ИИ на рынке онкологии — глобальный размер отрасли, доля, тенденции, возможности и прогноз, сегментированные по компонентам (программные решения, оборудование, услуги), по типу рака (рак груди, рак легких, рак простаты, колоректальный рак, опухоль мозга и другие), по типу лечения (химиотерапия, радиотерапия, иммунотерапия и другие), по регионам, по конкуренции 2018–2028 гг.

Обзор рынка

Глобальный рынок ИИ в онкологии оценивается в 701,08 млн долларов США в 2022 году и, как ожидается, будет прогнозировать устойчивый рост в прогнозируемый период со среднегодовым темпом роста 14,02% до 2028 года. Искусственный интеллект (ИИ) в онкологии помогает обеспечивать более быструю и точную диагностику рака, что приводит к улучшению результатов лечения пациентов, что, как ожидается, будет подпитывать рынок в прогнозируемый период. Ожидается, что рост инфраструктуры здравоохранения и растущая распространенность рака будут способствовать расширению рынка в прогнозируемый период. Одним из факторов, способствовавших расширению рынка во время пандемии, стало более широкое внедрение ИИ для диагностики, лечения и анализа сложных наборов данных, что снизило нагрузку как на больницы, так и на врачей.

Ключевые драйверы рынка

Повышение точности диагностики

Алгоритмы ИИ отлично справляются с анализом медицинских изображений, таких как рентгеновские снимки, МРТ и КТ, с высокой точностью. Точно определяя потенциальные опухоли и оценивая их характеристики, ИИ помогает в раннем выявлении рака. Раннее выявление имеет решающее значение для эффективного лечения и повышения показателей выживаемости. Следовательно, поставщики медицинских услуг и пациенты все чаще полагаются на диагностические инструменты на основе ИИ для выявления рака на самых ранних, наиболее поддающихся лечению стадиях. Человеческие ошибки и изменчивость в интерпретации медицинских изображений могут привести к неправильной диагностике. Системы ИИ обеспечивают последовательность и объективность в анализе, значительно снижая вероятность неправильной диагностики. Это, в свою очередь, вселяет большую уверенность в медицинских работников и пациентов относительно точности диагностики рака, что еще больше стимулирует внедрение ИИ в онкологии. Правительства и организации здравоохранения по всему миру инвестируют в программы скрининга рака. ИИ может помочь оптимизировать эти программы, автоматизировав анализ скрининговых тестов, таких как маммограммы и мазки Папаниколау.

Повышенная точность этих скринингов может привести к раннему выявлению рака, тем самым увеличивая спрос на решения на основе ИИ. Точная диагностика является основой для разработки персонализированных планов лечения. ИИ не только помогает диагностировать рак, но и характеризовать опухоли на молекулярном уровне. Это позволяет онкологам адаптировать стратегии лечения на основе конкретного генетического состава и характеристик рака, что приводит к более эффективной и целенаправленной терапии. Пациенты все чаще ищут персонализированные варианты лечения, что обуславливает спрос на ИИ в онкологии. Своевременная и точная диагностика снижает необходимость в обширном, часто дорогостоящем лечении и вмешательстве на поздних стадиях рака. Это может привести к существенной экономии средств в системе здравоохранения, делая диагностику на основе ИИ привлекательным вариантом для поставщиков медицинских услуг и плательщиков. Системы ИИ могут анализировать медицинские изображения намного быстрее людей и доступны круглосуточно. Эта эффективность может оптимизировать клинические рабочие процессы, позволяя поставщикам медицинских услуг принимать больше пациентов и эффективнее управлять своими ресурсами. Такая повышенная эффективность является убедительным фактором для медицинских учреждений, стремящихся оптимизировать свою деятельность.

