智能技术的医疗器械正加速进入临床应用，人工智能医疗器械迈入商业化阶段，其临床价值日渐凸显。
人工智能医疗器械产业生态已经基本形成。传统医疗卫生行业是数据资源的提供方，新一代人工智能算法研发企业与医疗信息化、医疗器械企业共同主导产品研发，赋能传统医疗卫生行业，形成产业生态闭环。随着技术的提升和应用的深入，目前已经发展出几大典型产品，包括智能辅助诊断产品、智能辅助治疗产品、智能监护与生命支持产品、智能康复理疗产品、智能中医诊疗产品。
人工智能技术瓶颈有待进一步突破。一方面，现有医疗数据体量难以支撑人工智能进行充分学习，人工智能技术在小数据场景下的应用成效仍然不尽如人意。另一方面，很多医疗人工智能算法缺乏在医学上的可解释性，患者在就医时无法了解诊断决策背后的依据，影响对医生的信任度及后续的治疗效果，一定程度上导致人工智能在医疗行业中的应用比在其他行业面临更大的质疑与担忧。
二、AI医疗影像
AI医疗影像通过深度学习方式，达到病灶识别与标注、靶区勾画等功能，帮助医生更快发现隐藏病灶，完成诊断治疗工作。当前，全球AI医疗正处快速发展阶段，各国积极推出各项扶持政策，多款AI医疗影像设备获批上市，涉及心脏、肿瘤、肺部等多领域，AI医疗影像正式迎来商业化时代
1.AI医疗影像产业链概览
AI医疗影像产业链上游主要分为硬件提供商、软件提供商及算法与数据公司。硬件提供商主要提供MCU(微处理传感器)、ASIC(专用集成电路)、DSP(数字信号处理器)、精密电阻、电源芯片、传感器等电子元器件，主要公司有ABB公司、台积电等。软件提供商主要提供影像采集软件、影像归档、输出系统和影像打印系统等基础医学设备软件，代表企业有GE通用、西门子。算法平台和数据平台则主要提供后期AI产品的学习资料，大部分AI医学影像企业的算法模型源于对各类论文的学习。
AI医疗影像产业链中游中，西门子、飞利浦等公司依靠医学影像设备或影像管理写作系统进入医疗机构。百度、华为、腾讯等互联网型公司因具有资本和算法优势，已掌握和研发出先进AI技术，并在应用层获有突破，腾讯的慢性青光眼样视神经病变眼底图像辅助诊断软件、肺炎CT影像辅助分诊及评估软件已获批三类医疗器械。技术型公司中，鹰瞳科技、深睿医疗等在AI医学影像中早早布局，聚焦应用层建设，拥有自有算法，受到资本高度关注，是当前主要占据国内市场份额的公司类型。
多个维度，比如结果的精准度、计算速度、模型体量、泛化性能等，不同算法模型可能有不同的侧重方向，因此优势也会不尽相同，在特定任务需求和应用场景下合理选择具有相应优势的算法模型至关重要。如何让算法与生物学更完美的结合，这需要技术人员对于制药医学和AI人工智能都有深入理解，才能更好的发挥模型优势，此类人才的稀缺也成为掣肘行业发展的重要因素。
6.发展趋势
AI药物研发将进军抗体等大分子领域。2022年4月份，以色列药企Biolojic Design 宣布其有史以来第一个计算设计的抗体进入临床试验。11月，加拿大药企AbCellera 和合作伙伴Regeneron 宣布已经将首个针对未公开G蛋白偶联受体(GPCR)的抗体候选药物推进到临床前开发阶段。同月，AI制药企业Exscientia ,宣布其AI技术平台将包括人类抗体设计。有媒体做过不完全统计，全球已经有20多家公司正在通过AI技术发现抗体药物。从区域来看，这些公司大都分布在欧美。
中国也有企业布局，但仍属于小众领域。星亢原与恺佧生物、药明生物都达成了AI赋能大分子药物研发的合作。信华生物则宣布利用自研AI平台设计开发的First -in-class 多功能抗体药物在临床前动物实验中显示出优异的安全性与有效性，且可成药性方面性能卓越，即将进入CMC和IND-enabling 阶段。一旦成功，该药将有望成为亚洲最先进入临床阶段的AI大分子药物。
自动化实验室成新吸睛点。2022年，数据的数量和质量仍是AI制药发展的核心问题。自动化实验室的出现恰恰就是为了解决这个问题。2021年，部分AI制药公司已经开始建立自动化实验室，目的是提高内部数据的生成能力，以优化AI模型。据不完全统计，Exscientia 、英矽智能、Arctoris 、Recursion 、Insitrc 等都建立了自动化实验室。英矽智能则于2021年12月发布了全球首个由人工智能辅助决策的全自动化机器人实验室。该智能机器人实验室聚焦靶点发现、化合物筛选、个性化药物开发和转化医学研究等领域。自动化已经成为不少A1制药公司战略版图的下一个重要模块。在2021年初，英国的Autom ata Labs 于筹集了5000万美元用于自动化实验室研究;中国的镁伽科技也引来高盛投资，获得3亿美元融资用于扩展其多样化的自动化人工智能驱动的远程实验室服务和机器人化设施。
