0
| 本文作者： 李雨晨 | 2022-01-04 17:14 | 專題：GAIR 2021 |
“醫(yī)療AI的商業(yè)化，創(chuàng)新技術的應用化”，無疑成為2021年醫(yī)療行業(yè)的高頻詞匯。
近日，第六屆全球人工智能與機器人大會（GAIR 2021）在深圳正式啟幕，140余位產(chǎn)學領袖、30位Fellow聚首，從AI技術、產(chǎn)品、行業(yè)、人文、組織等維度切入，以理性分析與感性洞察為軸，共同攀登人工智能與數(shù)字化的浪潮之巔。
在醫(yī)療科技高峰論壇上，中華醫(yī)學會放射學分會委員、上海長征醫(yī)院影像科副主任蕭毅教授發(fā)表了主題演講。
蕭毅教授表示，2020年以來，醫(yī)學影像AI逐漸被臨床接受，不少產(chǎn)品拿到NMPA認證，但是醫(yī)學影像AI發(fā)的發(fā)展不是一帆風順。
從人才層面看，核心心算法人才短缺導致供需不平衡、巨頭公司對人工智能算法人才爭搶激烈、既懂算法又懂醫(yī)學的交叉人才難求。
從融資層面看，資本的馬太效應使得早期創(chuàng)業(yè)公司融資更難。
當然，如果這些“外因”已經(jīng)為企業(yè)設下了諸多難題，那么醫(yī)學影像AI“入院”的難度則更大。
蕭毅教授表示，“AI醫(yī)學影像產(chǎn)品的商業(yè)化方式與醫(yī)療器械進院的采購模式類似。商業(yè)化進程依賴于大型設備的采購流程， 流程長，耗時長，醫(yī)院付費意愿仍需企業(yè)強勢的市場開拓。”
而且，由于AI醫(yī)學影像輔助診斷系統(tǒng)面向患者收費還沒有形成共識，所以按例付費、按服務費收費等商業(yè)模式暫未形成。
“想要成功實現(xiàn)規(guī)模商業(yè)化，必須依次完成注冊準入、物價準入、醫(yī)保準入，這將是一個很漫長的過程。”
換言之，現(xiàn)在的醫(yī)學影像AI企業(yè)，要學會用時間來換空間。未來，分級診療政策的深化，會讓基層醫(yī)療機構得到大量的分流病人。
同時，基層醫(yī)療機構的醫(yī)學影像設備配備、升級需求和醫(yī)學影像診斷服務需求也將實現(xiàn)快速增長，這將為AI醫(yī)學影像帶來更大的市場空間。
以下是蕭毅教授現(xiàn)場演講的內(nèi)容，雷峰網(wǎng)(公眾號：雷峰網(wǎng))《醫(yī)健AI掘金志》做了不改變原意的編輯與整理。
蕭毅：各位嘉賓大家好！我是來自上海長征醫(yī)院放射科的蕭毅。我的演講題目《AI在醫(yī)學影像中的現(xiàn)狀與趨勢》。
醫(yī)學影像AI的應用現(xiàn)狀如何？
曾經(jīng)，都認為AI在醫(yī)療行業(yè)的落地，會最先落在醫(yī)學影像行業(yè)——影像醫(yī)生的從業(yè)人數(shù)少，醫(yī)療需求又特別大。而且，對于圖像的識別，正是AI非常擅長的事情，國外也有多種醫(yī)學影像公開數(shù)據(jù)庫可以用來訓練模型。
所以，很多企業(yè)和科學家就很自然的以為，醫(yī)學影像AI可以很快開花結果。
人工智能之父Hinton也說，可以停止培養(yǎng)放射科醫(yī)生。這句話，也曾讓放射科醫(yī)生心中一顫。
2016年，各類初創(chuàng)公司拔地而起，資本相繼跟進。然而，理想很豐滿，現(xiàn)實卻很骨感。五年之后的今天一波“蹭熱點”的公司已經(jīng)被淘汰出局，不見蹤跡，資本也只關注行業(yè)里的頭部公司。
問題出在哪里？失敗的公司沒有認真思考：影像科醫(yī)生在干什么，醫(yī)療需要什么。與臨床的溝通、交流程度，是企業(yè)產(chǎn)品價值逐漸拉開距離的關鍵。
而經(jīng)過臨床驗證后的價值，最終得到監(jiān)管部門的認可。
