智能医疗市场调研

2019年7月25日至27日，由中国卫生信息与健康医疗大数据学会指导，怀柔区经信局、怀柔区商务局、怀柔区卫健委战略支持，亿欧公司、亿欧大健康联合举办的“雁栖健谈”GIIS 2019第四届中国大健康产业升级峰会于2019年7月25日正式拉开帷幕，本次峰会为期3天，来自全国各地的数千名业内人齐聚北京雁栖湖国际会展中心，共商中国大健康产业的“下一个十年”。本次峰会以“从‘规模’到‘价值’的医疗变革”为主题，采取领袖峰会+4场产业论坛+项目路演的形式，聚焦医药创新、医疗大数据、非公医疗、科技医疗四个主题，聚集50多位重量级嘉宾与数千名观众，共话变革机遇，见证医疗产业从“规模”到“价值”的发展新纪元。大会上，亿欧公司副总裁兼亿欧智库研究院院长由天宇发布了《2019中国医疗人工智能市场研究报告》，并发表了题为《欲速则不达，厚积而薄发》的主题演讲。他的主要观点如下：1、如今，医疗AI行业处于“欲速则不达，厚积而薄发”的状态；2、在过去一年，行业已经开始出现一些变化和调整，概念的巅峰和泡沫已经过去，热度已经有所回落；3、技术的应用不是一个点，甚至不是一个线，而是一个面的最终结果。以下为演讲速记（有所删减）：大家下午好，非常欢迎和感谢大家来雁栖湖参加“雁栖健谈”GIIS 2019第四届中国大健康产业升级峰会。“雁栖健谈”的名字是我取的，希望搭建一个互动交流平台，打造一个更为长久的品牌，为大健康领域服务。亿欧公司作为一家服务公司，既有亿欧网、亿欧大健康等媒体业务板块和亿欧峰会的组成形式，也有亿欧智库研究平台。我作为亿欧研究院的负责人，今天会跟大家分享一下关于人工智能与医疗的研究报告。今天来的嘉宾和在座的各位本身就是做医疗工作的，我并不是一个医疗圈的人，但我是在医疗圈长大的人。我的母亲是1977年第一届恢复高考的学生，考入了西安市卫生学校，1981年毕业之后回到了家乡的县级医院，从1981年工作到2018年退休，我就是在县级医院出生，在上大学之前基本上就是在医院里面渡过的。所以，在那个医院的家属院里面，孩子们就会形成比较典型的两群人，一群人特别喜欢医生和医疗，还有一群人就是特别讨厌医疗，我属于后一种。其原因可能在于，小时候在什么环境长大，你就会对那个环境产生一定的逆反心理。我有一个小学同学，在高考的时候，他去了第二军医大学，我就来了北京的其他高校。昨天我把这次会议的议程发给这位同学的时候，我说，我们办了一场活动，你们第二军医大学的教授也参加，他说，没想到这么多年，你最终还是跟医疗扯上了关系。他现在是第四军医大肝胆科的主治医生。为什么会扯上关系？过去几年，从商业落地研究的角度，亿欧研究院一直观察人工智能在各个行业的应用与发展。其中，医疗是最早开始做研究的一个领域，也是第一个连续三年站在AI+角度去输出行业报告的一个行业，今天我会为大家讲解一下最新出炉的《2019中国医疗人工智能市场研究报告》。今天我拟了一个演讲题目：《欲速则不达，厚积而薄发》。事实上，2012年，算法开始突破，人工智能技术爆发；2014、2015年早期创业公司创立，大量资本进入；2016年，大众舆论层面，医疗AI迎来爆发；2018年，大家开始强调医疗AI的商业落地。在过去一年，行业已经开始出现一些变化和调整，概念的巅峰和泡沫已经过去，热度已经有所回落，尤其是2016年到2018年之间，大家对于技术给予了很高的期许，但在过去一年，大家会发现实现起来没有那么容易，热情已经回落，欲速则不达。此外，商业实践和落地方面，具体到与医院的合作、商业案例的积累和每年病历的积累，医疗AI行业一直都在进步。所以，如今医疗AI行业处于“欲速则不达，厚积而薄发”的状态。从数据也可以看出，对比2017年的医疗AI研究报告，全行业按照类别统计公司的数量没有什么实质性的变化，都是150家左右。不过，不是这三年公司数量没有发生变化，而是过去三年的时间，有一些公司已经离开这个市场，或者说被市场淘汰了，又有一些新的公司加入。其实，行业已经在做必要的调整与变化。这个是给大家做的一个行业图谱，一些主要代表公司都在里面。在三年前做这个图谱的时候，当时的感受是这些公司都很新，发展都很快。今天，亿欧研究院再去看会发现很难孤立的，或者不应该很孤立的看待所谓的AI+医疗，必须把它放在更大的场景中看，这也是欲速则不达的原因。该行业不是拥有某一个更好的识别水平就能够很快的在医疗领域取得实践性和规模性的突破，它需要从最核心的AI技术层去突破，其整体效能才能有所提高，从技术提供商、解决方案提供商到系统集成商。与此同时，我们也在思考和调研不同场景和不同领域的对应关系，落地场景究竟应该是什么？虽然它是多对多的关系，但到目前为止，实践的主体应该是医院，几乎所有的场景必须要先去医院找合适的实践和合作，才能够取得有效的突破。再者，行业要进步和发展，一个很重要的拐点就是所谓商业化的实现。在医疗领域，新技术或者新产品从研发到最终上市要经历比较显性的六大板块。目前整个市场是处在第二阶段到第三阶段的过渡和突破期，就是注册审批和市场准入，这个是最难的一个阶段。以医学影像举例，大家现在纷纷在做三类证的申请，目前已经有公司申报，但本身就是需要时间等待的，也需要多点交叉验证才能够拿到，这也是需要厚积才能薄发。最终，做的越扎实的企业越能突破这个阻碍，在下一个阶段真正成为AI医疗服务市场的领先者或佼佼者。这是每年都会绘制的一张人工智能技术和医疗领域的交叉结合点。我们认为，在这些领域都存在机会，但是每个领域的发展阶段和状态可能不一样，长远地看，该行业依然是一个百花齐放的前景。我们认为技术的应用不是一个点，甚至不是一个线，而是一个面的最终结果。整个市场或者说整个医疗人工智能的产业模式会形成一个网状的生态体系，技术进步可能会更好的推动这个网状里面多层次、多阶段的联动与互动，从而使得整个生态会更加丰富。就像亿欧公司一直在做的一件事，希望能够搭建好的平台，通过更新的服务理念和方式，更好的为产业的发展提供助力。这就是和大家分享的《2019年度医疗人工智能行业发展报告》，希望能够对大家有所帮助，也希望能够收到大家很多的意见与反馈，帮助我们更好的为行业服务，为大家服务。谢谢大家！

报告格式：纸质版 电子版 纸质+电子版出品单位：智研咨询智研咨询发布的《2021-2027年中国AI智能医疗服务行业深度调查与投资分析报告》共十四章。首先介绍了AI智能医疗服务行业市场发展环境、AI智能医疗服务整体运行态势等，接着分析了AI智能医疗服务行业市场运行的现状，然后介绍了AI智能医疗服务市场竞争格局。随后，报告对AI智能医疗服务做了重点企业经营状况分析，最后分析了AI智能医疗服务行业发展趋势与投资预测。您若想对AI智能医疗服务产业有个系统的了解或者想投资AI智能医疗服务行业，本报告是您不可或缺的重要工具。本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。报告目录：第一章 AI智能医疗服务行业发展综述1.1 AI智能医疗服务行业定义及分类1.1.1 行业定义1.1.2 行业主要产品分类1.1.3 行业主要商业模式1.2 AI智能医疗服务行业特征分析1.2.1 产业链分析1.2.2 AI智能医疗服务行业在国民经济中的地位1.2.3 AI智能医疗服务行业生命周期分析（1）行业生命周期理论基础（2）AI智能医疗服务行业生命周期1.3 最近3-5年中国AI智能医疗服务行业经济指标分析1.3.1 赢利性1.3.2 成长速度1.3.3 附加值的提升空间1.3.4 进入壁垒／退出机制1.3.5 风险性1.3.6 行业周期1.3.7 竞争激烈程度指标1.3.8 行业及其主要子行业成熟度分析第二章 AI智能医疗服务行业运行环境分析2.1 AI智能医疗服务行业政治法律环境分析2.1.1 行业管理体制分析2.1.2 行业主要法律法规2.1.3 行业相关发展规划2.2 AI智能医疗服务行业经济环境分析2.2.1 国际宏观经济形势分析2.2.2 国内宏观经济形势分析2.2.3 产业宏观经济环境分析2.3 AI智能医疗服务行业社会环境分析2.3.1 AI智能医疗服务产业社会环境2.3.2 社会环境对行业的影响2.3.3 AI智能医疗服务产业发展对社会发展的影响2.4 AI智能医疗服务行业技术环境分析2.4.1 AI智能医疗服务技术分析2.4.2 AI智能医疗服务技术发展水平2.4.3 行业主要技术发展趋势第三章 我国AI智能医疗服务行业运行分析3.1 