行业专家观点 - AI教父Geoffrey Hinton对AGI态度转向乐观 认为AI与人类是共生关系 尤其看好AI在医学影像领域的应用潜力[1] - AI可通过分析眼底扫描图像预测心脏病风险及判断患者性别 能力超越人类医生[1] 中国医学影像AI市场发展 - 中国医学影像市场正经历AI驱动的变革 AI全面渗透疾病筛查 诊断 风险评估和临床决策流程[1] - 联影智能作为联影集团AI子公司 已推出12个产品平台和超100款AI应用[1] - 获得15款NMPA三类证 15款FDA认证和31款CE认证 成为全球医疗AI认证数量领先的企业[1] 技术领军人物背景 - 联影智能高级研发副总裁高耀宗博士放弃美国优厚待遇回国 曾任职苹果公司计算机视觉与生成式AI领域[2] - 因推动医疗设备国产化贡献获2020年上海市五一劳动奖章和2024年上海市青年五四奖章标兵[2] 中国医疗AI发展优势 - 中国庞大人口基数和广泛疾病谱系为AI训练提供丰富数据土壤 罕见病数据量也具优势[3][19] - 医疗AI发展三要素完备：算力 数据及算法协同落地支撑[2][19] - 联影集团"设备+技术"全产业链生态提供独特优势 实现算法与临床设备深度融合[3][19] 产品技术突破 - 基于12万例中国人群肺部影像数据开发C-Lung-RADS系统 提升肺癌早筛精准性和临床适用性[4] - 智慧健康管理移动车搭载C-Lung-RADS系统 在四川多地筛查3万多人 发现100多例早期肺癌患者[4] - 电子病历智能体将医生撰写病历时间从20分钟缩短至5分钟 已在复旦大学附属中山医院等机构落地[4][17] - 2017年攻克三维医疗AI推理引擎技术 算法运行时间从十几秒缩短至1秒内 显存占用降低75%[20] - 开发全国首个获三类证的肺栓塞AI软件 具备CE FDA NMPA三大认证 实现危急症分诊突破[20] 技术路径与策略 - 采取"开源模型+自主研发"双路径：医疗影像领域完全自研 文本处理基于开源模型优化[6] - 通用计算机视觉模型在医疗三维多模态数据识别存在局限 需专用垂直模型[6][15] - 未来技术方向是通用大模型广度与垂直小模型深度结合 兼顾疾病识别多样性和关键任务精准度[4][15] 临床应用现状 - AI辅助诊断已成为放射科医生普遍使用工具 作为"第二双眼睛"降低漏检率[3] - AI应用已进入全球超4000家医院 通过两种渠道部署：深度集成影像设备或独立AI平台[11] - 天眼CT结合uAI vision技术实现全自动扫描 在疫情期间有效避免医患近距离接触[7] 数据策略与隐私保护 - 采取"数据不出院 研发走进院内"模式 与医院合作部署算力设备在院内直接训练模型[8][9] - 数据获取通过开源数据库和医院科研合作 所有数据经顶级医生专业标注和检验[8] - 与上海中山医院合作训练多模态大模型 实现一扫多查自动识别73种疾病 减少人工标注依赖[9] 医院合作模式 - 首选与头部医院合作 因数据质量高和专家标准严格 通过多中心验证确保模型泛化能力[10] - 知识产权分配视情况而定 医院注重科研探索和论文发表 企业注重技术转化和产品推广[10] - 基于中国医疗数据训练的模型在海外市场也表现优异[10] 技术挑战 - 尚未出现真正通用跨模态的医疗影像大模型 无法通过自然语言指令处理CT MR超声等不同影像[12] - 多模态信息融合方法仍需提升 如何将影像 文本 检验 心电图等多源数据在原层面有效融合是核心难题[13] 监管环境 - 医疗AI产品在国内按第三类医疗器械管理 已批准100多款AI三类证产品 以单模型单场景应用为主[14] - 企业积极参与国家药监局审评指导原则和行业标准制定 推动行业规范发展[14] - 针对大模型的AI产品在国内外复杂临床场景均尚未落地[14] 未来展望 - AI与医生是相互共生关系 人机协同是目前最优解 AI主要承担初诊报告撰写 病灶识别等辅助任务[5][16] - 电子病历智能体应用前景包括病历质控 诊疗辅助和医院管理三大方向[17] - 跨学科融合是趋势 需克服专业术语和思维方式差异导致的理解偏差[21]