【行业】AI应用报告-医学影像智能识别(20页)

“人工智能+医疗”快速发展。医学是一门靠归纳逻辑、经验学习、循证运用的学科,人工智能在这个行业可以发挥重要作用。同时,我国医疗资源短缺,供给严重不足,人工智能在医疗行业的应用可以提升医生工作效率,变相提升医疗资源的供给。在政策推动和算法红利的促进下,“人工智能+医疗”快速发展,根据中国数字医疗网统计,2016年中国AI+医疗市场规模达到96.61亿元,增长率为37.9%,中国AI+医疗市场规模在持续增长,2017年将超130亿元,增长40.7%,有望在2018年市场规模达到200亿元。

人工智能在医疗行业的各环节均有应用。1>诊前:可用于个体或群体性疾病的预测,并给出健康建议。2>诊中:人工智能可以辅助诊断、辅助治疗,降低误诊率。3>诊后:能通过计算机视觉、图像识别和视频分析等渠道保证患者服药的真实性,辅助医生实现患者药物依从性的监督。4>其他环节:保险机构费用智能控制;人工智能参与到药物研发过程中,可以缩短时间、提高效率。

产业仍处于发展初期,数据整合与共享是驱动行业发展的核心因素。AI+医疗发展的核心在于“算法+有效数据”。目前产业发展处于第一阶段。在此阶段,弱人工智能算法相对成熟,数据的整合和共享构成行业发展的核心因素。目前,国内大多数医疗数据存储在医院,一方面,医院内部的临床数据中心建立尚不完善,医院内部数据互联互通程度和共享程度尚低;另一方面,医疗数据涉及病人隐私,共享机制和规范缺乏,导致很多AI+医疗应用由于缺乏数据而止步不前。我们认为,随着医疗数据互联互通程度的提升和共享机制的建立,AI+医疗行业发展将加速。

智能图像诊断算法相对成熟。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的比赛识别错误率仅为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不错成果。

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,非常适合进行机器学习。

立即下载

分享到: