行业专家观点 - AI教父杰弗里·辛顿对AGI态度转向乐观，并高度看好AI在医疗尤其是医学影像领域的应用，认为AI能通过分析眼底扫描预测心脏病风险甚至判断性别，这是人类医生难以做到的 [1] 公司技术与产品布局 - 联影智能已推出12个产品平台、超100款AI应用，其中15款AI应用获中国NMPA三类证，15款通过美国FDA认证，31款获欧盟CE认证，成为全球医疗AI领域认证数量领先的企业 [1] - 公司采取“开源模型+自主研发”双路径策略，在医疗影像领域基于千万级专业数据完全自主研发垂直领域大模型，在文本处理方面则基于开源模型进行上层优化和私域微调 [6] - 公司AI软件通过两种渠道部署：深度集成到影像设备中以优化影像质量与扫描效率，以及通过独立AI平台向医生端、医院管理端提供，产品已进入全球超4000家医院 [11] - 公司推出融合文本大模型、语音大模型等能力的电子病历智能体，可将医生撰写病历时间从20分钟缩短至5分钟，已在复旦大学附属中山医院等机构落地 [4][17] 关键技术与研发突破 - 公司团队在2017年攻克三维医疗AI推理引擎技术，通过内存显存优化将算法运行时间从十几秒缩短到一秒以内，显存占用降低75%，使高端算法能在普通工作站上运行 [19] - 基于十二万例中国人群肺部影像数据，公司联合华西医院开发适合中国人群的肺结节诊断分级系统C-Lung-RADS，提升了肺癌早筛的精准性和临床适用性 [4] - 公司在多模态大模型研发上取得进展，其胸部“一扫多查”智能体在复杂病例诊断上展现出优势，能自动输出媲美初年资医生的报告 [19] - 公司开发出全国首个获批三类证的肺栓塞AI软件，能第一时间预警阳性数据，减少漏诊误诊，该产品已获得国际CE、FDA、NMPA三大认证 [19] 数据策略与隐私保护 - 公司数据获取通过利用开源数据库和与医院建立科研合作等多途径实现，所有数据均经过顶级医生专业标注和检验，并在合规范围内合理利用 [8] - 为解决医疗数据敏感性问题，公司采取“数据不出院，研发走进院内”的方式，与医院合作在院内直接训练模型，实现患者隐私数据保护与模型优化闭环 [9] 行业挑战与未来方向 - 行业面临两大技术挑战：尚未出现真正通用、跨模态的医疗影像大模型，以及多模态信息有效融合方法仍有很大提升空间 [12][13] - 未来理想的技术路径是结合通用大模型的广度与垂直小模型的深度，针对医疗场景进行微调优化，以压缩模型规模与硬件成本，推动AI在基层及边远地区的普惠应用 [15] - 在医疗领域，AI与医生是相互共生的关系，人机协同是目前公认的最优解，AI应成为辅助工具，完成初诊报告撰写、病灶识别等繁琐任务 [5][16] 中国市场优势与发展 - 中国拥有丰富的医疗场景、庞大的医疗数据基础以及算力、数据、算法的协同落地支撑，为AI训练提供了丰富的数据土壤 [2][18] - 中国人口基数大、疾病谱系广泛，使得基于国内数据训练的模型不仅在国内适用，在海外市场也表现出优异性能 [3][10]

行业专家观点 - AI教父Geoffrey Hinton对AGI态度转向乐观 认为AI与人类是共生关系 尤其看好AI在医学影像领域的应用潜力[1] - AI可通过分析眼底扫描图像预测心脏病风险及判断患者性别 能力超越人类医生[1] 中国医学影像AI市场发展 - 中国医学影像市场正经历AI驱动的变革 AI全面渗透疾病筛查 诊断 风险评估和临床决策流程[1] - 联影智能作为联影集团AI子公司 已推出12个产品平台和超100款AI应用[1] - 获得15款NMPA三类证 