随着大模型技术进步和在各行业的广泛应用，原有的格局在经历巨大的变革。这篇文章，我们来看看医疗影像领域的几个关键词，看看过去这一年的发展趋势和AI引领的前瞻性变革。

目前，医疗影像AI行业的头部效应愈发显著，少数几家领军企业如联影智能、推想医疗、深睿医疗、数坤科技等，凭借其深厚的技术底蕴、丰富的行业经验以及前瞻性的市场布局，在行业中占据了举足轻重的地位。然而，随着大模型技术的持续进步和其在医疗影像领域的广泛应用与渗透，这一原有的竞争格局正面临着前所未有的巨大变革。

2025年伊始，在这个充满希望与挑战的新篇章开启之时，一起回顾下2024年中国智能医疗影像行业的关键词：“全模态、全链路”、“设备智能化”、“MaaS”、“影像AI平台”。这些关键词不仅代表了过去一年行业的发展趋势，更预示着未来医疗影像AI领域的前瞻性变革。

一、全模态、全链路

随着医疗影像技术的不断进步和临床需求的日益多样化，医疗影像AI行业正逐步向全模态、全链路方向发展。这意味着智能医疗影像技术不再局限于单一成像模式或处理环节，而是实现了从数据采集、处理、分析到诊断的全链条智能化，以及多种成像模态（如CT、MRI、超声等）的融合应用，极大地提升了诊断的准确性和效率。

1. 全模态

据国家药品监督管理局官方网站公布的不完全统计数据显示，医学影像人工智能产品广泛覆盖了内窥镜、细胞显微镜、眼底检查、数字X射线成像（DR）、数字减影血管造影（DSA）、磁共振成像（MRI）、超声成像（US）以及计算机断层扫描（CT）等多种医疗设备类型，其中，以CT类产品的数量最为突出，彰显了该类产品在医学影像人工智能领域的广泛应用与重要地位。

（来源：根据药监局官网数据整理）

同时多模态融合已成为主流方向，多家企业正积极开发能够整合CT、MRI、US等多种影像数据的AI系统，以提供更全面、精准的诊断信息。东软医疗的脑缺血图像辅助评估软件NeuBrainCAREⅡ，通过自动分析患者的CT及MR的脑灌注影像数据，为临床医生提供诊断所需的量化数据，支持CTA侧支循环分析、 MRA侧支循环分析、DWI-FLAIR醒后卒中定量分析、ASPECT评分等功能，可通过CT平扫图像输出ASPECT评分，通过CT或MR图像输出大脑中动脉区域侧支循环（Tan）评分，通过MR图像辅助评估缺血性卒中患者梗死区体积，输出DWI-FLAIR醒后卒中SIR值，辅助临床医生快速进行救治决策。

2. 全链路

目前，智能影像技术已全面渗透至影像诊疗的全链路服务之中。

在检查场景中，东软医疗凭借其NeuAI全域人工智能平台，在检查场景中树立了全新的标杆。该平台无缝集成于患者摆位、扫描、图像重建至诊断的每一步流程，实现了AI扫描、AI重建、AI诊断三大核心功能的深度融合。在扫描阶段，A-Eye智能摆位系统凭借对人体特征点的精准识别，确保了摆位的准确无误，有效规避了手动操作带来的误差，同时极大地促进了医生工作效率的飞跃。自动FOV技术智能规划扫描范围，既避免了无效曝光，也减少了过度曝光的风险。iCentering智能等中心技术运用前沿的人工智能算法，精确计算并调整患者厚度中心与扫描中心的距离，优化床高设置。结合Auto-kV技术与智能毫安技术，为患者量身定制扫描参数，既节省了技师的操作时间，又确保了每次扫描图像的稳定与优质。进入重建环节，ClearInfinity深度学习重建算法以其卓越的性能，有效抑制噪声与伪影，显著提升了图像质量，同时实现了辐射剂量的有效降低，为患者的安全提供了额外保障。在诊断阶段，平台提供了包括智慧脑、智慧心、智慧胸等在内的全方位智能解决方案，以高效精准的方式辅助临床医生做出判断。

