圖像識別是深度學習等人工智能技術最先突破的領域，已經廣泛用于圖片搜索、自動駕駛、人臉識別。而在醫療健康領域，目前看來醫療影像也會是人工智能與醫療結合中，最可能先發展起來的領域。

　　簡單而言，醫療影像智能分析是指運用人工智能技術識別及分析醫療影像，幫助醫生定位病癥分析病情，輔助做出診斷。目前醫療數據中有超過90%來自醫療影像，這些數據大多要進行人工分析，如果能夠運用算法自動分析影像，再將影像與其它病例記錄進行對比，就能極大降低醫學誤診，幫助做出準診斷。

　　將人工智能應用于醫療影像已經成了一個熱門創業方向，國外早已出現了一批將人工智能用于醫療影像的明星公司，如Enlitic、Butterfly Network、VisExcell、VoxelCloud等。在醫療智能領域深耕最久的IBM，也在今年8月斥資10億美元收購了醫療影像處理與加工公司Merge，欲將其技術整合進IBM Watson認知智能系統。

　　國內也不甘落后，特別是今年以來，我們陸續見到了一批初創公司成立，如Deepcare、推想科技、圖瑪森維等。同時，以醫療影像云平臺起家的公司也逐漸涉足人工智能領域，比如醫渡云與匯醫慧影。

　　國內目前從事醫療影像智能分析的公司不多，雷鋒網根據公開資料，從眾多醫療科技公司中，整理了十多家較為明確涉足將人工智能用于分析醫療影像，從而提高診斷效率和精確性的公司。從這些公司的情況，我們可以一窺國內在這一領域的現狀。

　　調查無法覆蓋所有公司

　　國內人工智能+醫療影像公司一覽

　　公司名稱成立時間最近融資投資人地區技術及產品

　　雅森科技2006年

　　A輪3000萬元未知北京基于PET/SPECT/fMRI/US等醫療影像定量分析，用數學模型和人工智能技術，提高診斷精確性。

　　健培科技

　　2012年

　　5000萬元，輪次未知

　　未知

　　杭州

　　擁有醫療影像云平臺，醫療影像輸出、智慧醫療和智能診斷為主，其他大數據支撐設備及平臺建設為輔的醫療系統；提供病例檢索和醫療影像智能診斷服務，幫助醫生進行定位病癥、分析病情和指導手術；另外還開發有激光熱敏醫用膠片。

　　銳達影像2012年

　　Pre-A輪 1000萬元中路資本、快創營上海開發有影像平臺，同時探索不同領域的智能化，目前已有的乳腺輔助檢測、虛擬結腸鏡等，都是初步的專業領域技術。

　　醫渡云2013年A輪2億元未知

　　北京擁有醫療大數據平臺，對醫療數據進行集成、挖掘、利用，輔助開展新型臨床、科研、醫院管理等服務，涉及的臨床數據包括影像數據和病例等文本數據。

　　智影醫療2014年A輪未知深圳擁有基于數字影像醫學的健康分析管理平臺，提供早期癌癥篩查、疾病輔助診斷，及健康指數分析。

　　匯醫慧影2015年A輪數千萬元藍馳創投、水木易德投資北京提供醫療影像云平臺和閱片外包服務，并通過建立人體器官模型和神經網絡技術，識別病灶，涉及胸部X光，腦核磁腫瘤，胸部CT。

　　醫眾影像

　　2015年

　　未知

　　未知

　　北京

　　擁有醫療影像數據云平臺，同時建立影像診斷數據結構化知識庫。目前可對大量歷史影像診斷報告進行智能的結構化、標準化處理，可輔助醫生診斷。

　　睿佳醫影RayPlus2015年未知未知武漢結合圖像處理和云計算，為醫生提供基于影像的計算機輔助診療工具RayPlus，特點是滿足專科醫生的特異性輔助診斷需求。

　　DeepCare2016年天使輪600萬峰瑞資本北京將深度學習用于醫療影像，削減讀片時間，降低誤診的概率，目前主攻的方向是胸肺部CT的智能影像診斷。

　　推想科技2016年天使輪1100萬英諾天使基金、金臻云創投北京用深度學習技術分析和識別醫療影像上的病變，推薦治療方案，協助醫生診斷，目前主要用于胸肺疾病的診斷。

　　連心醫療2016年天使輪300萬未知北京主要提供腫瘤數據平臺搭建和醫療數據分析，其中涉及醫療影像處理、分割、配準等，并引導放療優化。

　　圖瑪深維2016年天使輪150萬美元真格基金、經緯中國北京將深度學習引入到計算機輔助診斷系統中，可應用于各類醫學圖像分析診斷、顯微鏡下的病理圖像分析、以及發現DNA結合的蛋白質的序列特異性并協助基因組診斷等。

　　迪英加2016年未知未知成都提供基于人工智能，用于精準醫療的醫療影像大數據分析解決方案，例如基于病理圖片分析的癌癥診斷和分級等。

　　基本資料

　　據統計，在美國醫療影像數據的年增長率為63%，而放射科醫生數量年增長率僅為2%；根據動脈網的數據，國內醫療影像數據和放射科醫師的增長數據分別為30%和4.1%。如果能借助人工智能的方式解讀影像，以輔助診斷，可以有效其中的彌補缺口。而國內醫護人員短缺的情況，只會比美國更甚，而且影像科醫師在醫院的收入與地位不高。

