❖本調査レポートの見積依頼/サンプル/購入/質問フォーム❖
病理検査におけるAIの世界市場は、収益ベースで2023年に2400万ドル規模と推定され、2023年から2028年にかけてCAGR 15.6%で成長し、2028年には4900万ドルに達する見通しである。この新しい調査研究は、市場の業界動向分析で構成されています。この新しい調査研究は、業界動向、価格分析、特許分析、会議とウェビナー資料、主要関係者、市場における購買行動で構成されている。AIアルゴリズムは、デジタル病理画像を分析して、腫瘍、癌細胞、組織構造などの様々な異常を検出・分類することができる。このアプリケーションは、病理医が重要な特徴を特定し定量化するのを支援し、より正確な診断と治療の決定につながる。病理学におけるAIは、精度の向上、効率の向上、患者ケアの強化など、いくつかのメリットをもたらす。大規模なデータセットを活用し、膨大な量の注釈付き病理画像でアルゴリズムをトレーニングすることで、AIシステムは異常の検出と特徴づけ、診断、患者の転帰の予測において病理医を支援することができる。
市場成長を促進するその他の要因としては、技術的に高度なソリューションに対する需要の高まり、誤診の増加、患者ケアの質を向上させるための資金調達イニシアチブの高まり、病院におけるコスト管理と効率改善の重視の高まりなどが挙げられる。しかし、セットアップや運用コストが高く、相互運用性の問題もあるため、市場の成長はある程度抑制されると予想される。
病理検査におけるAI市場のダイナミクス
ドライバーディープラーニングの技術進歩により、病理学分野における人工知能（AI）との相乗効果が可能になった。
パターン認識と画像処理の進歩は、AI技術と現代の病理学の間に相乗効果を生み出している。深層畳み込みニューラルネットワークは、画像分類において卓越した性能を示している。デジタル病理学」とは、デジタル化された全スライド画像の検出、セグメンテーション、スコアリング、診断のためのAIベースのアルゴリズムと組み合わされた改善されたスライドスキャン技術を指す。
病理学における臨床転帰の定量化と標準化は依然として困難である。コンピュータ支援技術は、治療に対する反応を正確に等級付けし、病期を決定し、分類し、定量化するために用いられている。膨大な入力データや質の高いトレーニングセットが与えられれば、ニューラルネットワークアルゴリズムは効果的に機能する。10万枚を超える皮膚疾患の臨床写真のデジタル化されたデータベースを用いてこのような条件が満たされ、深層畳み込みニューラルネットワークが効果的に訓練され、現在の病理学的品質基準に匹敵する皮膚病変の分類が可能となった。このような直感的な画像ベースの分析では、複雑な層のメカニズム的理解は必要なく、このアプローチは、早期発見とがん予防を改善するために、患者ベースの携帯電話プラットフォームに適用されるかもしれない。特定のディープ・ニューラル・ネットワーク・モジュールは、いずれ標準的な病理ワークフローの選択されたステップに取って代わるだろう。さまざまな計算機による画像認識タスクの中で、ディープラーニングは、核、上皮、管などのセグメンテーションタスク、リンパ球分類による免疫浸潤、細胞周期の特徴づけと有糸分裂の定量化、腫瘍の等級付けにおいて、すでに非常に優れた性能を発揮している。デジタル病理ラボへの転換は、この基礎疾患のより正確な薬剤反応予測と予後を長期にわたってもたらすだろう。
阻害要因：デジタル病理システムの高コスト
AIはデータ取得と分析にこれらのシステムに大きく依存しているため、デジタル病理システムの確立に必要な多額の初期投資が、AIの導入のハードルとなっている。スライドスキャナー、画像サーバー、ソフトウェアで構成される典型的なデジタル病理システムの価格は、50万米ドルから150万米ドルである。スキャナーのみの平均価格は約25万ドルである。アジア太平洋地域では、デジタル病理スキャナーの平均コストは110,000米ドルから130,000米ドルである。多額の資本予算がある大病院では、こうしたシステムを導入する余裕があるが、予算が限られていたり、ITサポートが不十分な病理医や学術機関では、金銭的に手が届かないことが多い。特にインド、ブラジル、メキシコのような発展途上国の医療提供者は、このような高価な技術に投資する能力を妨げる財政的制約に直面している。さらに、デジタル病理システムの効率的な運用と保守には、訓練を受けた人材が必要である。高いコストと熟練したオペレーターの不足が相まって、これらのシステムの導入が制限されることが予想される。その結果、デジタル病理システムの普及がなければ、病理学へのAIの導入は妨げられることになる。
臨床現場におけるデジタル病理学への世界的な移行は、病理学におけるAIの導入と同様に、遅々として進んでいない。オランダやスカンジナビア諸国のように、この分野で大きな進歩を遂げた国がある一方で、例えばドイツや米国は遅れをとっている。