現(xiàn)階段，醫(yī)學影像人工智能的應用是“鏈條式”的，可以分為兩大區(qū)塊：
傳統(tǒng)設備廠商的醫(yī)學影像AI，主要是與設備相關的智能擺位、高清成像；
新興的科創(chuàng)公司，主要是成像后的圖像質控、輔助診斷及科研；
現(xiàn)在，已經(jīng)被臨床使用和認可的AI產(chǎn)品，都有哪些作用？
在中樞神經(jīng)系統(tǒng)方面，醫(yī)學影像AI產(chǎn)品主要有：腦卒中AI，可以對腦卒中的病灶進行分割、定位、定量、測量，進而預判預后；
腦腫瘤AI產(chǎn)品，針對顱腦腫瘤的腦區(qū)分割、腫瘤鑒別。
除此之外，基于人工智能的分割技術，在退行性病變和腦白質病變上進行的模型訓練，也獲得了相對理想的結果。
除了對單病種進行單一模型的構建之外，企業(yè)也向縱深化發(fā)展。
一個腦卒中的案例中，在傳統(tǒng)的工作模式下，我們先進行CT掃描，圖像經(jīng)過處理后，可以查看動脈是否有狹窄和斑塊，最終一個結構化報告。
如果我們使用人工智能輔助的方式，我們可以迅速地獲得最結果，使得患者處理的時間從1000多秒降低到86秒。
圖像的后處理實現(xiàn)了全自動、報告有了標準化的處理，甚至是最后的審核與打印，也減輕了醫(yī)生的負擔和工作量。
這是深受臨床歡迎的智能模型的一個方向。
在頭頸部的應用，主要是對于甲狀腺結節(jié)的鑒別，這也是富有挑戰(zhàn)性，因為近幾年來，國內(nèi)越來越多的 消融手術使手術病理數(shù)據(jù)大量減少。
據(jù)現(xiàn)有的結果來看，現(xiàn)在有兩個公司的模型效果比較好。以浙大孔德興教授所在的德尚韻興提供的數(shù)據(jù)顯示，該公司對甲狀腺結節(jié)鑒別的敏感性和特異性都超過了90%。
人工智能企業(yè)扎堆的肺部影像應用集中在三大塊：第一，肺癌。肺癌早期篩查、良惡性鑒別以及預后預判。
第二，肺炎。AI在新冠疫情中發(fā)揮了重要作用，這也是2020年、2021年多家公司得到社會認可的重要原因。
第三是肺氣腫。
目前，肺部疾病相關的行業(yè)標準、數(shù)據(jù)庫、指南等已經(jīng)在擬定和籌建中 ，肺結節(jié)部分的已經(jīng)完成。
肺部疾病輔助系統(tǒng)在國內(nèi)外各大醫(yī)院應用廣泛，明顯提高了工作效率。
相關的技術也更加聚焦到肺部疾病輔助系統(tǒng)如何優(yōu)化醫(yī)生的工作流程、假陰性和假陽性的風險控制、在醫(yī)聯(lián)體內(nèi)的聯(lián)動以及云診斷等實際工作場景上，幫助醫(yī)生快速精準定位和定性結節(jié)，肺動脈高壓時提高預警，肺結核和矽肺智能診斷。
除了以上臨床應用，AI在基因預測以及浸潤性分型中，都發(fā)揮了重要作用。
肺炎AI則是一個因時而生的產(chǎn)品，可以在2-3秒內(nèi)檢出病變，10秒完成全流程評估，及時篩查出疑似病人，幫助醫(yī)生對確診病人進行分型、對重癥患者進行預警，進而評估確診患者的預后情況，這對于提高診斷的時效性是不可或缺的。
心血管AI的難度會更大，主攻的企業(yè)在一開始集中在形態(tài)學的重建上：重建心臟的冠脈，檢出斑塊。現(xiàn)在的工作更加深入，可以進行功能學的評估：如CT血流儲備分數(shù)心肌量化等評估。
使用人工智能進行形態(tài)學及功能學的評價，醫(yī)生就可以對心血管疾病有一個相對完整的認識，初步滿足臨床的需求。
不僅如此，隨著對疾病認識的增加，人工智能企業(yè)也逐漸地往深、往寬處走。心血管疾病篩、診、治一體化的解決方案，不僅僅是滿足篩查、診斷，同時還對治療決策與規(guī)劃進行了大量模型的構建，而完整的解決方案才是醫(yī)生所需要的內(nèi)容。
