全部商品分類
１月１０日，上海市第六人民醫院宣布成立國內首個心磁臨床中心，將通過心磁圖成像技術對心腦血管疾病進行診斷、治療。
消息一出，便引起醫學影像界的廣泛關注。因為現階段，心腦血管疾病的成像主要依賴冠狀動脈造影、冠脈ＣＴＡ、心臟磁共振以及心臟ＳＰＥＣＴ等技術實現，這些技術或多或少會對患者本身造成輻射以及注射傷害。而上海六院心磁中心引入的心磁圖技術，無輻射且不需要需注射藥物，能夠實現真正無創成像。毫無疑問，這一創新技術的引入，將在國內影像學技術研發領域激起一片漣漪。
醫療創新技術的迭代，需要我們向前看，去尋找時代提出的新要求；同時也需要我們停下來，回顧過去一年到底發生了哪些改變。２０２２年是人們對醫療健康尤為重視的一年，同時也是我國醫學影像備受關注的一年。那么，在過去的一年里，我國醫學影像技術究竟有哪些新變化呢？我國醫療影像賽道將迎來怎樣的突破？
＃０１ １８家國產醫學影像企業畫像
初創企業往往代表著一個行業的技術發展方向，同時也預示著這一賽道的發展潛力。基于此，動脈成果局對醫學影像賽道，在２０２２年完成早期融資的初創企業進行了整理分析。
據動脈橙數據顯示，在２０２２年醫學影像賽道我國總共發生了１８起早期融資事件，和２０２１年相比數量增長了兩倍之多，單筆金額更是多次突破億元。那么，這１８家企業究竟“長什么樣”？我們將從技術路徑，臨床應用場景，創始人背景以及風投機構進行簡要分析。
▲ ２０２２年我國醫療影像早期融資情況
■ １．技術路徑：ＡＩ成為醫學影像器械的必備技能
從２０２２年進行融資的１８家企業來看，ＡＩ介入似乎是他們最為明顯的共同特征。
這１８家企業的產品無論是超聲、ＣＴ還是ＭＲＩ，幾乎都在加入了ＡＩ技術。其運用主要在兩個環節體現。
一個是在感知環節，進行最基礎圖像識別。這里ＡＩ的作用除了讓影像畫面更清晰以外，還會對非機構化數據進行分析。所謂的非結構化數據即不完整數據，在影像學范疇內多指“影像＋報告”。ＡＩ的加入可以讓影像報告更為標準化，減少人工誤差。
另一個則是在學習和分析環節，這也是ＡＩ應用的最核心環節。由于ＡＩ具有深度學習的能力，其處理大量非結構化數據的過程，也是不斷對神經元網絡進行深度學習訓練的過程。當原始案例積累到一定程度時，ＡＩ就能夠掌握“診斷”的能力。這樣一來，即節省了人力，又提高了診斷結果的客觀性和標準化程度，為后續治療打下基礎。
■ ２．臨床應用：重點關注心血管、泌尿系統以及女性健康
雖然都有ＡＩ坐鎮，但這１８家企業的打法也各有千秋——他們所關注的疾病領域以及使用的技術都略有差異。
從疾病領域來看，呼吸科、胃腸功能、泌尿系統、心血管介入以及女性健康等都是醫學影像企業關注的范疇，其中心血管、泌尿系統以及女性健康的關注度更高，相關產品也更多一些。基于這樣的應用場景，在技術層面研究內窺鏡的企業占多數。
由于心血管、泌尿系統以及女性健康等相關疾病有較為明顯的前期征兆，所以醫學影像企業關注這一領域不但可以提供治療方案，還能進行早篩服務。
如社會大病冠心病就可以通過影像學進行早篩。在２０１９年，美國心臟病學會和美國心臟協會發布的《心血管疾病預防指南》中寫道：可以通過評估患者冠狀動脈鈣化情況，對心血管疾病進行早篩、預防。盡早采取相應的醫學手段進行干預，逆轉心血管疾病的效果更佳。基于這樣的應用，心血管這也成為了醫學影像企業重點關注的方向。
■ ３．創始人背景：北大、清華等知名高校重點關注，提供從科研到產業化的全程服務
醫療創新的每一次進步都離不開科研人員的支持，這１８家企業核心創始團隊中，都有著高校教授的身影，更有甚者背后是北大、清華等知名高校的支持。
