2022年人工智能视网膜影像识别行业现状及竞争格局分析

1、2022年人工智能视网膜影像识别行业现状及竞争格局分析1、 行业情况：人工智能视网膜影像识别市场空间巨大人工智能视网膜影像识别的开发乃基于深度学习算法、分析视网膜影像并按疾病 及病变进行分类。视网膜是位于眼球后壁部的感光层，能触发神经冲动及通过视神经 传递该等冲动至大脑。这是人体中唯一一个能以非侵入方式直接观测血管和神经细胞 的部位。血管及神经细胞的变化可以作为多种慢性病的指标。因此，视网膜影像用于 直接观察和分析血管及神经细胞，以检测、诊断及评估慢性病的风险，包括眼病，如 糖尿病视网膜病变、病理性近视、视网膜静脉阻塞、青光眼及年龄相关性黄斑变性； 及其他慢性病，包括高血压、糖尿病、ICVD、

2、帕金森氏病及贫血症。中国人工智能视网膜医学影像市场预计自2020年的人民币0.45亿元增至2030年 的人民币340.10亿元，2020年至2030年的年复合增长率为81.55%。人工智能医学影 像主要用于医疗健康场景中，以协助医生进行疾病检测及诊断，2020年约占人工智能 医学影像市场的86%。在大健康场景中人工智能医学影像主要用于健康风险评估。由 于在大健康场景中提供可行及持续的健康管理解决方案存在未获满足的需求，因此于 大健康场景中人工智能医学影像尚有大量需求未被满足，预期2020年至2030年将以 90.70%的年复合增长率，较医疗健康场景中人工智能医学影像更快速地增长。图：中国人工智

3、能视网膜医学影像市场规模人工智能视网膜影像识别市场由以下因素驱动：(1)发病率不断上升，导致对人工智能医学影像的需求巨大。有别于急性疾病或不 治之症，慢性病需要进行长期、常规及科学的管理，且倘若未通过及时有效的疾病管 理加以解决，将会给社会、患者及其家庭带来沉重的经济负担。对慢性病的早期检测 及辅助诊断可以使其获得及时的治疗，从而减缓或防止疾病发展恶化，减少为不良健 康后果付出高昂代价的可能性。然而，由于医疗资源分配不均衡且缺乏经验丰富的医 生，这可能无法于全国范围内实现。人工智能视网膜影像识别技术可以通过提供无创、 准确、快速、高效且可扩展的慢性病早期检测和持续管理解决方案，降低对专业和经

4、验丰富的医生的依赖，从而解决该等未获满足的需求。(2)技术升级及创新。技术的升级及创新，尤其是深度学习技术的持续开发和优化 以及应用增加，有可能通过为全人群用户实现高效和高度可扩展的检测、辅助诊断和 风险评估，转变医疗健康方式。深度学习算法的近期发展已经在影像分类、目标检测 及图像分割等诸多领域取得惊人表现。该等深度学习算法的表现已开始在许多任务中 超越人类的表现。据报道，就大规模ImageNet数据集而言，人类前五大分类错误率为 5.1%，而尖端深度学习算法前五大错误率为3.57%。人工智能医学影像及深度学习算 法的应用为按疾病类型、病灶检测及病灶分割的影像分类提供了优秀的解决方案。例 如，

5、斯坦福大学研发的CheXNet模型的表现超过了放射科医师在肺炎检测测试中的平 均表现，且F1分数为0.435（95% CI 0.387, 0.481），高于放射科医师的平均水平0.387 （95% CI 0.330, 0.442）。随着人工智能医学影像技术的改进及发展，人工智能视网 膜影像识别可提供强化医疗健康人工智能的有效解决方案，应用可分析复杂医疗数据 的算法，从而提供实用的辅助诊断结果。(3)政府对人工智能医学影像识别的支出和政策支持不断加大。自2016年以来，中 国政府颁布了一系列法律法规，以促进中国人工智能医学影像的发展。例如，国家药 监局更新了医疗器械分类目录，将人工智能医疗器械列

