今年1月，上海交大发布《人工智能医疗》，指出AI医学影像成为中国人工智能医疗最成熟领域。据第三方统计，从100家AI相关的非上市企业2018年预计营收来看，100强有10家AI医疗公司，其中AI医学影像领域的公司占到了六席。在融资方面，AI医学影像是获得融资最多的医疗领域。
AI医疗影像行业成为人工智能在医疗领域发展最快最成熟的领域，并不出奇。首先，医学影像和纯机器学习结合得非常紧密，医学图像本身就是结构性图像及数据，对应的人工智能算法也比较成熟。其次，无论是在中国还是美国，医院影像检查每次扫描和诊断部分都有相应的成本，医疗影像技术进步可以为医院提高影像效率、为医生节省时间、最终降低成本，AI算法的改进能够带来看得见摸得着的经济价值，这也是这个行业发展最快的原因。
目前AI影像应用最广的两个领域，一方面是放射学，一方面是病理学。病理学的问题在于其数字化还处在刚刚起步的阶段，而技术发展有个从电子化、数字化、再到自动化、智能化的过程，因此病理学AI产品发展周期稍长。而放射学的电子化、数字化程度比较高，从数字化到智能化的发展会比较快。
作为AI医学影像行业的创业者，我在这两个月辗界各地，参加了中国、美国、欧洲的多个业内权威的医疗会议，切实观察到了AI医疗高歌猛进的背景下，中美欧AI医疗影像的产业差异，从研发、应用、监管等角度详细进行了梳理。
总体来说，在医学影像AI领域，最前沿的是中国和美国，这两个地区是新技术发展最快的，现在欧洲也在不断跟进。
我参加了三年的美国的RSNA（放射学会年会），这两年明显能感觉到AI影像产品的公司越来越多，产品种类也越来越多样化。三年前，RSNA上机器学习AI展区还很小，一开始主要集中在肺结节检测和骨龄检测。而现在大家开始做各类实用方向，2018年的RSNA范围比2017年更广，各公司也在更多领域开展突破，同质化程度也有降低。
从中美欧产业的差异来说，相比欧洲、中国，美国更注重AI影像设备实际落地的价值，这个价值主要体现在两点：临床诊断的准确度以及工作流程（workflow）的匹配及优化。
从临床准确度来说，现在很多影像产品能达到90%左右的准确度，但是这样的准确度是远远不够的，如果说每20个人检测，概率上就会有一个人误诊，这种准确度是不能被医院接受的。美国很多医院在采购新的AI影像设备时，会做准确度的测试，越来越多的临床研究发现医学影像人工智能系统很容易受到设备、及人工操作的变化所影响，在真正临床使用时的高准确度尚待更多提高和验证。
同时，美国更注重对工作流程的优化与规整，要求医疗硬件软件厂商的设备与医院工作流程完美融合、无缝对接，尽可能不影响原来的工作流。如果不能达到这一点，实际应用中就会给临床医生和管理者带来不便。深透医疗临床测试医院之一大学UCSF的放射影像系主任 Chris Hess，也是深透医疗合作者，在英伟达GTC大会上指出，“性革新不能现有工作流程，要改善而不能让流程更复杂”。
举例而言，比如一家医院购买了有好几家影像公司的产品，但每家公司都有自己的平台，需要在医院内将数据在不同平台间传输，这在真正的临床中是不可能的，因为医院、信息部门与临床医生都需要花更多时间来适应与学习。因此在美国医院会在采购过程中就很关注软件部署的流程，避免不必要的麻烦。在中国，医院关注重视AI算法准确度的同时，也越来越关注软件的效率和对工作流程的影响。但当前国内大多数AI软件主要应用于科研和临床研究，这方面与美国有所不同。
相对来说，欧洲对于AI医疗影像等新技术的应用更加保守一些，也由于对于数据隐私更加关注，在AI研发和应用上落后于中美。但大趋势还是相似的，今年3月奥地利维也纳举行的ECR 2019（欧洲放射学大会）展现出的大趋势也是AI的应用将越来越广泛。
今年ECR上，很多医疗影像厂商都在讨论，如何使用人工智能来辅助放射科医生，借助AI去判断医生应该优先读哪个病人的片子。许多厂商展示了他们的新算法，这些算法可以分析图像并标记那些可能是紧急情况的病人，让医生优先处理这些片子——比如标记CT上的疑似中风患者，是X光片上的气胸患者。这些新的AI技术的诞生，将很好地辅助放射科医生的工作。
此外，欧美更加注重影像的定量化分析，但是国内还没有太多这方面的应用。国内仍以满足基础临床需求为第一要务，仅仅是让患者进行基础的CT、磁共振扫描，由医生做诊断和治疗计划。欧美的定量化影像分析相比下更广泛地进入临床，为医院和病人提供定量化分析的报告。
欧洲非常重视个人信息和隐私数据的。2018年5月，欧盟出台的《通用数据条例》（General Data Protection Regulation，简称PR）正式生效，堪称史上最严的用户数据安全的法律，包括数据不能出国出境，而且对企业违法行为的惩处力度非常大。
而美国相对来说这方面的宽松一些，美国也有HIPAA法案（Health Insurance Portability and Accountability Act），其中也了一些个人健康信息隐私标准和实施指南，相比没有欧洲要求的严格和复杂，但是十分规范化。
过去国内无论是医院还是层面，大家对数据隐私都不是那么重视。现在，一些医院也开始意识到这一点，尽量避免患者隐私泄露，而的意识也在逐步提高。
美国和欧洲对于剂量安全方面非常关注，因此在应用新技术时非常保守。他们关心的是，比如核磁共振对比剂在人体内是否会沉积及它对人体的危害，或者CT影像的对比剂是否会增加基因突变的可能性，如何对人体剂量进行监测。他们非常关注并尝试解决这些问题，包括我们深透医疗也在研发这方面的产品。其中利用AI降低磁共振对比度的技术去年底还获得RSNA颁发的研究项目嘉，并在近期刚刚发布的由RSNA（放射学会），NIH（美国国立卫生研究院）和ACR（美国放射学会）整理的AI影像研究线图中着重提及。
监管是医疗行业永远绕不开的部分。对于AI医疗影像设备厂商来说，在中美欧遇到的监管也是不同的。
美国FDA（食品药品监督管理局）的流程较为精细清晰，他们认为人工智能是个新技术，会有一些不确定性，但人工智能只是几十年来FDA审查遇到的另一个新技术之一。因此对新产品制定了一定的标准，并沿用历来对于新技术的更高标准要求。医疗产品在上市前有510(k)申请，PMA批准, Denovo授权等多类认证。对于最常用的510(k)申请，厂商需要去论证其产品和之前的产品有很大的相似性，而且用来类比的产品需要是近年内的产品。FDA将医疗器械分为三类（Ⅰ，Ⅱ，Ⅲ），Ⅲ类风险等级最高，一般要深入到人体的医疗器械都是Ⅲ类，从数量上来说市面上多数为Ⅱ医疗器械，AI医学影像软件基本均为II类医疗器械。。
欧洲的标准是CE标记（CE Marking)），这个标准和FDA有所不同，它的监管同样分为三类，如果产品不涉及诊断可以走Ⅰ类，申请流程相对简单，而诊断类产品较多为Ⅱ类，申请周期相对更长一些。欧洲CE标准将在2020年有所变革，申请过程一般会有所加长。
中国主要是近期更名的国家药品监督管理局NMPA进行监管，最近也新出了相关的规范，新的标准加强了对于数据质量、来源方面的关注，比如强调记录并规范化使用的数据、测试的标准等等。这些变化也与FDA等其他监管机构的思基本一致，从AI软件的设计、训练及测试方面更深入的监管和规范。可以预计未来国内AI影像市场也会越来越规范。
从医疗影像行业的特点来看，AI医疗影像有很多是软件，而软件的更新周期远短于硬件，因此诸如美国FDA传统的评审方法已经不适用于医疗软件的监管。这两年美国开始启动FDA软件预认证计划（最早在2017年中开始试点），精简流程，让一部分有较高资质、开发流程规范、产品质量过关的厂商，在产品上市审批阶段更畅通，同时严格加强后续的监管。
值得一提的是，深透医疗基于深度学习的医学AI产品已经获得美国FDA批准和欧洲CE认证，预期第二个针对磁共振的AI影像产品将于2019年获批上市。在今年3月举办的欧洲放射学大学（ECR）和ISMRM MR Value论坛（国际磁共振医学学会磁共振价值论坛）上，深透医疗的联合创始人、斯坦福大学医学院Greg Zaharchuk教授也在欧洲展示了我们的技术。
欧洲ISMRM（国际磁共振医学学会） MR Value论坛，深透医疗联合创始人Greg Zaharchuk教授发表讨论如何利用AI、深度学习等技术提高磁共振质量与效率，实现1分钟磁共振扫描
如今中美欧都有一个大趋势就是现在有很多公司开始做平台和应用市场（marketplace），即将各种医疗应用集成在一个平台上。
