AI 医学影像落地最早，应用广泛。
AI 医学影像是指利用人工智能技术（如深度学习、机器学习等）对医学影像数据进 行分析和解读，辅助医生进行疾病诊断、治疗规划和预后评估。AI 医学影像的核心是通 过算法自动识别影像中的病变区域，提供定量分析和诊断建议。AI 医学影像根据不同维 度进行分类可分为基于深度学习的影像分析、基于机器学习的影像分析、影像分割与标注、 影像分类与检测、影像生成与增强等。
AI 医学影像应用场景不断拓展，赋能各个诊疗流程。从 AI 医学影像萌芽期发展至 今，AI 逐渐在医学影像工作的各环节发挥作用。AI 医疗影像产品逐渐扩大了其覆盖的疾 病领域和疾病种类，从肺、心、脑、骨、乳腺等部位逐渐扩充至全身器官和组织，可检 测的病灶种类也在不断优化和丰富。
1. 赋能影像检查，提升图像质量：AI 技术赋能从扫描准备、图像号采集到图像重 建的整个流程。通过学习复杂系统的特征提取与映射，AI 技术可实现非接触式自动成像， 显著降低交叉感染风险。同时，在提升图像质量方面，AI 技术可利用先验知识构建复杂 的非线性映射，通过交替使用去噪和增强的模块，提高小病灶区域的信号质量。相较于 传统方法，AI 能够更加有效地分离图像中的信号、噪声及伪影，从而得到更好的图像质 量，具有巨大的潜力。例如，康泰瑞影用于 X 光成像的软件方案 Altumira SC，通过 AI 驱动的降噪算法，显著提升 X 射线成像质量，在保留解剖细节的同时实现更清晰的图像。
2.辅助诊断，提高临床效率和诊疗精度：医学影像与 AI 技术的融合将带来更个性化 的医疗服务。AI 辅助诊断系统可以帮助医师快速分析复杂的影像数据，结合数字孪生技 术，实现高度逼真的三维器官渲染和虚拟手术模拟，提升早期疾病的发现和诊断能力， 提供个性化的治疗建议，大幅提高临床医师的工作效率，减轻其工作负担，并有效降低 漏诊率和误诊率。在临床应用场景中，最早得以落地是肺癌（肺结节）AI 辅助诊断系统， 华西医院研发的肺癌（肺结节）AI 辅助诊断系统 1 分钟即可实现结节定位识别和定性辅 助诊断，对 3—5mm 肺小结节检出准确率达 98.8%，大幅提高＜1cm 早期肺癌诊断率， 该系统于 2016 年开始先后在四川大学华西医院等全国 155 家医院使用。在心血管影像方 面，AI 驱动的“一站式”解决方案实现从影像快速采集、病灶智能分析到风险分层的全 流程自动化处理，通过结构化报告生成与康复预测优化手术策略，大幅缩短诊疗周期； 在脑卒中管理中，AI 技术整合影像扫描、智能诊断、紧急分诊及随访监测等环节，通过 危急预警与规范化治疗建议加速救治响应速度；基于 CTA 的头颈血管智能分析系统可精 准定位血管病变，自动关联患者历史数据生成动态随访曲线，辅助医师实时追踪缺血进 展，减少人工比对耗时；而肿瘤全生命周期智能管理则依托 AI 和大数据技术，贯穿筛查、 诊断、治疗及预后全链条，通过多模态病灶识别、定量化分析及术后复发风险预测模型， 为个体化诊疗方案提供高效支持。这些创新应用通过智能化工具重构诊疗流程，在提升诊断效率的同时，为精准医疗注入新动能。
3.助力临床科学研究：AI 医学影像科研平台使得数据的标准化采集、转化、标注与 存储得以加速。同时，其深度学习算法可对海量影像数据进行高通量处理，快速挖掘病 灶特征间的复杂关联，辅助研究者发现新型影像生物标志物或疾病演化规律。例如，在 肿瘤研究中，AI 可定量分析影像组学参数与基因表达、治疗响应的相关性，构建预后预 测模型；在神经系统疾病领域，通过自动分割脑区并追踪细微结构变化，揭示早期病理 机制。同时，AI 标准化处理流程能消除人工标注偏差，确保多中心研究数据可比性，结 合自动化统计分析模块，可加速从数据采集到论文产出的科研闭环，为临床科室提供从 假设验证到成果转化的全链条研究支持。
