Frost ＆ Sullivan的報告顯示，雖然目前人工智能（ AI ）在醫(yī)學圖像分析領域的前景吸引了一大批關注，但是，AI在增強整個醫(yī)學成像過程和開啟智能成像系統(tǒng)的潛力，也同樣存在巨大機遇。

AI應用于醫(yī)學成像，最初的重點是利用內置技術——將局部定位算法用于傳統(tǒng)放射圖像。不過，在過去的兩三年里，市場一直在朝著通過云計算向用戶提供AI技術的方向發(fā)展，這使得AI更加廣泛可用，同時算法也能夠從更高的使用量中不斷學習。

未來，更可期的趨勢是用于成像模式本身，而不是在PACS或后處理工作站上。首先要把深度學習AI技術嵌入掃描設備，將算法應用于原始圖像數(shù)據(jù)。

當今醫(yī)學成像AI市場的特點呈現(xiàn)動態(tài)、多樣化的競爭格局，包括一些主要的云計算供應商（已與成像AI初創(chuàng)企業(yè)達成合作伙伴關系）、提升計算速度的供應商、云市場（cloud marketplace）供應商、健康IT供應商（與云合作伙伴建立了生態(tài)系統(tǒng)）、核心醫(yī)療成像和信息學供應商、以及一些主要的IT供應商和90多家獨立軟件供應商。醫(yī)學影像AI分析的初創(chuàng)企業(yè)數(shù)量也從2009年的2家，增加到了2017年的83家。

這個領域也吸引了大量投資。以投資于心血管軟件開發(fā)商HeartFlow公司的4．665億美元為代表，在不到5年的時間里，醫(yī)學成像AI市場籌集到超過10億美元的資金。如果把收并購和一些大企業(yè)的研發(fā)資金也包括在內，這一數(shù)字將高達60億美元。

目前，醫(yī)學成像AI的主要應用集中在自動化、加速以及增強圖像分析，其中醫(yī)學成像AI公司最關注的成像方式是CT和MRI（表1）。

表1  AI領域所關注的9大成像模式

而換一個角度，從不同人體部位來看，大腦和肺部是最受關注的（表2）。

表2  AI領域所關注的11個人體部位

眼下業(yè)界面臨的一個大問題，是如何將醫(yī)學成像AI技術的巨額投資貨幣化。最有可能的財務模式是以結果為導向，包括共享儲蓄或利潤共享模式。

除了圖像分析之外，AI其實還可以用于醫(yī)學成像工作流程的各個方面（表3）。

表3  未來可應用AI的9大細分領域

雖然全球的醫(yī)療保健機構都希望降低成本、提高產(chǎn)出，提升患者和員工的滿意度，但采用醫(yī)學成像AI的獲益因地域而異。比如，美國將受益于勞動效率和標準化方面，而英國為了解決放射學家短缺和患者等待時間長的問題，中國則是需要提供更多的醫(yī)療專業(yè)知識。