Растущие персонализированные планы лечения

Анализ данных пациентов, включая генетическую информацию и характеристики опухолей, с помощью ИИ, позволяет создавать высокоперсонализированные планы лечения. Эти планы учитывают уникальные характеристики рака каждого пациента, что позволяет онкологам выбирать наиболее эффективные методы лечения. Такая повышенная эффективность лечения приводит к лучшим результатам для пациентов и повышению спроса на решения для онкологии на основе ИИ. Персонализированные планы лечения не только направлены на максимизацию эффективности лечения, но и направлены на минимизацию побочных эффектов. ИИ может предсказать, как отдельный пациент отреагирует на конкретные методы лечения, помогая избегать методов лечения, которые могут вызвать серьезные побочные эффекты. Пациенты ценят персонализированные планы, учитывающие их благополучие, что приводит к более высокой удовлетворенности пациентов и приверженности лечению. ИИ помогает определить целевые терапии и иммунотерапии, которые с наибольшей вероятностью окажутся эффективными для конкретного пациента с раком.

Это сокращает подход проб и ошибок при выборе лечения и сводит к минимуму использование неэффективных препаратов, что приводит к экономии средств для систем здравоохранения. Алгоритмы ИИ могут быстро обрабатывать сложные наборы данных, предоставляя онкологам рекомендации по лечению в более короткие сроки. Такое ускорение принятия решений особенно важно в онкологии, где своевременная корректировка лечения может существенно повлиять на прогноз пациента. Персонализированные планы лечения часто требуют участия пациентов в клинических испытаниях экспериментальных методов лечения. ИИ помогает определить подходящих кандидатов для этих испытаний на основе их генетических профилей и истории болезни. Это облегчает набор соответствующих участников, ускоряет испытания и приводит к более быстрой разработке и одобрению инновационных методов лечения рака. В эпоху, когда пациенты все больше информированы и вовлечены в свои решения в отношении здравоохранения, персонализированные планы лечения соответствуют принципам ухода, ориентированного на пациента. ИИ расширяет возможности пациентов, предоставляя им варианты лечения, адаптированные к их уникальным обстоятельствам, способствуя ощущению контроля и вовлеченности в их лечение.

Расширение открытия и разработки лекарств

ИИ может анализировать огромные наборы данных, включая генетическую информацию и молекулярные данные, для более быстрого и точного выявления потенциальных кандидатов на лекарства, чем традиционные методы. Такое ускорение процесса открытия лекарств сокращает время и ресурсы, необходимые для исследований и разработок, что делает его привлекательной перспективой для фармацевтических компаний, стремящихся вывести на рынок новые методы лечения рака. ИИ может помочь выявить новые и перспективные молекулярные мишени для лечения рака путем анализа крупномасштабных геномных и протеомных данных. Это приводит к открытию ранее неисследованных терапевтических путей, увеличивая потенциал для прорывных методов лечения. Модели ИИ могут прогнозировать эффективность и безопасность препаратов-кандидатов in silico, что снижает необходимость в дорогостоящих и длительных доклинических и клинических испытаниях.

Это значительно экономит фармацевтическим компаниям средства и ускоряет сроки разработки лекарств. ИИ анализирует данные пациентов для выявления конкретных генетических мутаций или биомаркеров, связанных с раком пациента. Эту информацию можно использовать для разработки персонализированных вариантов лечения, включая целевые терапии и подходы точной медицины. Возможность адаптировать лечение к индивидуальным пациентам стимулирует спрос на решения ИИ. ИИ может определять существующие препараты с потенциалом для повторного использования в лечении рака. Анализируя данные о взаимодействии и путях действия лекарств, ИИ может предлагать новые приложения для уже одобренных препаратов для других состояний, что потенциально ускоряет доступность методов лечения рака. ИИ легко интегрирует различные источники данных, включая данные клинических испытаний, научную литературу и данные реальных пациентов. Этот целостный подход позволяет исследователям принимать решения на основе данных и получать всестороннее представление о процессах разработки лекарств.

Ключевые проблемы рынка

Взаимодействие и интеграция данных

Системы здравоохранения часто используют разные системы электронных медицинских карт (ЭМК), платформы визуализации и форматы данных. Эта фрагментация приводит к разрозненности данных, что затрудняет доступ к информации о пациентах из разных источников и ее интеграцию. ИИ в онкологии требует всестороннего представления истории болезни пациента, что затрудняется фрагментацией данных. Различные системы могут использовать разные стандарты и форматы данных, что затрудняет обеспечение эффективной обработки и анализа данных алгоритмами ИИ. Проблемы совместимости могут привести к потере данных, неправильной интерпретации или ошибкам в выводах, полученных с помощью ИИ. Различия в качестве и полноте данных в разных системах здравоохранения могут повлиять на точность и надежность моделей ИИ. Несогласованные данные могут привести к предвзятым или неверным рекомендациям, что снижает доверие к системам ИИ среди медицинских работников.