以２０２２年５月完成５０００萬人民幣ＰｒｅＡ輪融資的超視計科技為例，它是一家專注于活細胞超分辨成像研發與應用的高科技企業，由北京大學多學科團隊聯合打造、孵化而成。在２００９年，北京大學未來技術學院陳良怡教授聯合同事毛珩共同成立了超視計科技，之后北京大學對其給予了場地、人才、技術資源方面的支持，并聯合粵港澳大灣區協同創新研究院、北京協同創新研究院對其進行了戰略投資。
無獨有偶，２０２２年１月完成５０００萬人民幣天使輪融資的荷湖科技也是由清華大學戴瓊海院士領銜，依托于清華大學腦與認知科學研究院，在國家自然科學基金重大專項的支持下完成的轉化。
高校對醫學影像的重視為影像學發展提供了源源不斷的新鮮血液，但要實現高端技術突破還需要更多尖端人才的支持與配合。而這一部分，我國也在慢慢崛起。
截至２０２２年１２月，上海科技大學、中科院、復旦大學、蘇州大學以及北京大學和清華大學都相繼建立了醫學影像相關研究院。其中最“年輕”的當屬２０２２年６月揭牌的“生物磁醫學影像技術聯合實驗室”。這是一家由中國科學院、上海交通大學附屬第六人民醫院以及漫迪醫療儀器（上海）有限公司共同組建的聯合實驗室，致力于神經磁成像技術的開發研究。
“研究院＋醫院＋企業”的合作模式讓這所實驗室一成立，便形成了從研發到臨床研究、安全評估和產業化的完整開發鏈。無論是產品研發的前端、中端還是后期，都能直接獲得一手數據，基于這樣的科研背景，目前該研究所已在生物磁成像等領域取得多項創新性成果。
另外，越來越多中國研究學者在ＡＡＡＳ 、ＩＥＥＥ 、ＩＡＭＢＥ 、ＳＰＩＥ 、ＡＩＭＢＥ 、ＩＡＰＲ 等多個計算機視覺與醫學影像分析領域擔任Ｆｅｌｌｏｗ，為我國在醫學影像領域贏得了更多的“話語權”。
總而言之，現階段越來越多高校看準了醫學影像的發展勢頭，正在“呼朋喚友”入股。
■ ４． 風投機構：多家頭部風投機構關注醫學影像早期發展，持續加注或成投后服務的熱門選項
在對這１８家企業的投資方進行梳理后發現，目前高瓴創投、啟迪之星、中科創新等知名風投企業非常關注醫學影像的早期發展，啟迪之星甚至對兩家初創企業進行了投資。另外，不少高校基金會，如粵港澳大灣區協同創新研究院、北京協同創新研究院等也在重點資助醫學影像初創企業發展。
除了投資方的身份背景，它們的投后服務也值得一提。許多投資方會在投后持續關注企業，并選擇追投、加注。
從忱芯科技公開的資料來看，在２０２０年８月原子創投就獨家資助忱芯科技完成了數千萬人民幣的天使輪融資。但合作并沒有就此中止，在之后的時間里原子創投為忱芯科技提供了商業化以及產品設計方面的建議，并吸引東方嘉富跟投。經過兩年的成長，卡本醫療在２０２２年宣布開啟ＰｒｅＡ輪融資，這次原子創投毫不猶豫的選擇了持續加注，和東方嘉富一起對其完成ＰｒｅＡ輪融資。沒過多久，忱芯科技就進入到了Ａ輪，東方嘉富也選擇了持續加注，繼續合作。
在這１８家企業里，忱芯科技的投資情況并不是個例，卡本醫療、康湃醫療等企業都存在風投機構持續加注的情況。
＃０２ ２０２２“ＡＩ＋影像”迎來新變化：豐富成像方式、處理非結構化數據、解決“數據孤島”
毋庸置疑，ＡＩ加入是醫學影像賽道最明顯的變化。但其實，ＡＩ＋醫學影像并不是一個新概念，早在２０１８年，ＲＳＮＡ大會主席Ｄｒ．Ｖｉｊａｙ Ｒａｏ便在開幕式中強調了ＡＩ對醫學影像發展的重要性，引發了ＡＩ＋醫學影像的熱潮。因此，２０１８年也被成為ＡＩ＋醫學醫學的“落地之年”。
時隔四年，ＡＩ＋醫學醫學又有了哪些新變化呢？能解決我國醫學影像的哪些問題呢？
其一，ＡＩ改變影像畫面的清晰程度以及展現方法，降低誤診率。
利用計算機視覺技術，ＡＩ能夠對醫學圖像進行分割、配準、融合、重建，使圖像更清晰、立體，豐富了醫學圖像的呈現方式。同時，ＡＩ對動態圖像的實時處理功能，也將被運用到成像工藝升級以及輔助醫療器械的定位和導航上。
以２０２２年８月完成數千萬元ＰｒｅＡ輪融資的卡本醫療為例，其核心產品ＶＥＮＵＳ就將ＡＩ運用到了影像診斷的成像環節。