我国AI智能医疗服务行业发展状况分析3.1.1 我国AI智能医疗服务行业发展阶段3.1.2 我国AI智能医疗服务行业发展总体概况3.1.3 我国AI智能医疗服务行业发展特点分析3.2 2015-2019年AI智能医疗服务行业发展现状3.2.1 2015-2019年我国AI智能医疗服务行业市场规模3.2.2 2015-2019年我国AI智能医疗服务行业发展分析3.2.3 2015-2019年中国AI智能医疗服务企业发展分析3.3 区域市场分析3.3.1 区域市场分布总体情况3.3.2 2015-2019年重点省市市场分析3.4 AI智能医疗服务细分产品/服务市场分析3.4.1 细分产品/服务特色3.4.2 2015-2019年细分产品/服务市场规模及增速3.4.3 重点细分产品/服务市场前景预测3.5 AI智能医疗服务产品/服务价格分析3.5.1 2015-2019年AI智能医疗服务价格走势3.5.2 影响AI智能医疗服务价格的关键因素分析（1）成本（2）供需情况（3）关联产品（4）其他3.5.3 2021-2027年AI智能医疗服务产品/服务价格变化趋势3.5.4 主要AI智能医疗服务企业价位及价格策略第四章 我国AI智能医疗服务所属行业整体运行指标分析4.1 2015-2019年中国AI智能医疗服务所属行业总体规模分析4.1.1 企业数量结构分析4.1.2 人员规模状况分析4.1.3 行业资产规模分析4.1.4 行业市场规模分析4.2 2015-2019年中国AI智能医疗服务所属行业产销情况分析4.2.1 我国AI智能医疗服务所属行业工业总产值4.2.2 我国AI智能医疗服务所属行业工业销售产值4.2.3 我国AI智能医疗服务所属行业产销率4.3 2015-2019年中国AI智能医疗服务所属行业财务指标总体分析4.3.1 行业盈利能力分析4.3.2 行业偿债能力分析4.3.3 行业营运能力分析4.3.4 行业发展能力分析第五章 我国AI智能医疗服务行业供需形势分析5.1 AI智能医疗服务行业供给分析5.1.1 2015-2019年AI智能医疗服务行业供给分析5.1.2 2021-2027年AI智能医疗服务行业供给变化趋势5.1.3 AI智能医疗服务行业区域供给分析5.2 2015-2019年我国AI智能医疗服务行业需求情况5.2.1 AI智能医疗服务行业需求市场5.2.2 AI智能医疗服务行业客户结构5.2.3 AI智能医疗服务行业需求的地区差异5.3 AI智能医疗服务市场应用及需求预测5.3.1 AI智能医疗服务应用市场总体需求分析（1）AI智能医疗服务应用市场需求特征（2）AI智能医疗服务应用市场需求总规模5.3.2 2021-2027年AI智能医疗服务行业领域需求量预测（1）2021-2027年AI智能医疗服务行业领域需求产品/服务功能预测（2）2021-2027年AI智能医疗服务行业领域需求产品/服务市场格局预测5.3.3 重点行业AI智能医疗服务产品/服务需求分析预测第六章 AI智能医疗服务行业产业结构分析6.1 AI智能医疗服务产业结构分析6.1.1 市场细分充分程度分析6.1.2 各细分市场领先企业排名6.1.3 各细分市场占总市场的结构比例6.1.4 领先企业的结构分析（所有制结构）6.2 产业价值链条的结构分析及产业链条的整体竞争优势分析6.2.1 产业价值链条的构成6.2.2 产业链条的竞争优势与劣势分析6.3 产业结构发展预测6.3.1 产业结构调整指导政策分析6.3.2 产业结构调整中消费者需求的引导因素6.3.3 中国AI智能医疗服务行业参与国际竞争的战略市场定位6.3.4 产业结构调整方向分析第七章 我国AI智能医疗服务行业产业链分析7.1 AI智能医疗服务行业产业链分析7.1.1 产业链结构分析7.1.2 主要环节的增值空间7.1.3 与上下游行业之间的关联性7.2 AI智能医疗服务上游行业分析7.2.1 AI智能医疗服务产品成本构成7.2.2 2015-2019年上游行业发展现状7.2.3 2021-2027年上游行业发展趋势7.2.4 上游供给对AI智能医疗服务行业的影响7.3 AI智能医疗服务下游行业分析7.3.1 AI智能医疗服务下游行业分布7.3.2 2015-2019年下游行业发展现状7.3.3 2021-2027年下游行业发展趋势7.3.4 下游需求对AI智能医疗服务行业的影响第八章 我国AI智能医疗服务行业渠道分析及策略8.1 AI智能医疗服务行业渠道分析8.1.1 渠道形式及对比8.1.2 各类渠道对AI智能医疗服务行业的影响8.1.3 主要AI智能医疗服务企业渠道策略研究8.1.4 各区域主要代理商情况8.2 AI智能医疗服务行业用户分析8.2.1 用户认知程度分析8.2.2 用户需求特点分析8.2.3 用户购买途径分析8.3 AI智能医疗服务行业营销策略分析8.3.1 中国AI智能医疗服务营销概况8.3.2 AI智能医疗服务营销策略探讨8.3.3 AI智能医疗服务营销发展趋势第九章 我国AI智能医疗服务行业竞争形势及策略9.1 行业总体市场竞争状况分析9.1.1 AI智能医疗服务行业竞争结构分析（1）现有企业间竞争（2）潜在进入者分析（3）替代品威胁分析（4）供应商议价能力（5）客户议价能力（6）竞争结构特点总结9.1.2 AI智能医疗服务行业企业间竞争格局分析9.1.3 AI智能医疗服务行业集中度分析9.1.4 AI智能医疗服务行业SWOT分析9.2 中国AI智能医疗服务行业竞争格局综述9.2.1 AI智能医疗服务行业竞争概况（1）中国AI智能医疗服务行业竞争格局（2）AI智能医疗服务行业未来竞争格局和特点（3）AI智能医疗服务市场进入及竞争对手分析9.2.2 中国AI智能医疗服务行业竞争力分析（1）我国AI智能医疗服务行业竞争力剖析（2）我国AI智能医疗服务企业市场竞争的优势（3）国内AI智能医疗服务企业竞争能力提升途径9.2.3 AI智能医疗服务市场竞争策略分析第十章 AI智能医疗服务行业领先企业经营形势分析10.1 A公司10.1.1 企业概况10.1.2 企业优势分析10.1.3 产品/服务特色10.1.4 公司经营状况10.1.5 公司发展规划10.2 B公司10.2.1 企业概况10.2.2 企业优势分析10.2.3 产品/服务特色10.2.4 公司经营状况10.2.5 公司发展规划10.3 C公司10.3.1 企业概况10.3.2 企业优势分析10.3.3 产品/服务特色10.3.4 公司经营状况10.3.5 公司发展规划10.4 D公司10.4.1 企业概况10.4.2 企业优势分析10.4.3 产品/服务特色10.4.4 公司经营状况10.4.5 公司发展规划10.5 E公司10.5.1 企业概况10.5.2 企业优势分析10.5.3 产品/服务特色10.5.4 公司经营状况10.5.5 公司发展规划10.6 F公司10.6.1 企业概况10.6.2 企业优势分析10.6.3 产品/服务特色10.6.4 公司经营状况10.6.5 公司发展规划第十一章 2021-2027年AI智能医疗服务行业投资前景11.1 2021-2027年AI智能医疗服务市场发展前景11.1.1 2021-2027年AI智能医疗服务市场发展潜力11.1.2 2021-2027年AI智能医疗服务市场发展前景展望11.1.3 2021-2027年AI智能医疗服务细分行业发展前景分析11.2 2021-2027年AI智能医疗服务市场发展趋势预测11.2.1 2021-2027年AI智能医疗服务行业发展趋势11.2.2 2021-2027年AI智能医疗服务市场规模预测11.2.3 2021-2027年AI智能医疗服务行业应用趋势预测11.2.4 2021-2027年细分市场发展趋势预测11.3 2021-2027年中国AI智能医疗服务行业供需预测11.3.1 2021-2027年中国AI智能医疗服务行业供给预测11.3.2 2021-2027年中国AI智能医疗服务行业需求预测11.3.3 2021-2027年中国AI智能医疗服务供需平衡预测11.4 影响企业生产与经营的关键趋势11.4.1 市场整合成长趋势11.4.2 需求变化趋势及新的商业机遇预测11.4.3 企业区域市场拓展的趋势11.4.4 科研开发趋势及替代技术进展11.4.5 影响企业销售与服务方式的关键趋势第十二章 