乳腺癌是全球范圍內(nèi)女性最常見的死因，在中國也如此。用AI的手段來輔助經(jīng)驗不足的醫(yī)生，進行準確的診斷，是一個有意義的命題。
我國AI研究起步雖然較晚，但在乳腺影像中的應用發(fā)展較快。國內(nèi)AI企業(yè)研發(fā)較成熟的乳腺相關輔助診斷系統(tǒng)，基本圍繞乳腺鉬靶開展。
但是，最終的效能還需臨床進一步的驗證。
AI在腹部影像當中也有探索，但是由于腹部影像的特殊性及難度，國內(nèi)AI多數(shù)研究以單中心、小樣本為主，結果的可靠性尚需進一步驗證；而且多為回顧性分析，是否能真正地應用于臨床，還要開展更多的前瞻性研究。
國內(nèi)AI商業(yè)化產(chǎn)品目前多采用單一影像或病理數(shù)據(jù)，對疾病進行影像識別和病理診斷，無法綜合醫(yī)療數(shù)據(jù)對患者的整體情況進行衡量，造成治療、療效評價和預后預測相關AI產(chǎn)品的缺乏。
在腹部領域，還有一些跨模態(tài)的復合任務流程，進入到了智能分析、智能報告和手術規(guī)劃等領域。
國內(nèi)外在骨骼系統(tǒng)AI的研發(fā)基本處于同一起跑線， 主要集中在骨齡和骨折，能夠解決的疾病問題還是比較少的。
另外，AI骨關節(jié)影像的研究和應用多是對于簡單病灶或征象的識別，是否能達到“輔助診斷”水平、如何對復雜疾病進行綜合分析和診斷仍是我們要進一步研究的重點。
除此之外，在其他影像當中，AI也有大量的使用，包括病理AI、皮膚AI、眼底圖AI、腦電圖AI等。
但是，最復雜的醫(yī)學影像AI應用，仍當屬常規(guī)的放射影像、病理影像。
隨著醫(yī)療AI產(chǎn)品逐漸成熟，也獲得了監(jiān)管部門的批準。
從2020年到目前，醫(yī)學影像AI行業(yè)已經(jīng)拿到22張三類證，大部分都是心胸領域。
這些標紅的企業(yè)都是醫(yī)學影像AI產(chǎn)學研用創(chuàng)新聯(lián)盟的成員，這也是讓我非常開心的一點。
隨著三類證的下發(fā)，中國醫(yī)療AI企業(yè)的產(chǎn)品也體現(xiàn)了國際化能力。推想的產(chǎn)品落地歐盟、入選了聯(lián)合國采購名錄，Airdoc的產(chǎn)品在澳大利亞獲得了澳媒的稱贊，匯醫(yī)慧影也把產(chǎn)品輸送到了拉丁美洲，以及亞太地區(qū)泰國、馬來西亞和歐洲以及非洲地區(qū)。
鑒于中國的人口與數(shù)據(jù)優(yōu)勢，我們有可能在人工智能領域成為一個領跑者。
回到一開始提到的一個話題。AI醫(yī)學影像越來越呈現(xiàn)“一橫一縱”的發(fā)展趨勢，怎么理解？
“橫” ：覆蓋更多部位、更多病種 更加接近醫(yī)生的臨床工作模式，大幅提升醫(yī)療效率、準確性和標準化程度，橫向覆蓋多部位、多病種的AI產(chǎn)品才能更好滿足醫(yī)院需求。
“縱” ：深入疾病診療全流程由單純的病灶檢出、量化，向良惡性診斷延伸，并進一 步向放療規(guī)劃、手術規(guī)劃等臨床領域延伸。人工智能深 入應用于院前篩查、院內(nèi)檢測和診斷，以及治療、介入 治療和術后康復等方面，即疾病“篩診治管研”全流程。
現(xiàn)在拿到證的企業(yè)，大致都可以用這一戰(zhàn)略進行概括，不斷地提升產(chǎn)品的臨床價值，形成以疾病為中心的智能化、標準化臨床工作流程。
除了在臨床上協(xié)助醫(yī)生進行臨床工作，人工智能還大量應用與醫(yī)學影像的研究。例如，
醫(yī)學圖像采集、重建以及圖像質量處理的優(yōu)化；
醫(yī)學圖像特定解剖結構的識別、檢測與定位，圖像內(nèi)特定病灶的識別；
醫(yī)學圖像精準分割和圖像配準；