チャンス熟練病理医の不足
疾病の有病率の増加により、臨床応用における病理学サービスの需要が高まっている。しかし、世界的規模、特にアフリカとアジアでは、病理医の利用可能性と必要性の間に格差が存在する。同時に検査室は、限られた人員で増加する検体量を処理するという課題に直面している。このような状況は、がん診断薬市場の発展を阻害すると予想される。
病理学におけるAIは、医療従事者が地理的な境界を越えて病理医と重要な情報を安全かつタイムリーに遠隔共有することを可能にする。病理学サービスの需要は急速に増加しているため、訓練を受けた病理医の数が追いついていない。この不足は、病理医の仕事量の増加、診断レポートの納期延長、ストレスレベルの上昇、診断の遅延の可能性につながっている。病理学におけるAIは、ルーチン作業の自動化、スライド分析の支援、意思決定支援の提供により、この負担を軽減することができる。AIアルゴリズムは、デジタル病理画像を迅速に解析し、潜在的な異常を特定し、予備的な所見を提供することができる。これにより病理医は複雑な症例に集中することができ、納期を短縮し、全体的な効率を向上させることができる。病理医の能力を補強することで、AIは患者ケア不足の影響を緩和することができる。
このように、病理医の不足は憂慮すべき事態であり、病理学におけるAIの活用は、遠隔病理相談やサービスの提供のために増加すると予想される。
課題AIアルゴリズムの学習に十分なデータの不足
AIアルゴリズムは、訓練と検証のために、大規模で、多様で、十分に注釈付けされたデータセットを必要とする。しかし、病理学においてそのようなデータセットを入手することは、データプライバシー規制、複数の医療システムにわたるデータの断片化、専門家による注釈の必要性などの要因により、困難な場合がある。正確で信頼性の高いAIモデルを開発するためには、高品質なデータを確実に入手することが重要な課題となっている。
ほとんどのAIシステムは、多くの高品質なトレーニング写真を必要とする。理想的には、これらのトレーニング画像は “ラベル付け”（すなわち注釈）されていなければならない。これは本質的に、すべての画像において、病理医が手作業で関心領域（すなわち異常や悪性）を指定しなければならないことを意味する。アノテーションは専門家が行うのが最適である。時間的な制約もさることながら、人間によるアノテーションは、アプリ開発においてしばしば高価な障害となる。クラウドソーシングは安価で迅速かもしれないが、ノイズが混入する可能性がある。病理医が膨大な数の写真に注意深くアノテーションを行うのは、面倒なだけでなく、低解像度や不鮮明な画像、低速のネットワーク、特徴の曖昧さなどを扱うと難しくなる。注釈付けにアクティブラーニングを使えば、この手間のかかる作業を簡単にすることができる。現在、この目的に使用できる、ラベル付けされた写真を含む公開データセットは数少ない。
さらに、非常に複雑な視覚的手がかりの学習を可能にするディープラーニングは、以前は手が届かないと考えられていた複雑なコンピュータビジョンの課題に対処できるようになったため、AI界で話題を呼んでいる。病理学は視覚的な作業であるため、学界や “純粋な “テクノロジー企業が現在、病理学のためのディープラーニング・アプローチに力を入れているのは理解できる。異なる患者タイプ間の差異が、病理AIシステムにとっての主要な問題である。病気の状態では、2つとして同じ患者サンプルはない。異なる細胞タイプを区別することは、どのような機械学習システムでも（たとえそれがディープラーニング・ネットワークの不明瞭な特徴に隠されていたとしても）行わなければならないことであるが、同じ細胞タイプでも患者によって特徴が異なり、それがしばしば矛盾することに気づく。機械学習モデルの性能評価ガイドラインは、検査室で開発された検査を生成するリソースを持つ病理組織にとって、患者ケアに採用される適切な臨床的有効性と安全性プロファイルを保証するのに役立つ。時代を通じて再分類された疾患や、米国がん合同委員会（AJCC）の病期分類基準の更新に伴って等級付けが変更された腫瘍診断、その他観察者間のばらつきがかなり大きい疾患もある。このような場合、病理データのトレーニングは非常にノイズが多く、外部データに対して一般化できない可能性がある。一般化可能性は、モデルが様々な展開部位において高い品質で機能するために、信頼できる評価を受ける必要がある。
病理学分野におけるAI産業全体のエコシステム市場マップは、この市場に存在する要素で構成され、これらの要素を関係機関の実証とともに定義している。これには製品とサービスが含まれる。様々な製品の製造業者には、研究、製品開発、最適化、発売の全プロセスに関与する組織が含まれる。流通業者には、製品やソフトウェアの流通のために組織と連携しているサードパーティやeコマースサイトが含まれる。サービスは、ベンダーが直接または第三者と協力してエンドユーザーに提供する。