Процесс интеграции решений ИИ с существующей ИТ-инфраструктурой здравоохранения может быть дорогостоящим и отнимать много времени. Медицинским учреждениям может потребоваться инвестировать в индивидуальные решения, промежуточное программное обеспечение или сторонние сервисы для обеспечения бесперебойной интеграции данных. Внедрение решений по интеграции данных может нарушить клинические рабочие процессы. Поставщики медицинских услуг могут сопротивляться изменениям, которые мешают их устоявшимся процедурам, что может задержать или помешать внедрению технологий ИИ. Правила владения и конфиденциальности медицинских данных могут различаться в зависимости от региона, и преодоление этих сложностей при обмене или интеграции данных пациентов может быть сложной задачей. Обеспечение соблюдения законов о защите данных при содействии обмену данными — это тонкий баланс.

Клиническая проверка и внедрение

Одним из основных препятствий на пути внедрения ИИ в онкологии является необходимость надежных клинических доказательств, демонстрирующих эффективность и безопасность инструментов на основе ИИ. Поставщики медицинских услуг и регулирующие органы часто требуют существенной клинической проверки перед интеграцией решений ИИ в клиническую практику. Время и ресурсы, необходимые для проведения обширных клинических испытаний, могут замедлить внедрение технологий ИИ. Отрасль здравоохранения жестко регулируется, и вывод на рынок решений онкологии на основе ИИ требует прохождения сложных нормативных путей. Соблюдение нормативных требований, получение разрешений и обеспечение соответствия меняющимся стандартам может быть сложным и трудоемким процессом.

Специалисты здравоохранения, включая онкологов, рентгенологов и патологов, могут не решаться полностью доверять и принимать рекомендации на основе ИИ. Скептицизм, сопротивление изменениям и опасения по поводу влияния на их роли могут препятствовать интеграции инструментов ИИ в клинические рабочие процессы. Алгоритмы ИИ часто необходимо проверять на разных группах пациентов, чтобы гарантировать их эффективность в разных демографических группах и типах рака. Это может быть ресурсоемким процессом и может потребовать доступа к широкому спектру данных о пациентах. Интеграция решений ИИ в существующие ИТ-системы здравоохранения может быть сложной. Обеспечение совместимости с электронными медицинскими картами (ЭМК), радиологическими информационными системами и лабораторными информационными системами требует технических знаний и ресурсов. Обработка данных пациентов в системах ИИ вызывает опасения по поводу конфиденциальности и безопасности данных. Обеспечение конфиденциальности информации о пациентах и ее защиты от угроз кибербезопасности имеет первостепенное значение, но является сложной задачей.

Основные тенденции рынка

Радиомика на основе ИИ

Радиомика на основе ИИ повышает точность диагностики рака. Анализируя тонкие и сложные закономерности на медицинских изображениях, ИИ может обнаруживать опухоли и другие аномалии на более ранних и часто более поддающихся лечению стадиях. Эта возможность повышает точность диагностики и снижает вероятность пропущенных или неверно истолкованных результатов. Радиомика позволяет характеризовать опухоли на детальном уровне. ИИ может определять конкретные особенности на изображении, которые соответствуют генетическим и биологическим свойствам опухоли. Эта информация бесценна при разработке индивидуальных планов лечения, адаптированных к уникальному профилю рака пациента. Инструменты ИИ на основе радиомики могут отслеживать реакцию пациента на лечение с течением времени.

