图片来源@视觉中国

钛媒体注：本文来自微信公众号硅谷密探（ID:guigudiyixian），作者：Zhan Zhang，钛媒体经授权发布。

让一个机器人透视你的身体，洞察你体内的蛛丝马迹，比经验丰富的老教授更快更准地找出你的沉疴暗疾，你是会觉得惊悚还是幸运？

在人工智能热潮兴起之初，吴恩达（Andrew Ng）、Jeffery Hinton等多位AI大佬放言，医疗领域AI会让放射科医生下岗失业。

在2019年的今天，才来谈论AI+医疗，好像显得有些不合时宜。毕竟，至少早在2017年起，智慧医疗的火焰已是如火如荼。

仿佛不远的未来，你就能和机器人医生面对面，由绝对精确的机器智能为你作出诊疗。

然而，时至今日，智慧医疗最大的突破，仍然主要限于基于计算机视觉技术的医疗影像辅助诊断之上。AI，距离完全取代医生，可能还差了一个比邻星到地球的距离。

在这一情况之下，聚焦于最为成熟的医疗影像AI领域，谈谈AI在做什么，AI公司在做什么，可能显得更为重要。

AI医疗影像诊断，图片来自Nvidia

聚焦：医疗影像+ AI

从公司门口的人脸识别到你手机里欺世盗貌的美颜相机，再到让李彦宏吃下罚单的自动驾驶，这些AI新浪潮的背后站着的，都是由深度学习驱动的计算机视觉技术。

从这里出发，当你在考虑AI如何应用在医疗中时，首先想到的可能就会是：

如何将在自然图像下日趋成熟的深度学习算法应用于医疗之中？

这个问题不难回答。

即使你从未进过医院影像科，也应该对CT、核磁共振（MRI）、B超等等检查有所耳闻。这些检查就像一台特殊的照相机，借助射线和声波为你体内的器官骨骼留下倩影，帮助医生对人体内的真实情况作出判断。

随着低剂量螺旋CT、核磁共振等技术的发展和推广，影像检查正变得更为安全、高效、准确，也更广泛地应用于定期体检和疾病诊断之中。仅2016年，全球诊断成像设备市场价值就高达227亿美元，增长率为2％。海量的医疗影像数据在帮助诊断之余，也让影像科医生的负担日益加重。

就以常见的CT来说，在影像医疗领域，CT是一个大趋势，所有的东西都能看清楚，但拍一次下来就有300多张影像，一个医生看下来是非常消耗时间和精力的。所以衍生出来的一个问题就是——需要大量的医生来“看片”。

深度学习AI算法的用武之地正在于此。

计算机辅助诊疗技术（Computer Aided Diagnosis: CAD）借助机器视觉算法，对医疗影像进行自动分析，帮助医生锁定病灶，提供诊断建议和依据。传统上，基于人工设计规则的算法在功能、准确度和速度上均有较多局限。深度学习算法的引入，让CAD的应用场景大大扩展。从早期癌症筛查到心血管异常，从神经疾病诊断到骨骼肌肉损伤，CAD系统的AI化浪潮已是如火如荼。

风口回归，竞争进入后半程

新技术的浪潮牵动千万病人的健康，亦牵动资本涌动。

据估计，到2023年，AI+医疗影像的市场规模将超过20亿美元。诸多创业企业、互联网巨头、医疗影像器械厂商纷纷投入重金，力求在这一战场占据一席之地。

不过在2019年的今天，前两年的资本风口渐渐回归理性，赛程进入后半场。

截止至2018年上半年，AI医疗影像初创企业已经募集逾5亿美元资本投入，资本从新兴初创逐渐转向晚期创业企业。纵观这一领域，整个2018年上半年，仅有加拿大医疗影像企业Circle Cardiovascular Imaging获得A轮融资，其他各企业均已进入B轮或之后的成熟阶段。

从战略方向上来看，企业也多由早期技术积累转向产品落地，企业与医院的合作、落地成为主议题，AI+医疗影像日趋成熟。

基于AI的医疗影像分析软件市场规模

AI+医疗，还是医疗+AI？

与自动驾驶领域的“车厂对阵AI巨头”的阵势颇有相似，在医疗影像AI领域，传统影像器械商和AI科技企业的双向竞技也正如火如荼。

以西门子（Siemens）、通用电气（GE）等为首的传统医疗影像器械厂商，正依靠其硬件和数据优势，对其传统影像分析算法进行“AI化”迭代升级，为医院提供整合性更强的一站式解决方案。

西门子的AI-Rad系统针对胸部CT影像，提供多方面的测量、定位和自动报告生成功能。比如，借助影像分割技术，找出胸部CT影像中大动脉的像素级定位，实现对动脉直径等多方面的自动化测量。该系统还利用目标检测技术，对体内器官的各项异常进行定位和初步诊断。