在平台化方面比较领先的是美国，美国往往由大公司的子公司或者新部门对平台进行推广，比如英伟达NVIDIA公司的Clara平台，还有通用电气（GE）下的新推广的Edison平台，飞利浦西门子也都有自己推广的数字平台，TeraRecon旗下收购的Envoy。美国Nuance公司类似国内的科大讯飞，他们以自然语言处理技术为突破做了一个医生读图做笔记的软件已在医学和影像中心有很大的市场份额，一次为基础计划进入AI诊断领域，推广的医生判读医学影像的平台。此外Google、Microsoft及亚马逊AWS云平台等等也在做这方面的部署。深透医疗方面与各个平台公司在不同应用方面进行探索。
这些平台目前的主要困难还是实际应用场景与使用量。作为新产品形式，当前各个平台还是在市场化初期。
但这一个方向的需求是存在的。这也和美国医院重视工作流程有关，医院的IT部门非常保守，行动迟缓，他们不愿意同时和十几家公司合作来改进IT设施，因此相对来说marketplace是一个比较理想的解决方式。
医疗平台对于美国的大公司来说也是个新的挑战。大公司有其独特优势，他们往往有很强的销售能力，很大的市场占有率，有分化销售的渠道。但归根结底，平台对他们来说是个新事物。大公司传统的销售方式以卖设备为主，以出售最新、最前沿设备挣钱为主。现在他们开始思考更长远的战略，他们认为未来发展不光要卖硬件，还要做平台，提供优质服务，所以他们现在也在不断发展平台技术。
从医院的角度说，平台上必须有医院想要的应用，医院才会花钱购买。医疗marketplace和手机APP的不同点在于，真正有价值的医疗平台与应用，不会像手机APP那么繁杂，而且它的开发及产品生命周期也会比手机应用长很多。只有那些真正能为医院带来价值的、得到FDA认可的应用，才能真正进入医院，实际上这些新东西都还在探索之中。
深透医疗现在也与很多医疗平台有探索合作。在今年3月的英伟达GTC大会上，深透医疗Subtle Medical与英伟达合作展示了Clara医学影像AI平台上的应用，我们的产品使用了最新的NVIDIA T4 GPU，能够实现更便捷的深度学习产品部署以及更高效的数据处理，并可以与当前各种设备平台、PACS平台以及AI影像产品平台结合。
欧洲方面，除了一些小的初创公司外，一些大企业如飞利浦、西门子等大公司也开始铺平台。而中国做marketplace的公司以垂直细分领域的初创公司为主，初创公司做平台难度很大。而且国内成功的企业往往是由注重某个细分领域的公司做这个细分领域的平台。国内如东软医疗等传统医学影像设备商业在云平台上布局。国内相关技术发展的一个优势是5G发展比较快，因为平台里很多应用是通过云端运算需要大量数据传输，如果数据传输太慢，可能就不如直接对本地部署进行优化。因此5G等技术的大力推广是必要的也是中国在这方面发展的可能的优势之一。
AI医疗影像设备最终都是要卖给医院等医疗机构，而不同国家医疗支付体系的不同，带来了完全不同的产业逻辑。因此，当厂商迈向市场时，一个重要的问题是：谁是医疗影像产品真正的买单方？
美国主要是保险公司付费、医院提供服务并获得相应的付费。因此，美国的设备购买流程更加规范一些。比如深透医疗在美国和医院方面一般部署流程：让临床团队认可影像产品的质量以及深透医疗的AI技术产品对于临床的价值，让医院的IT部门认可产品与医院的基础设施配套，与医院现有的工作流程紧密结合，不用消耗特别多医院的资源。最重要的是，需要从运营角度，切实计算出购买该设备能为医院带来多少价值，能为医院运营节省多少成本带来多少收益，最终通过计算出来的数据来决定是否购买这套设备。
在欧洲、一些地方，主要是付费（少数医院也是保险公司付费）。因此，在欧洲、，厂商需要证明它能给整个体系带来临床价值及商务价值（节约开支等），不光要医院，还要付费方。
国内目前医疗付费有社保、自付费和商务保险等，医院有公立医院私立医院等，相比美国清晰的界定，国内还不是很清晰。比如说，国内的患者进行了预约，但是最后没有就诊，这个成本由谁支付还界定得不是很清楚。在美国如果患者没来医院，或者出院了又再次入院，保险方面会根据患者的情况调整保险额度，对于医院来着都是有运营成本和收益方面的影响。因此，由于支付体系的不同，医院的关注点也不同。比如美国通过AI预测患者是否来就诊就是一个有市场价值的应用，但是在过内就诊预约在不断规范化、同时就诊需求很大，目前还没有类似的应用场景。
