醫學影像是指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。在臨床應用上，又稱為醫學成像，或影像醫學，有些醫院會設有影像醫學中心、影像醫學部或影像醫學科，並配備相關的儀器設備，編制有專門的護理師、放射技師以及醫師，負責儀器設備的操作、影像的解釋與診斷(在臺灣須由醫師負責)，這與放射科負責放射治療有所不同。
目前國內不少業內人士認為醫學影像是在AI醫療當中落地最好、效果最好的板塊。在中國，影像科和病理科醫生總共才8萬多名，醫生數量增長非常慢，而影像數據每年增長率是63%左右，這一定會促使AI扮演越來越重要的角色，幫助醫生做疾病的篩查，從而降低醫生的工作量。
1、醫療影像AI對哪些臨床幫助較大？
對此，上海聯影醫療科技有限公司X射線事業部向軍認為，放射影像、病理科和內窺這三塊對臨床幫助較大。
放射影像：放射科數據比較容易獲得，數據量大，大家投入的關注度比較高。
病理科：美國病理科醫生平均年齡大約50歲，後繼無人，沒有人願意每天看著顯微鏡，且每個病理數據都是GB的數量級。
內窺：內窺影像數據量非常大，如果數據採集後發到系統中用AI識別，就徹底改變了內窺角度的工作流程。
2、醫療影像AI面臨著哪些主要問題？
儘管醫療影像AI對醫生的診斷很有幫助，但是，病理影像用AI是很難的，在落地過程中遇到的挑戰非常多。
①效率。病例影像與已經全數字化的放射設備不同，如果是病理圖片，醫生一分鐘看完，但如果掃描數字化後20分鐘都看不完。
②技術實現難度大。一方面，AI醫療影像從圖片跨越到視頻，對其中的芯片和算法需求也是一個很大的跨越。芯片領域大部分是NVidia的機會，國內有很多家人工智能芯片廠商，但在AI影像領域落地的還比較少。另一方面，從手術角度來講，特別需要輔助性的東西，例如對血管的判斷、對神經的定位等，這些如何從影像上升級？這不僅對實時性要求很高，對誤判率要求還特別嚴苛。
③醫生標準不統一這個問題現在是最嚴重的。中國數據量永遠都足，只是這些數據都是沒有標註的數據。不能定量的東西在不同醫生之間就無法達成一致的意見，這是醫學問題。而AI算法的首要要求就是標註必須是完全正確的。
④醫生本身主觀性太強。至今仍有醫生在腔鏡和開放手術裡面還有爭論，醫生更喜歡開放手術就是因為：醫生在看不到的情況下能夠用手摸出是不是靜脈/是動脈。
⑤醫生心中抗拒AI，“不會幫助訓練模型”。現在整個放射學界和臨床醫生都很擁抱AI，主動做很多AI相關的課題，主動性有時候比工程界都高。但現在AI應用更多還是需要人的參與，這種系統更多算是信息系統，而非智能系統。
但隨著技術的發展，部分問題得到了解決。比如最近阿里巴巴達摩院和阿里雲聯合出品 “新冠病毒肺炎 AI 輔診助手”。它可以幫助醫生快速進行疑似病例診斷，從而讓 AI 在抗擊疫情中大顯身手。 該AI 診斷技術，可在 20 秒內對疑似案例的 CT 影像進行判讀，區分新冠肺炎、普通病毒性肺炎及健康的影像，根據紋理特徵計算疑似新冠肺炎的概率，並直接算出病灶部位佔比，分析結果準確率達到 96%。
相信，未來中國的醫療影像產業將會解決掉所有問題，更上一層樓，追趕國外的腳步。
3、手術機器人最早在哪些領域落地變現？
據Research and Markets報告顯示，醫療機器人市場預計到2021年將達到128.8億美元，與2016年49.9億美元相比，複合年成長率為21.1%。
Frost & Sullivan更是認為到2025年，80%的外科手術很可能由機器人完成。
醫生做手術分為四步：分離、切割、止血、縫合。手術機器人想要代替醫生的工作，在大多數人看來，縫合是最先會商用的一個步驟。
分離、切割、止血、縫合這4個操作是整個手術機器人操作裡面最重要的4個核心，但在專科裡的消融手術和切割手術已經走在最前面了。而縫合技術在過去10年當中變化很快，很多新的應用技術已經應用在縫合上，包括新的膠水和線，現在還有自動縫合技術。
對投資人來說，從不會只看局部，而是會看整體解決方案是不是能落地，例如手術內更細分應用如開顱、顱內探針等。整體來講，投資人認為手術機器人仍然是門檻最高的行業，精度和配合度都要求很高。
閱讀更多 傳感器專家網 的文章