影像組學與疾病預測、診斷、預后之間更為精準的關聯(lián)模型的建立。
近年來，醫(yī)學影像人工智能的論文數(shù)量非常大。2015年后，CNN算法成為AI醫(yī)學影像領域首選技術，同時各類新算法不斷涌現(xiàn)，2019年之后，CNN算法研究的增長趨勢已放緩。
在專利的申請上，有比較明顯的分布特征。你會發(fā)現(xiàn)，醫(yī)學影像技術創(chuàng)新的專利，大部分分布在北美地區(qū)，而中國的專利量還是比較少。
這需要引起中國企業(yè)的重視，畢竟專利一定程度上代表著未來的技術創(chuàng)新方向，也是醫(yī)學影像技術發(fā)展的重要承載體。
這里面列舉的是幾個典型的專利，例如EDDA公司的三維影像重建及手術規(guī)劃早期基礎專利，4D顯示分析的機器學習基礎專利。這些專利，都會在將來推動新產(chǎn)品的問世。
正像我前面提到的，人工智能是醫(yī)學科研的重要手段。例如，數(shù)坤科技發(fā)表在Nature Communications (影響因子14.919)的文章——“基于三維卷積神經(jīng)網(wǎng)絡的頭頸 CTA血管快速分割與重建”，AI 獨立測試集重建準確率為93.1%，圖像平均處理時間由14min減至4min，縮短3倍以上。
推想科技發(fā)表在Lancet Digital Health (影響因子24.519)，“基于深度學習的新冠肺炎高效分診及病 變負荷分析：一項具有外部驗證的回顧性研究，在不同發(fā)病率地區(qū)收集多個驗證集，共3567套CT影像，模型表現(xiàn)出高準確度和高魯棒性。
鷹瞳醫(yī)療發(fā)表在Lancet Digital Health (影響因子24.519)，“綜合人工智能視網(wǎng)膜專家（CARE）系統(tǒng) 科研成果的應用：通過2萬余張視網(wǎng)膜圖像對系統(tǒng)進行內(nèi)部驗證，并同時使用全國35家醫(yī)療機 構前瞻性采集的近2萬張視網(wǎng)膜圖像進行外部測試。
以上，都是AI公司與醫(yī)生配合進而推出的臨床科研成果。這樣的合作關系，是前所未見的。
所以說，AI給醫(yī)生插上了想象的翅膀，扮演了一個好助手的角色。
AI在醫(yī)學影像中面臨的痛點
醫(yī)學影像AI逐漸被臨床接受，不少產(chǎn)品拿到NMPA認證，是不是醫(yī)學影像AI的發(fā)展就一帆風順呢？
其實不然。
從企業(yè)端先看一下，醫(yī)學影像AI的企業(yè)是越來越濃縮了，都變成“精華”了，但是這些“精華”的發(fā)展還是非常痛苦。
主要就體現(xiàn)核心心算法人才短缺導致供需不平衡。
首先，AI算法專業(yè)人才需要有多學科復合能力，而且開設相關專業(yè)的高校較少，AI算法人才培養(yǎng)體系目前處于金字塔尖；AI產(chǎn)業(yè)發(fā)展帶動AI人才需求的快速增加，全球范圍內(nèi)，中國AI職位缺口最為明顯，AI人才需求量年增速高達74%。
其次，巨頭公司對人工智能算法人才爭搶激烈。
即使是行業(yè)巨頭，如微軟、谷歌、華為、阿里等，均在激烈地爭搶AI算法人才，相比之下， 本行業(yè)創(chuàng)業(yè)公司在人才吸引上不具備明顯優(yōu)勢。
第三，既懂算法又懂醫(yī)學的交叉人才難求。
目前國內(nèi)高校人工智能算法人才都集中在理工科院校，和醫(yī)學院的人才交叉培養(yǎng)體系尚未建立，復合型人才極其短缺。
最后，受限于開發(fā)、注冊和臨床等現(xiàn)實困境，AI產(chǎn)品覆蓋病種速度不及預期。