深透医疗Subtle Medical的科学顾问Advisor之一、医疗IT领域专家、大学医学院Paul Chang教授在GTC上指出，AI技术有很大价值，可以预见会改变临床影像，但这一变革花费的时间会比大家预想的要长。当前需要更加关注和临床紧密结合的需求，做”必须要有”， 而不仅仅是“有也不错”的应用。
美国由于其付费模式，特别注重对价值的定量化计算。这种价值不仅仅是物质上的，也包括Efficiency/Productivity（效率、效能）的增加，即医疗各个上下游环节，包括病人会不会出现、迟到，治疗效果如何，比如根据算法的预测优化医生的日程表，这些都能带来可观的商务价值。
Paul Chang教授认为，“Efficiency/Productivity（效率、效能）是AI实际价值的重点，提高医疗影像效率、节省成本、 增加效能是落地最先发生的地方。影像流程整个底层架构以及工作流程都应该改善。”
目前来说，在AI影像市场，美国的商业模式比较明确，FDA监管明确，保险也比较明确，产品的价值是可以定量化的。我们的AI影像产品SubtlePET对PET等核医学影像采集环节加速可大四倍，提供高质量的医学图像，与此同时还不会给医疗流程增加任何额外环节或负担，产品商业化部署中的医院可以通过数据认识到其带来的每年数十万甚至数百万美元的临床价值。
而在国内产品价值较很难量化，究其原因，也是因为国内对付费方的界定不那么清晰。更进一步，国内不同地区的医院差异性很大，每个县都不一样，医生资源、病人人群差别很大，医院财务模型和采购模式也不同。国内商业化难度更高，也需要更多的因地制宜。
美国相对来说每个州的医院差异没那么大，美国各州的差异体现在监管上，除了FDA监管外，不同州都有自己法律，其监管也有差异。
我得我的网
中国医院的病人多需求大，这也带来了中美技术应用的差异。美国的磁共振检查扫出来很多是三维高分辨率的采集的，国内很多医院也在越来越多的引入三维图像扫描，但是国内病人多，时间有限，同时也是为了方便打印，普通医院更多情况下磁共振扫描使用更快捷的二维扫描。国内病人做一个磁共振可能10分钟，但美国由于扫描时间以及其他操作时间可能是30-45分钟。因此，对于国内医院来说，如果能通过AI算法，在进一步维持甚至降低扫描时间的同时，如何通过快捷的扫描呈现出更高质量的影像有着极为重要的临床价值，为扫描效率与扫描质量的提升。
过去，我们需要在效率、质量、安全性之间有所取舍，必须要一方面来在有限时间内得到诊断信息。随着新的技术、人工智能的发展，未来我们不用其中一方，既提升效率又提高质量，也能更安全，甚至能看到过去看不到的东西。
我与来自斯坦福、的医学影像AI研究者、临床医生一起创办Subtle Medical深透医疗的初衷，就是希望通过技术加快影像处理速度，减少用量，通过技术来优化流程，减少不必要的成本和医疗资源浪费，真正带来效率提升。现在我们在国内与东软医疗进行OEM的合作，同时我们与天坛医院等国内顶尖医疗机构开展了科研合作。在于美国、中国、甚至巴西等各地医疗机构的合作中，我们不断整理更多更高质量的数据，其核心是要不断提高AI算法的普适性与准确性，确保Subtle Medical深透医疗的应用在国内不同机型、不同医院、不同人种上保持最出色的效果。通过AI为患者、医院、社会带来价值。
上一篇：康泰瑞影将在CMEF 2019上展出由AI驱动的数字放射成像的影像增强方案Altumira™
莱迪思日前宣布通过全现金方式交易收购 Mirametrix，这是一家专注于计算机视觉应用的高级人工智能 (AI) 解决方案的软件公司。 Mirametrix 软件已成功部署在全球超过 2000 万个终端中。将 Mirametrix 的专业知识与莱迪思创新的硬件和软件解决方案堆栈相结合，可以创建一个从硬件到应用层的端到端 AI 和计算机视觉解决方案。“提供易于使用且满足特定应用需求的解决方案堆栈仍然是我们战略的关键部分，使客户能够轻松采用莱迪思的产品并快速进入市场。而通过将 Mirametrix 经过验证的人工智能和计算机视觉软件添加到现有的解决方案堆栈组合中，将使我们的客户更容易快速为其应用程序添加更多智能功能。”莱迪思半导体
