醫(yī)療體制改革下，醫(yī)學影像在基層的應用被不斷挖掘，彩超、黑白B超、DR、CT等影像設備在基層醫(yī)療機構中的數量不斷增加。
受基層影像醫(yī)師學歷偏低和經驗不足等因素影響，基層影像設備診療能力并未被完全釋放，為人工智能醫(yī)學影像產品在基層落地提供巨大市場機遇
已經有頭部人工智能影像廠商在積極探尋產品落地基層的路徑，目前一般通過政府端和醫(yī)院端（以醫(yī)聯(lián)體中的中心醫(yī)院為主）切入。
未來，在區(qū)域統(tǒng)籌建設的政策導向下，基層醫(yī)療機構的信息化基礎建設將繼續(xù)推進，更有利于人工智能醫(yī)學影像產品落地。而基層對功能全面、性價比高且容易使用的人工智能醫(yī)學影像軟件的
需求也對AI影像企業(yè)的技術應用和資源整合能力更高要求。
基層醫(yī)療機構網絡建設逐漸完善：近年來基層醫(yī)療衛(wèi)生機構數量持續(xù)增加，截至2021年底，基層醫(yī)療衛(wèi)生機構數量約97.8萬，占全國醫(yī)療衛(wèi)生
機構數量比例超過95%，基層衛(wèi)生人員數量約443.2萬人，診療人數占比超過50%。
醫(yī)學影像落地基層醫(yī)療機構：作為最常見的疾病篩查、輔助診斷的檢測手段，在承擔著對慢性病、常見病的診療篩查職責的基層醫(yī)療機構中的應
用發(fā)揮重要作用。目前中國基層醫(yī)療衛(wèi)生機構中常用的醫(yī)學影像設備包括彩超、黑白B超、直接數字化X射線攝影系統(tǒng)（DR）、計算機X成像
（CR）、X線機和CT等。
附件：《2022年中國人工智能醫(yī)學影像產業(yè)研究報告》基層篇
第一級銀行業(yè)金融機構未在任何業(yè)務建立模型分級方法/流程;第二級銀行業(yè)金融機構從業(yè)務和技術層面;第三級銀行業(yè)金融機構明確模型分級原則方法和操作要求
告立足于算法的技術趨勢和行業(yè)應用現(xiàn)狀,從法律監(jiān)管,倫理治理,技術治理三個層面梳理總結國內外在算法治理方面的實踐做法,保障算法技術創(chuàng)新與應用健康
OpenAI提出DALLE模型,可以根據用戶輸入的文本生成對應的圖像,Imagen模型,CogView,VQ-Diffusion 模型以及 NUWA-infinity 等效果同樣出色
谷歌CVPR 2022擁有18億參數,并使用30億的 標注圖像進行訓練,在ImageNet上取得了新的記錄90.45%,證明了視覺大模型（30億參數）在廣泛視覺問題上的有效性
多模態(tài)數據具有異構性 多模態(tài)數據的關聯(lián)難度表示較大 多模態(tài)知識融合困難 多模態(tài)問答大多只能處理簡單的問題 多模態(tài)知識問答推理能力弱 可解釋性差
我國新一代人工智能治理工作框架應整合社會各界對AI社會技術復合體的離散性認知,突破AI包容審慎實踐的探索,建立基于“邏輯-秩序-監(jiān)管“的人工智能治理工作框架
高增長:未來五年全球人工智能市場規(guī)模平均增速將超過20%;高集中:軟件占比近40%硬件產品占比接近35%;高壁壘:滲透率還不到4%
在規(guī)劃設計階段機器學習場景中固有的不可預測性,傳達實施偏差會進一步加劇;在研發(fā)部署階段模型運行之后的動態(tài)更新缺乏足夠驗證等挑戰(zhàn)
構建面向可持續(xù)發(fā)展的人工智能技術體系,推動人工智能技術可用、可靠、可信，其內涵包括提升技術安全和構建技術管理機制兩個層面工作
企業(yè)作為落實人工智能治理原則的重要主體,形成覆蓋人工智能產品全生命周期的風險管理機制,提出了面向可持續(xù)發(fā)展的人工智能治理基本框架
數據不完備和濫用風險突出而損害用戶的權益;人工智能算法存在固有缺陷在可解釋性魯棒性偏見歧視等方面尚存在局限;企業(yè)人工智能管理體系不完善
調度決策外賣調度系統(tǒng)困住騎手;個性化推薦電商場景下的信息繭房和馬太效應;內容治理如何守護清朗健康的網絡環(huán)境;人工智能可以放心使用嗎
全球人工智能市場收支規(guī)模達850廳美元,預測,2022年該市場規(guī)模將同比增長約20%至 1017廳美元,并將于2025年突破2000廳美元大關, CAGR 達24.5%
