在动脉网搜集的20家国内人工智能医学影像公司中，有12家与肺癌的诊断有关，占比在60%，其他的几家公司目前专注于乳腺癌影像、甲状腺癌影像、眼底影像等医疗影像的研究。另外，由于目前公司在对外宣传的时候很多表述是辅助诊断“肿瘤”，并未注明诊断哪些癌种，实际情况要比60%多。

国内人工智能技术虽然还处在初期阶段，但是人工智能利用CT图像等放射影像，在肺结节识别方面的技术相对来说比较成熟，很多公司比如推想科技、依图科技等公司的产品已经在临床上取得应用，据动脉网了解浙江省人民医院、上海长征医院、北京协和医院、湘雅医院等都在用AI产品。

目前AI产品对于肺结节的识别检出准确率在90%左右（每个公司的情况不一样，但是只要是报道出来的，都声称AI产品的水平高于医生平均水平。），但是医学人工智能对于肺结节良、恶性的判断还处于研发阶段，最终诊断结果需要医生结合临床来做决定。

除了利用CT图像等放射影像进行肺癌的辅助诊断、筛查，也有公司利用病理图片和大数据模型进行辅助诊断和筛查，例如，DeepCare就是利用病理图像，帮助医生辅助诊断肺癌，但是这个技术还在研发中。先前，公司将这一技术先应用在了乳腺癌，目前准确率已经达到92.5%。

点内肺常好则是利用大数据模型进行肺癌的早期诊断，公司整合目前国际上主流的肺癌风险预测模型，结合人工智能与机器学习技术，在国内20000例肺癌病例的验证下，优化并形成适合中国人使用的肺癌智能筛查引擎“肺常好”。目前点内生物已经和上海杨浦区合作，对全区居民进行肺癌筛查。

国外AI医学影像公司中，报道显示涉及肺癌诊断的不足10%

国外的人工智能医疗影像公司，与国内大多从事放射影像研究不同，他们在放射影像和病理影像都有涉足。其研究覆盖眼科疾病、甲状腺癌、乳腺癌、心脏、痤疮、慢阻肺等多种疾病。而不像国内那样对肺癌、甲状腺癌“情有独钟”。

针对海外相关企业，动脉网一共搜集了125家医疗人工智能创业公司（传统的CAD企业未纳入其中），从事医学影像诊断有28家，其中业务明确涉及肺癌诊断的只有3家——VoxelCloud、Enlitic和Imagia。

VoxelCloud（体素科技）致力于提供基于深度学习的精准和个性化的医疗诊断服务，总部位于美国洛杉矶，联合创始人是华人丁晓伟。目前公司的业务已经覆盖早期肺癌、糖尿病视网膜病变、心血管疾病、肝脏病变等几个疾病的筛查和诊断，并根据相应的临床需求提供端到端的解决方案。公司已于2017年初完成由红杉资本领投的千万美金A轮融资。

在公开的LIDC肺癌筛查数据集中，Enlitic的技术比放射科医师专家更准确地判断胸部CT图像的结节恶性程度，Enlitic的技术可以以毫秒为单位解读医学图像， 比平均放射科医师快10,000倍。

Imagia具体地将X射线，核磁共振，CT扫描等影像分割为很小的像素。逐一分析小像素的特点并进行归类，利用深度学习技术，将对单一图像进行分析，最终给出判断。

不可否认，国内外这个数据的差异一方面是统计上的不变造成的，在目前的报道中，有小部分国外公司表示可以诊断癌症，但是没有注明具体的癌种。国内这些企业动脉网是逐个确认的，但是国外的企业只能从官网上或者报道中找寻蛛丝马迹。

另外一个原因可能是国外的影像医生没有中国三甲医院医生负责的病患多，他们有足够多的时间为肺癌患者读片。乳腺癌、甲状腺癌等疾病的筛查是全民性质的，需要耗费大量工作，所以创业公司根据市场需求，将切入点放在了乳腺癌等疾病。

值得一提的是，国内外这些利用人工智能从事肺癌辅助诊断的产品，目前都没有拿到CFDA或FDA的认证，根据动脉网了解的情况，中国有些企业预计在今年年底内可以拿到认证。

由于AI和机器学习具有自我改进的特质，产品功能和安全性会在使用和运行中不断自我完善，因此AI医疗产品的审批速度非常慢。为此，美国FDA组建了一个专门致力于数字化医疗和AI技术审评的新部门，加快AI产品的审批速度。

液体活检辅助肺癌早期诊断

前文说到肺癌早期无症状，用“痰细胞检查+胸片CT”也很难诊断。因此，发现一种新技术将肺癌扼杀在摇篮里是科研人员一直努力的方向。