2022年の病理検査業界におけるAIのコンポーネントタイプでは、ソフトウェア・セグメントが最も急成長している。
世界の病理検査AI市場は、ソフトウェアとスキャナーの2つの主要な構成要素に分けられる。2022年には、ソフトウェア分野が世界市場で最も成長率の高い分野として浮上した。この大きなシェアは、病理医がAIベースのソフトウェアを広く受け入れ、活用していることに起因している。ソフトウェア分野には、高い適応性、相互運用性、画像解析、データ抽出、レポート作成などのさまざまな病理学的作業の自動化など、いくつかの利点がある。これらの要因が病理学におけるAIソフトウェアの採用と進歩を後押しし、病気の検出、診断、治療計画の進歩に大きな可能性をもたらしている。
畳み込みニューラルネットワーク(CNN)は、病理学分野のAI産業において2022年に最も急成長する分野である。
病理学分野のAI市場は、生成逆説的ネットワーク（GAN）、畳み込みニューラルネットワーク（CNN）、リカレントニューラルネットワーク（RNN）、その他を含むさまざまなニューラルネットワークタイプに分類される。2022年には、畳み込みニューラルネットワークセグメントが最も高い成長率を示すと予測されている。このセグメントの著しい成長率は、病理画像のような複雑な視覚データを分析し、適切な特徴を抽出し、正確な診断を提供する卓越した能力に起因している。さらに、CNNは画像内の関心領域のローカライズとセグメンテーションを容易にする一方、新しいデータを活用し、病理医からのフィードバックを取り入れることで、時間の経過とともに継続的に学習し、性能を向上させる能力も備えている。
予測期間中、病理検査AI業界では北米地域が最も高い成長率を示す。
北米の病理学AI市場は、予測期間中に最も高いCAGRで成長すると予測されている。北米地域の市場成長は主に、同地域の病理学インフラを近代化するための投資や改革、デジタル病理学ソリューションの採用増加などの要因によってもたらされる。この地域の市場成長を増大させるその他の要因は、医療インフラの継続的な拡大、高度なAI技術の市場での利用可能性の拡大である。
製品およびソフトウェア市場は、Koninklijke Philips N.V.（オランダ）、F. Hoffmann-La Roche Ltd（スイス）、Hologic, Inc.（米国）など、世界的に定評のある数社によって独占されている。
本調査では、病理検査におけるAI市場を分類し、以下の各サブマーケットにおける収益予測と動向分析を行っている：
コンポーネント別
はじめに
ソフトウェア
スキャナー
ニューラルネットワークによる
はじめに
生成的敵対ネットワーク (GAN)
畳み込みニューラルネットワーク（CNN）
リカレント・ニューラル・ネットワーク（RNN）
その他
アプリケーション別
はじめに
創薬
病気の診断と予後
臨床ワークフロー
トレーニングと教育
エンドユーザー別
はじめに
製薬・バイオテクノロジー企業
病院・研究所
学術・研究機関
地域別
北米
米国
カナダ
ヨーロッパ
ドイツ
イギリス
フランス
その他のヨーロッパ
アジア太平洋
日本
中国
その他のAPAC地域
ラテンアメリカ
中東・アフリカ
病理検査業界におけるAIの最新動向
2023年4月、インディカ・ラボ社（米国）はルニット社（韓国）と契約を締結した。この契約により、Indica Labs社の画像管理ソフトウェアプラットフォームHALO APとLunit社のAI病理製品群との完全な相互運用ソリューションが提供されることになった。
2022年3月、アイベックス・メディカル・アナリティクス社（Ibex Medical Analytics Ltd.(イザレル）はDedalus Group（イタリア）と提携した。この提携により、同社はデジタル病理学に人工知能の力を導入することを目指した。
2022年1月、Aiforia Technologies Plc（フィンランド）はMayo Clinic（米国）と協業した。この協業のもと、AIを活用した病理研究支援アーキテクチャがメイヨークリニックに構築され、トランスレーショナル研究におけるより迅速な結果とスケーラブルな研究が可能になった。
2021年12月、F．(スイス）は、Ki-67、ER、PRなどの乳がんマーカーを病理医が評価するための人工知能（AI）ベースのデジタル病理アルゴリズムを発表した。
目次
1 はじめに （ページ – 24）
1.1 研究目的
1.2 市場の定義
1.2.1 含まれるものと除外されるもの
1.3 対象市場
1.3.1 病理学におけるAI市場細分化（地域別
1.3.2年
1.4 通貨
1.5 利害関係者
1.6 景気後退の影響
2 研究方法 (ページ – 28)
2.1 研究アプローチ
図1 調査デザイン
2.1.1 二次調査
2.1.1.1 二次資料からの主要データ
2.1.2 一次データ
図2 一次情報源
2.1.2.1 一次資料からの主要データ