2021-2027年AI智能医疗服务行业投资机会与风险12.1 AI智能医疗服务行业投融资情况12.1.1 行业资金渠道分析12.1.2 固定资产投资分析12.1.3 兼并重组情况分析12.2 2021-2027年AI智能医疗服务行业投资机会12.2.1 产业链投资机会12.2.2 细分市场投资机会12.2.3 重点区域投资机会12.3 2021-2027年AI智能医疗服务行业投资风险及防范12.3.1 政策风险及防范12.3.2 技术风险及防范12.3.3 供求风险及防范12.3.4 宏观经济波动风险及防范12.3.5 关联产业风险及防范12.3.6 产品结构风险及防范12.3.7 其他风险及防范第十三章 AI智能医疗服务行业投资战略研究13.1 AI智能医疗服务行业发展战略研究13.1.1 战略综合规划13.1.2 技术开发战略13.1.3 业务组合战略13.1.4 区域战略规划13.1.5 产业战略规划13.1.6 营销品牌战略13.1.7 竞争战略规划13.2 对我国AI智能医疗服务品牌的战略思考13.2.1 AI智能医疗服务品牌的重要性13.2.2 AI智能医疗服务实施品牌战略的意义13.2.3 AI智能医疗服务企业品牌的现状分析13.2.4 我国AI智能医疗服务企业的品牌战略13.2.5 AI智能医疗服务品牌战略管理的策略13.3 AI智能医疗服务经营策略分析13.3.1 AI智能医疗服务市场细分策略13.3.2 AI智能医疗服务市场创新策略13.3.3 品牌定位与品类规划13.3.4 AI智能医疗服务新产品差异化战略13.4 AI智能医疗服务行业投资战略研究13.4.1 2019年AI智能医疗服务行业投资战略13.4.2 2021-2027年AI智能医疗服务行业投资战略13.4.3 2021-2027年细分行业投资战略第十四章 研究结论及投资建议（）14.1 AI智能医疗服务行业研究结论14.2 AI智能医疗服务行业投资价值评估14.3 AI智能医疗服务行业投资建议14.3.1 行业发展策略建议14.3.2 行业投资方向建议14.3.3 行业投资方式建议（）

核心摘要：前言：本次AI+医疗研究范畴仅限于围绕临床诊疗开展的核心医疗活动，包括CDSS、智慧病案、AI+检查、AI+新药研发及手术机器人。目前中国对AI+医疗的需求逐渐扩大，而供给尚显不足，整体供需并不均衡。AI+医疗行业目前处于快速成长时期。市场规模：2019年AI+核心医疗软件服务整体市场规模达到21亿元。同比增速高达93.9%，其中CDSS占比最多，达到55.2%，智慧病案位列第二，占比达到25.5%。由于政策利好及疫情影响，艾瑞推算，2020-2022年的CAGR将达到51.9%，2022年预计市场规模将超过70亿元。企业分布：目前AI+核心医疗企业中生态领导者包括百度灵医智惠、科大讯飞、惠每科技、医渡云等，由于百度灵医智惠在领域内具有以下优势：1）通用AI能力位居第一；2）AI+医疗实力（构建医学知识图谱、医疗大数据）雄厚；3）核心医疗领域覆盖场景更为全面，因此在AI+核心医疗领域综合实力处于领先地位。未来趋势：未来AI+医疗知识图谱与AI+医疗算法将持续获得突破，并更广泛、更深度地赋能医疗全流程。随着AI+医疗未来不断普及，人们对于AI+医疗伦理的重视也会逐渐增强，随着对AI+医疗伦理监管的不断加强，未来将构建以人为本的AI+医疗生态体系。AI+医疗研究范畴关注在临床诊疗各环节中，利用人工智能开展的医疗活动人民卫生出版社《医院管理词典》中指出：“现代的医疗服务，已从医院内扩大到医院外，形成了综合医疗的概念，医疗内容也日益广泛，包括增进健康、预防疾病和灾害、健康咨询、健康检查、急救处理、消灭和控制疾病、临床诊疗、康复医疗等。”艾瑞认为，现代医疗服务中最核心的环节是临床诊疗，即通过各种检查，使用药物，器械及手术等方法对疾病作出判断和消除疾病，缓解病情等。因此，艾瑞将围绕临床诊疗开展的各项医疗活动定义为“核心医疗”，核心医疗的发展直接影响了整体医疗的发展进程。本报告聚焦于“人工智能如何赋能核心医疗领域，从而实现医疗模式的转变与突破”，研究范围包括CDSS、智慧病案、AI+检查、AI+新药研发及手术机器人。AI+医疗发展历程中国AI+医疗进入快速成长阶段，着力于探索更多应用场景1956年人工智能（AI）开始成为独立的研究领域，20世纪前，中外对AI在医疗领域的研究集中在临床知识库上，但由于大多数临床知识库必须运行在LISP设备上。而由于当时LISP设备尚不能联网且价格昂贵等原因，临床知识库并没有广泛地应用于临床中。2000年-2015年期间，国外的研究重点为AI在临床知识库外的应用，如手术机器人应用落地、鼓励发展电子病历等。而中国仍以研究更多类疾病的临床知识库为主，发展相对缓慢。2015年-2017年，由于AI在图像识别方面的准确率有大幅度提升，AI+影像得以快速发展。得益于在临床知识库的长期研究，CDSS产品走向成熟。2018年后，中国AI+医疗进入稳定发展阶段，智慧病案等新产品相继面世，目前国产手术机器人尚在研究阶段。AI+医疗算法应用AI+医疗算法生态成熟，核心医疗应用广泛目前传统的机器学习和深度学习算法已被广泛得应用，来处理临床研究和医疗服务中的结构化数据，如医学影像数据、基因数据和生物标志物数据；而非结构化数据，如人工笔记、医学期刊与患者调查等则依靠专门的医学自然语言处理技术来分析。艾瑞通过PubMed公开数据整理，2012-2020年在医学文献中使用到的热门机器学习算法和深度学习算法包括：1）支持向量机（38%），主要应用于识别成像生物标志物和医疗影像分析；2）神经网络（34%），主要应用于生化分析、图像分析和药物开发；3）逻辑回归（4%），主要用于疾病风险评估和临床决策辅助系统。AI+医疗痛点分析AI+医疗存在技术难点与标准缺失，打通数据壁垒成为关键随着我国医疗体制改革的深化、分级诊疗制度的落实，政府开始加大力度解决医疗资源分配问题以及医疗服务效率问题。其中，医疗人工智能的广泛应用在提高医疗质量和服务效率、减少误诊误治方面发挥了重要作用。然而，目前AI+医疗仍存在医学数据相关问题、复合人才短缺、行业标准缺失以及医疗科研转化为成熟产品的周期过长等问题。其中，数据的获取、使用与数据共享是阻碍AI+医疗发展的最大因素。艾瑞认为，由于AI+医疗发展的主要推动力仍是满足医疗行业的刚性需求，因而AI+医疗在未来必然会打通数据壁垒，实现数据的安全、高质量及共享的应用。AI+医疗投融资分析行业处在成长期，AI+影像是投融资热门之一2020年医疗融资事件数持续递减，但融资总额却强劲走高，到达历史最高的40亿元，其中新药研发是今年最热门医疗AI融资领域，占已披露投资额的54%。AI+影像占融资额的比例连续三年保持在20%左右，成为另一热门融资领域。对比2019年与2020年的融资项目轮次，其中天使轮、A轮与B轮占融资项目的比例由85.7%降低到70.6%，说明市场成熟度有所提高。同时笔均融资额从0.39亿元/笔上升至1.14亿元/笔。目前行业处于快速成长期，随着市场融资集中度增加，艾瑞认为，未来拥有医疗牌照或技术领先的优质标的公司会更受资本市场青睐，能吸引更多的资源与资金。中国AI+医疗政策导向政府高度重视AI+医疗发展，持续释放政策红利从政策层面来说，2017年国务院发布的《新一代人工智能发展规划》中提出要发展便捷高效的智能服务，推广应用人工智能治疗新模式、新手段，建立快速精准的智能医疗体系。从2017年开始，我国已把人工智能作为一个国策进行推动，近几年的两会上AI也被多次写入政府工作报告中。而AI+医疗则作为AI中的先行者，得到了政府的大力倡导。2018年政府提出人工智能向基层医疗进行渗透，2019年将AI+医疗的范围进一步扩大到康养范畴，2020年进一步提出未来的建设指南，期望在2023年在以医疗为代表的人工智能领域中建立一套初步的标准体系规范。AI+医疗市场规模2019年市场规模超过20亿元，市场将进入快速成长期2019年由于智慧病案的兴起，使得整体AI+核心医疗软件服务市场规模超过20亿，同比增速高达93.9%，其中CDSS占比最多，达到55.2%。2019年之前，由于大部分细分领域的盈利模式尚未明朗，导致AI+医疗市场一度陷入低谷。但如前所述，国家、社会各界及居民对于AI+医疗的需求一直很旺盛。