4.革新临床医学影像教学模式：AI 可整合海量标准化病例影像数据生成动态教学资 源库，结合三维重建与病灶动态演化模拟技术，帮助学员直观理解解剖变异与病理演变 规律；基于深度学习的虚拟阅片系统能实时标注关键征象、对比典型病例，并提供诊断 逻辑推演反馈，强化影像判读思维训练；智能模拟诊断平台可还原真实临床场景，支持 学员进行无风险的分级诊疗决策演练，同步生成操作评估报告定位薄弱环节；此外，AI 驱动的自适应学习系统通过分析学员知识图谱，个性化推送教学课程，显著提升影像诊 断教育的精准性与实践转化效率。 近年来，AI 医学影像市场高速增长，成为 AI 医疗增长最快的细分市场之一。AI 在 医学影像领域应用广泛，场景丰富，市场空间广阔。亿欧智库数据显示，2022 年至 2024 年，医疗机构 AI 医学影像项目中标项目数量从 186 个增长至 387 个，AI 医学影 像应用正不断普及，医疗机构需求也在快速增加。与此同时，AI 医学影像市场规 模持续增长，预计 2025 年中国 AI 医学影像市场规模将达 61.7 亿元，2030 年将达 137.4 亿元。
国内 AI 医学影像领域参与者众多，行业已形成多层次、差异化的竞争格局。在产业 实践层面，设备厂商、纯 AI 企业、互联网巨头及科研机构依托各自优势构建技术壁垒。 迈瑞医疗、联影智能、万东医疗等硬件制造商通过设备与 AI 软件深度耦合，打造“设备 +AI”一体化解决方案抢占市场；推想科技、深瞳科技等独立 AI 企业以高精度病灶识别 和跨病种泛化能力为核心竞争力，采用医院订阅服务模式实现商业化。下游应用端则覆 盖医院、科研机构、体检中心等多类场景，通过辅助诊断工具提升疾病识别效率。各类 型企业在技术路径、资源整合和商业模式上形成互补竞争，共同推动 AI 医学影像产品通 过硬件捆绑、独立软件等形式渗透至诊疗全流程。
AI 助力实验室自动化与流程优化，提升检验科室效率。AI 算法可以优化实验室的工 作流程，自动分配检测任务，预测设备维护需求，减少人工干预和操作误差。有研究显 示，AI 应用可使样本传送到接收效率提升 64.9%、样本上机检测效率提高 75.6%、整体 自动审核通过率提升至 28.19%、实验室内 TAT 周转时间（turn around time，TAT）从 203 min 减少到 177 min、门诊生化免疫 TAT 中位数由 222 min 降至 145 min；利用检验历史 大数据和 AI 技术优化院内系统后，甲状腺功能五项检测项目的自动审核系统审核通过率 由 69.56%提升至 81.32%。 AI 体外诊断应用市场规模年复合增长率有望达 26.1%。检验科作为医院最重要的医 技部门之一，产生和处理的数据量十分庞大，而检验数据长期以来一直为疾病的诊断、 治疗、疾病监测等提供重要依据。AI 技术可以通过分析大量数据，快速识别疾病标志物， 使检验人员能够从繁琐和重复性的工作中解放出来，如智能采血机器人、智能阅片、智 能审核、智能报告解读等应用不仅大幅提升了工作效率，更为临床决策提供了精准有力 的支持，也为个性化医疗提供了支持。在体外诊断领域，AI 应用增长潜力巨大，预计到 2028 年市场规模年复合增长率有望达 26.1%。
AI 在体外诊断领域已有应用。 （1）血液细胞形态学检查：AI 算法对于疾病诊断可明显提升细胞检测的覆盖范围 和检测效率。当前 AI 在血液形态学检验中的研究相对成熟，硬件方面包括 WSI、自动对 焦等，应用方面包括外周血细胞形态学分析、罕见血细胞筛查、血液寄生虫检验等，均 已取得了突破性进展，基于 AI 的体外诊断形态学检验产品已开始进入可实质性服务临床 医疗阶段。2022 年由北京协和医院检验科与小蝇科技联合研发的“外周血细胞图像白细 胞辅助识别软件”获批体外诊断行业全国首张 AI 三类证。 （2）微生物形态学检查：AI 技术主要应用于镜下形态和菌落特征两方面。虽然 AI 在微生物涂片形态学检查中的研究目前处于起步阶段，但也已突破革兰染色镜检仅能区 分革兰阴性和阳性的限制；微生物培养平板的菌落形态识别方面，AI 技术的引入使以手 工为主的微生物检验实现全面自动化成为可能。 （3）组织病理细胞形态学检查：除 AI 医学影像应用外，组织病理细胞形态学检查 的临床应用是 AI 算法应用最广泛的领域之一。AI 算法应用于肿瘤评级，可提高淋巴结 转移检测、乳腺癌 Ki-67 评分、前列腺癌格里森分级和黑色素瘤肿瘤浸润淋巴细胞评分 的能力；此外，AI 还可根据标准 HE 切片预测肺癌、前列腺癌、胃癌和结直肠癌中某些 分子标记物的水平，在分子层面提供精确的定量评估等。 （4）其他形态学检验：除了上述 AI 在形态学检验中的应用，其他例如自身抗体检 测、阴道炎检查、宫颈癌细胞学筛查等以医学显微形态学方式进行检测的领域，AI 技术 均有所涉及，辅助人工阅片判读。