2.1.2.2 一次専門家からの洞察
図3 一次面接の内訳：企業タイプ別、呼称別、地域別
2.2 市場規模の推定
図4 供給側市場規模の推定：収益シェア分析
図5 病理学におけるAI市場：CAGR予測
2.2.1 トップダウン・アプローチ
2.3 市場の内訳とデータの三角測量
図6 データ三角測量の方法
2.4 市場ランキング分析
2.5 調査の前提
2.6 限界
2.6.1 方法論に関連する限界
2.6.2 スコープに関する制限
2.7 リスク評価
表1 病理学におけるAI市場：リスク評価
2.8 景気後退の影響分析
3 事業概要 （ページ – 39）
図7 病理学におけるAI市場、コンポーネント別、2023年対2028年（百万米ドル）
図8 病理学におけるAI市場、ニューラルネットワーク別、2023年対2028年（百万米ドル）
図9 病理学におけるAI市場、用途別、2023年対2028年（百万米ドル）
図10 病理学におけるAI市場、エンドユーザー別、2023年対2028年（百万米ドル）
図11 病理検査におけるAI市場の地理的スナップショット
4 プレミアム・インサイト (ページ – 44)
4.1 病理学におけるAIの市場概要
図12 病理診断のデジタル化の進展が市場成長を促進する
4.2 アジア太平洋地域：病理検査におけるAI市場：コンポーネント別、国別
図13 2023年にアジア太平洋市場で最大のシェアを占めるのはソフトウェア分野
4.3 病理学におけるAI市場の地理的スナップショット
図 14 英国市場は最も高い成長率で成長する
4.4 地域別構成：病理検査におけるAI市場
図 15 北米が予測期間中に最も高い成長を遂げる
4.5 病理学におけるAi市場：先進国市場と発展途上国市場。発展途上市場
図16 高い成長率を記録する先進国市場
5 市場概要（ページ – 48）
5.1 導入
5.2 市場ダイナミクス
図 17 病理学における AI 市場：促進要因、阻害要因、機会、課題
表 2 推進要因、阻害要因、機会、課題：インパクト分析
5.2.1 ドライバー
5.2.1.1 高度な病理学的AIソリューションの開発・発売を目指す企業間の提携・協力の増加
5.2.1.2 拡大する病理学のデジタル化
5.2.1.3 誤診の増加
5.2.1.4 AIの進歩によるテレパソロジーの強化
5.2.1.5 ディープラーニングの技術的進歩
5.2.2 拘束
5.2.2.1 デジタル病理システムの高コスト
5.2.2.2 熟練したAI人材の不足と医療用ソフトウェアに関する曖昧な規制ガイドライン
5.2.3 機会
5.2.3.1 個別化医療への需要の高まり
表3 米国：個別化医薬品の増加（2008～2020年）
図18 FDAが承認した個別化医薬品、2015-2021年
5.2.3.2 熟練病理医の不足
表4 病理専門医一人当たりの住民数（国別）、2020年
5.2.4 課題
5.2.4.1 AIアルゴリズムの学習に十分なデータがない
5.2.4.2 データ・プライバシーに関する懸念
図19 米国保健福祉省に報告された医療侵害（2021年
5.2.4.3 透明性と相互運用性の欠如
6 業界の洞察 (ページ – 57)
6.1 業界動向
6.1.1 人工知能による品質管理の向上
6.1.2 染色技術の変容
6.2 病理学におけるAIのための投資の増加
6.3 技術分析
6.3.1 機械学習（ml）と深層学習（dl）
6.3.2 画像解析とコンピュータ・ビジョン
6.3.3 自然言語処理（NLP）
6.3.4 データの統合と融合
6.3.5 拡張病理学および意思決定支援システム
6.3.6 予測分析と予後モデル
6.3.7 クラウド・コンピューティングとビッグデータ・インフラ
6.4 ポーターの5つの力分析
図 20 病理学における AI 市場は、市場プレーヤー間の競争激化が中程度から高程度である。
表5 病理学におけるAI市場：ポーターの5力分析
6.4.1 新規参入の脅威
6.4.2 代替品の脅威
6.4.3 サプライヤーの交渉力
6.4.4 買い手の交渉力
6.4.5 競争相手の激しさ
6.5 規制分析
6.5.1 規制機関、政府機関、その他の組織
表6 規制機関、政府機関、その他の組織
6.5.2 地域別規制分析
6.5.2.1 北米
6.5.2.1.1 米国
表7 米国FDA：医療機器の分類
表 8 米国：医療機器規制承認プロセス
6.5.2.1.2 カナダ
表9 カナダ：医療機器規制承認プロセス
6.5.2.2 欧州
表10 欧州：IVD機器の分類
図21 欧州：IVDRのタイムライン
6.5.2.3 アジア太平洋
6.5.2.3.1 日本
表11 日本：PMDAにおける医療機器の分類
6.5.2.3.2 中国
表12 中国：医療機器の分類
6.6 バリューチェーン分析
図 22 バリューチェーン分析（2022 年）
6.7 エコシステム
図23 病理学におけるAI市場：エコシステム