在诊疗场景中，推想医疗的肺结节AI全程管理全院解决方案更是实现了从肺结节的早期筛查与诊断，到微小肺癌的精准识别，再到肺癌的精准治疗，乃至患者全病程管理与胸肺疾病科研的全链条覆盖。

（来源：推想医疗产品宣传片）

二、设备智能化

得益于AI技术的强力赋能，传统影像设备制造商正加速推进智能化医疗设备的创新研发。这些尖端设备集影像数据采集、预处理、智能分析与辅助诊断于一体，极大地减轻了医生的工作负荷，同时显著提升了诊断的精确度和效率。智能化医疗设备的涌现，不仅加速了医疗影像AI技术的广泛普及与深度应用，更为患者开辟了一条更为便捷、高效的医疗服务新路径，极大地优化了患者的就医体验。

在CT领域，联影医疗利用Deep IR深度学习CT迭代重建技术实现低剂量扫描，使CT 辐射剂量降低 62~90%，不仅提高了影像的质量和清晰度，还缩短了检查时间。

在超声领域，迈瑞医疗推出的“智慧全景超声”，智能技术覆盖成像、扫查、测量、诊断、报告和质量控制等各个环节，系统配备的自动化测量及分析工具使原本困难、繁琐的步骤在几秒钟内轻松且高标准地完成。

（来源：迈瑞医疗产品宣传）

三、MaaS

模型即服务（Model as a Service，简称MaaS）是一种将机器学习模型部署到企业端，以API、SaaS或开源软件的形式提供给用户使用，从而使用户能够通过调用模型来获得所需的服务的方式。

浦医医疗多模态基础模型开源平台OpenMEDLab

OpenMEDLab覆盖医学图像、医学文本、生物信息、蛋白质工程等10余种医疗数据模态。致力于解决医疗AI模型研发成本高、效率低、泛化差等问题，突破小样本、弱标注瓶颈，助力解决医疗长尾问题，促进基于医疗基础模型的跨领域、跨疾病、跨模态的高效研发创新。

（来源：OpenMEDLab: An Open-source Platform for Multi-modality Foundation Models in Medicine）

影禾医脉“影禾觅芽”医学影像L0基座模型

该模型能够精准处理 CT、MR、X 线、US、核医学等多种模态的医学影像数据，并可支持从影像采集到诊断报告生成的全过程，实现报告级学习和生成能力、模态可扩展的人工智能基座模型。在实际应用场景中，“影禾觅芽” 基座模型展现出广泛的适用性，可被应用于各种医学影像任务，包括疾病检测、病灶分割、风险评估和手术规划等。

（来源：动脉网）

四、影像AI平台

影像AI平台集成了多种AI算法和工具，能够为医疗机构提供一站式的医疗影像分析、诊断和管理服务。影像AI平台的出现，不仅降低了医疗机构使用AI技术的门槛，还促进了医疗影像数据的共享与交流，推动了行业的整体发展。

东软NeuAIBOX一站式辅助诊断工具平台，集成心、脑、肺、腹、骨、肿瘤等类型疾病的30余款人工智能应用，PACS系统有机融合，统一的接口和界面，一次数据传输即可获得患者所有AI分析结果。

（来源：东软医疗产品宣传）

展望2025，医疗影像AI行业将迎来更加广阔的发展前景。全模态、全链路的智能医疗影像解决方案将成为主流。设备智能化将进一步推动医疗影像设备的升级与革新，实现更高效的影像采集与处理。MaaS模式的推广将降低医疗机构使用AI技术的门槛，加速AI技术在医疗领域的普及与应用。而影像AI平台则将成为连接医疗机构、科研机构、企业和患者的重要桥梁，推动医疗影像AI行业的持续健康发展。