再加上疫情影响，AI+医疗的优势更加凸显，因此，国家开始逐步发放各类医疗影像AI软件三类证，并进一步出台鼓励AI+医疗发展的政策，这些将会使各细分领域的盈利模式逐渐明晰，市场也将会进入快速成长期。艾瑞推算，2020-2022年的CAGR将达到51.9%，2022年预计市场规模将超过70亿元。AI+医疗产业链分析基础层技术层布局完备，应用层可触达全医疗服务场景AI+核心医疗产业链可以分为AI基础层，AI医疗技术层与应用层：1）基础层，除数据服务外，芯片与通信等基础核心领域已形成牢固的技术壁垒，市场呈寡头局面，艾瑞认为，中、短期内市场格局不会改变；2）技术层，算法、框架以及通用技术则需要长期的投入与研发来攻克，目前各大科技企业与互联网巨头企业基本已完成布局，中小企业生存空间较少；3）应用层，应用层可触达全医疗服务场景，如院内临床决策系统、手术机器人、智慧病案系统、医疗影像、药企新药研发与基因检测，已有大量的互联网医疗公司和传统医疗公司涌入。AI+医疗产业图谱AI+医疗企业分布AI+医疗企业助力核心医疗布局，推动医疗开启新的篇章对于AI+医疗类公司而言，综合技术能力主要体现在覆盖医疗场景的广度与对医疗垂直及细分领域研究的深度。该类公司的长远发展需要本身强大的AI能力作为支撑。因此，既具备医疗深度合作能力又具备强大AI研发能力的公司将更具发展潜力。在AI+医疗领域，百度灵医智惠具有以下优势：1）在人工智能专利申请量及发布量方面极具优势，在领域内通用AI能力位居第一；2）在核心医疗领域覆盖场景更为全面；3）拥有雄厚的AI+医疗实力（构建医学知识图谱、医疗大数据），因此在AI+核心医疗领域综合实力处于业内领先地位。除此之外，科大讯飞在AI+医疗领域积累与沉淀多年，在智能语音及语言技术研究中拥有较强优势，并具有强大的医疗智能化分析能力。AI+医疗应用分析辅助检查、CDSS成熟度最高，智慧病案则处于快速增长期随着人工智能产品在医疗领域被越来越多使用，更多AI+医疗产品延伸至院内院外更多场景，并更加深入的整合进医疗流程。目前，以CT影像、皮肤影像、眼底筛查、病理影像等为代表的AI+辅助检查以及CDSS在技术及应用上最为成熟。其中眼底筛查主要集中于糖尿病视网膜病变、视神经疾病的预测和诊断，CDSS则结合以疾病为中心的知识图谱，智能辅助临床决策并助力医疗机构评审。2019年以来兴起的智慧病案由于目前DRGs、DIP等支付政策推动，目前处于快速增长期。AI+医疗成熟期应用分析-眼底筛查眼底筛查需求广阔，AI+眼底商业模式将进一步扩展眼底疾病是我国目前患者致盲的重要原因，DR（糖尿病视网膜病变）是其中最常见的病因，且随着糖尿病持续时间的增加，发病率也会逐渐增加。根据艾瑞推算，仅考虑DR的威胁，到2030年，我国每天约有38.4万人需要进行眼底筛查，因而眼底筛查需求十分广阔。艾瑞认为，随着眼底筛查三类证的签发，医保收费名录在AI领域的扩大以及基层医疗机构信息化水平的逐渐增强，未来AI+眼底筛查领域也得以逐渐开始从向医院打包销售和独立销售的传统商业模式进一步扩展至由医保支付购买以及由基层医疗机构购买的新型商业模式。AI+医疗成熟期应用分析-CDSSAI赋能诊断及治疗全过程，为临床工作提供切实有效的帮助CDSS是AI与医疗在院内融合的体现，也是现代医疗体系中各医疗机构在近年来关注的重点内容。CDSS在临床工作中的应用，使得医师的诊疗水平得到提升，有效降低了临床上的误诊率和漏诊率。CDSS通过真实病历与循证医学库的积累，经过人工智能的优化处理得到最佳实践库，并以此为根据辅助支持医生的临床诊断与治疗决策。2018年12月国家卫健委出台政策，对医院电子病历评级做出了规定，并提出至2020年所有三级医院要达到评级4级以上的要求，而4级以上评级的重要标准之一即是要拥有不同程度的CDSS。这一政策的实施使得CDSS获得了极为广大的发展前景以及巨大的发展潜力。AI+医疗成长期应用分析-智慧病案AI协助审核病案，助力医保控费及流程管控近年来，政府出台DRGs等按病种付费的医保政策，由于DRGs分组所需的全部信息基本是依据病案首页各项目进行计算，因而对病案首页的审核变得十分重要。除此之外，对全程病案的质控同样具有重大意义：1）解决诊断选择问题；2）规范医学使用术语；3）利于日后追溯，防止法律纠纷；4）完善病案信息。因而，能够通过AI协助，构建一套具有标准化、有效质控、智能化的智慧病案系统，将实现医院统计工作及管理工作的高效高质量，同时辅助医生的日常工作流程，提升我国医疗资源的有效利用度。AI+医疗图谱趋势AI助力医学知识图谱不断进步，赋能临床决策等多应用场景医学知识图谱为医疗信息系统中海量、异构、动态的医疗大数据的表达、组织、管理及利用提供了一种更为有效的方式，使系统的智能化水平更高，更加接近于人类的认知思维。医学知识图谱的构建流程大致分为四个步骤，即医学知识表示、医学知识抽取、医学知识融合、医学知识推理，受益于人工智能的不断进步，这四个步骤都取得了较大的进步。艾瑞认为，知识图谱在医疗领域的意义不仅在于它是一个全局医学知识库，也在于它是支撑例如辅助诊疗、智慧病案等医疗智能应用的基础。在医学知识图谱技术具有优势的公司未来将获得更大、更广阔的AI+医疗发展空间。AI+医疗算法趋势突破AI技术障碍，与医疗领域产生更深度融合医疗与人工智能深度融合已是大势所趋，人工智能理论奠基人特伦斯.谢诺夫斯基在2019年其新书《深度学习：智能时代的核心驱动力量》中预测“基于大数据的深度学习将改变医疗行业，对疾病提供更快速准确的诊断与治疗，甚至未来癌症将变得不再可怕。”具体而言，未来AI+医疗在技术上的突破将包括算法拟合度进一步的优化、算法泛用性的增强、对隐私信息的保护、对AI+医疗产生的结果可解释性的加强，以及通过增加可靠验证而不断降低AI+医疗可能发生不良医疗事件的风险。AI+医疗伦理趋势发展AI+医疗相关伦理道德，构建用户友好的AI+医疗系统AI+医疗的发展带给医疗卫生领域更多契机的同时，也会产生一些伦理性问题。2019年国家卫健委一项针对AI+医疗伦理问题的调研显示，六成受访者对个人隐私及知情权表示担忧；超过一半的受访者对大数据及算法的不可控性表示担忧；超过三成的受访者对于诊疗道德方面表示担忧。未来发展中，随着对AI+医疗伦理监管的不断加强、明确医师主体地位以及强化伦理规约，AI+医疗在应用于医疗服务实践时将更加安全可靠，并构建以人为本、用户友好的AI+医疗生态体系。

一、智能健康管理产业概述健康管理就是基于健康体检结果，建立专属的健康档案，并有针对性地提出个性化的健康管理方案。随着人工智能技术的发展，实现了智能检测仪器对用户的健康监测、健康评估和健康干预。根据不完全统计，国内从事智能健康管理的创业企业有25家，主要集中在北京和华东地区，地域分布很不均匀。二、智能健康管理发展背景1.1人口老龄化加剧近年来中国人口老龄化形势严峻，预计到2020年老年人口达到2.48亿，老龄化水平达到17.17%；2025年，60岁以上人口将达到3亿，中国将成为超老年型国家。这么高比例的老龄化人口，必将带来健康管理的巨大需求。1.2健康管理服务未来潜力大美国70%的人口已经享有健康管理服务，而中国在一领域的比例还不足0.1%。伴随着中国富裕阶层的日益扩大，对健康管理的需求必然与日俱增。1.3国家政策支持2016年出台的《“健康中国2030”规划纲要》提出发展基于互联网的健康服务，鼓励发展健康体检、咨询等健康服务，促进个性化健康管理服务发展，培育一批有特色的健康管理服务产业，探索推进可穿戴设备、智能健康电子产品和健康医疗移动应用服务等发展。2017年进一步出台的《中国防治慢性病中长期规划（2017—2025年）》中，明确提出要以健康促进和健康管理为手段，减少可预防的慢性病发病、死亡和残疾，实现由以治病为中心向以健康为中心转变。1.4人工智能技术的大力提升以深度卷积神经网络为核心的深度学习算法，大大推动了人工智能技术的发展，在健康管理领域深受其影响。相比于以前的用户、医生、健康管理师和营养师通过网络面对面交流，目前通过机器学习，已经能够实现不依赖于医生资源，即可提供专家级的健康管理解决方案。三、国内智能健康管理发展现状国内25家涉及智能健康管理的初创企业，除去未获融资和没有披露的，有16家累计融资7.2097亿元，与智能医学影像诊断初创企业相比，受到产业资本的关注度远远不够。其中有7家尚未获得融资，1家没有披露融资情况，其余17家在融资上均有斩获。