IT/AI大厂在医疗领域未来前景如何？
斯坦福大学发布了2021年的人工智能报告，报告中强调了人工智能领域发展的三大趋势：
·中国的人工智能领域论文总数已经超过了美国
·能获得人工智能资金的初创公司越来越少
·人工智能将在未来几十年内塑造全球竞争力
斯坦福大学会在发布一份《人工智能指数报告》，2021年度的报告是该报告的第四期，主要讲述人工智能领域在2019-2020年的发展变化情况。
中国的人工智能领域论文总数已经超过了美国
报告显示，来自中国研究者的 AI 论文的引用数量在2020年以微弱优势(20.7%)首次超越美国(19.8%)并且全球领先。此前在2004年和2017年，中国曾先后两次在期刊论文总发表数量上超越美国。
这一结论表明，在全球期刊上所发表的论文中，来自中国大学、科研机构和公司的作者被引用的数量，首次超过了美国大学科研机构和公司供职的作者。这也表明，中国已经开始展现出在 AI 研究上略优于美国的实力。
不过还需要重视的是，虽然在期刊论文引用数上今年退居第二，美国在学术会议上发表的论文的引用数量仍然以较大优势领先中国，不仅如此，2019年时，中国在 AI 学术会议论文发表总数比例上基本追平美国，到了2020年却又有大幅下滑，落后于美国18.9%。
能获得人工智能资金的初创公司越来越少
在2020年里 ，AI 领域的私募投资数额增加了9.3%(2019年增幅为5.7%)，总额高达400亿美元，但能够完成新一轮融资的 AI 创业公司数量比往年减少，更多的钱被投入到了更少的公司手中，总体上 AI 投资的总金额在提升，但增速有所减缓。
美国 AI 公司私募股权投资的活跃程度仍然远高于排名第二的中国，总融资额逼近240亿美元，比中国高一倍还多。在新冠疫情肆虐的背景下，投资者更愿意投资给借助 AI 力量从事药物发现和设计的公司。2020年，AI药物设计和开发领域的公司获得的私募投资高达138亿美元，比2019年水平高出4.5倍。
值得注意的是，中国在人工智能领域拥有强大的公共投资。中国的中央和地方政府都投入了大量资金以支持人工智能研发。
报告指出了2020年私人投资额最大的前10个重点领域的排名，“药物、癌症、分子、药物发现”领域高居榜首，人工智能私人投资超过138亿美元，是2019年的4.5倍。其次是“自动车辆、车队、自动驾驶、道路”（45亿美元）和“学生、课程、教育科技、英语”（41亿美元）。
人工智能将在未来几十年内塑造全球竞争力
各国政府、区域和政府间组织都在竞相制定针对人工智能的政策，以最大限度地发挥这项技术的潜力和优势，中国也发布了新一代人工智能发展规划，规划指出，到2020年，要使得人工智能行业能够与竞争对手保持一致；到2025年，要成为无人驾驶飞行器（UAV）、语音和图像识别等领域的全球领导者；到2030年，要成为人工智能创新的主要中心。
结合报告指出的三大趋势，龙康科技认为，AI人工智能与医疗方面的结合，还将在未来拥有很大的发展前景。新冠疫情的大环境还将持续，钟南山院士在接受采访时透露，新冠有可能会与我们长期共存。在这样的环境下，构建最优化的大健康生态体系，提供优质、高效、经济的新型医疗服务，将成为解决我国医疗供需矛盾、推动医学发展提供有效的手段。
AI医学影像是市场关注度最高，赛道公司最多，也是人工智能应用领域最重要的赛场。
"AI医学影像"是指充分利用AI在感觉认知和深度学习的技术优势，将其应用在医学影像领域，实现机器对医学影像的分析判断，是协助医生完成诊断、治疗工作的一种辅助工具，帮助医生更快的获取影像信息，进行定量分析，提升医生看图、读图的效率，协助发现隐藏病灶，从而达到提高诊断效率和准确率的目的。
AI在医学影像的技术流程主要分为两部分：一是图像识别，应用于感知环节，其主要目的是将影像这类非机构化数据进行分析，获取一些有意义的信息；二是深度学习，应用于学习和分析环节，是AI应用的最核心环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握“诊断”的能力。
（图：AI医学影像技术流程）
（资料来源：东方证券研究所）
AI医学影像技术的应用和优势
目前人工智能方法在医学图像处理中的应用涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。医疗影像智能识别按照应用领域，可以分为以下三类：
（一）病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作。针对 X 线、CT、核磁共振等医学影像的病灶自动识别与标注系统，大幅提升影像医生诊断效率，同时可以帮助医生发现难以用肉眼发现和判断的早期病灶，降低假阴性诊断结果的发生概率。目前系统对十万张以上的影像进行处理，用时仅数秒之间。
（二）靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理。靶区自动勾画及自适应放疗产品帮助放疗科医生对200-450 张CT片进行自动勾画，时间大大缩短到 30 分钟一套。在患者 15-20 次上机照射过程中间不断识别病灶位置变化以达到自适应放疗，有效减少射线对病人健康组织的伤害。
（三）影像三维重建：在人工智能进行识别的基础上进行三维重建，针对手术环节的应用；基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节省配准时间，提高配准效率。
（图：AI医学影像技术的应用）
（资料来源：东方证券研究所）
相对于人工读片具备比较优势。AI人工智能读片具备主观性高、重复性低、定量及信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题；而人工智能读片的优势体现在高效率低成本。随着产品的成熟带动识别率的提升，人工智能读片的精准度也将形成比较优势。辅助医生，让就诊更快更有效
| - | 人工阅片 | AI 阅片 |
| 阅片方式 | 医师逐张查看，凭借经验进行判断 | 机器完成初步筛选、判断，交由医师完成最后判断 |
| 约片时间 | 长，医师查看一套 PET 影像需要 10 分钟以上 | 短，AI 能够快速完成初筛 |
| 准确率 | 个体差异较大，阅片能够依靠个人经验，且长时间阅片易疲劳影响准确率 | 一张图片医生会根据经验挑重点可以区域观察，而机器可以完整地观察整张切片 |
| 客观性 | 主观性无法避免 | 较为客观 |
| 记忆力 | 知识遗忘 | 无遗忘 |
| 建模条件 | 较少信息输入即可快速建模 | 建模需要更多的信息输入 |
| 信息利用度 | 信息利用度低 | 信息利用度高 |
| 重复性 | 重复性低 | 重复性高 |
| 定量分析难度 | 定量分析难度高 | 定量分析难度低 |
| 经验传承 | 知识经验传承困难 | 知识经验传承高 |
| 成本 | 耗时、成本高 | 成本低 |
（表：人工读片VS 人工智能读片）