现如今，不管是出于医疗服务供应者还是患者的角度考虑，提升医疗效率、优化医疗服务质量评判手段都是一件迫在眉睫的事。也正因此，医疗行业所面临的压力尤显巨大，放射领域的情况自然也是如此。为了证明行业价值，放射科从业人员必须不断地提升影像检测的速度，优化患者体验，然而现实情况是，他们往往缺少相匹配的工具来实现便捷性。中国从来不缺酒店、服务机构;但缺乏的是管理的体系、方法。想要优化影像相关科室的就医流程，需要的是一款可实际落地的辅助平台。

AI的时代

人工智能的大热，在2017年那场史诗级的围棋对决中，人类战力最强的棋手柯洁以0∶3败于阿尔法狗之时爆发并持续升温。数不胜数的专业人士都把解决医疗压力的希望寄托在人工智能的成长。AI向医疗影像扎根，也已经是趋势。前段时间召开的放射领域最重要的年会：中华放射学学术大会(CCR 2018)上，AI话题热度也是高居不下，惹众家纷纭。

医学影像在医疗数据总量中占比约80%，包括CT、MRI、US、病理、内窥镜、眼底等，医学影像数据相关产业链极其庞大。随着我国社会人口的增长、老龄化现象的严重，人均GDP增长带来健康消费的升级，健康服务业市场需求不断扩容。据预测，据预测2020年，我国医疗影像市场规模为6000-8000亿元。

千亿级的市场自然也引来了众多的市场参与者。风险和商机的把控向来是一个成熟企业的拿手好戏，面对这庞大的市场，有关数据显示，国内83家医疗AI企业中，一半涉足医学影像。“(这一领域)正处于黄金期。

数据为王

“离开临床数据，AI没法思考。”北京大学肿瘤医院信息部主任衡反修在很多会议上强调这一金句。

了解人工智能的人都知道，AI离不开数据。AI就像是还未开窍的孩子，数据就是他的课本，AI的成长是通过吸收大量的数据来开发它的思维模式。就像早期阿尔法狗的训练一样，医疗AI的训练也得有“棋谱”——以医学影像为例，就是大量由医生标注出重要信息的影像数据集。不同的是，围棋已经有固有规则，而人的病例复杂得多，因此，获得高质量的、经标注的影像大数据集，需要大投入。

相对于其他数据，获取医学影像数据更容易一些，且医学影像数据本身就是结构数字化的，加之原来就有一些公开的标注数据集，所以一大批创业公司才蜂拥进入影像领域。

但实际上，中国的医疗信息孤岛现象明显，国内95%医院的电子病历还未全院流通。换句话说，医疗大数据没有基础、医疗术语不能统一、挖掘数据难、数据价值低。

因而AI如何落地，什么样的平台适合它的落地才是重中之重。

直击国内医疗痛点 响应国家政策号召

在AI大规模落地前，医疗人工智能还极不成熟。行业的狂欢和泡沫，是任何一个新技术浪潮的必经之路。最后胜出的，必是那些创造了真实价值的技术和产品。

作为人类健康保健的核心环节，影像医疗服务也面临着自身的一系列痛点。

患者：“看病难，看病贵”，基层医院误诊率高，大医院排队时间长，重复检查现象严重，需要优质高效的影像诊断和医学检验服务。

医院：大医院人满为患，医生和设备超负荷工作，需要建立有效的患者分流渠道，基层医院缺乏医生和设备资源，难以吸引患者，需要提升自身医疗水平。

医生：放射科、检验科等医技科室医生收入和地位偏低，作用不被认可，需要提升自身价值。

设备：医学设备产业飞速发展，但大医院配置已趋饱和，需要开拓更多应用场景。

资本主义如何积极响应国家政策，充分发挥社会资本在创新和管理等方面的优势。

如何结合人工智能+医疗影像，实现“小病社区解决，疑、难、急、重疾病上三甲的分级诊疗模式”，才是未来资本走得通的道路。