经过统计有5家初创企业获得天使轮融资，3家获得Pre-A轮融资，获得A轮融资的有4家，获得A+轮和B轮的各为2家，只有1家获得C轮融资。3.1去年健康管理类新设企业大幅减少2016年新设医疗创业企业数量大幅度减少为99家，相比于2015年的400家，减少幅度是75.3%，其中健康保健和医疗健康硬件类的创业企业在新设企业所占比例也出现下降，健康保健类由19%下降为14%，医疗健康硬件类由6%下滑至3%，不过医疗综合服务（健康管理平台）所占比例有所扩大，由9%上升至11%。健康管理方向新设创业公司比例变化3.2智能健康管理创业公司受资本关注2016年在医疗领域总共发生368起投资事件，涉及金额共计291亿元，其中与智能健康管理有关的所占投资事件比例就达到了32%，占据了近三分之一，其中医疗综合服务占到13%，健康保健占到12%，医疗健康硬件占到7%。智能健康管理创业公司依然比较热门，医疗综合服务和健康保健类创业企业获投较多。医疗综合服务类货投金额是58亿元，健康保健类则获投37亿元，医疗健康硬件就很靠后了，只有9亿元。3.3医疗综合服务成新宠近两年来，医疗综合服务越来越得到资本的喜爱，获投比例同比将近翻一番，2015年这一比例为7%，到2016年则大幅提升至13%。而资本对健康保健和医疗健康硬件的关注度有所减退，分别由2015年的17%和9%下降至2016年的12%和7%。3.4投资医疗综合服务一马当先在2016年的医疗健康获投金额分布中，有接近半数融资事件的获投金额处于数千万元这一区间，亿元级别的融资事件占了19%，其中医疗综合服务领先于其他子行业，例如互联网健康管理平台“平安好医生”获得5亿美元的A轮融资。3.5获投子行业轮次分布从2016年医疗健康领域获投子行业轮次分布上看，医疗综合服务中处于中期阶段的公司较多，大概占到一半左右。医疗健康硬件通医疗综合服务相比已经成熟很多，处于后期阶段的公司明显增多。健康保健中处于前期阶段的公司明显多于两者。通过对医疗健康公司成长时间的梳理来看，从公司设立到获得A轮融资平均需要20个月，公司成长到获得B、C轮融资需要5年两个月，成长至成熟期（D轮之后）则需要8年零8个月。四、智能健康管理产业出现的新动向2017年上半年，在全球数字健康领域中，交易以天使轮和A轮为主，总共发生185起，占比为62.9%，其中在人工智能、健康管理、机器人方向上，发生交易分别是45起、23起、13起；交易金额分别是13.13亿美元、1.82亿美元、1.77亿美元；平均交易金额分别是2900万美元、800万美元、1400万美元。从数据上看，人工智能无论在融资项目数量还是在融资总金额和平均交易金额上，都独占鳌头，是吸金能力最强的一个方向。其次就是健康管理方向，机器人方向虽然排最后，但融资总金额同健康管理不相上下，平均交易金额比健康管理方向要大得多。五、智能健康管理存在的阻碍4.1难以获得专业医疗机构认可无论是医疗综合服务，还是健康保健或是医疗健康硬件，其根据用户的检测数据得出的健康管理建议很难获得专业医疗机构的认可，目前国内各医疗机构之间互相不承认结果，更不要说是对智能健康硬件或是综合健康管理平台给出的健康建议进行认可，到最后用户还得去医院进行重复检测，以医疗机构给出的诊疗报告或是建议为准。4.2顺利取得医疗器械认证存在困难智能健康管理是人工智能新技术在医疗领域的新尝试，由于人工智能技术是在2012年之后才在世界逐步火热起来，在国内市场总体上还处于初期阶段，业内大部分创业公司处于A轮融资之前，很少有B轮融资之后的就能说明问题。相关智能健康管理类创业公司开发的新产品，由于往往没有可借鉴的先例，没有相应的检验标准，产品无法取得医疗器械认证，必将会影响到业内公司的正常发展。4.3获取大量有效数据是关键专业医疗机构保存的患者数据（电子病历、影像、诊断报告等）是私密的，难以对第三方的健康管理平台开放，患者数据还难以获得共享。而智能健康管理创业公司建立的算法想获得充分的训练必须要有足够多的有效数据，否则将难以保证今后新开发产品向用户给出准确率高的健康管理建议。六、智能健康管理未来展望健康管理行业因其预防、调养的基调和个体化管理的特性，正在成为预防医学的主流。随着互联网的发展，大数据从个人病历、POCT设备、各类健康智能设备、手机APP中大量涌现，而中国的医疗健康数据体量之大，如果能够加以合理分析，从中得出的洞见足以在很大程度上控制疾病的发生。技术能够挖掘健康数据中更深层次的价值，这是未来健康管理的发展方向，相关创业公司将在大数据算法及人工智能领域发力。新的数据处理科技代表了一种新“意识”，能告诉人们更多隐藏的现实，因此正在被更广泛地用于健康管理行业中。在健康管理的产业各环节中也都需要这种“意识”：医疗健康险的盈利有赖于良好的险种制定和保险控费，所以需要健康管理企业提供人群健康大数据；体检机构得出的结果通过健康管理公司来做细化的数据分析和纵向历史对比；病种管理则更是需要以数据分析为基础，设计科学的管理流程。从数据上看，人工智能无论在融资项目数量还是在融资总金额和平均交易金额上，都独占鳌头，是吸金能力最强的一个方向。其次就是健康管理方向，机器人方向虽然排最后，但融资总金额同健康管理不相上下，平均交易金额比健康管理方向要大得多。五、智能健康管理存在的阻碍4.1难以获得专业医疗机构认可无论是医疗综合服务，还是健康保健或是医疗健康硬件，其根据用户的检测数据得出的健康管理建议很难获得专业医疗机构的认可，目前国内各医疗机构之间互相不承认结果，更不要说是对智能健康硬件或是综合健康管理平台给出的健康建议进行认可，到最后用户还得去医院进行重复检测，以医疗机构给出的诊疗报告或是建议为准。4.2顺利取得医疗器械认证存在困难智能健康管理是人工智能新技术在医疗领域的新尝试，由于人工智能技术是在2012年之后才在世界逐步火热起来，在国内市场总体上还处于初期阶段，业内大部分创业公司处于A轮融资之前，很少有B轮融资之后的就能说明问题。相关智能健康管理类创业公司开发的新产品，由于往往没有可借鉴的先例，没有相应的检验标准，产品无法取得医疗器械认证，必将会影响到业内公司的正常发展。4.3获取大量有效数据是关键专业医疗机构保存的患者数据（电子病历、影像、诊断报告等）是私密的，难以对第三方的健康管理平台开放，患者数据还难以获得共享。而智能健康管理创业公司建立的算法想获得充分的训练必须要有足够多的有效数据，否则将难以保证今后新开发产品向用户给出准确率高的健康管理建议。六、智能健康管理未来展望健康管理行业因其预防、调养的基调和个体化管理的特性，正在成为预防医学的主流。随着互联网的发展，大数据从个人病历、POCT设备、各类健康智能设备、手机APP中大量涌现，而中国的医疗健康数据体量之大，如果能够加以合理分析，从中得出的洞见足以在很大程度上控制疾病的发生。技术能够挖掘健康数据中更深层次的价值，这是未来健康管理的发展方向，相关创业公司将在大数据算法及人工智能领域发力。新的数据处理科技代表了一种新“意识”，能告诉人们更多隐藏的现实，因此正在被更广泛地用于健康管理行业中。在健康管理的产业各环节中也都需要这种“意识”：医疗健康险的盈利有赖于良好的险种制定和保险控费，所以需要健康管理企业提供人群健康大数据；体检机构得出的结果通过健康管理公司来做细化的数据分析和纵向历史对比；病种管理则更是需要以数据分析为基础，设计科学的管理流程。

“智慧医疗”的概念早于“智慧医院”提出，但在早期资料显示，二者之间之间并没有明确地概念区分。直到2019年，卫健委针对智慧医院给定的概念中明确了智慧医疗的概念包含于智慧医院，且缩小了智慧医疗范围，其具体内容将在后文描述。电子病历渗透率高，但应用深度不足。电子病历系统包含众多子系统，且大多内嵌于HIS系统，数据显示，几乎所有三级医院都部署了供医生使用的电子病历系统，即使渗透率最低的门急诊电子病历系统也达到了71.6%，在二级医院中，也有超过半数的医院部署了电子病历，可以说电子病历系统的渗透率很高。根据IDC 2019年的数据显示，前三名的信息化厂商的市场份额占比仅为33%，市场集中度较低。根据2020年的中标信息显示，在“智慧医院”相关项目的中标企业中，已上市的龙头信息化企业基本垄断了大额智慧医院的项目。