一方面，ＡＩ提高了成像的清晰度以及準確性。ＶＥＮＵＳ在成像環節會利用ＡＩ配準技術，進行多模態影像２Ｄ－３Ｄ聯動。在ＡＩ配準技術的支持下成像的空間感會更強烈，醫生也能精準觀測到病灶的實時位置，以此為基礎設計最符合病例情況的手術計劃。
另一方面，在手術操作過程中ＡＩ也在發揮作用。ＶＥＮＵＳ能自動識別手術尖針的移動軌跡，通過ＡＩ計算出最為恰當的手術通道，并精確引導醫生進行操作。
總而言之，在ＡＩ的支持下ＶＥＮＵＳ不僅可憑借高效便捷的輔助定位追蹤病灶、規劃穿刺路徑，還可快速精準引導建立介入通道，實現手術可視化、簡單化。究其根本就是為了提高治療的安全性和效率。
其二，ＡＩ規范化處理非結構化數據，輔助診斷。
據ＩＤＣ Ｄｉｇｉｔａｌ的統計，我國醫學影像產生的數據中有８０％屬于非結構化數據，并且影像報告還缺少統一的標準。
因為，診斷疾病需要結合多個參數綜合分析，而圖像只是眾多參數的其中之一，需要影像科醫生結合很多診斷相關的醫學知識，最后才能形成影像診斷報告。但受制于影像診斷醫生的個人習慣、執業醫院、教育背景等因素，我國影像診斷報告呈現出因醫生而異的顯著特點，導致不同地區不同醫院的影像報告標準不同。
當患者在不同地區甚至不同醫院就診時，大多數情況都需要重新進行醫學影像診斷。這樣極大程度的浪費了醫療資源，同時也給患者增加了不必要的經濟負擔。
另外，這樣的診斷模式將影像科醫生放在了極其重要的位置，無形中給醫生造成了較大的壓力。目前我國超聲人才還存在至少１５萬的缺口，而在超聲人才進入到醫院后，解讀影像的專業水平還需要３－８年的實踐經驗才能有效提升——這樣的培養機制也是造成了人才流失的一大原因。
在通過ＡＩ技術處理非結構性數據時，能夠人為的為影像報告設定參數模板，解決各大醫院影像報告標準不統一的難題。并且，在大量數據學習后，ＡＩ還能實現輔助診斷，基于大數據提供診療方案。解決患者重復照影的問題，同時也減輕醫生重復性體力勞動，提高診斷準確率。另外，一般情況下機器學習的速度會高于人腦速度，因此，培養一個解讀影像報告的“ＡＩ熟練工”，比培養一位影像專家更方便、快捷。
其三，ＡＩ有效解決醫學影像“數據孤島”問題。
據悉，醫學影像歸檔和通信系統（ＰＡＣＳ）是目前醫院信息系統中操作數據量最大、數據精度要求最高、數據傳輸時效性最強的信息化系統。醫院的臨床數據如果不能及時歸檔、共享，將會持續影響相關科研與產業的發展速度。
而在ＡＩ的介入下，數據的及時上傳將變成可能。目前很多企業的ＡＩ＋影像儀器都具有數據實時上傳功能，并通過云平臺搭建起共享空間。不同科室的醫生在獲得相關權限后，都能夠隨時查看病人詳細的影像報告，節約了檔案查找、不同科室問診所浪費的時間。這樣的方式即有利于“線上會診”，推動城鄉醫療平衡，同時滿足了精準醫療的發展，為建立“數字醫院”打下了良好的基礎。
總的來說，無論是提高清晰度，還是處理非結構化數據，ＡＩ＋醫學影像的目的都是為了輔助醫療，提高診斷效率以及準確性，賦能基礎診斷。
＃０３ 中美醫學影像市場對比：臨床應用、審批、付費觀念
目前，我國無論是科研端還是產業端對醫學影像的重視程度與日俱增，毫無疑問我國醫學影像市場已進入快速發展階段。但一人行速，眾人行遠，在賽道體量快速擴張的時候，我們更應該停下腳步看看市場是否向我們提出了新的要求。
據動脈橙數據統計，在２０２２年美國醫學影像領域總共有１１家企業進行了融資，大多數企業處于Ｂ輪甚至是ＩＰＯ后其他輪次，這也反映出美國醫學影像市場已經處在了成熟階段。也許我們能從美國市場中窺探到我們未來發展的方向。
▲ ２０２２年美國融資情況
■ １． 臨床應用：美國關注“小切口”，中國看重賽道覆蓋
