据数据统计，2012年全球健康大数据存储量为500PB，2020年数据存储量预计将到25000PB，提升50倍。与此同时，《“十三五”国家信息化规划》“健康中国信息服务行动” 中也明确表示，推动人工智能在疾病预防、辅助诊断、影像识别、药物研发、健康保健、日常护理中等的应用，足见整个行业有很大的发展机会。

前不久，在微软Build2017开发者大会上，来自北京的一家提供医学影像分析的人工智能企业Airdoc，便凭借其医疗领域人工智能辅助分析应用，成为第一家出现在Build大会Keynote上的中国创业企业，受到市场关注。据了解，其技术可识别检测分析眼部、皮肤、脑部、心血管到肺部、骨骼、乳腺等区域并提供临床决策支持，做医生的 “听诊器” 和 “资料库”。

从产品层面来看，Airdoc主要提供基于医学影像分析和多模态数据分析的解决方案，现有的 Airdoc DR 筛查系统，主要面向医疗机构、科研机构、医生等用户群体。通过人工智能算法自动识别眼底照片等影像来辅助医生诊断和分析，通过将健康的眼底影像快速筛出，将有病灶的影像给予标注并交给医生复核确诊，大大减轻了医生阅片的工作量，提高医生的工作效率。同时远程阅片流程也很简单，医生只需要将眼底医学影像图片上传到Airdoc平台，系统会在很短时间内返回影像识别结果，医生再次确认结果，明确诊断后，便可以通过Airdoc平台直接打印报告给患者。

据悉，Airdoc现已与国内外包括约翰霍普金斯等数十家顶尖医疗机构在影像识别分析领域建立了深度合作。在国内，典型医院则包括上海长征医院、国家心血管病中心、北京协和医院、北京大学医学部等。同样，Airdoc的医学影像筛查系统也可以应用在基层医疗机构，让每位基层医生都拥有三甲医学专家的疾病识别能力。目前，公司已经在肺结节、乳腺癌、冠脉斑块、皮肤癌、眼底病和病理等领域取得了诸多成果。

事实上，结合人工智能技术在医疗领域建树的企业并不在少数。张大磊也曾表示，人工智能在健康医疗领域的机遇主要有七大方向：一是提供临床辅助诊断等医疗服务，应用于早期筛查、诊断、康复等评估场景；二是医疗机构的信息化，通过数据分析来帮助医疗机构提升运营效率；三是进行医学影像识别，帮助医生更快更准地读取病人的影像；四是助力医疗机构大数据可视化及数据价值提升；五是在药品研发领域，解决药品研发周期长、成本高的问题；六是健康管理服务，通过包括可穿戴设备在内的手段，监测用户个人健康数据，预测和管控疾病风险；七是在基因测序领域，将深度学习用于分析基因数据，推进精准医疗。

但在张大磊看来，安全、有效、经济都是医疗领域亟待解决的问题，而AI医疗领域整体还不成熟，行业仍处于早期阶段，并不是一个完全竞争的市场。人工智能辅助诊断想要真正走进医院也还需要很长的周期，其中仍会面临很多困难和挑战。

一方面，目前医院的预算主要集中在药品、医疗器械和医用耗材方面，医疗人工智能辅助诊断系统及相关产品虽然确实可以帮助医生提升工作效率和诊疗的准确率，但鉴于医疗本身的特殊性，在目前这个阶段，医院仍然需要一个较长的过程才能接受人工智能辅助诊断产品。

另一方面，对于医疗领域的初创企业而言，前期积累医疗数据确实是必不可少的，但从技术到产品再到市场落地往往需要一个过程。尤其当企业积累到一定阶段，具备了数据、算法、应用并铺到医院，会发现真正愿意买单的还是占少数；所以，张大磊认为在行业发展的早期阶段，核心问题在于大家团结合作，一起把这个市场培育起来。

为此，Airdoc在过去这段时间，也从政府、产业、学术等多方面做了努力。比如参与相关标准规范的制定、成立示范点和示范基地等。张大磊也曾多次受邀出席国家公共卫生部门及健康医疗领域行业会议并发表演讲，现为中国健康促进与教育协会移动健康分会常委和相关领域国家标准的起草顾问。

事实上，据不完全统计，目前国内已有超27家的初创企业涉及医疗影像相关领域，前期多是提供影像云服务，智能辅助诊断业务则多在2016年开始拓展，所以2016年也被认为是人工智能+医疗影像的元年。其中以算法技术见长的Airdoc是少数布局海外并发展较为成熟的初创公司；除此此外，典型的企业还包括推想、VoxelCloud、DeepCare、雅森科技等。现阶段也多集中在天使及A轮阶段，足见人工智能医疗领域并非是一个短时间能够爆发的市场，可能需要十年甚至更久的周期。