人工智能辅助医学影像诊断产业及专利技术分析

戴维理 辛 雪

（国家知识产权局专利局专利审查协作四川中心，四川 成都 610213）

0 引言

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学［1］。而医学人工智能是指将计算机视觉、语音识别、自然语言处理等人工智能技术应用于医疗领域中。近年来，随着人工智能技术的加速成熟，其在医疗健康领域的应用场景不断丰富。医学影像主要包括射线成像、CT 成像、MRI 和超声成像等。AI+影像分析与辅助诊断，主要是利用AI 技术对医学影像进行图像分割、特征提取、定量分析和对比分析，辅助医生进行病灶筛查，同时算法模型在医学影像大数据训练下能够根据多种模态影像结果辅助医生进行疾病分级、分期、疾病发病机制和病因评估等诊断工作，提高医生工作效率和诊疗水平［2］。本研究从产业链构成及市场竞争主体两个方面对涉及人工智能辅助医学影像诊断的产业整体概况进行分析，同时结合相关专利申请的整体态势情况，明确AI 辅助医学影像诊断专利的申请趋势和全球重点创新主体，并以重点申请人西门子为例进行了专利技术发展脉络梳理，以明确产业整体竞争格局及以龙头企业为代表的核心技术演进方向及重点专利布局方向。

1 产业分析

AI 辅助医学影像诊断产业链结构主要由上游基础层，中游技术层及下游应用层构成。其中，上游基础层涉及AI 芯片制造，即具有可进行并行计算、低功耗、高性能特点的智能诊断芯片，以及AI辅助医学影像诊断云服务。中游技术层主要包括AI辅助图像识别、语音识别和机器学习。下游应用层主要涉及AI 辅助医疗诊断器械、AI 辅助医疗诊断信息化以及AI 辅助影像中心、体检机构、智慧医院等各类医疗机构更好的完成相关疾病的诊断。具体产业链图谱如图1所示。

图1 AI辅助医学影像诊断专利申请及授权趋势

2 专利分析

以IncoPat 专利分析数据库为工具，对相关专利文献进行检索，并结合人工标引对获取数据进行去噪、去重处理，检索关键词和分类号如下。

关键词：磁共振,超声,X w 射线,X w ray,Xray,X w 线,X w 光,成像,图像,影像,拍摄,扫描,影片,图片, 视频, photo*, picture*, image*, graphic*,video*，CT,MRI,MR,comput* w tomograp*,magnet*w resonan*, ultrasound*, usimage*, ultrasonography，医疗OR 医学OR 治疗OR 诊断OR 诊疗OR Treat* OR diagnos* OR heal*。分类号：G16H30、G16H50。

2.1 申请趋势和授权趋势分析

通过专利申请趋势和授权趋势分析可以从宏观层面把握分析对象在各时期的专利布局热度变化。AI 辅助医学影像诊断领域专利申请及授权趋势如图1 所示。整体而言，AI辅助医学影像诊断的专利申请和授权趋势主要经历了三个阶段，包括1994—2000 年的起步期、2001—2013 年的平稳发展期和2013年—2021年的快速发展期。

在20 世纪90 年代，随着神经网络自然语言处理在人工智能中的应用上升，申请量也开始快速爬升，进入21 世纪之后，2000 年申请数量首次突破500 件，并在2018 年达到巅峰1 923 件。而相关领域授权专利数量与申请数量趋同，并在2010 年之后保持在每年500 件左右，考虑到之后的申请存在尚未公开的情况，同时近几年的专利申请尚在审查过程中，有理由相信随着AI 技术的日趋成熟，相关专利的申请/授权数量每年仍呈稳步上升趋势。

2.2 重点申请人排名分析

相关领域专利申请人排名如图2 所示，相关领域排名靠前的申请人以外国企业为主。在申请数量方面，日本富士胶片以348 件位列第一，德国西门子公司以344 件紧随其后，之后依次为飞利浦、通用电气、诺华、默克等，均为外国企业；在授权数量方面，荷兰皇家飞利浦公司以206 件位列第一，之后分别为西门子、柯达、通用电气和默克等，而相关领域国内申请人以高校为主、企业为辅，其中国内企业主要申请人包括国家电网、中国石化、联影医疗、迈瑞生物等（图中未示出）。由此可见，国外申请人在相关领域的专利布局已经成熟，国内申请人在相关领域的专利则拥有更多潜力。

图2 AI辅助医学影像诊断领域专利重点申请人排名

2.3 重点申请人核心技术演进分析

截至2019 年，西门子公司在相关领域的专利技术演进路线如图3 所示。西门子公司成立于1847 年，起初技术重点为电子电气与通信技术。1896年，西门子医疗公司作为西门子旗下子公司成立，并在医疗领域涉猎广泛，包括计算机断层成像、核磁共振成像、分子成像、X 射线和超声波等。该公司还生产用于图像引导治疗的血管造影系统、移动式C 形臂和混合手术室，以及诊断测试系统，在影像诊断、临床诊疗、实验室诊断、分子医学及数字化医疗方面提供创新技术和服务［3］。从前述产业链整体竞争格局分析及专利重点申请人排名分析可知，西门子公司为本领域的典型龙头企业，因此，选取该企业进行核心技术演进分析。