早在2017年，諸多創(chuàng)業(yè)公司都預測5年之內(nèi)，AI可以覆蓋大多數(shù)需要影像的病種，但受限于醫(yī)療產(chǎn)品開發(fā)周期長、注冊證申請周期長、臨床打磨嚴謹?shù)仍颍瑫r至今日，AI能夠成熟覆蓋的病種很少，遠遠無法滿足影像科醫(yī)生每日實際工作的需求。
同時，資本的馬太效應使得早期創(chuàng)業(yè)公司融資更難。
行業(yè)頭部企業(yè)已經(jīng)形成，資本投入聚焦在頭部企業(yè)，頭部企業(yè)融資進程明顯加快，反觀早期創(chuàng)業(yè)公司融資更加困難。融資C輪之后的企業(yè)，發(fā)展狀態(tài)相對健康。
除了有發(fā)展之痛，企業(yè)還有生存之難。
目前，AI醫(yī)學影像產(chǎn)品的商業(yè)化方式與醫(yī)療器械進院的采購模式類似。商業(yè)化進程依賴于大型設備的采購流程， 流程長，耗時長，醫(yī)院付費意愿仍需企業(yè)強勢的市場開拓，AI影像產(chǎn)品滲透率和商業(yè)化速度受限。
據(jù)《中國醫(yī)學影像人工智能發(fā)展報告2020》，現(xiàn)階段AI醫(yī)學影像產(chǎn)品的院端付費滲透率僅為4.5%~7%。未來隨著AI醫(yī)學影像產(chǎn)品價值不斷被認可，醫(yī)院付費意愿提升，2023年滲透率或達到15%~20%。
2021年，人工智能醫(yī)學影像企業(yè)拓展醫(yī)院銷售渠道的主要方式為與龍頭器械廠商合作、與代理商合作、自建銷售團隊。
其中，與龍頭器械廠商合作的占比達到了60-70%，是最主要的醫(yī)院銷售渠道，而依賴器械廠商導致AI產(chǎn)品客單價不高，商業(yè)轉化效率低。
同時，由于AI醫(yī)學影像輔助診斷系統(tǒng)面向患者收費還沒有形成共識，所以按例付費、按服務費收費等商業(yè)模式暫未形成，進而影響了商業(yè)化進程。
但是，我們也認為，隨著產(chǎn)品價值不斷地被認可，到2023年之后，醫(yī)學影像AI產(chǎn)品的滲透率、醫(yī)院的付費意愿可以得到明顯的提升。
對于醫(yī)院來說，選擇的過程也很痛苦。模型現(xiàn)在能做的事情很少，執(zhí)行的功能只有一小部分，但是醫(yī)院每一病種放一臺服務器在醫(yī)院里，這會造成極大的資源浪費。
醫(yī)學影像AI的產(chǎn)品如何選，選了如何用，用了之后如何管理？這些問題都很頭疼。
而且，醫(yī)學影像AI產(chǎn)品沒有進入醫(yī)保，又不能有明確的收費，醫(yī)生很難決策。人工智能醫(yī)療器械產(chǎn)品想要成功實現(xiàn)規(guī)模商業(yè)化，必須依次完成注冊準入、物價準入、醫(yī)保準入：
注冊準入：人工智能產(chǎn)品需要獲批NMPA注冊證才能進入醫(yī)療市場
物價準入：人工智能醫(yī)學影像產(chǎn)品通過招投標進入終端醫(yī)院
醫(yī)保準入：人工智能正式將以價換量，實現(xiàn)調用量的數(shù)量級提升，實現(xiàn)患者按例收費
到目前為止，國內(nèi)大量人工智能醫(yī)療器械產(chǎn)品尚未完成注冊準入，少量產(chǎn)品完成注冊準入，不到10款產(chǎn)品完成物價準入，尚未存在產(chǎn)品完成醫(yī)保準入。
反觀國外，與國內(nèi)形成了比較明顯的差別。
美國醫(yī)保政策大力鼓勵AI發(fā)展，商業(yè)閉環(huán)的打通推動了美國AI企業(yè)發(fā)展，未來將會對中國AI企業(yè)產(chǎn)生競爭。
美國醫(yī)學協(xié)會（AMA）指定CPT III code代碼，包含了新興技術、服務、程序和服務范例，部分AI產(chǎn)品涵蓋其中。醫(yī)院和診所通過提供CPT代碼，即可申報醫(yī)保和商保。