6.8 特許分析
6.8.1 ai病理ソリューションの特許公開動向
図 24 特許公開件数（2013 年 1 月～2023 年 5 月
6.8.2 管轄地域と上位出願者の分析
図25 病理学におけるai特許の上位出願人および所有者（企業／機関）（2013年1月～2023年5月）
図26 病理学におけるai特許の上位出願国・地域（2013年1月～2023年5月）
6.9 主要会議・イベント（2023-2024年
表 13 病理学における AI 市場：会議・イベント一覧
6.10 ケーススタディ分析
6.10.1 ケーススタディ1：パサイ社、AIを活用した病理検査で患者の転帰を改善するためにパイトーチを使用
6.10.2 ケーススタディ2：AIによる子宮頸がん対策
6.11 価格分析
6.12 主要ステークホルダーと購買基準
6.12.1 購入プロセスにおける主な利害関係者
図 27 病理学製品の AI 購入プロセスにおける利害関係者の影響
表14 病理検査用Ai製品の購入プロセスにおける関係者の影響(%)
6.12.2 購入基準
図 28 病理検査製品における AI の主な購買基準
表15 病理検査製品におけるAIの主な購買基準
7 AI IN PATHOLOGY 市場, コンポーネント別 (ページ – 77)
7.1 はじめに
表16 病理学におけるAI市場、コンポーネント別、2021-2028年（百万米ドル）
7.2 ソフトウェア
7.2.1 インテリジェントなソフトウェアは、標準的な病理学的アプローチによるエラーを減らすのに役立つ
表17 病理ソフトウェアにおけるAI市場、国別、2021～2028年（百万米ドル）
7.3 スキャナー
7.3.1 スキャナにaiを使用することで、スキャンプロセスが強化され、画質が向上する。
表18 病理スキャナにおけるAI市場、国別、2021年～2028年（百万米ドル）
8 AI IN PATHOLOGY市場：ニューラルネットワーク別 (ページ数 – 81)
8.1 導入
表19 病理学におけるAI市場、ニューラルネットワーク別、2021-2028年（百万米ドル）
8.2 畳み込みニューラルネットワーク
8.2.1 コンボリューショナル・ニューラル・ネットワーク分野が予測期間中最大の市場シェアを占める
表20 畳み込みニューラルネットワークの病理検査におけるAI市場、国別、2021年～2028年（百万米ドル）
8.3 生成的敵対ネットワーク
8.3.1 生成された合成病理画像は実際の病理画像に酷似している
表21 生成的敵対ネットワークの病理学分野AI市場、国別、2021年～2028年（百万米ドル）
8.4 リカレント・ニューラル・ネットワーク
8.4.1 時間依存パターンを分析するリカレント・ニューラル・ネットワークの能力が成長を促進する
表22 リカレントニューラルネットワークの病理学におけるAI市場、国別、2021年～2028年（百万米ドル）
8.5 その他のニューラルネットワーク
表23 その他のニューラルネットワークの病理学におけるAI市場、国別、2021年～2028年（百万米ドル）
9 AI IN PATHOLOGY 市場：用途別（ページ番号 – 88）
9.1 はじめに
表24 病理学におけるAI市場、用途別、2021-2028年（百万米ドル）
9.2 創薬
9.2.1 予測期間中、創薬分野が最大の市場シェアを占める
表25 病理学におけるAIの創薬への応用
表26 創薬向け病理検査AI市場、国別、2021年～2028年（百万米ドル）
9.3 病気の診断と予後
9.3.1 診断と予後を目的としたAIとmlの使用の増加が成長を促進する
表27 病気の診断と予後のための病理学におけるAI市場、国別、2021年～2028年（百万米ドル）
9.4 臨床ワークフローの最適化
9.4.1 繰り返し作業を自動化することで臨床ワークフローを強化するAIの利点が成長を促進する
表28 臨床ワークフロー最適化のための病理検査におけるAI市場、国別、2021年～2028年（百万米ドル）
9.5 トレーニングと教育
9.5.1 学術機関で病理医に提供される研修・教育の改善への応用が成長を促進する
表29 トレーニング・教育向け病理学分野AI市場、国別、2021年～2028年（百万米ドル）
10 AI IN PATHOLOGY市場：エンドユーザー別 (ページ数 – 96)
10.1 導入
表30 病理学におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
10.2 製薬会社およびバイオテクノロジー企業
10.2.1 医薬品開発におけるAIベースのデジタル病理ソリューションの利用の増加が成長を促進する
表31 製薬・バイオテクノロジー企業向け病理検査AI市場、国別、2021年～2028年（百万米ドル）
10.3 病院および基準検査室
10.3.1 感染症罹患率の増加による入院患者数の増加が成長を促進する