15款FDA认证和31款CE认证 成为全球医疗AI认证数量领先的企业[1] 技术领军人物背景 - 联影智能高级研发副总裁高耀宗博士放弃美国优厚待遇回国 曾任职苹果公司计算机视觉与生成式AI领域[2] - 因推动医疗设备国产化贡献获2020年上海市五一劳动奖章和2024年上海市青年五四奖章标兵[2] 中国医疗AI发展优势 - 中国庞大人口基数和广泛疾病谱系为AI训练提供丰富数据土壤 罕见病数据量也具优势[3][19] - 医疗AI发展三要素完备：算力 数据及算法协同落地支撑[2][19] - 联影集团"设备+技术"全产业链生态提供独特优势 实现算法与临床设备深度融合[3][19] 产品技术突破 - 基于12万例中国人群肺部影像数据开发C-Lung-RADS系统 提升肺癌早筛精准性和临床适用性[4] - 智慧健康管理移动车搭载C-Lung-RADS系统 在四川多地筛查3万多人 发现100多例早期肺癌患者[4] - 电子病历智能体将医生撰写病历时间从20分钟缩短至5分钟 已在复旦大学附属中山医院等机构落地[4][17] - 2017年攻克三维医疗AI推理引擎技术 算法运行时间从十几秒缩短至1秒内 显存占用降低75%[20] - 开发全国首个获三类证的肺栓塞AI软件 具备CE FDA NMPA三大认证 实现危急症分诊突破[20] 技术路径与策略 - 采取"开源模型+自主研发"双路径：医疗影像领域完全自研 文本处理基于开源模型优化[6] - 通用计算机视觉模型在医疗三维多模态数据识别存在局限 需专用垂直模型[6][15] - 未来技术方向是通用大模型广度与垂直小模型深度结合 兼顾疾病识别多样性和关键任务精准度[4][15] 临床应用现状 - AI辅助诊断已成为放射科医生普遍使用工具 作为"第二双眼睛"降低漏检率[3] - AI应用已进入全球超4000家医院 通过两种渠道部署：深度集成影像设备或独立AI平台[11] - 天眼CT结合uAI vision技术实现全自动扫描 在疫情期间有效避免医患近距离接触[7] 数据策略与隐私保护 - 采取"数据不出院 研发走进院内"模式 与医院合作部署算力设备在院内直接训练模型[8][9] - 数据获取通过开源数据库和医院科研合作 所有数据经顶级医生专业标注和检验[8] - 与上海中山医院合作训练多模态大模型 实现一扫多查自动识别73种疾病 减少人工标注依赖[9] 医院合作模式 - 首选与头部医院合作 因数据质量高和专家标准严格 通过多中心验证确保模型泛化能力[10] - 知识产权分配视情况而定 医院注重科研探索和论文发表 企业注重技术转化和产品推广[10] - 基于中国医疗数据训练的模型在海外市场也表现优异[10] 技术挑战 - 尚未出现真正通用跨模态的医疗影像大模型 无法通过自然语言指令处理CT MR超声等不同影像[12] - 多模态信息融合方法仍需提升 如何将影像 文本 检验 心电图等多源数据在原层面有效融合是核心难题[13] 监管环境 - 医疗AI产品在国内按第三类医疗器械管理 已批准100多款AI三类证产品 以单模型单场景应用为主[14] - 企业积极参与国家药监局审评指导原则和行业标准制定 推动行业规范发展[14] - 针对大模型的AI产品在国内外复杂临床场景均尚未落地[14] 未来展望 - AI与医生是相互共生关系 人机协同是目前最优解 AI主要承担初诊报告撰写 病灶识别等辅助任务[5][16] - 电子病历智能体应用前景包括病历质控 诊疗辅助和医院管理三大方向[17] - 跨学科融合是趋势 需克服专业术语和思维方式差异导致的理解偏差[21]