通常而言，医疗AI常利用深度学习处理两类数据，一类是以电子病历、处方等为主的文本类数据，一类是以心电、CT、MR、DR等影像设备生成的多元影像类数据源。医疗AI企业通过构建知识图谱，开发NLP技术，应用AI自动识别、填充、监督、修正、分析文本类数据。由于整个过程处理的数据不直接来源于医疗器械，其后续处理不用于指导医疗器械数据进行处理、调查、测量分析，本身也不用于医疗用途，这一类AI落地较快，已经广泛应用于医疗信息化之中。
与其相比，影像类数据较为特殊，数据信息通常由一定数量的像素点构成，需要观察者选定一定像素点组合后进行综合判断，机器学习这样一种AI技术难度较大，理解过程不易解释，因此落地、商业化相对滞后于文本类AI应用。不过，至2020年以来，已经有19款计算机视觉类AI产品通过NMPA三类证审批，三家相关企业递交招股书，长期以来处于黑盒之中的医疗AI产业向外界披露了其真实营运数据，医疗AI的应用前景也更加明晰。为了洞察行业发展，蛋壳研究院采访了21家企业，近30名专家，对AI赛道进行了深入研究，探索行业商业化与技术发展方向，尝试寻找医疗人工智能发展的“下一程”。
关注微信