表32 病院および基準検査室向け病理検査AI市場、国別、2021年～2028年（百万米ドル）
10.4 学術研究機関
10.4.1 疾病診断研究への投資の増加が成長を支える
表33 学術・研究機関向け病理診断AI市場、国別、2021年～2028年（百万米ドル）
11 AI IN PATHOLOGY 市場, 地域別 (ページ – 101)
11.1 イントロダクション
表34 病理学におけるAI市場、地域別、2021-2028年（百万米ドル）
11.2 北米
図 29 北米：病理検査における AI 市場のスナップショット
表35 北米：病理学におけるAI市場、国別、2021年～2028年（百万米ドル）
表36 北米：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表37 北米：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表38 北米：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表39 北米：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.2.1 北米：景気後退の影響
11.2.2 米国
11.2.2.1 予測期間中、北米市場は米国が支配する
表40 米国：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表41 米国：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表42 米国：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表43 米国：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.2.3 カナダ
11.2.3.1 病理学における研究の増加が成長を促進する
表44 カナダ：病理学におけるAI市場、コンポーネント別、2021-2028年（百万米ドル）
表45 カナダ：病理学におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表46 カナダ：病理検査におけるAI市場、用途別、2021-2028年（百万米ドル）
表 47 カナダ：病理検査における AI 市場：エンドユーザー別 2021-2028 年（百万米ドル）
11.3 ヨーロッパ
表 48 欧州：病理検査における AI 市場、国別、2021～2028 年（百万米ドル）
表49 欧州：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表50 欧州：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表51 欧州：病理検査におけるAI市場、用途別、2021～2028年（百万米ドル）
表 52 欧州：病理検査における AI 市場、エンドユーザー別、2021 年～2028 年（百万米ドル）
11.3.1 欧州：景気後退の影響
11.3.2 英国
11.3.2.1 創薬のための病理検査へのAIの導入が成長を促進する
表 53 英国：病理検査における AI 市場、コンポーネント別、2021 年～2028 年（百万米ドル）
表 54 英国：病理検査における AI 市場、ニューラルネットワーク別、2021 年～2028 年（百万米ドル）
表 55 英国：病理検査における AI 市場、用途別、2021 年～2028 年（百万米ドル）
表 56 英国：病理検査における AI 市場、エンドユーザー別、2021 年～2028 年（百万米ドル）
11.3.3 ドイツ
11.3.3.1 AIイニシアチブの成長を後押しする資金調達の可能性
表 57 ドイツ：病理学におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表58 ドイツ：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表 59 ドイツ：病理検査におけるAI市場、用途別、2021～2028年（百万米ドル）
表60 ドイツ：病理学におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.3.4 フランス
11.3.4.1 政府助成の増加と有利な保険制度が成長を促進する
表 61 フランス：病理検査におけるAI市場、コンポーネント別、2021～2028年（百万米ドル）
表62 フランス：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表 63 フランス：病理検査におけるAI市場、用途別、2021～2028年（百万米ドル）
