今年的就业环境还是比较严峻的，传统的产品经理在市场的大浪淘沙中，快要被冲上岸了，如果这个时候还不思悟，对于 35 岁这个门槛怕是很难再迈过去哦。下面请听我娓娓道来。

诶，点进来的朋友是不是被标题给吸引了，要的就是对你的视觉冲击力。虽然有点夸大了的成分，但不可否认的是 AI 正在慢慢地取代我们很多日常的工作。

" 高烧咳嗽不断，要判断是不是肺炎，医生是不是会给你开个肺部 CT 单。"

" 乳房长时间肿胀疼痛，判断是不是增生，结节，是不是要做个彩超。"

" 颈部出现结节，并长时间伴有疼痛感，是不是也要做个彩超？"

影像在体检、就医过程中，越来越同我们息息相关。如果没有这些医疗影像系统，让我们提前发现，从而进行诊断干预，及早治疗，那会不会我们病发的时候直接患癌晚期了？

所以今天，我想要跟大家先聊的是影像系统，而且还是结合了 AI 能力衍生的医疗 AI 影像。

一、医疗影像为什么是 AI 的主要切入场景？

其一，影像数据的逐年增长与专业人员不成比例。

在使用场景方面，医学影像目前算是 AI 在医疗领域应用最多，最成熟，资本投入最多的场景。

我国一年医学影像的检查量超过 75 亿人次，2023 年我国医学影像市场规模达到 580 亿元，预计 2024 年有望超过 620 亿元。

人口老龄化，疾病低龄化，庞大的检查量带来的是影像数据的都是 ZB 级别的增长。据 IDC 预测，2027 年，全球产生的数据量将达到 291ZB，而同期放射科医生的年增长率仅为 4％，形成较大的供给缺口。

专业人员的紧缺和患者数量越来越多，极容易造成误诊率偏高，从而引起主治医生诊疗判断，造成不必要的医患纠纷。

其二，市面上大多数医疗 AI 影像应用都是从结节方面切入。

就拿肺结节来举例：第一，肺癌在中国发病率肺癌发病率居首位；第二，肺结节的数据比较容易通过网络找到。例如，LIDC-IDRI 数据库提供胸部医学图像文件 ( 如 CT、X 光片 ) 和对应的诊断结果病变标注。

有病人的地方就有江湖，有 " 钱 " 景的地方就有先驱者。医疗 AI 影像主要目标通过深度学习，达到病灶发现与标识、靶区勾画等功能，帮助医生更快发现隐藏病灶，辅助进行诊断治疗工作。

对于医生来说，" 我只希望是有一个更精准、智能的工具，依托海量数据计算来辅助我能直接生成诊断依据，我只需要做一个复核及修改补充的动作。我想要的就是这么简单，但我又不想复杂学习能满足吗？"

放射科医生工作一天的内心 OS 历程：

" 怎么今天像过年一样多人，我一天要说几百遍 " 拍好了，可以离开了 "

" 双手抓住仪器两边仪器扶手，把胸贴在上面，深呼吸后再慢慢呼气 "，

" 我要挺住不能出错，等下主任要扣我绩效了 "

" 拿着微薄的工资，操着几百上千万的仪器，看错了还会被家属暴打，我图个啥？是对医院的爱吗？"

……… ..

二、医疗 AI 影像成功的案例有哪些？

* 数坤科技、鹰瞳科技、推想医疗、深睿医疗及上海联影目前算是国内 AI 医疗影像优秀企业代表，5 大厂商共占国内 AI 医疗影像市场份额 53% 以上。

当然头颅，乳腺，心血管，骨盆外科等其它领域也有比较大的投入，只是对我来说还没学习了解到，不在此阐述。（我会在后面对这三家公司的产品进行深入分析）

三、医疗 AI 影像商业化变现路径推演？

说到这，肯定会有人好奇，医疗 AI 影像砸了那么多时间，金钱和人力进去，公司现在到底赚不赚钱呢？他们是怎么赚钱的呢？这些医疗 AI 影像公司的商业模式是不是良性的？

医疗的本质是支持生命的自我修复，但是自我修复的过程其实是一门生意，公司的立根之本还是要通过产品或者资源互换形成持续的盈利模式。

问题来了，那医疗 AI 影像应该从怎么去做这块的商业化应用变现呢？

我目前比较看好的模式就是 " 设备 + AI 的软硬一体化 + 区块链，硬件录数据，AI 直接出辅助诊断，区块链云共享 " 这个解决方案。在此之前我想过建立第三方影像数据中心，同医联体进行合作，包括核心城市深耕，二三线城市授权本地代理商或者合作运营的（本地团队出 BD 资源和运维，厂商提供设备软件）模式。

布局基层医疗，弥补在基层医疗机构布局空白。乡村医疗卫生机构和社区医院等基层医疗机构作为医疗 AI 能够发挥最大价值的地方。作为最接近居民小区的医疗诊疗机构，往往被很多人的忽视。国家一直推行的分级诊疗政策，倘若患者在基层医院拍的片子，到三甲医院就诊可同步调阅；在三甲医院做完诊疗，病历信息也同步到基层医院。

重新理解基层医疗，如果对基层医疗不了解，也可以点击看看。

四、医疗 AI 影像现在入局还来得及吗？

我个人认为对某部分公司是来得及（注意是某部分，不是 all in 噢，怎么分析自己是不是某部分呢？这里卖个关子，我相信你感兴趣会找我的。）

我们都知道 AI 技术的出现和发展都需要经历 3 个阶段，技术的创新发展，技术的验证，技术的大规模商业化应用，而应用才是最终决胜的关键因素。目前国际上领先发展的大模型以及早期国内投入研究的人工智能 AI 公司，目前更多是在语音，图片，文章，影像中进行生成式应用，但是要想用 AI 来帮助完成工作和生活中的特定场景需要，这还远远不够。此时入局正好站在巨人的肩膀前行，能让自己少踩不少坑。

人工智能 AI 在图像分割技术上目的是准确划分人体重要器官和异常物体，例如肺部、结节、肿瘤等。它能够帮助医生清晰地标记出病变部位的确切位置，并确定其它重要特征，如大小、体积等。但是一定要基于你的 Business Resources 抓住垂直领域赛道，强强联合（商务 + 技术），要做到小而美，并且能够实现基于某个区域内实现全流程数据互联互通，上链的商业模式闭环。因为真正的行业标准化，数据结构化，还有很长的路，谁都有机会成为那个某部分的 Company。

最后，这是一项需要持续烧钱的行当，如果一年调整两三次战略方向的创业公司就很不适合了。中国的医疗体系是一个基层使用者和最终决策者有分离的市场，它有着一整套复杂的政策指引，采购流程、供销流程和上线应用、培训环节。医院对技术要求很高，但是经费又抓得很死，创业公司既要懂医疗，也要懂 AI，更要懂 " 人情世故 "。

医疗 AI 影像的未来出路除了持续的技术创新和优化，满足不断增长的市场需求，同时也需要关注政策监管和伦理法律问题，以确保技术的健康发展和广泛应用。没有红头文件的政策扶持，很多创新都会犹如水中浮萍。

最后的最后，我们在这个医疗行业还是要持续的学习，医疗行业有一个好处就是 " 慢 "，你可以观察一下 5 年前的医疗资料到现在还可以用，医疗技术的影响甚至好几十年，这就给我们沉淀的机会，沉淀能力是否一直能延续才是关键。不被淘汰的核心还是你做过足够多的项目，你理解足够多的行业基础逻辑。

本文由 @林裕虎 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务