6、为第二类或第三类医疗器械。于2019年7月，国家药监局发布深度学习辅助决策医疗器械软件审评要点， 进一步明确了基于深度学习的医疗器械的临床试验要求和审批程序。于2020年，人工 智能糖尿病筛查软件获纳入中国2型糖尿病防治指南（2020版），作为对人工智 能糖尿病视网膜病变筛查以预防和治疗糖尿病的有力认可和验证。(4)资本支持力度不断加强。医疗健康行业已成为人工智能技术的一个主要应用领 域，投资者认识到人工智能解决方案能在提高医疗健康服务质量、扩大医疗健康服务 范围及降低医疗健康成本方面带来巨大潜力。从2015年到2020年，中国人工智能医学 影像市场的融资金额由2015年的人民币5亿元增至20

7、20年的人民币35亿元，年复合增 长率为45.3%。最初的资本注入对人工智能视网膜影像识别市场的形成起着至关重要 的作用。由于人工智能医疗器械市场仍处于起步阶段，资本支持力度不断加强将持续 推动人工智能技术的发展，从而彻底变革传统方法，减少成本、改善治疗并推动医疗 健康的可及性。2 、子行业情况：按疾病类型划分的筛查行业增长迅速2.1 内分泌疾病：糖尿病视网膜病变糖尿病视网膜病变是糖尿病的严重并发症之一，乃由高血糖损害视网膜引起。早 期糖尿病视网膜病变通常为无症状。随着中国的糖尿病患病率逐渐增加，中国糖尿病 视网膜病变患者人数由2015年的32.5百万人增至2020年的37.3百万人，年复合增

8、长率 为2.8%，预计到2030年将达到50.6百万人，2020年至2030年的年复合增长率为3.1%。 定期、持续监测糖尿病视网膜病变有助于评估糖尿病的进展，从而实施有效干预并降 低视力下降、糖尿病肾病及糖尿病心肌病等严重并发症的患病风险。因此，迫切需要 利用深度学习技术快速处理和分析视网膜影像的人工智能糖尿病视网膜病变筛查，从 而协助医生作出诊断。2020年中国糖尿病视网膜病变筛查市场的市场规模达人民币22 亿元，预计到2030年将达到人民币100亿元，2020年至2030年的年复合增长率为16.6%2.2 心血管疾病高血压性视网膜病变是由高血压引起的视网膜血管损伤。高血压是中国最常见的

9、慢性病之一，于 2020 年，中国拥有超过 324.4 百万名患者。高血压性视网膜病变被 认为是判断、监测严重高血压的最重要因素之一。高血压性视网膜病变患者应根据其 自身情况的严重程度每年进行一至两次视网膜筛查。然而，仅不到 15.0%的高血压患 者进行定期检查，这导致中国的高血压性视网膜病变患者人数由 2015 年的 34.8 百万 人增至 2020 年的 42.2 百万人，年复合增长率为 3.9%。2020 年中国高血压性视网膜 病变筛查的市场规模达人民币 88 亿元，预计到 2030 年将达到人民币 270 亿元，2020 年至 2030 年的年复合增长率为 11.9%。视网膜静脉阻塞。

10、视网膜静脉阻塞是一种可能导致部分或全部视力丧失的眼部疾 病，是由将血液从视网膜排出的主要静脉或此主要静脉的一个小分支阻塞引起的。视 网膜静脉阻塞（尤其在早期阶段）可能没有症状。中国视网膜静脉阻塞患者人数从 2015 年的 5.6 百万人增至 2020 年的 6.7 百万人，年复合增长率为 3.7%，预计到 2030 年 将达到 9.5 百万人，2020 年至 2030 年的年复合增长率为 3.5%。2.3 眼科疾病病理性近视。由于近视严重时可发展成病理性近视，近视的发病率不断上升（尤 其在年龄在 13 岁至 18 岁之间的青少年中）是一个令人担忧的问题。与一般近视不同， 病理性近视伴随着视网膜

11、的退化性改变，倘不加以治疗，可能会导致不可恢复的视力 损害。中国病理性近视患者人数从 2015 年的 19.2 百万人增至 2020 年的 22.6 百万人， 年复合增长率为 3.3%，预计到 2030 年将达到 32.3 百万人，2020 年至 2030 年的年 复合增长率为 3.7%。病理性近视的发病率（尤其在年龄在 13 岁至 18 岁之间的青少年中）越来越高，推动了筛查及管理系统的开发，以尽早检测出该疾病，从而采取潜 在的介入措施。然而，目前的检测仍然高度依赖视力测试、眼底检查及眼轴测量等耗 时的手动方式，由于医患双方的个体差异，年轻患者的检测可能可靠度很低。因此， 迫切需要客观自动地