　　影像需求與醫生數量的錯位，也導致醫生負荷過重，影響診斷效果，而這其中就有人工智能發揮的空間。而美國哈佛醫學院參與進行的智能診斷臨床試驗顯示，人工智能輔助醫生進行乳腺癌診斷可以將誤診率從4%降低到0.5%。不斷增長的需求與技術的進步，基本可以解釋醫療影像領域人工智能類公司的崛起。

　　從成立時間上看，今年或許可以不免俗，被認為是人工智能+醫療影像的“元年”（純主觀判定）。根據上表中的統計，有今年就有5家公司成立；其余公司也集成在2012-2015年成立，但初期多提供影像云服務，智能業務也多在今年開始拓展。

　　相比之下，國內也并不落后，上文提到的幾家國外公司中，僅Butterfly Network成立較早，是在2011年，其余公司也僅兩歲左右。

　　從地域上劃分，13家公司中有8家位于北京，其余位于上海、深圳、杭州等地，這倒是與人工智能公司的總體地域分配相符。

　　2016年融資狀況

　　在國外，醫療影像智能分析公司發展較早，目前部分公司已經較為成熟，處于A輪融資階段較多，個別獲得B輪融資。

　　比如，Enlitic在去年獲得了1000萬美元A輪融資，該公司使用深度學習技術，幫助放射科醫生分析醫療影像；Butterfly Network則在2014年的8000萬美元A輪融資后，去年再獲得1億美元B輪融資，這是一家醫療成像技術公司，通過一種新型醫學成像設備，建立數以千計圖像的數據庫，然后使用人工智能的方式分析新的臨床治療手段。

　　相比之下，國內公司總體上以天使輪為主，特別是新興初創公司，只有部分成立數年的公司已進行到A輪。目前融資額最高的是醫渡云，A輪2億元，且其在2015年底還領投了糖尿病管理平臺微糖數的千萬美金B輪融資，財大氣粗。

　　以下是今年國內這一領域融資事件一覽：

　　2016年2月，推想科技獲得1100萬元天使輪融資，投資方是英諾天使基金和臻云創投；

　　2016年6月，DeepCare獲得600萬元天使輪融資，投資方是峰瑞資本；

　　2016年7月，連心醫療獲得300萬元天使輪融資；

　　2016年8月，雅森科技3000萬元A輪融資；

　　2016年10月，圖瑪深維獲得150萬美元天使輪融資，投資方是真格基金與經緯中國；

　　2016年10月，匯醫慧影獲得數千萬元A輪融資，投資方是藍馳創投。

　　發展路徑

　　從公司的發展路徑看，醫療影像智能診斷的公司大致可以分為兩類。

　　第一類公司主要以人工智能技術，提供影像分析與診斷服務，其中以DeepCare、推想科技、圖瑪深維、雅森科技等為代表，且一般成立時間較短。

　　比如，DeepCare主要研發醫療影像檢測、識別、篩查和分析技術，為醫療器械廠商和基層醫療中心提供影像識別服務，對新錄入數據庫的病例，它可以進行算法匹配，尋找出影像數據相似的案例；雅森科技則專注醫療影像分析應用，基于醫療影像定量分析，用數學模型和人工智能技術提高診斷精確性。

　　第二類公司原先提供醫療影像云服務，而后將服務延伸到智能診斷領域，其中以匯醫慧影、醫眾影像、醫渡云為代表，成立時間一般為二到三年。

　　比如，匯醫慧影是一個獨立第三方的醫療影像咨詢平臺，早期專注基于云平臺的線上影像中心，從今年開始著重向人工智能領域發力，輔助影像的篩查；醫渡云主要提供醫療大數據和醫療云平臺解決方案，同時利用機器學習的方式，挖掘臨床數據中的文本數據和影像數據。

　　從提供的產品與服務上看，醫療影像智能診斷公司又可分為兩類。第一類專注于醫療影像服務，比如影像云平臺及影像智能分析。

　　第二類是搭建醫療大數據平臺，其中包涵了醫療影像數據的分析處理，比如連心醫療、醫渡云。連心醫療專注于腫瘤大數據平臺搭建和醫療數據分析，其系統會對接治療過程中各環節產生的數據，其中就包括了醫療影像的處理、分割和配準等，以此優化放療。如上所述，醫渡云的臨床數據中還包括了病例這種文本數據。

　　人工智能應用普及的三大推力是以深度學習為代表的新技術，計算力和海量數據，前兩者各行業通用，所以對于醫療領域的人工智能公司來說，面臨的最主要問題可能是數據。比如，現在的醫療影像幾乎沒有對病灶進行標注，而這種系統性的數據整理過程又十分專業，需要專業醫生配合，這也是醫療行業的獨特之處。

　　由于醫療數據尚未實現互連互通，國內醫療影像數據應用還處于起步階段。這一點在國外也一樣，美國醫療行業數據共享困難，數據格式也難以統一。但隨著信息化的加強，未來會有越來越人工智能類公司出現，就像信息化系統促進發展為影像的云平臺一樣。