作者陈思媚 腾讯医疗健康事业部用户研究员吴朋阳 腾讯研究院高级研究员疫情凸显了智慧医疗建设的必要性，未来智慧医疗更需要充分联动政府、机构和公众需求进行系统化建设。新冠肺炎疫情全球肆虐，医疗体系尤其受到巨大冲击。医疗数字化被推到风口浪尖，从抗疫物资电商、远程问诊到疫情地图、健康码……数字化迅速创新出各种场景应用，使得医疗相关活动得以及时有效开展，并为社会各行各业的恢复提供了关键保障。随着国内疫情得以有效控制，如何快速沉淀疫情期间的数字化抗疫经验，利用数字技术打造更完善的智慧医疗体系，以更好地应对未来新型病毒等各种不确定性风险，成为健康中国建设的重要议题之一。为此腾讯医疗健康事业部充分调动资源，深入医疗行业调研各方需求与痛点，联合腾讯研究院发布《腾讯智慧医疗报告（需求篇）2020》。报告针对政府部门、行业机构和社会公众三大服务对象，选取国民健康、行业发展、个体保健三类重点主题，深入分析不同应用场景中各方需求侧重点和关联性，勾勒出多方联动格局下智慧医疗体系的可行样貌。（文末提供报告全文下载）医疗健康行业有三大服务对象医疗健康活动的开展不仅需要专业力量的指导，还要有政策环境、资源保障和就诊全流程各环节参与者等的多方支持。医疗行为的发生不是独立的，而是多个相关方、多种服务协同运作才能有效实施。医疗服务是医疗健康活动开展的重要支撑。从服务出发，可以引申出政府部门、行业机构和社会公众三类角色，分别对应监管者、服务提供者和服务接收者。其中政府负责医疗服务的宏观调控与监督管理，行业机构在政策指导下打造专业服务，并提供给有医疗保健需求的公众。在各种医疗服务场景中，基本都会涉及这三类角色。因此要发挥数字技术作用打造智慧医疗，不能只看其中一方，而必须考虑不同场景下人、服务和监管的多元化、多层次的需求联动。三大服务对象的需求联动分析1 / 政府部门关注：助力国民健康，辅助政策落实在国民健康主题中，政府是主导方，重点关注国民健康现状感知和健康素质提升，负责政策制定、责任分工和资源调配，行业机构负责实施相关服务，公众按要求配合参与。以疾病控制为例。疾病预防控制是保障国民健康的重要话题，包括全生命周期的疾病预防和突发公共卫生事件的应对。在这个场景中，政府把控主要方向和政策的制定与实施，并委托行业机构进行公众科普和预防工作实施，从而达到全民参与的健康促进效果。然而，由于信息不对称，资源供需关系不平衡，疾病防控往往会遇到政策传达不到位、资源紧缺、执行效率低等问题。智慧医疗则能够加强信息公开、提供宏观辅助决策功能、拓展线上服务场景，从而帮助提升防控工作开展效率，助推政策落地快速实现全民覆盖。2 /行业机构关注：助力行业发展，辅助服务搭建和完善在行业发展主题中，医疗健康相关的行业机构是主导方，重点关注服务质量的提升和自身标准与行业规范的匹配。政府是行业标准的制定者和质量监管者，行业机构根据政府要求开展服务建设，满足公众多样性的医疗健康需求，提升就医体验。以医院服务建设为例。医疗机构是核心服务提供方，需要在政策指导下开展行动，提升自身运营效率和服务质量，满足公众各类群体的需求。然而由于当前部分医院信息化进程仍然缓慢、数据应用水平低、数据统计分析对运营管理决策的支撑力度小，管理者难以及时了解医疗服务开展的全流程情况，管理和服务效率提升难度较大。在这个场景中，智慧医疗可重点提供医疗运营管理可视化平台，辅助管理层及时感知事件风险，提高决策的时效性。同时还可通过嵌入公众号、小程序等各种便捷的数字化工具，连接线上线下场景，实现医疗服务全链条、全流程的打通，有效支持医疗服务体验的持续优化。3 / 社会公众关注：赋能个体保健，连接健康信息与就医场景在个体保健主题中，社会公众是主导方，重点关注医疗资源的可及性和个体健康管理的可开展性。作为个人健康的主要管理者，公众利用政府提供的基础保障和行业机构的专业服务，得到更多维、持续化的医疗保障。以健康档案管理为例。健康档案是居民的健康状况证明，也是就医的重要材料，合理管理有助于日常的健康管理，提高就医便利性。然而传统的健康档案存在标准不一致、可阅读性差等问题，不仅公众不便查询和使用，不同医疗机构间也常常难以互通互用，导致医疗服务的割裂。在这个场景中，智慧医疗能充分发挥数字技术效率优势，帮助公众自动高效地归类整理档案。基于档案资料的数字化整合与授权共享，一方面能连接就医服务，为医生提供更全面、更连续的患者信息，助力医生提升诊疗质量；另一方面也能让公众有效掌握自身医疗健康的数据，需要时能够方便地查询和使用。智慧医疗将围绕数据、场景、服务满足联动需求腾讯医疗健康通过持续的用户/客户调研，探索了医疗场景的主要服务对象及重点关注主题。基于调研与案例分析，我们认为医疗行业的联动性是“政府为方向指导、机构建设和提供服务、公众进行自发管理”的三方格局。具体来看，这种联动会表现在数据依托、资源依赖和服务协同三方面。首先健康受多种因素影响，需要医疗健康相关大数据的不断完善，来支持科学分析与决策；其次当前国民健康素养还不高，医疗健康活动的开展更依赖于专业力量，相应的资源需求也将持续增长；最后随着医疗保健需求持续扩展，医疗产业链的场景、干系人、相关领域也会不断丰富，协同服务、共谋发展是必然需要。对此，智慧医疗可以从数据、场景和生态三个层次重点发力，助力行业发展。· 打通数据在保障信息安全的基础上打通数据，辅助政府与行业机构进行科学决策和精细化管理，助力诊断和医学科研。同时，推动健康档案开放至个人，构建以健康大数据为基础的全生命周期服务闭环。· 拓展场景协同行业机构的海量资源和政府调控力，以互联网为助力，打破时空限制，拓展更多服务场景。通过资源交换与配置优化，提供多样化、多层次的医疗健康服务，提高整体服务效率。·共建生态基于各方能力与需求，打通线上线下服务场景，优化就医全流程体验。同时向B端、G端渗透，加深与政府、医院、企业的合作，推动多产业融合发展，协同构建智慧医疗新生态。医疗场景是多方联动的，设计时需考虑多方需求和协同共建，结合各方优势能力与资源，才能更好地解决问题。在2020腾讯全球数字生态大会上，腾讯高级执行副总裁、云与智慧产业事业群总裁汤道生，解读了腾讯在医疗健康业务中的战略布局，为中国智慧医疗的建设提供全力支持：以C2B为抓手，以“双轮”驱动，助力医疗健康的智慧化。一方面，助力个人，打通资讯、挂号、问诊、购药、支付等健康服务环节，实现“一部手机管健康”；另一方面，助力政府、医院、医疗机构、医药企业的智慧升级，通过数字化解决方案，助力供给侧创新。未来，腾讯医疗将继续秉承科技向善的使命，充分发挥自身技术应用能力，不断构建完善未来医疗生态体系，携手优质的生态伙伴为公众、医疗机构和政府提供更加完善和高效的服务，以支持健康中国更好、更快地实现。如需对文章内容、腾讯医疗相关业务进行咨询，请联系asylviachen@tencent.com。

2017年9月，动脉网·蛋壳研究院发布了《2017医疗大数据和人工智能产业报告》，回顾了医疗人工智能的前世今生，对医疗人工智能的能力、应用场景、成本结构，人才情况进行了深度剖析，为产业人士和监管机构提供了一份重要参考材料，引发了广泛讨论。时隔一年，人工智能企业纷纷将产品移至临床，各细分病种/应用的研究不断深入，人工智能产品已经融入到了医疗流程的方方面面。经过这几年的发展，一部分人工智能产品已基本成熟，商业模式清晰逐渐清晰，人工智能技术在医疗领域开始不断扩展应用边界，给医疗运行流程带来了很多有趣的尝试。监管部门紧跟技术发展脚步，积极参与到产业升级的浪潮中，监管思路逐渐明晰，中检院已经完成眼底糖网彩照、肺结节影像数据库的建设，相关送审的三类产品超过30款，相信很快我们就能看到三类人工智能医疗产品上市。同样时间节点，我们推出新一年度医疗人工智能报告，本份报告以医疗人工智能产品研发与应用、医生使用情况为主要内容。我们对主要人工智能医疗企业进行了调研，访谈参与人工智能产品研发/使用的医生，以行业视角，为大家呈现出目前我国医疗人工智能的发展现状及下一步研发方向。通过走访调研，我们得出了如下的关键数据和结论：1、中国医疗人工智能企业产品落地情况及在研管线。2、主要医疗人工智能企业已经成熟一代人工智能产品，且商业模式逐渐明晰，医疗人工智能行业进入“跨越·再出发”阶段。3、第一批肺结节筛查与糖网项目已经进入全面正向反馈阶段。4、 监管部门反应迅速，与产业交流互动频繁，审评要点或近期出台。5、 下一阶段，基层医疗将是本轮人工智能浪潮的最大受益者和主战场。6、 人工智能企业的主要研发方向：对细分病种的增强覆盖和根据自身业务特点对新场景的探索。7、健康医疗人工智能技术将成为社会的基础能力。