图3 西门子公司在相关领域的技术演进路线

1953 年，西门子工程师Ralph Soldner 开发出世界上第一台实时超声波诊断设备Vidoson 用于观测人体内部。这也是人类首次将超声波用于内脏检查。1975年，西门子发布了第一台CT设备，首次获取了人体头部断层图像。1978年，第一台MRI系统在西门子研究基地诞生。以上设备至今仍然是医疗领域最常见的获取患者体内图像的常用设备，但仍局限在前端获取图像本身。

直到1994年，西门子在相关领域申请了第一件发明专利（FR94000874），其根据超声波对男性体内的前列腺增生组织进行定位，第一次将图像辅助医生诊断的技术引入具体疾病的治疗当中，但后续的分析依然需要靠医生自身的经验完成。在接下来的几年，西门子公司持续保持在相关领域的专利申请，直至2006年，在专利（CN100569179C）中第一次将AI引入医疗分析中，经由胃肠镜对胃肠道中病变的2D图像重建3D模型并进行自动分析诊断，能够在没有医生的情况下得到患者的胃肠镜病变诊断报告。

在此之后，西门子公司在前端图像获取和后端诊疗分析两条技术分支中并行发展，在前端图像获取技术分支中，西门子于2001 年收购了超声巨头Acuson 公司，替代了原有的SONOLINE 系列超声产品［4］，2007 年，西门子推出了掌上超声系统ACUSON P10，其能够在短时间内快速识别用户体内的水含量和脂肪含量从而计算体脂率（CN10292 0455B），在健身领域得到了广泛应用。2012 年，西门子发布首款进行MRI 和PET 扫描的MR-PET 系统，用于器官建模重建（CN103456037B）、组织建模重建（US9934566B2）等。

在后端诊断分析分支中，西门子于2011年首次与美国机器人辅助血管介入公司CorindusVascular Robotics 合作，推出血液分析仪（US9999361B2、DE102019203714B4），其通过对血液成分进行分析从而诊断出用户是否有潜在患病风险。2015年，西门子将医疗业务独立成司，并在同年推出了首款无线体内探头ACUSON Freestyle，其以微小体积深入患者体内进行图像回传分析，应用场景包括但不限于病灶分类（US10332025B2）、病灶音频分析（EP3413076B1）、呼吸道分析（EP3291734B1）、癌症病情分析（US109284 76B2）等，其他涉猎技术还包含肿瘤靶向分析（JP2011521947T5）、经验数据重建图像（US9299140B 2）、远程医疗辅助器械（DE102013217642B4）等。

2018年，西门子医疗在法兰克福交易所成功上市，完成42 亿欧元的IPO 融资。2022 年，西门子医疗收入205.17亿美元，并在苏州建立人工智能共创实验室，签署了3 个重大创新平台，其中就包含医疗器械CRO 总部项目［5］，可以预见西门子公司在该领域后续的专利技术布局依然可期。

3 结语

在整体产业发展概况方面，AI辅助医学影像诊断的龙头企业主要以日本富士胶片、德国西门子、荷兰飞利浦及美国GE 等国际巨头为主，各大国际厂商一方面通过布局围绕核心技术的“专利丛林”抢占领域市场，另一方面利用品牌影响力锁定高端客户的购买需求，形成竞争优势，垄断高端市场。相比而言，我国现有的AI 辅助医学影像诊断企业的自主创新能力还有待进一步提升，同时相关企业在专利的创造保护运用能力上也有待进一步加强。

在专利布局方面，日本富士胶片、德国西门子，荷兰飞利浦，美国GE 在本领域中也具有较强的技术创新和核心专利布局能力。整体而言，在人工智能作为各行业主流技术的大环境下，各医学影像诊断行业巨头将AI 结合的医学诊断设备作为重点发展方向，且具有很强的技术实力。此外，以西门子为代表的国际巨头还致力于技术层、基础层、应用层各方面的核心技术研发，具有充分的产品控制力，以及向着完整产业链全面发展的整体趋势。

在具体技术层面，通过对相关核心技术专利分析可知，目前AI算法已经可以在医学影像上进行复杂的图像分析和诊断，用于辅助医生快速做出初步诊断，一定程度上减轻医生负担，提高效率。但是在一些细节上还存在误诊的情况。随着深度学习技术的不断进步，未来AI算法的精度将会更高，诊断结果将更准确。AI辅助医学影像诊断首先依据临床诊断路径，将图像识别技术应用于感知环节，将非结构化影像数据进行分析与处理，提取有用信息；其次利用深度学习技术，将大量临床影像数据和诊断经验输入人工智能模型，对神经元网络进行深度学习训练；最后基于不断验证与打磨的算法模型，进行影像诊断智能推理，输出个性化的诊疗判断结果。目前医学影像诊断方面的技术研发热点主要包括图像获取、图像识别、图像分割、图像配准、图像重建方面等，以上关键技术所产生的技术效果包括：承担分类检出工作；替代医师工作；提供具有附加值的工作；把影像诊断结果量化和标准化，有效提高医师的诊断质量，促进分级诊疗模式建立及落地等。

近年来，以ChatGPT 为首的人工智能聊天机器人由于可以帮助医生快速分析患者的病情和症状，给出更加准确和科学的诊断结果和治疗方案，进一步提高医疗服务的质量和水平，更是成为当前人工智能辅助医学影像诊断的技术热点［6］。