美國聯(lián)邦醫(yī)保將肺癌高風險人群的肺癌篩查醫(yī)療服務納入 “紅藍卡”參保范圍。
反觀國內(nèi)。
我們國內(nèi)的最終用戶，不愿意為AI額外的支付費用，這也就體現(xiàn)了醫(yī)保在定價或是在支付上的必要性。只有將AI醫(yī)療服務納入醫(yī)保范圍內(nèi)，才能實現(xiàn)AI在臨床上的深層次發(fā)展。
AI頭部企業(yè)現(xiàn)在還有著失血之痛。
因為無法進入醫(yī)保，所以頭部的AI公司即便完成了IPO，也依然處于處于只流血、無輸血、不回血的“商業(yè)斷鏈”窘境。
這些數(shù)據(jù)是來自公司的招股書。如果再沒有一個良好的支付環(huán)境，或者是商業(yè)落地模式，頭部企業(yè)的生存岌岌可危。
醫(yī)學影像AI還有沒有未來？
醫(yī)學影像AI還有沒有未來？
需求是產(chǎn)品開發(fā)的春天。截至2020年末，我國醫(yī)療衛(wèi)生機構數(shù)量達到102.3萬個， 其中基層醫(yī)療機構為970036家，約占總數(shù)的94.8%。
國家制定了分級診療的政策，基層醫(yī)療機構有望得到大量的分流病人。同時，基層醫(yī)療機構的醫(yī)學影像設備配備、升級需求和醫(yī)學影像診斷服務需求也將實現(xiàn)快速增長，這將為AI醫(yī)學影像帶來更大的市場空間。
這些空間是存在的，但是能不能填補這個空間，還需要全方位的努力。
資本也為AI這個行業(yè)注入強心劑。
2018年的資本市場是比較冷的，但是兩年后的2020年迎來了轉折點。隨著國家逐步發(fā)放醫(yī)療影像AI軟件三類證，出臺鼓勵AI+醫(yī)療發(fā)展的政策， 各細分領域的盈利模式逐漸明晰，市場進入快速成長期，資本也大規(guī)模注入。
截至2021年11月，共有4家AI醫(yī)學影像公司向港交所遞交了招股說明書。
從融資趨勢看，當前階段醫(yī)療影像領域已出現(xiàn)明顯的頭部聚集效應，大量資本在頭部企業(yè)進行聚集。
未來的醫(yī)學影像AI趨勢如何，該怎么走？
我們可以參照中華醫(yī)學會放射學分會主任委員劉士遠教授的幾點預判。
他認為，人工智能發(fā)展會面臨九大趨勢：
第一，向產(chǎn)品多樣化發(fā)展；
第二，加深產(chǎn)品垂直功能深度；
第三，單病種向多病種、多任務模型發(fā)展；
第四，軟硬一體化是未來的發(fā)展趨勢；
第五，基于互聯(lián)網(wǎng)+AI實現(xiàn)優(yōu)質醫(yī)療資源下沉；
第六， 打造診療閉環(huán)，從導診、問診、診斷、 檢查、治療的整個閉環(huán)都需要AI的參與；
第七，整體或者平臺化解決方案；
第八，AI信息與結構化報告的整合；
第九，上下游通力合作，形成良好的AI生態(tài)
對于學會、行業(yè)協(xié)會來說，劉士遠教授也提出了未來三年的工作計劃：
1、構建國家級醫(yī)學影像多病種數(shù)據(jù)庫（即將發(fā)布醫(yī)學影像數(shù)據(jù)庫建設招標指南）
2、提升基層醫(yī)院放射科業(yè)務能力，普及及培訓醫(yī)學影像人工智能產(chǎn)品應用
3、推行醫(yī)學影像科普、影像AI科普，提高交叉學科人員以及民眾醫(yī)學素養(yǎng)
4、加強醫(yī)學影像質量控制與規(guī)范，促進人工智能落地應用減少“副反應”
5、促進醫(yī)學影像AI產(chǎn)學研用深度交叉融合，推動中國醫(yī)學影像AI健康發(fā)展
以上就是我今天的演講內(nèi)容，歡迎大家參加明年在上海舉辦的第三屆中國醫(yī)學影像AI大會，謝謝大家。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
專題
