醫療體制改革下，醫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療機構中的數量不斷增加。
受基層影像醫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J探尋產品落地基層的路徑，目前一般通過政府端和醫院端（以醫聯體中的中心醫院為主）切入。
未來，在區域統籌建設的政策導向下，基層醫療機構的信息化基礎建設將繼續推進，更有利于人工智能醫學影像產品落地。而基層對功能多面、性價比G且容易使用的人工智能醫學影像軟件的
需求也對AI影像企業的技術應用和資源整合能力更G要求。
基層醫療機構網絡建設逐漸完善：近年來基層醫療衛生機構數量持續增加，截至2021年底，基層醫療衛生機構數量約97.8萬，占全國醫療衛生
機構數量比例超過95%，基層衛生人員數量約443.2萬人，診療人數占比超過50%。
醫學影像落地基層醫療機構：作為常見的疾病篩查、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療機構中的應
用發揮重要作用。目前中國基層醫療衛生機構中常用的醫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（DR）、計算機X成像
（CR）、X線機和CT等。
附件：《2022年中國人工智能醫學影像產業研究報告》基層篇
D一級銀行業金融機構未在任何業務建立模型分級方法/流程;D二級銀行業金融機構從業務和技術層面;第三級銀行業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應用現狀,從法律監管,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
多模態數據具有異構性 多模態數據的關聯難度表示較大 多模態知識融合困難 多模態問答大多只能處理簡單的問題 多模態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-監管“的人工智能治理工作框架
G增長:未來五年人工智能市場規模平均增速將超過20%;G集中:軟件占比近40%硬件產品占比接近35%;G壁壘:滲透率還不到4%
在規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;在研發部署階段模型運行之后的動態更新缺乏足夠驗證等挑戰
構建面向可持續發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,提出了面向可持續發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;企業人工智能管理體系不完善
調度決策外賣調度系統困住騎手;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境;人工智能可以放心使用嗎
人工智能市場收支規模達850廳美元,預測,2022年該市場規模將同比增長約20%至 1017廳美元,并將于2025年突破2000廳美元大關, CAGR 達24.5%
