今年又是 元年 国内人工智能 医疗影像公司大盘点 (今年又是元年什么意思)

图像识别是深度学习等人工智能技术最先突破的领域，已经广泛用于图片搜索、自动驾驶、人脸识别。而在医疗健康领域，目前看来医疗影像也会是人工智能与医疗结合中，最可能先发展起来的领域。

简单而言，医疗影像智能分析是指运用人工智能技术识别及分析医疗影像，帮助医生定位病症分析病情，辅助做出诊断。目前医疗数据中有超过90%来自医疗影像，这些数据大多要进行人工分析，如果能够运用算法自动分析影像，再将影像与其它病例记录进行对比，就能极大降低医学误诊，帮助做出准诊断。

将人工智能应用于医疗影像已经成了一个热门创业方向，国外早已出现了一批将人工智能用于医疗影像的明星公司，如Enlitic、Butterfly Network、VisExcell、VoxelCloud等。在医疗智能领域深耕最久的IBM，也在今年8月斥资10亿美元收购了医疗影像处理与加工公司Merge，欲将其技术整合进IBM Watson认知智能系统。

国内也不甘落后，特别是今年以来，我们陆续见到了一批初创公司成立，如Deepcare、推想科技、图玛森维等。同时，以医疗影像云平台起家的公司也逐渐涉足人工智能领域，比如医渡云与汇医慧影。

国内目前从事医疗影像智能分析的公司不多，雷锋网根据公开资料，从众多医疗科技公司中，整理了十多家较为明确涉足将人工智能用于分析医疗影像，从而提高诊断效率和精确性的公司。从这些公司的情况，我们可以一窥国内在这一领域的现状。

调查无法覆盖所有公司，如欲补充和交流可与我联系（zhangchi@leiphone.com）。

国内人工智能+医疗影像公司一览

以上资料及数据由雷锋网根据公开资料整理，如有遗漏，欢迎补充

基本资料

据统计，在美国医疗影像数据的年增长率为63%，而放射科医生数量年增长率仅为2%；根据动脉网的数据，国内医疗影像数据和放射科医师的增长数据分别为30%和4.1%。如果能借助人工智能的方式解读影像，以辅助诊断，可以有效其中的弥补缺口。而国内医护人员短缺的情况，只会比美国更甚，而且影像科医师在医院的收入与地位不高。

影像需求与医生数量的错位，也导致医生负荷过重，影响诊断效果，而这其中就有人工智能发挥的空间。而美国哈佛医学院参与进行的智能诊断临床试验显示，人工智能辅助医生进行乳腺癌诊断可以将误诊率从4%降低到0.5%。不断增长的需求与技术的进步，基本可以解释医疗影像领域人工智能类公司的崛起。

从成立时间上看，今年或许可以不免俗，被认为是人工智能+医疗影像的“元年”（纯主观判定）。根据上表中的统计，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务，智能业务也多在今年开始拓展。

相比之下，国内也并不落后，上文提到的几家国外公司中，仅Butterfly Network成立较早，是在2011年，其余公司也仅两岁左右。

从地域上划分，13家公司中有8家位于北京，其余位于上海、深圳、杭州等地，这倒是与人工智能公司的总体地域分配相符。

2016年融资状况

在国外，医疗影像智能分析公司发展较早，目前部分公司已经较为成熟，处于A轮融资阶段较多，个别获得B轮融资。

比如，Enlitic在去年获得了1000万美元A轮融资，该公司使用深度学习技术，帮助放射科医生分析医疗影像；Butterfly Network则在2014年的8000万美元A轮融资后，去年再获得1亿美元B轮融资，这是一家医疗成像技术公司，通过一种新型医学成像设备，建立数以千计图像的数据库，然后使用人工智能的方式分析新的临床治疗手段。

相比之下，国内公司总体上以天使轮为主，特别是新兴初创公司，只有部分成立数年的公司已进行到A轮。目前融资额最高的是医渡云，A轮2亿元，且其在2015年底还领投了糖尿病管理平台微糖数的千万美金B轮融资，财大气粗。

以下是今年国内这一领域融资事件一览：

发展路径

从公司的发展路径看 ，医疗影像智能诊断的公司大致可以分为两类。

第一类公司主要以人工智能技术，提供影像分析与诊断服务，其中以DeepCare、推想科技、图玛深维、雅森科技等为代表，且一般成立时间较短。

比如，DeepCare主要研发医疗影像检测、识别、筛查和分析技术，为医疗器械厂商和基层医疗中心提供影像识别服务，对新录入数据库的病例，它可以进行算法匹配，寻找出影像数据相似的案例；雅森科技则专注医疗影像分析应用，基于医疗影像定量分析，用数学模型和人工智能技术提高诊断精确性。

第二类公司原先提供医疗影像云服务，而后将服务延伸到智能诊断领域，其中以汇医慧影、医众影像、医渡云为代表，成立时间一般为二到三年。

比如，汇医慧影是一个独立第三方的医疗影像咨询平台，早期专注基于云平台的线上影像中心，从今年开始着重向人工智能领域发力，辅助影像的筛查；医渡云主要提供医疗大数据和医疗云平台解决方案，同时利用机器学习的方式，挖掘临床数据中的文本数据和影像数据。

从提供的产品与服务上看 ，医疗影像智能诊断公司又可分为两类。第一类专注于医疗影像服务，比如影像云平台及影像智能分析。

第二类是搭建医疗大数据平台，其中包涵了医疗影像数据的分析处理，比如连心医疗、医渡云。连心医疗专注于肿瘤大数据平台搭建和医疗数据分析，其系统会对接治疗过程中各环节产生的数据，其中就包括了医疗影像的处理、分割和配准等，以此优化放疗。如上所述，医渡云的临床数据中还包括了病例这种文本数据。

人工智能应用普及的三大推力是以深度学习为代表的新技术，计算力和海量数据，前两者各行业通用，所以对于医疗领域的人工智能公司来说，面临的最主要问题可能是数据。比如，现在的医疗影像几乎没有对病灶进行标注，而这种系统性的数据整理过程又十分专业，需要专业医生配合，这也是医疗行业的独特之处。

由于医疗数据尚未实现互连互通，国内医疗影像数据应用还处于起步阶段。这一点在国外也一样，美国医疗行业数据共享困难，数据格式也难以统一。但随着信息化的加强，未来会有越来越人工智能类公司出现，就像信息化系统促进发展为影像的云平台一样。

雷锋网将持续报道人工智能技术对医疗健康领域的变革，欢迎与我们交流。

技术创新正在变革医疗与健康产业，雷锋网持续关注医疗领域出现的软硬件创新。目前我们在招募医疗健康领域作者，负责采写报道医疗科技领域的企业与牛人。简历投递至 zhangchi@leiphone.com。

PS：2016 年即将结束。当我们回望这一年，无论艰难还是幸运，这年仿佛过得飞快。「2016 影响因子」是雷锋网在高速运转的科技行当里，在不断发生和被人忘记的事件中，试图在各个领域筛选出那些我们认为可能对当下和未来产生深远影响的因素。2016 影响因子，就是 2016 年值得记录的人、事、公司和技术。

本文是 2016 影响因子之「医疗影像」。欢迎向我们推荐 2016 年在健康医疗领域值得记录的其他因子（微信：nksimons）。

原创文章，未经授权禁止转载。详情见 转载须知 。

上一篇：的战略全布局丨万字长文医疗AI阿里达摩院阐

下一篇：B端左手医生欲建立医疗信息服务平台C端两条