AI+影像设备：从筛查到诊断到治疗，应用领域不断拓展
AI影像应用聚焦疾病筛查和诊断，同时正逐步向治疗领域延伸。
近年来，AI在医学影像领域的应用发展迅速，目前主要集中于疾病的筛查和诊断，主要体现在提高医学影像的工作效率（如提高扫描效率）、图像重建、报告分析和解读等方面，同时智能治疗选择、治疗计划、术中导航和治疗术后评估等治疗领域潜力巨大。从适应症来看，AI在医学影像诊断的应用主要包括心血管疾病、脑血管疾病、腹部疾病、胸部疾病等领域。在放射治疗领域，放疗前，AI技术可以规范靶区的勾画，自动化分割图像，提高多模态图像融合的准确性，更准确地确定肿瘤的位置和边界；正式放疗过程中，放疗设备采用图像引导技术，对肿瘤及正常器官进行监控，根据器官位置的变化调整治疗位置，使照射野紧紧追随靶区。
截至2024年6月，国内已有92款AI医学影像辅助诊断软件获批NMPA三类医疗器械注册证，
涵盖超声、CT、MR、DR等影像设备，涉及肺部、眼底、心脑血管、骨科、产科和儿童发育评估等产品，其中心脑血管疾病筛查产品数量最多，而肝部、乳腺等部位产品仍稀缺。
传统医疗设备企业通过布局AI巩固竞争优势，创新AI影像企业崭露头角。
AI+IVD：AI在检验领域应用前景广阔，有望助力检验科的效率大幅提升
AI的应用可贯穿检验全流程，助力检验科降本增效。
人工智能在检验医学领域的应用方向包括在样本处理环节、形态学检验、检验结果审核及检验报告解读等各方面。国内三级医院人力成本高，而样本的采集、归类，血尿便等细胞形态学分析等方面需要大量的人工操作。基层医院存在检验人才培养落后，检验技术人才缺口大等问题。AI赋能医学检验能有效提高检验科人员的效率。此外AI的图像识别特性和机器学习潜力在形态学分析中优势明显，能够弥补人类视觉捕捉不全及易于疲劳的缺点，减少肉眼遗漏的微小病变，并减少由于人为主观差异引起的漏诊，提高检测的准确性。
AI在病理领域应用发展迅速，各企业纷纷推出AI病理辅助诊断产品。
病理诊断是肿瘤诊断的金标准，但目前病理诊断自动化程度较低，AI病理可通过人工智能算法，对数字化的病理切片进行诊断，有效弥补人工诊断率低、医生不足等问题。
上游的病理设备和试剂生产企业、第三方实验室以及互联网企业纷纷布局AI病理诊断领域。
2023年3月，玖壹叁陆零医学获得我国病理AI领域首张三类医疗器械证，国内病理AI行业迎来里程碑式突破，标志着AI在宫颈细胞学领域的应用进入实质落地阶段。2023年7月，国家药监局器审中心（CMDE）发布了《病理图像人工智能分析软件性能评价审评要点》、《病理图像人工智能分析软件临床评价审评要点》两份病理AI软件审批要点文件，进一步推进市场规范化发展，明确病理AI辅助诊断软件应按三类医疗器械管理。未来想要在病理AI辅助诊断领域打开更大的市场，三类证成为准入门槛。目前迪安诊断的宫颈癌细胞病理处理软件也正在进行三类证注册中，预计近两年将有更多的AI病理诊断产品获批。
AI+机器人：AI为医疗机器人未来的发展应用带来丰富的想象空间
按照医疗机器人原理，大致分为主从式操作手术机器人、导航定位机器人。
主从式操作手术机器人通常是医生控制台与进入患者体内的机器人手术平台分离，两者之间通过信号传导数据进行控制，完成特定的手术操作。导航定位机器人主要在手术中发挥导航与定位的功能，一般由机器人导引至精确的位置以完成关键且准确的手术操作。
目前医疗机器人的智能化水平还处于比较早期的阶段，发展潜力大。
人工智能在医疗机器人中应用的定义，主要指运用机器视觉、图像分析、导航、机器学习等手段，使医疗机器人实现自主诊断决策、远程手术、完成部分手术甚至整个手术过程。类似自动驾驶分为L0-L5等6个等级，医疗机器人按照其智能化程度分为LoA 0至LoA 5（Level of Autonomy）。目前来看，大部分主从式操作手术机器人处于LoA 0级，部分导航定位手术机器人处于LoA 1级，例如史赛克的Mako机器人可以自行执行截骨操作。
AI可以让手术机器人的操作精度更高、安全性更好，提高医生操作效率。
目前AI在医疗机器人中的应用方向，一方面主要通过图像识别，实时分析手术图像，以便识别关键组织，例如血管、肿瘤组织等，可以预测出血风险，甚至指导手术器械进行准确的操作，帮助外科医生做出决策并做辅助。另一方面，AI可以通过深度学习，具备一定的手术规划能力，在骨科关节置换手术中可以得到应用。
目前AI在手术机器人的应用还存在不少挑战以及局限性。
例如目前AI的应用还处于比较早期的阶段，高质量的训练数据还比较缺乏，医学伦理对AI的考量还不完善，监管层对产品的准入经验不充足，需要医生适应新的手术流程，可能存在网络安全的问题，加上手术机器人在全球目前的发展也相对比较早期，因此AI在手术机器人中的应用，还需要一定时间的积累。
风险提示：
外部环境变化，行业政策风险，研发不及预期风险，审批不及预期风险，原材料成本变化难以预期。