客户数量突破50家，用于其100余款人工智能芯片，应用在10个主要市场领域2021年11月12日，中国上海- 领先的芯片设计平台即服务（Silicon Platform as a Service，SiPaaS®）企业芯原股份 今日宣布其面向人工智能应用的神经网络处理器（Vivante NPU）IP取得了里程碑式的市场成绩：已被50家客户用于其100余款人工智能芯片中。这些内置芯原Vivante NPU的芯片主要应用于物联网、可穿戴设备、智慧电视、智慧家居、安防、服务器、汽车电子、智能手机、平板电脑、智慧医疗这10个市场领域。芯原的Vivante NPU是性能优异的计算机视觉和人工智能处理器，采用了可编程、可扩展、低功耗架构
近日，壁仞科技的首款通用GPU—BR100正式交付开始流片，搭载该芯片的系列通用计算产品，主要聚焦于人工智能训练和推理、通用运算等众多计算应用场景，将弥补人工智能应用的高速发展带来的巨大算力缺口。在当前的多芯片集群并行计算领域，工业界普遍使用集合通信方案来实现多个节点间共享数据和传输数据的操作。当前的集合通信中，“节点1的芯片A发送数据给节点2的芯片B”的过程分为四个步骤。首先节点1上的芯片A把数据发送到节点1的系统内存。然后向网卡发送网络请求，网卡从系统内存读入数据，并发送到节点2的网卡。之后节点2的网卡收到数据并存储到系统内存中。最后芯片B从系统内存中读入数据。对集合通信的性能进一步优化，是本领域的诸多技术课题之一。为此，壁仞
芯片 /
据外媒报道，向全面电动化未来过渡，取决于成本低、性能更高和更安全的电池。采用固态方法等下一代电池化学来优化电池的能量密度和功率，已取得不同程度的成功。然而，目前还没有一种方法能达到商业化阶段，以满足对先进技术的爆炸式增长需求，如电动汽车、医疗设备、无人机和能源存储解决方案等。（图片来源：electronicdesign）随着争夺全球电池市场（预计到2027年将达到2797亿美元），人工智能（AI）已成为加快创新速度的一种富有前景的工具。新一代电池必须能够快速充电，同时不出现故障。这些电池还需要超越当前性能标准，保持较低的重量，并由易于大规模生产的材料构成。研究人员花费数十年时间来探讨解决方案，由于实验缓慢、周转时间长以及
打造下一代电池 推动实现全面电动化未来 /
研华A-Connect主题研讨会在即，模块化电脑创新标准COM-HPC 引领效能变革智联时代的发展对5G通信、人工智能及半导体测试等更高自动化要求的高计算性能技术提出了更多的要求和挑战，极速的实时数据交换成为重中之重。要如何满足计算密集型应用与边缘计算系统的需求，实现服务器级处理效能？2021年11月2日，研华“模块化电脑创新标准COM-HPC 引领效能”主题线上论坛，将与您共同探讨新时代下模块化电脑的市场趋势发展，解析COM-HPC标准及设计要领，分享研华相关方案及实际应用，助力客户轻松升级至新一代技术，诚邀各位伙伴参加！活程：14:00-14:15 模块化电脑的创新与市场趋势
■ 或许这就是为什么在没有IIoT提供关键帮助的情况下，企业很难在工业4.0带来的大规模数字转型中能够下来的重要原因。而人工智能（AI）和IIoT这两种技术的结合，能有效管理并充分利用数字化生产过程中产生的海量数据，把工业过程控制提升到一个全新的高度。IIoT数据管理必须具备的4个能力随着数字化浪潮在工业领域的渗透，大数据已成工业数字化的入口。根据IDC的统计，2019全球数据量达到42ZB，预计2022年将达到163ZB，复合年增长率高达57%。而工业数据在工业领域的应用场景也在不断增加，赛迪智库的统计数据表明，2019年中国工业大数据市场约为146.9亿元，预计未来将保持30%以上的高增长。也就是说，当企业开始着手在其工业
单片机嵌入式到云端之旅 系列在线研讨会
有直播：DIY 家用边缘 AI Box——基于 8TOPS 算力，售价 199 美元的开发套件搭建深度学习案例
【1月14日 技术直播】工程师请就位，Keysight计量专家开讲啦 ～电子仪器计量校准基础知识与校准周期探讨
有直播：人机互动介面和机器视觉应用上的最佳助手--瑞萨电子 RZ/G, RZ/A 和 RZ/V SoC系列