表64 フランス：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.3.5 その他のヨーロッパ
表 65 その他のヨーロッパ：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表 66 その他のヨーロッパ：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表 67 その他のヨーロッパ：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表 68 その他のヨーロッパ：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.4 アジア太平洋
表 69 アジア太平洋地域：病理学におけるAI市場、国別、2021年～2028年（百万米ドル）
表70 アジア太平洋地域：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表71 アジア太平洋地域：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表72 アジア太平洋地域：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表73 アジア太平洋地域：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.4.1 アジア太平洋地域：景気後退の影響
11.4.2 中国
11.4.2.1 老年人口の増加が病理検査製品のAI需要を促進する
表74 中国：がんの種類別罹患率、2020年と2040年の比較
表 75 中国：病理検査におけるAI市場、コンポーネント別、2021-2028年（百万米ドル）
表 76 中国：病理検査におけるAI市場：ニューラルネットワーク別 2021-2028 (百万米ドル)
表77 中国：病理学におけるAI市場、用途別、2021-2028年（百万米ドル）
表78 中国：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.4.3 日本
11.4.3.1 高度な医療インフラが市場成長を支える
表79 日本：がんの種類別罹患率、2020年と2040年の比較
表80 日本：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表81 日本：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表82 日本：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表83 日本：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.4.4 その他のアジア太平洋地域
表84 その他のアジア太平洋地域：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表 85 アジア太平洋地域のその他地域：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表86 その他のアジア太平洋地域：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表87 その他のアジア太平洋地域：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.5 ラテンアメリカ
表88 ラテンアメリカ：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表 89 ラテンアメリカ：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表90 ラテンアメリカ：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表 91 ラテンアメリカ：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.5.1 ラテンアメリカ：景気後退の影響
11.6 中東・アフリカ
表 92 中東・アフリカ：病理検査におけるAI市場、コンポーネント別、2021年～2028年（百万米ドル）
表 93 中東・アフリカ：病理検査におけるAI市場、ニューラルネットワーク別、2021年～2028年（百万米ドル）
表94 中東・アフリカ：病理検査におけるAI市場、用途別、2021年～2028年（百万米ドル）
表 95 中東・アフリカ：病理検査におけるAI市場、エンドユーザー別、2021年～2028年（百万米ドル）
11.6.1 中東・アフリカ：景気後退の影響
12 競争力のある景観 (ページ – 140)
