门领域，

但由于法律法规风险、评价标准不明确等因素，2020年之前，我国尚未有一张三类AI软件注册证，产品大多停留在申报阶段，产品应用领域主要集中在CT（肺结节）、眼底彩照（糖尿病视网膜病变）等。未来，资本市场对人工智能医学影像的高度认可与大力支持，将会加速相关技术成熟与应用场景落地，助推医学影像设备产业转型升级。

2、市场发展初期相对分散，未来有望逐步走向集中

当前AI医学影像市场比较分散，原因主要有：

一是数据分散。

我国第三方医学影像中心大多数医疗影像数据来源于医院，但大量影像数据额分散在不同的三级医院体系中，因此智能医学影像模型难以得到有效的训练，即使实验室准确率高，也很难在实际应用中取得很好的效果。

二是病种分散。

虽然底层代码可以复用，但不同病种需要不同的标注数据训练不同的模型。例如：谷歌Deepmind跟Moorfields眼科医院合作训练糖尿病视网膜病变识别；阿里与万里云合作进行肺结节CT影像检测，未来有望扩大到乳腺癌、糖尿病等领域。虽然行业参与的公司着力选择多发病种进行产品研发，但不同病种不同模型的特点，决定了行业发展初期参与者相对分散的形态。

三是变现场景、商业模式多样化。

仅就医疗图像智能识别而言，潜在的变现方式包括：作为单独的软件模块向医疗机构销售、与PACS等系统合成向医疗机构销售；与CT、X光机等设备合作形成软硬件一体化解决方案向医疗机构销售；通过远程医疗等方式服务基层医疗机构；通过互联网医疗等方式直接服务于患者。由于场景和商业模式的多样化，不同公司在不同赛道上发展。

然而，随着行业的发展，市场参与者的数量将首先不断提升，最后由分散走向集中。

随着行业数据整合与共享机制的建立、模型训练的成熟、商业模式的确立，以及部分企业CFDA认证的率先通过，先发企业将逐步建立技术壁垒和商业壁垒，推动市场走向集中。

文章来源： 光明网，钛媒体APP