總的來說，美國醫學影像企業在技術以及關注的疾病領域上和我國大致相同——都運用了ＡＩ技術，關注心血管、泌尿系統以及女性健康等領域。但美國企業似乎更喜歡將領域細化，從“小切口”進行深入發展。
所謂的“小切口”就是將自己的技術研究限定在某一特定疾病研究上，追求對這一疾病研究的“精度”，而非對相關賽道都進行覆蓋。
以２０２２年９月完成Ｄ輪融資的Ｄｅｌｐｈｉｎｕｓ Ｍｅｄｉｃａｌ Ｔｅｃｈｎｏｌｏｇｉｅｓ為例，這家公司關注的方向也是女性健康，但它只研究乳腺癌。它開發的設備ＳｏｆｔＶｕｅ，可以通過三維Ｘ射線斷層掃描進行超聲成像和風險評估，檢查女性乳房是否存在良性或惡性腫塊，診斷乳房疾病并監控治療。
Ｄｅｌｐｈｉｎｕｓ Ｍｅｄｉｃａｌ Ｔｅｃｈｎｏｌｏｇｉｅｓ成立于２０１０年，在這十余年的發展中，無論產品如何迭代都只關注乳腺癌方向，公司創始人Ｍａｒｋ Ｆｏｒｃｈｅｔｔｅ表示：“我們的宗旨僅僅是為了改變乳腺癌的早篩、治療方式，挽救全世界女性的生命。”
反觀我國的醫學影像公司，只專注于一項疾病的企業少之又少，更多的企業選擇全面布局。雖然涉及的賽道越多，商業化的機會就更大，但另一方面其設備的針對性以及疾病貼合性將大打折扣。
■ ２．審批制度：美國制定“三部法”將“ＡＩ＋”區別與一般醫療器械審批，中國審批仍較嚴格
除了關注的疾病方向，審批政策或許也是影響企業發展的一大變量。
在我國，由于輔助診斷治療和醫療影像ＡＩ產品對醫生的診斷和治療決策有導向作用，所以ＣＦＤＡ對其審批十分嚴格。在２０１８年時，甚至沒有１家企業獲得了審批，所有ＡＩ＋影像企業都卡在了審批環節無法上市。
雖然這一情況隨著隨著技術的成熟在不斷改觀，在２０２０年時我國就有約２０款影像ＡＩ產品相繼獲得注冊準入。但相較美國而言，我們仍然沒能把握住進入市場的先機。
在ＡＩ＋影像的技術推出后，ＦＤＡ迅速對其做出了反應，率先打破傳統醫械審批政策對ＡＩ產品的限制，為其量身定做了“審批三部法”。
一是，實施“數字健康創新行動計劃”，發布新指導貫徹立法、重構數字健康產品監督體系；二是，單獨組建成立ＡＩ與數字醫療審評部；三是，通過降低醫療ＡＩ產品門檻來加快審批速度，比如將一些三類醫療ＡＩ產品降為二類產品進行審批。
這樣一來，ＡＩ＋影像產品就能區別于一般醫療器械，加速完成注冊審批。同時，新的審批制度也鼓勵了更多醫療器械人關注ＡＩ＋影像賽道，為醫學影像領域帶來更多可能。
■ ３．ＡＩ付費觀念：美國醫療服務奉行市場原則，民眾更易接受付費；中國尚未形成“ＡＩ付費”觀念
除了政策支持，市場對于“ＡＩ付費”的態度也是企業發展需要考慮的問題之一。
在我國，為ＡＩ醫學影像付費的意識尚未形成，并且醫院對ＡＩ產品的估價和企業自己的估價之間還存在著巨大的鴻溝。一款產品即使有較好的應用場景和效果，但價格超過了醫院的承受范圍，或許也不會被采購。
另外，我國目前關于ＡＩ產品缺乏一個明確的成本核算體系，關于機器折舊費、影像診斷費，以及ＡＩ的使用費都沒有統一的標準。對于醫院而言，如果ＡＩ影像的費用和普通影像的費用沒有區別，那么ＡＩ影像的成本支出很難填補；但對于已經習慣了原本的付費模式的患者而言，徒增一筆費用也會造成不小的壓力。
總之，我國目前還缺少統一的成本核算標準，只有在建立成本核算體系的前提下，才能對未來醫學影像ＡＩ的發展給予更多支持。
而在美國，由于多年的“醫保之戰”，以及社會意識的形成，醫療服務一直奉行市場原則，即醫生和醫院對醫療服務自由定價，政府無權進行限價。在這樣的社會背景下，關于ＡＩ影像付費的觀念很容易就被市場接納并實行，也就無需考慮成本、收益等問題。
如今，我國醫療影像賽道發展的大幕已經徐徐拉開，今年的火熱或許就是一個明確信號——那些把握時代風向，并懂得審視市場的初創企業，定能在這條黃金賽道上搶占先機。
（文章來源于互聯網）
