上海于4月发布的12个首批AI试点应用场景中，就有来自复旦大学附属肿瘤医院、上海第十人民医院等单位入选。

记者在走访中发现，AI在医学影像技术中的应用，已经成为部分医院较为成熟的领域，这也和全球的数据相吻合。

由于医疗影像诊断有着可存储、可传输，又相对标准化的特点，也成为最早应用在AI研发和落地的领域。根据Global Market Insight的数据报告，从应用划分的角度来说，AI医学影像市场作为AI医疗应用领域第二大细分市场，将以超过40%的增速发展，在2024年达到25亿美元规模，占比达25%。

“随着AI技术的发展，机器对图像的理解能力上升到了新的高度，而相当一部分医疗数据来自影像数据，利用深度学习对影像内容作检测分类和量化已达到了较高的准确率。”王延峰告诉记者。

技术在发展，但我国还存在医疗资源分布不均的问题。截至2018年底，中国每千人医师数是2.4人，医生密度低也造成了医院无法满足患者居高不下的需求。

这一表现在影像领域更为突出。根据《中国人工智能医疗白皮书》，以肺结节检测为例，一家三甲医院平均每天接待200例左右的肺结节筛查患者，每位患者在检查环节会产生200~300张左右的CT影像，放射科医生每天至少需要阅读4万张影像。不同于智能机器，人每天在长时间处理机械式阅片工作后，精力和准确度会下降，这就有可能出现误诊的情况。

同时，每年上升30%的影像检查量和平稳增长的影像医生资源（4%）也让影像诊断有了发展空间。

上海第十人民医院放射科主任汤光宇对第一财经记者直言，就算是像他这种经验丰富的老教授，也无法保证在长时间看片时没有遗漏，而对于肺结节病人，最担心的就是漏看。

“有的病人一个肺里有很多结节，这种情况下，即使95%的结节都没有问题，但漏了一个可能就会带来严重后果。”汤光宇说，至少AI在医疗影像识别领域帮了医生一个大忙。“能将医生诊断效率提升30%~50%，比如解放一些老专家，让他们有更多时间进行深度研究。”

相关报道: