对医疗影像创业玩家而言，拿下AI战役，这三个招包成

在我国，医疗影像医生的供需严重不平衡。放射科医生每天需要看上万张CT，有时为了检验肿瘤早期症状，一位病人甚至需要拍200张以上CT，即使每张只需要看3秒，也需要至少10分钟看完。据调查，有超过50%的放射科医生工作时间超过8小时，其中工作时间超过10小时的占20.6%。此外，我国医学影像数据的年增长率为30%，而放射科医生数量的年增长率仅为4.1%。

在这种条件下，医生的时间和精力就成为了一种稀缺资源。在产能有限的情况下，如果能够运用人工智能技术分析医学影像，并将影像与医学文本记录进行交叉对比，就能大幅度地提高筛查效率，同时也能够降低医学诊断失误率，帮助医生进行精准诊断。

那么医疗影像市场空间有多大？对于AI创业者来说进入这条赛道是否合适？据亿欧调查，在我国医疗影像检测的收入占医院总收入的10%，国金证券报告显示，目前国内影像市场规模超过2000亿，省会城市的影像中心规模为250-300亿，县级市影像中心规模为300亿。按照我国过去5年的医疗整体支出，到2020年，我国医学影像市场规模将达6000亿至8000亿左右。

市场体量足够大，剩下的就是生存问题。目前我国的医疗影像公司中有60%处于A轮融资之前的阶段，这些公司在面对IBM沃森、阿里健康等一些列猛虎的时候，该如何夺下高地？亿欧经过多方调查研究得出：对于对医疗影像创业玩家而言，拿下AI战役，需要从数据、临床应用、商业模式这三方面入手。

• 数据

将人工智能引入医疗领域，遇到的第一个明显的问题就是数据的差异性和不确定性。数据不足的人工智能就等于人工智障，想要在AI+医疗这条赛道站住脚，数据是一个不可回避的问题。然而，即便我国有如此庞大的人口基数以及多年的医疗经验积累，想要获取这些数据也是相当不易。

首先，出于利益以及对患者隐私的考量，医疗机构绝不会将这些“机密”随随便便对外界开放。

其次，中国医疗行业信息化程度普遍较低，各机构医疗水准也高低不一。即便与医疗机构达成协议，共享了数据，那么这些数据的安全性、准确性以及完备性也值得深思。

第三，医疗行业本身具有很高的技术壁垒，疾病种类纷繁复杂，产生机理不尽相同，纯粹的AI技术人员很难符合应有的医疗水准。

数据方面的难点除了来源，还有包括处理。从目前的影像数据挖掘技术来说，原始影像暂时还不能直接用于影像数据挖掘分析，必须进行预处理，从而生成可用于高层次挖掘的影像特征库，其中影像数据挖掘的一般流程通常包括影像的存储、影像的预处理、影像的搜索、影像的挖掘和展示等步骤。

技术门槛高，数据来源少，AI创业公司刚一出生就会感受到满满的“恶意”。为了解决AI创业公司资源紧缺的问题，亿欧12月14日将举办AI产业应用峰会，有同行，有产业链上下游，来这里解决你剪不断理还乱的烦恼吧。

• 临床应用

据了解，目前国内医疗人工智能相关企业已经达到139家，尤其是近三年，企业数量增长的十分迅速，而这些刚入局的初级玩家们，都不约而同地选择了扎根应用层。不难理解，相较于基础层需要大量的算法，费时费力还难以看到回报，变现能力强的应用层当然应该受到追捧。然而，这些看似智能的“助手们”却一度被医生们认为是“智障”。故障频出、帮倒忙、患者不信任……诸多原因让医生们对智慧医疗望而却步。

如何将技术配置到合适的场景？如何让AI产品真正走进医院成为医生的辅助？推想科技创始人陈宽在亿欧此前的采访中表示：“医疗圈是个相对保守的圈子，医生更信任彼此间的口口相传，在这个圈子里，做得好和不好都会被宣传开。”安全和质量或许是解决这一问题的唯一钥匙。

• 商业模式

短期来看，目前AI+医疗影像的商业模式一定是To B。这方面业务的竞争力表现在哪里？技术？95%的准确率与90%的准确率之间的差异并不是医院最为关心的，也很难去验证。医院最在乎的是相关方的利益和安全性，所以在竞争初期，渠道为王。

从长期来看，To C也有很大的商业机会。就目前来说，病人想要获取病历资料很难，但是获取影像资料确是很容易的，问题在于病人拿到片子后不知道要向谁“请教”。随着智慧医疗的发展，如果摄片机构的诊断服务不能使病人满意，病人可以自由选择AI医疗商的产品进行服务。一个AI技术服务公司，不需要以自建影像中心为核心的闭环，就像不是所有的电商都需要自建物流。同样，第三方影响提供商，也不需要自己组建一支医疗团队。

那么对于创业者来说，应该选择哪种方式进入战局？哪条赛道的竞争者最多？12月14日，来亿欧AI产业应用峰会，在这里有同行、投资人以及更多AI+医疗从业者共同探讨。