注：本篇文章节选自蛋壳研究院最新报告：《2018医疗人工智能报告》，本报告将在9月27日的“2018年医疗科技世界论坛”上发布，并由蛋壳研究院高级研究员罗仕明进行报告解读，报告的完整获取方式可以文章末尾取得。一 、人工智能技术发展，不断拓展医疗应用边界近代人类社会的飞速进步，主要依赖于三次工业革命。第一次工业革命以蒸汽机的改良为标志，第二次工业革命以电力的广泛应用为标志，第三次工业革命以计算机的发明和使用为标志。三次革命显著改变了人们的生产生活方式，社会结构，甚至是世界格局。而以人工智能为代表的智能互联技术正成为第四次工业革命的推动力。人工智能是赋予计算机感知、学习、推理及协助决策的能力，从而通过与人类相似的方式来解决问题的一组技术。在过去，计算机只能按照预先编写的固定程序开展工作，而具备该等能力以后，计算机理解世界以及与世界交互的方式，将比以前大为自然和灵敏。人工智能关键技术包括：视觉：计算机通过识别图片或视频中的内容来“看”的能力。语音：计算机通过理解人们所说的话并将其转录成文字的能力。语言：计算机把握语言中的诸多微妙差异和复杂性（例如俚语和惯用语），“理解”话语含义的能力。认知能力：计算机通过理解人、事物、地点、事件等等之间的关系来进行“推理”的能力。人工智能的这些能力对应到医疗领域，医疗人工智能系统将具有各种形式的对话能力，这将有助于信息在个人之间流动，根据病史来了解病患，他能帮助医疗保健企业向消费者提供有吸引力的个性化医护建议。人工智能系统有比人类更强的观察力和洞察力，可以快速加工大量医疗和病患信息，从而使得医师将更多时间花在病患身上。人工智能系统可提供基于综合信息的辅助建议，进而帮助决策并减少人为偏差。人工智能系统根据最新的信息、结果和操作不断学习，有助于医疗专业人员作出更加明智、及时的决策，人工智能几无边界，意味着现有的医疗人工智能能力圈也将不断扩展，而这一切正在发生。二 、医疗人工智能政策趋势：监管与企业携手，标准数据库建立2018年4月初，FDA(美国食品药品监督管理局)批准通过了IDx公司研发的首个应用于一线医疗的自主式人工智能诊断设备IDx-DR的软件程序，该程序可以在无专业医生参与的情况下，通过查看视网膜照片对糖尿病性视网膜病变进行诊断。这个产品的获批上市经历了长达21年的时间。仅IDx和FDA在如何评估系统并确保其准确性和安全性方面的沟通，就历时7年。美国近期批复的几款AI产品全都是走的Class II的认证流程，通过跟传统CDSS（临床决策支持系统）做等同对比证明安全有效性。中国的法规相对来说更严格，对临床评价的路径控制非常严格。2018年8月1日起，我国新版《医疗器械分类目录》正式生效，把医用软件按二类、三类医疗器械设置审批通道。《目录》指出，若诊断软件通过其算法，提供诊断建议，仅具有辅助诊断功能，不直接给出诊断结论，本子目录中相关产品按照第二类医疗械器管理。若诊断软件通过其算法对病变部位进行自动识别，并提供明确的诊断提示，则其风险级别相对较高，本子目录中相关产品按照第三类医疗器械管理。所以，目前我们所看到的AI产品，大多应属于第三类医疗器械。为应对这一政策，我国大部分企业采取增删诊断功能的办法，将产品同时申报二、三类器械，目前多家企业已经率先获得了二类证书，目前希氏异构、雅森科技、汇医慧影、图玛深维、推想、深睿、Airdoc、依图医疗、上工医信等知名人工智能企业都在积极进行三类医疗器械的申报。依图医疗表示，他们的全产品矩阵都在做三类认证，Airdoc送检了中国第一台装载待检人工智能AI软件的服务器。目前尚未有一款产品获得三类证书。按照医疗器械注册流程，产品从申报到最终过审要经过产品定型、检测、临床试验、注册申报、技术审评、行政审批等六步。目前，申报三类器械的医疗人工智能产品大多停留在注册申报起步阶段。 中检院作为国家监管技术支撑机构，承担了医疗人工智能产品质量评价与研究工作。光机电室凭借在医疗器械软件检测方面经验丰富的优势，专门成立AI小组承担此项工作。人工智能医疗产品的审批一直是业界非常关注的问题，中国食品药品鉴定研究院光机电医疗器械检验室主任任海萍在一次公开演讲中提到：“我们做的比较特色的是一些新产品的尤其是没有国标、行标的新产品平台、检验方法、评价标准等研究的工作。中检院已经接受了来自全国各地的30到40个AI产品的申请，我们已做好了前期的工作。”任海萍主任的观点可总结为三个方面，一是并不是所有的产品上市都要进行临床的实验，所使用的数据集来源于真实世界的数据可以用于临床前的评价和临床的评价，对临床的评价可以用前瞻性和回顾性的临床。国家对AI医疗器械的产品，包括AI、医疗器械、软件，在质量评价上都有一定要求，目前中检院对AI质量评价主要依据以下三个3个指导原则：《医疗器械软件注册技术审查指导原则》《移动医疗器械注册技术指导原则》《医疗器械网络安全注册技术审查指导原则》中检院规划的AI医疗器械检验体系有以下四个步骤：标准数据、体模测试、软件性能、模拟对抗，已经建立起了彩色眼底图像和肺部CT影像两个数据库。数据库构建过程主要包括：数据收集、图像标注、数据管理三个步骤。软件设计开发过程中的数据治理要求同理。眼底影像标准数据库眼底影像标准数据库的建立相对较早，目前已经形成了一个包含6327病例规模的数据库。肺部影像标准数据库肺部影像标准数据库自2018年2月启动建设工作，4月开始在全国招募肺结节图像标定专家，5月初完成上述专家的在线考试选拔和培训，6月10日完成线下封闭标定工作，24位标定专家及15位仲裁专家共同完成病例的标定。6月10日肺部影像标准检测数据集肺结节图像现场标定结束后，为尽快进入测试阶段，中检院光机电室AI小组于6月15日发出肺结节AI产品测试方案意见的征集通知，涵盖了在中检院送检的11家企业。这11家企业分别是：健培科技、图兮深维、零氪科技、依图科技、云济科技、深睿医疗、汇医慧影、推想科技、雅森科技、点内生物、视见医疗。据了解，《深度学习辅助决策医疗器械软件审评要点》即将进入征求意见阶段。三、人工智能落地情况分析：跨越，第一代产品成熟自2011年Watson奠定其医疗的商业发展方向，已经有7个年头了，这七年人工智能发展风声水起，无数企业紧随潮流，深度学习算法也经过了多次换代，但浪潮过后，留下的无数先行者的遗骸。现在，幸存者和后来者已经逐渐在医疗人工智能领域组成头部阵营，深度学习过程下各企业都能为自己的AI产品报出一个可喜的准确率数字，然而新的时代已经不再是一个唯算法的时代，衡量AI好坏的也再是一个数字或是人机大战的成果可以评判的。要想在这个圈子活下去，还得进得了医院。现在，AI医疗产业的争夺聚焦于落地环节。延续我们在《2017医疗大数据与人工智能产业报告》中对医疗人工智能应用领域分类办法：医学影像、病例文献分析、虚拟助手、新药研发、医院管理、健康管理、基因、疾病预测与诊断、智能器械，对于医疗人工智能企业进行了分类，统计了活跃在市场上的国内108家医疗人工智能企业的现有产品方向，并且对主要医疗人工智能企业采访调研，了解他们现阶段产品应用情况及下一代产品研发状况，获得了以下内容。我们统计了这108家医疗人工智能的主要产品线，我们获得了如下人工智能产品方向及疾病图谱。我们可以看到大多数人工智能企业选择了在医学影像、病例文献分析、健康管理、虚拟助手四个方向推出产品，肺结节筛查、糖网筛查两大热门方向遥遥领先，但同时有相当多的企业将目光投向了心血管类疾病方面，人工智能企业产品呈现出分散趋势。根据Global Market Insight的数据报告显示，按照应用划分，药物研发在全球医疗AI市场中的份额最大，占比达到35%。而智能医学影像市场则为第二大细分市场，并将以超过40%的增速发展，在2024年达到25亿美元规模，占比25%。这两个领域也是目前人工智能在医疗各个场景中应用最广泛的，接下来我们就以这两个场景为主线，为大家介绍中国人工智能的落地情况。3.1、 亦步亦趋，医学影像走到了最前端人工智能在医疗影像领域的应用主要包含，图像或是检查的分类，器官、区域或是标记点的定位，目标及病理的检测，组织结构的分割，病灶区的分割，以及图像配准等，主要针对的疾病主要有肺结节、糖网、脑卒中等，应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像。我们将就人工智能在目前最为火热的肺部筛查、糖网筛查、病灶勾画、脏器三维成像的应用情况。我们对主要涉足的疾病的企业做了简单统计，并对代表公司产品的落地情况进行了采访调研。肺结节筛查肺结节类医疗人工智能产品无疑是目前最热门的方向，截至2018年7月的不完全统计，仅在肺结节筛查领域，拿出具体产品的人工智能企业就超过20家，并且大部分拿到了投资。中国年新增肺癌患者数量全球第一，年肺癌因素死亡人数全球第一，早筛需求旺盛，低剂量螺旋CT正被广泛推广；而从图像质量上来说，胸部CT图像分层薄、视野清晰、干扰因素少、病灶特征规律可循，是智能影像判读的理想用武之地，加之中国影像医师的稀缺及国家政策的大力推动，这一领域的应用基础堪称完美。2017年，主攻肺结节检出的各大AI企业都交出了辉煌的答卷，敏感性一路飙升，95%、96.5%、98.8%……人类肉眼难以察觉的像素差别，在AI强大的算力面前无所遁形。临床上为了确保影像判读的准确性，通常由一名执业医师与副主任医师共同阅读同一个患者的胸片，影像医师在读片完毕之后，还需要上级医生复查一遍，签字确认。AI的目的正是替代这个步骤中的第一环节，因为AI医生不仅“视力”极好，几乎可以看出每一个微小结节，同时，AI医生不知疲倦，不会出现视觉疲劳，看成千上万张胸部CT也不过毫秒之间。目前人工智能肺结节筛查产品已经全面进入落地医院环节，我们可以看到，头部人工智能企业日均检查量已经超过10万例。在合作方式上，因为目前没有明确的收费项目，肺结节筛查类产品主要以两种方式进入医院：一是以科研项目的方式同医院合作；二是同器械厂商合作，整体服务包的形式进入。以上内容为《2018医疗人工智能报告：跨越再出发》节选，全文约32000字，报告原价值499元。在动脉网主办的世界医疗科技论坛召开期间（9月26~9月28日），本报告限时3天免费发放！想要获取完整版请移步动脉网。

2015-2018年中国医疗人工智能市场规模分析中投产业研究院发布的《2019-2023年中国医疗人工智能（医疗AI）行业深度调研及投资前景预测报告》近年来人工智能医疗市场的发展较快，热度不断提升，市场规模从2016年的96.61亿元，2017的136.5亿元飙升至2018年的204亿元，复合年增长率保持在40%以上。归根结底，我国医疗需求不断提升的同时，医疗资源分配不均，医护人员短缺，而人工智能刚好弥补了这一短缺，加之人工智能医疗的政策规划不断落地，更加速我国人工智能医疗的发展。图表　2015-2018年中国医疗人工智能行业市场规模状况单位：亿元数据来源：中投产业研究院中国医疗人工智能行业图谱分析一、生态图谱医疗人工智能的整体生态可以采用“层级”来描述，核心是AI芯片、设备提供商、服务器，中层是技术提供商、解决方案提供商、系统集成商，外层是各目标市场。图表　中国医疗人工智能生态图谱资料来源：中投产业研究院图表　中国人工智能医疗生态图谱核心示意图资料来源：中投产业研究院二、企业图谱图表　中国医疗人工智能企业图谱资料来源：中投产业研究院

随着社会信息化水平的不断提升和科技的不断发展，传统医疗方式正在面临深刻的转型升级。21世纪以来，随着数据、算法、算力层面的突破，深度学习在医学领域的深度应用成为可能。由于人工智能技术有望解决医疗行业存在的效率问题，先后成为全球各国政策引导发展的重点。全球500强医疗行业企业早在2009年开始就对人工智能应用进行布局，涵盖院内诊疗、药物供应链、院外场景三大应用领域。人工智能在医疗领域的应用，不仅能够解决医疗资源短缺、成本支出增加的困境，而且带来了医疗能力、医疗体验上的提升。作者 | 付海天、田辰一、全球医疗医疗行业市场规模及发展概述随着经济增长、老龄化的加剧以及民众健康意识的不断提升，医疗健康产业迎来了较为快速的发展时期。Deloitte预计，2015年全球健康支出总额约7万亿美元，到2020年，全球健康支出总额将达8.7万亿美元，CAGR约为4.3%。根据经济合作与发展组织（OECD）数据，2015年美国医疗健康产业支出占GDP比重为16.8%，而中国医疗健康产业支出占GDP比重为5.4%，中国相对美国还有较大增长空间。全球医疗行业支出总额及预测（来源：Deloitte）二、全球500强医疗行业热门人工智能技术医疗人在医疗行业中，应用比较广泛的人工智能技术包括计算机视觉、自然语言处理、数据挖掘和机器人等，人工智能技术在多个医疗细分场景中均有所应用，涉及医药物流、慢病管理、院内诊疗、医疗保险等诸多场景。其中，计算机视觉、机器人技术是在医疗中最广泛、最成熟的应用技术之一。计算机视觉：医疗过程离不开图像处理，医学影像图像处理、手术机器人视觉系统、药店及医院面部识别、单据识别等，都能够应用到计算机视觉。数据挖掘：医疗诊疗过程中会产生大量的数据，如化验数据、支付数据等，数据挖掘在医院管理、医保支付等过程中有较多应用。自然语言处理：在医疗场景中，电子病历所包含的文本信息最为丰富，自然语言处理技术在此具备较大应用价值。机器人：可以显著提升医疗环节的自动化程度，药店客户服务、医院导诊、药房自动化、医疗手术等都存在医疗机器人的应用。深度学习：由于医学影像具备数据标准化、特征高维度等特性，深度学习在医学影像智能诊断产品中的应用尤为广泛。三、全球500强医疗行业人工智能应用场景概述院内诊疗：院内诊疗主要包括与患者密切相关的疾病诊断与治疗场景。随着机器学习、人工智能、机器人等技术在院内场景中的应用，医疗过程中产生的海量数据价值被挖掘出来，使得诊疗过程变得更加高效。药物供应链：药物的研发与销售是人工智能应用的重要环节。在药物研发中，海量化合物及研发数据通过人工智能技术，能够实现化合物的高效筛选。在药品流通中，机器学习等技术能够实现药物物流过程精准预测，提高药物流通效率。院外场景：除了院内场景，人工智能相关技术在院外也有广泛应用。慢性病及亚健康人群通过佩戴可穿戴设备，对生理指标能够实现实时监测并上传到云端进行数据分析，及时发现异常情况并加以干预。医疗保险中的智能核保也是人工智能的重要应用场景。其它场景：由于医疗行业的应用领域与场景极为复杂，本报告仅基于所选全球500强案例有局限性的进行了场景划分，故并不包含药物生产、医院管理等热门应用领域。四、全球500强医疗行业人工智能应用分布图谱点击图片查看更多五、全球500强医疗行业人工智能应用案例HCA Healthcare败血症检测算法SPOT：HCA Healthcare开发了SPOT算法用于败血症检测，通过机器学习技术，医院计算机摄取数百万患者的数据点进行训练。该算法每15分钟监测所有住院患者的化验结果和生理指标，分析住院患者的体温、脉搏、呼吸频率、白细胞计数、乳酸水平、血液、抗生素使用等信息以监测败血症可能性。SPOT以100％的敏感度运作，即包含所有败血症阳性病例，允许护理人员专注于那些需要密集监测和支持的患者。雅培（Abbott Laboratories）Maya虚拟助手：2018年初，雅培成为印度第一家为其团队部署AI虚拟助手的制药公司。雅培制药事业部启动了一项试点，让约3000名销售员工开始与Maya进行日常咨询。Maya使用语音或聊天界面以简单的自然语言与员工沟通，并为他们提供所需的帮助及管理任务，回答常见问题解答、完成日常操作、接收报告或训练，帮助员工操作企业知识库（如SalesForce或Tableau）。诺华（Novartis）病理学诊断研究平台：诺华公司的病理学家和数据科学家与科技创业公司PathAI合作，训练由PathAI开发的人工智能系统，以尝试像病理学家一样诊断，并试图发现病理学家难以发现的隐藏信息。PathAI为算法提供由病理学家标记的病理影像用于训练算法以区分细胞类型。PathAI将训练载玻片切成约10000个较小的图像，并且病理学家在每个切片中标记细胞类型。经过训练，不同的细胞类型以不同色彩区别，确定为癌症的区域在绿色周围组织的区域中发出亮红色。美敦力（Medtronic）Guardian Connect动态血糖监测系统：Guardian Connect系统使用微型传感器测量皮肤下方的液体中的葡萄糖水平，全天候监测读取并通过小型无线发射器将它们发送到手机。使用Guardian Connect移动应用程序，可以查看最新的血糖数据、血糖历史趋势，跟踪可能影响血糖水平的日常事件，在血糖超出或低于目标范围时还能收到警报。六、人工智能技术在医疗行业中的应用趋势及挑战趋势：患者院外实现更智能的慢病管理。医院管理流程变得更加高效。医疗机器人用途更加广泛。人工智能向药物研发全流程渗透。挑战：医疗数据隐私泄露风险。医疗机构存在信息孤岛。影响数据标注质量不易控制。医疗计算机辅助诊断性有待加强。