4月11日，美国FDA批准IDx-DR上市的消息不胫而走，而这一新闻也再次让“AI +医学影像”的成为舆论关注焦点。IDx-DR是一款运用人工智能检测糖尿病患者视网膜病变的医疗设备软件，只需护士将视网膜相机拍摄到的病人视网膜图像上传到系统中，IDx-DR就能通过算法就检测糖尿病视网膜病变，准确率达到87%——这也是人工智能在医疗领域的重要运用场景的原因之一。

　　众所周知，人工智能的三大核心分别是算法、算力和数据。目前来说，相对于其他应用场景，数据成了影响人工智能在医疗细分领域的布局关键。为什么资本和技术都扎堆在影像场景?这又和影像的三个特性相关联。首先是数量。以我国的情况来说，医疗数据有80%来自于医疗影像方面，而人工智能的运用离不开前期的数据积累与学习。同时，也是基于学习的需要，医学影像的多样性让精确的算法成为可能。此外，医学影像基于结构化模式，可以确保数据的真实可信，这种反馈能更容易地帮助人工智能在这一领域的落地。

　　我国医学影像数据的年增长率在30%左右，远高过放射科医师的年增长率，后者仅保持在4.1%上下，这种缺口无疑进一步刺激了人工智能在医疗领域的应用。相对于医生人才的增长，靠资金与技术投入更能在这方面收到立竿见影的实效。因此，不论国内国外，这么多企业与资本最先涉足并聚集在医学影像也就不足为奇了。

　　“人工智能+医学影像”，实际上就是借助AI算法来实现辅助诊断，提高医疗效率和质量。医疗行业对于速度与疗效都有很高的要求，这不是一个二选一的事情，而是缺一不可的存在。我们可以看到，国内常年存在的医闹现象，大部分都是来自对于上述二者的不能满足。《2018年医疗人工智能技术与应用白皮书》中指出，人工智能辅助诊断技术的应用，可以很大程度地提高医疗机构、医生的工作效率。

　　2016年，国务院发布了《关于促进医药产业健康发展的指导意见》，《意见》明确提出要大力开展智能医疗服务。而到了2017年7月，国务院又印发《新一代人工智能发展规划的通知》，定下“到2020年人工智能总体技术和应用与世界先进水平同步”的目标。政策方面的利好，需求的痛点，也吸引着资本的入局。在这样的背景下，此前，亿欧大健康对人工智能在医疗行业的落地场景做了大致梳理，现在就相关落地场景中存在哪些企业进行不完全归纳，以供业界参考。本次盘点共收集整理35家将人工智能运用在辅助诊疗领域的企业简要信息，按照企业名称拼音字母排序，以下是 “AI+辅助诊疗”的具体情况：

　　从整理的表格可以看出，AI+辅助诊疗这一落地场景的企业成立时间高峰在2014年到2017年，其中又以2016年为最，多达9家。从地域上看，AI+辅助诊疗企业主要集中在北京，共15家，占比42.86%(15/35);其次为深圳、杭州，各有6家，分别占比17.14%(6/35);上海有4家，占11.43%(4/35)。产品形态方面，多表现为加入AI技术的系统、平台，产品作用以智能读片为主。

　　值得注意的是，上海作为一线发达城市，在AI+辅助诊疗落地场景企业的数量上却并未占据优势。但转换一下角度，根据国家统计局的数据，上海总人口在2016年达到2420万，而医院却仅有350个。这种供需不匹配同时意味着AI+医疗，尤其是人工智能在辅助诊断领域的市场潜力。

　　2017年10月，上海G60(松江区)洞泾人工智能产业基地被国家科技部火炬中心认定为首个国家级人工智能特色产业基地。11月14日，上海市政府又发布了《关于本市推动新一代人工智能发展的实施意见》，将加强人工智能科研前瞻布局，推动人工智能产业集聚发展，营造人工智能多元创新生态。上海市经信委主任陈鸣波认为，数据技术、人才资本、基础设施是人工智能发展的基础要素，而上海在这方面具有很大优势，争取为中国乃至全球发展提供样板。