12、检测是否存在病理性近视并跟踪其进展。于 2018 年 8 月，病理 性近视被列入综合防控儿童青少年近视实施方案中，成为政府政策重点关注问题。年龄相关性黄斑变性。年龄相关性黄斑变性是最常见的眼部疾病之一，可导致永 久性视力损害，主要发生在 50 岁以上的人群。倘不及时治疗，年龄相关性黄斑变性或 会导致失明，且对患者生活质量产生重大影响。由于年龄相关性黄斑变性在早期阶段 极少产生症状，因此早期检测出可治疗的年龄相关性黄斑变性是降低发展为更晚期年 龄相关性黄斑变性风险及避免视力损害的关键。中国年龄相关性黄斑变性患者人数从 2015 年的 15.7 百万人增至 2020 年的 26.4 百万人，年复合

13、增长率为 11.0%，预计到 2030 年将达到 52.3 百万人，2020 年至 2030 年的年复合增长率为 7.1%。视网膜脱离。视网膜脱离是视网膜的神经上皮和色素上皮的分离。患有高度近视 的人群发展成视网膜脱离的风险是较患有低度近视人群的五倍或六倍以上。患有高度 近视人群的眼轴更长，这意味着视网膜被拉伸，因此更容易患视网膜周边裂孔。倘不 及时诊断及治疗，患者可能会出现不可逆的视力损害。视网膜脱离的诊断需要经验丰 富的眼科医生检查整个视网膜并检测视网膜上的任何孔洞或裂缝，这具有挑战性，原 因是视网膜脱离起初通常无症状，且在视网膜周边缓慢衍生扩大。人工智能诊断设备 通过分析完整的视网膜影像

14、，以高灵敏度及精确度实现对视网膜脱离的高效及自动检 测。中国视网膜脱离患者人数于 2020 年达到 14 万人，预计到 2030 年将达到 15 万人， 2020 年至 2030 年的年复合增长率为 0.4%。3 、竞争格局：各大头部人工智能企业均有布局，但小部分拥有已注册产品自 2015 年起，IBM Watson 及 Google DeepMind 引入了人工智能技术来分析视 网膜影像中的关键异常，包括年龄相关性黄斑变性、糖尿病视网膜病变及青光眼。2014 年以来，人工智能视网膜影像识别开始在中国发展，新的市场参与者开始出现，并开 始从单一疾病筛查向各种疾病和病灶的综合诊断发展。目前，除了

15、已在中国获国家药监局批准用于糖尿病视网膜病变的辅助诊断的 Airdoc-AIFUNDUS (1.0)之外，硅基医疗及致远慧图的产品是获得国家药监局批准的类 似产品。在美国，IDx-DR 和 EyeArt 是仅有的两种获得 FDA 批准用于糖尿病视网膜病 变辅助诊断的 SaMD。下表阐明了截至最后实际可行日期，国内及国际人工智能视网 膜影像识别医疗设备产品的竞争格局。小结：各大头部人工智能企业均有布局，但小部分拥有已注册产品。从产品的认证机 构来看，鹰瞳科技拥有中国国家药监局、以及欧洲 CE 认证。且从产品所涉及的适应 症来看，除了糖尿病视网膜病变外，还能用于辅助诊断高血压性视网膜病变、视网膜静

16、脉 阻塞、年龄相关性黄斑变性等等适应症，未来拓展空间巨大。4 、公司的竞争优势4.1 公司在人工智能视网膜影像识别领域先发优势明显公司提供人工智能视网膜影像识别的早期检测、辅助诊断及健康风险评估解决方 案，根据弗若斯特沙利文的资料，公司是全球市场领导者和先行者。公司的解决方案 以视网膜影像、多模态数据分析以及人工智能深度学习算法改进了慢性病传统的早期 检测及辅助诊断方式，在医疗机构和大健康供货商中实现对全人群用户的无创、准确、 快速、高效且可扩展的检测及诊断。公司的 Airdoc-AIFUNDUS (1.0)是一款人工智能 SaMD，获批用于辅助诊断糖尿病视网膜病变，为同类产品中首个获得国家药

17、监局第 三类医疗器械证书以及全球第二款获批的人工智能视网膜影像识别分析 SaMD。此外， 公司已开发出一条丰富的产品管线，包含其他 SaMD 及健康风险评估解决方案，可服 务于小区诊所、体检中心、保险公司、视光中心及药房等多种健康服务场景。公司全 面的产品管线让公司可以为各种医疗健康场景提供解决方案，令大健康场景获得广泛 使用，进一步巩固了公司在市场中的领先地位。人工智能技术具有高速、高成本效益、高度的准确性和可扩展性等优点，影响到 多个行业，彻底改变了诸多产业的传统业务模式。由于医疗资源分配不均衡、缺乏经 验丰富的医生、技术升级及创新、政府对人工智能医学影像识别的支出和政策支持不 断加大以及

18、资本支持力度不断加强，中国人工智能医学影像行业将迎来爆炸性增长， 预计将由 2020 年的人民币 3 亿元增至 2030 年的人民币 923 亿元，2020 年至 2030 年的年复合增长率为 76.7%。随着公司的 Airdoc-AIFUNDUS (1.0)于 2020 年 8 月获 得国家药监局批准，公司认为公司拥有该领域最先进的平台之一，并具备研发、制造、 注册至商业化的全面能力，使公司能够迅速将人工智能创新医疗器械从概念推进至市 场化。公司的市场领导地位和先发优势建立了极高的行业壁垒。凭借公司提供软件和硬 件集成解决方案的能力、先进的自主研发人工智能算法、全面的经标注真实世界用户 视网

19、膜影像数据库、强大的研发团队及与学科带头人的合作，加上公司多维度的商业 化战略及对监管规则的深刻理解，公司认为公司有能力把握市场机遇及巩固公司的领 导地位。4.2 公司的核心产品 Airdoc-AIFUNDUS 经临床验证具有卓越的性能，展现出巨大 的市场潜力公司获国家药监局批准的人工智能 SaMD Airdoc-AIFUNDUS(1.0)是首个获得国 家 药 监 局 第 三 类 医 疗 器 械 证 书 的 人 工 智 能 视 网 膜 影 像 识 别 辅 助 诊 断 产 品 。 Airdoc-AIFUNDUS (1.0)于 2020 年 8 月获批，用于协助糖尿病视网膜病变诊断。在人 工智能医

20、学影像方法中，人工智能视网膜影像识别的诊断技术得到临床验证，并获得 FDA 批准的 MOA 等效产品概念验证临床试验结果和大量同业评审论文的支持。2020 年，中国 2 型糖尿病防治指南（2020 版）亦将人工智能糖尿病视网膜病变筛查软 件作为有效的解决方案，以协助糖尿病视网膜病变的诊断并建议使用获国家药监局批 准的人工智能早期检测及辅助诊断医疗器械。公司基于公司的人工智能视网膜影像识 别早期检测、辅助诊断及健康风险评估技术平台开发出 Airdoc-AIFUNDUS(1.0)，不仅 展现出行业领先的性能，而且广泛应用于多种慢性病的辅助诊断。人工智能视网膜影 像识别的辅助诊断具有重要的健康经济价

21、值。糖尿病是中国一种主要的慢性病，其患 病率估计为 11.2%，知晓率较低，仅为 43.3%，控制率也较低，仅为 32.2%。公司的 Airdoc-AIFUNDUS (1.0)旨在解决上述未获满足的大量医疗需求，其整合 了生物医学图像处理（如生物医学影像质量评估）及复杂人工智能算法（如深度学习 算法）的先进技术，以处理及分析视网膜影像，提供慢性病的早期检测及辅助诊断， 以协助医生更高效及准确地诊断患者。在其招募 1,000 名患者的多中心临床试验中， 公司的 Airdoc-AIFUNDUS (1.0)显示出行业领先的 91.75%的敏感性及 93.1%的特异 性。此外，公司的 Airdoc-A

22、IFUNDUS (1.0)可广泛兼容市面上的大多数眼底相机，从 而使公司能更好地抓住重要的市场机会。公司正在策略性地推进公司的核心产品以涵盖新适应症，旨在于中国开发最全面的人工智能视网膜影像识别的诊断解决方案。4.3 全面的人工智能产品组合有望解决大量未获满足的市场需求视网膜是人体唯一可以无创方式直接看到血管及神经细胞的部位。通过视网膜影 像，可直接对视网膜病变及变化进行观察及分析，以检测、辅助诊断及评估慢性病风 险。视网膜影像不仅是识别糖尿病视网膜病变、病理性近视、视网膜静脉阻塞、青光 眼及年龄相关性黄斑变性等眼部疾病的标准手段，亦在检测及诊断其他慢性病中发挥 重要作用，包括高血压、糖尿病、