Анализируя изменения в характеристиках изображений, ИИ может помочь врачам определить, является ли лечение эффективным или требует корректировки, что позволяет своевременно вмешиваться и сводить к минимуму ненужные побочные эффекты. Радиомика на основе ИИ может помочь в раннем выявлении рака, даже до проявления клинических симптомов. Это особенно важно для раковых заболеваний с агрессивными темпами прогрессирования. Поскольку алгоритмы ИИ становятся более эффективными в выявлении тонких закономерностей изображений, они будут играть ключевую роль в программах скрининга рака. Человеческая интерпретация медицинских изображений может быть субъективной и зависеть от опыта интерпретирующего рентгенолога. Радиомика на основе ИИ обеспечивает последовательность и объективность анализа изображений, снижая межнаблюдательную изменчивость и гарантируя более высокий стандарт лечения среди поставщиков медицинских услуг.

Геномное секвенирование и прецизионная медицина

Геномное секвенирование обеспечивает детальное понимание генетического состава пациента и выявляет конкретные мутации или изменения, способствующие развитию рака. Алгоритмы ИИ могут анализировать эти геномные данные для разработки персонализированных планов лечения, соответствующих уникальному генетическому профилю пациента. Возможность предоставления таргетной терапии значительно повышает эффективность лечения, уменьшая побочные эффекты и улучшая результаты лечения пациентов. Геномное секвенирование в сочетании с ИИ ускоряет выявление потенциальных мишеней для лекарственных препаратов в опухоли пациента. ИИ анализирует огромное количество геномных данных, полученных при секвенировании, для точного определения генов или путей, которые имеют решающее значение для роста рака. Эта информация бесценна для разработки лекарств и персонализированных стратегий лечения. ИИ может предсказать вероятную реакцию пациента на конкретные методы лечения на основе его геномного профиля.

Эта информация помогает онкологам выбирать наиболее подходящие варианты лечения, избегать методов, которые вряд ли будут эффективными, и сводить к минимуму подходы проб и ошибок. Прогностическая аналитика повышает вероятность успешного лечения и улучшает уход за пациентами. Геномное секвенирование и ИИ оптимизируют разработку и проведение клинических испытаний. ИИ идентифицирует подходящих пациентов с определенными геномными маркерами, улучшая набор пациентов и сокращая продолжительность испытаний. Это приводит к более быстрой разработке лекарств и более эффективному процессу клинических испытаний. Решения точной медицины на основе ИИ предоставляют онкологам поддержку принятия решений в режиме реального времени. При столкновении со сложными решениями о лечении врачи могут полагаться на алгоритмы ИИ для анализа геномных данных и рекомендовать наиболее подходящие варианты лечения, улучшая принятие клинических решений и уверенность.

Сегментарные выводы

Выводы

Основываясь на Компоненте, ожидается, что сегмент программных решений будет демонстрировать существенный рост рынка в течение всего прогнозируемого периода. Улучшенные программные решения на основе ИИ повышают точность диагностики рака, анализируя медицинские изображения, слайды патологии и геномные данные. Эти инструменты могут выявлять тонкие закономерности и аномалии, которые могут быть пропущены наблюдателями-людьми, что приводит к более ранней и точной диагностике. Программные решения помогают онкологам разрабатывать персонализированные планы лечения на основе медицинских карт пациентов, геномных данных и клинических данных в реальном времени. Эти планы подбираются с учетом типа рака, стадии и генетического профиля конкретного пациента, что оптимизирует результаты лечения. Программные решения на основе ИИ оптимизируют управление и анализ огромных объемов данных пациентов, включая электронные медицинские карты (ЭМК), медицинские изображения и геномные последовательности. Такая эффективность снижает административную нагрузку, ускоряет принятие решений на основе данных и повышает общую производительность здравоохранения.

Программное обеспечение на основе ИИ отлично работает в радиомике, извлекая количественные характеристики из медицинских изображений и слайдов патологии. Эти функции дают ценную информацию о характеристиках опухоли, реакции на лечение и прогнозе. Программное обеспечение на основе радиомики помогает определять биомаркеры и оптимизировать подходы к лечению. Программные решения обеспечивают поддержку принятия клинических решений в режиме реального времени для медицинских работников. Они предлагают рекомендации по вариантам лечения, дозировкам и протоколам последующего наблюдения, помогая врачам принимать обоснованные решения и обеспечивать стандартизированные методы лечения.

