{调取该文章的TAG关键词}|医疗资源缺口巨大,AI将如何赋能医学影像发展?( 六 )


二是病种分散 。
虽然底层代码可以复用,但不同病种需要不同的标注数据训练不同的模型 。例如:谷歌Deepmind跟Moorfields眼科医院合作训练糖尿病视网膜病变识别;阿里与万里云合作进行肺结节CT影像检测,未来有望扩大到乳腺癌、糖尿病等领域 。虽然行业参与的公司着力选择多发病种进行产品研发,但不同病种不同模型的特点,决定了行业发展初期参与者相对分散的形态 。
三是变现场景、商业模式多样化 。
仅就医疗图像智能识别而言,潜在的变现方式包括:作为单独的软件模块向医疗机构销售、与PACS等系统合成向医疗机构销售;与CT、X光机等设备合作形成软硬件一体化解决方案向医疗机构销售;通过远程医疗等方式服务基层医疗机构;通过互联网医疗等方式直接服务于患者 。由于场景和商业模式的多样化,不同公司在不同赛道上发展 。
然而,随着行业的发展,市场参与者的数量将首先不断提升,最后由分散走向集中 。
随着行业数据整合与共享机制的建立、模型训练的成熟、商业模式的确立,以及部分企业CFDA认证的率先通过,先发企业将逐步建立技术壁垒和商业壁垒,推动市场走向集中 。
【{调取该文章的TAG关键词}|医疗资源缺口巨大,AI将如何赋能医学影像发展?】 

推荐阅读