12.1 イントロダクション
12.2 主要プレーヤーの戦略／勝利への権利
図30 2020年1月から2023年5月までに主要プレーヤーが行った主な展開
12.3 トップ市場プレイヤーの収益分析（2022年
図31 主要プレーヤーの収益分析
12.4 市場ランキング分析
図32 病理学におけるAI市場 主要プレイヤーのランキング分析（2022年）
12.5 競争ベンチマーキング
表96 各社のフットプリント分析
表 97 製品フットプリント分析（25 社）
表 98 アプリケーション・フットプリント分析（25 社）
表 99 地域別フットプリント分析（25 社）
12.6 会社評価マトリックス
12.6.1 スターズ
12.6.2 浸透型プレーヤー
12.6.3 新進リーダー
12.6.4 参加者
図 33 病理検査における AI 市場：企業評価マトリックス（2022 年
12.7 新興・中堅企業評価マトリクス
12.7.1 進歩的企業
12.7.2 ダイナミック・カンパニー
12.7.3 スタートブロック
12.7.4 レスポンシブ企業
図 34 病理検査における AI 市場：新興企業/大手企業の評価マトリクス（2022 年
12.8 競争シナリオとトレンド
12.8.1 製品の発売と承認
表100 病理学におけるAI市場：製品の上市と承認（2020～2023年
12.8.2 ディールス
表101 病理学におけるAI市場：取引件数（2020～2023年
12.8.3 その他の開発
表102 病理学におけるAI市場：その他の開発（2020-2023年
13 企業プロフィール (ページ – 154)
13.1 主要プレーヤー
(事業概要、提供する製品/サービス/ソリューション、MnM View、主な強みと勝算、戦略的選択、弱みと競争上の脅威、最近の動向）*。
13.1.1 Koninklijke philips n.v.
表103 Koninklijke philips n.v.：事業概要
図35 Koninklijke philips n.v.：企業スナップショット（2022年）
13.1.2 F.ホフマン・ラ・ロッシュLtd.
表104 F.ホフマン・ラ・ロッシュ：事業概要
図36 F.ホフマン・ラ・ロシュ社：企業スナップショット（2022年）
13.1.3 ホロジック社
表105 ホロジック社：事業概要
図37 ホロジック社：企業スナップショット（2022年）
13.1.4 アコヤバイオサイエンス株式会社
表106 アコヤバイオサイエンス株式会社：事業概要
図38 アコヤバイオサイエンス株式会社：企業スナップショット（2022年）
13.1.5 アイフォリア・テクノロジーズ・ピーエルシー
表 107 アイフォリア・テクノロジーズ・ピーエルシー：事業概要
図 39 aiforia technologies plc：企業スナップショット（2022年）
13.1.6 インディカ・ラボズ・インク
表108 インディカ・ラボ社：事業概要
13.1.7 オプトラスキャン社
表109 オプトラスキャン社：事業概要
13.1.8 ibex medical analytics ltd.
表110 アイベックス・メディカル・アナリティクス社：事業概要
13.1.9 マインドピーク社
表 111 マインドピーク：事業概要
13.1.10 トリブン・ヘルス
表 112 トリブン・ヘルス：事業概要
13.1.11 テックサイト社
表113 テクサイト社：事業概要
13.1.12 ディープ・バイオ社
表114 ディープバイオ株式会社：事業概要
13.1.13 株式会社ルメア
表115 ルメア：事業概要
13.1.14 ビジオファーム
表 116 ビジオファーム：事業概要
13.1.15 エーテル
表 117 エーテル・アイ：事業概要
13.1.16 アイオシン
表 118 アイオシン：事業概要
13.1.17 ペイジ・アイ株式会社
表119 ペイジ・アイ株式会社：事業概要
13.1.18 プロシア社
表120 プロシア社：事業概要
13.1.19 パサイ・インク
表121 パタイ株式会社：事業概要
13.1.20 テンパス・ラボ社
表122 テンパス・ラボ社：事業概要
*事業概要、提供する製品・サービス・ソリューション、MnM View、主な強みと勝算、戦略的選択、弱みと競争上の脅威、最近の動向は、未上場企業の場合、把握できない可能性がある。
13.2 その他の選手
13.2.1 KONFOONG BIOINFORMATION TECH CO, LTD.
13.2.2 ドモア・ダイアグノスティックスとして
13.2.3 ベリリー・ライフ・サイエンス社
13.2.4 ディーパス
13.2.5 4Dパス株式会社
14 付録（ページ数 – 196）
14.1 ディスカッション・ガイド
14.2 Knowledgestore: マーケッツの購読ポータル
14.3 カスタマイズ・オプション
14.4 関連レポート
14.5 著者詳細