Понимание типа рака

Основываясь на сегменте типа рака, сегмент рака молочной железы стал доминирующей силой на рынке. Алгоритмы ИИ могут анализировать маммограммы и другие исследования изображений молочной железы с высокой точностью. Выявляя едва заметные отклонения и закономерности, ИИ помогает рентгенологам в раннем выявлении рака молочной железы. Возможность обнаружить рак молочной железы на более ранней, более поддающейся лечению стадии является решающим фактором в улучшении результатов лечения пациентов. Инструменты на основе ИИ могут оценивать риск развития рака молочной железы у пациента на основе различных факторов, включая генетику, семейный анамнез и образ жизни. Эта оценка риска может определять персонализированные стратегии профилактики, такие как изменение образа жизни, увеличение частоты скрининга или профилактические меры для лиц с высоким риском. ИИ помогает онкологам разрабатывать планы лечения для пациентов с раком молочной железы на основе индивидуальных факторов, таких как подтип опухоли, генетические мутации и прогнозы ответа на лечение. Персонализированные подходы к лечению оптимизируют терапевтические результаты, сводя к минимуму побочные эффекты. ИИ помогает патологам анализировать образцы тканей молочной железы и идентифицировать раковые клетки, подтипы и биомаркеры с высокой точностью. Эти знания необходимы для выбора целевых методов лечения и прогнозирования ответа на лечение. Решения на основе ИИ на основе радиомики извлекают количественные характеристики из исследований изображений молочной железы, предоставляя ценную информацию о характеристиках и поведении опухоли. Эти данные используются при планировании лечения и помогают выявлять новые биомаркеры.

Региональные данные

Северная Америка, в частности рынок ИИ в онкологии, доминировала на рынке в 2022 году, в первую очередь благодаря тому, что Северная Америка, в частности Соединенные Штаты, является мировым лидером в области технологий и инноваций. Регион может похвастаться надежной экосистемой разработчиков ИИ, компаний, занимающихся технологиями в сфере здравоохранения, и научно-исследовательских институтов, занимающихся продвижением приложений ИИ в онкологии. Эта культура инноваций способствует быстрой разработке и внедрению решений на основе ИИ. В Северной Америке один из самых высоких показателей расходов на здравоохранение в мире. Готовность региона инвестировать в передовые технологии здравоохранения, включая ИИ, создает благоприятную среду для роста ИИ на рынке онкологии.

Последние события

• Whiterabbit.ai и Arterys договорились в августе 2022 года о разработке технологии на основе ИИ для выявления рака на ранних стадиях.
• Roche объявила о сотрудничестве с EarlySign в июле 2022 года с целью разработки и коммерциализации своей технологии LungFlag.
• Kheiron MedicalTechnologies заключила сотрудничество с Atlas Medical в 2021 году. Целью партнерства является запуск Mia — решения для скрининга рака молочной железы, которое более точно помогает рентгенологам в выявлении рака.
• Paige заключила партнерство с Quest Diagnostics в мае 2021. Компания надеялась предоставлять более быстрые, точные и краткие клинические выводы, разрабатывая новое программное обеспечение.
• Paige объединила усилия с Epredia в марте 2021 года. Благодаря этому сотрудничеству компания стремилась помочь патологам получать информацию из каждого теста и предоставлять результаты пациентам.
• PathAI приобрела Poplar в июле 2021 года. В результате этого приобретения фирма сможет включить услуги тестирования в свою новую платформу патологии на базе ИИ.
• В сентябре 2021 года Owkin, Inc. в сотрудничестве с исследователями Cleveland Clinic объявила о разработке модели глубокого обучения, которая прогнозирует выживаемость и результаты для здоровья гепатоцеллюлярных карцинома.
• В августе 2022 года компания Medtronic plc запустила в Индии интеллектуальный эндоскопический модуль GI GeniusTM. Он работает на базе искусственного интеллекта и помогает врачам выявлять колоректальный рак с помощью улучшенной визуализации во время колоноскопии.

Ключевые игроки рынка

• Azra AI.
• IBM
• Siemens Healthcare GmbH.
• Intel Corporation.
• GE HealthCare.
• NVIDIA Corporation.
• Digital Diagnostics Inc.
• ConcertAI.
• Median Technologies.
• PathAI.