23、ICVD、帕金森氏病及贫血症。许多该等慢性病于中 国存在大量的患者群体，根据弗若斯特沙利文的资料，2020 年中国有逾 324.4 百万人 患有高血压及约 151.5 百万人患有白内障。凭借公司创新的人工智能算法及庞大的真 实数据库，公司已开发并正在策略性地开发用于青光眼、白内障、ICVD 及 ASCVD、 妊娠期糖尿病视网膜病变、妊娠期高血压性视网膜病变、颅内高压相关视乳头水肿视 网膜病变及贫血症的其他 SaMD。除满足慢性病早期发现及诊断日益增长的需求外，公司亦已开发健康风险评估解 决方案，可检测与各种疾病及病灶相关的风险指标。在心血管健康风险评估中，公司 认为公司解决方案的准确度超越了学

24、术论文中发布的尖端产品的准确度。公司的健康 风险评估解决方案已于广泛的大健康场景进行市场推广，以高效对大部分人群进行健 康风险评估。公司正在开发新的健康风险评估解决方案适应症，包括甲状腺机能亢进、 格雷夫斯眼病、视网膜静脉阻塞、痴呆症、帕金森氏症、房颤及动脉硬化。公司正在策略性地推进公司的核心产品以涵盖新适应症，旨在于中国开发最全面 的人工智能视网膜影像识别的诊断解决方案。截至最后实际可行日期，公司正在准备 Airdoc-AIFUNDUS (2.0)的临床试验，其旨在涵盖高血压性视网膜病变、视网膜静脉阻 塞及年龄相关性视网膜黄斑变性。该等慢性病的患病率较高、治疗费用高昂及疾病负 担较重，可能引

25、起失明并对患者生活质量产生重大影响。公司计划于 2021 年下半年 开始多中心临床试验并于 2022 年上半年申请国家药监局的新适应症注册批准，根据 弗若斯特沙利文的资料，获批后，公司的 Airdoc-AIFUNDUS (2.0)有望成为中国首个 可用于多种获批适应症的人工智能辅助诊断 SaMD。公司亦正在开发用于病理性近视 及视网膜脱离的 Airdoc-AIFUNDUS (3.0)，以解决中国日益增多的近视及视力问题（尤 其是年轻一代）。公司计划于 2022 年下半年开始多中心临床试验并于 2024 年上半年 申请国家药监局的新适应症注册批准。4.4 软硬件一体化解决方案公司是业内为数不多拥

26、有自主研发图像分析技术和图像采集技术的公司之一，这 使公司能够提供无缝融合软件和硬件的高度一体化、端到端的优化解决方案，带来更 卓越的用户体验和更高的准确度。公司已自主研发三种独有和全自动的眼底相机，这 些照相机易于使用且易于管理。公司的硬件设备显着降低医生提供眼部筛查的障碍及 适用于多种医疗及大健康场景。公司的硬件设备由设备内置的人工智能技术驱动，例 如语音识别、语音合成及计算器视觉，并且可以更低成本成功解决市场上现有眼底相 机的痛点，使公司的产品更适合各种医疗健康场景，从而促进公司的人工智能解决方 案的销售。通过捆绑提供软件和硬件，公司相信公司的一体化医疗健康解决方案提供更无缝 的用户体验

27、、卓越的端到端性能和具成本效益的选择，使公司成为客户的首选。公司 的一体化解决方案亦使公司能够优化数据收集、数据传输、数据分析和结果报告的产 品组合，以充分发挥其潜力。例如，公司可以控制硬件的众多影像参数，以确保公司 的人工智能深度学习算法能理想地处理及分析图像。2021 年 3 月，公司在中国完成了将便携式、全自动化及全自助式眼底相机 AIFUNDUSCAMERA-P 注册为第二类医疗器械的工作，并自此开始进行商业化。公司 的 AI-FUNDUSCAMERA-D（目前处于研发阶段）是一款具有可比拟传统高端台式眼 底相机影像质量的台式眼底相机，但成本却大幅低于传统高端台式眼底相机。公司预 计将

28、于 2022 年上半年为 AI-FUNDUSCAMERA-D 申请第二类医疗器械注册证书。公 司的 AIFUNDUSCAMERA-M 是一种多模态健康扫描仪，正处于研发阶段。公司预计于 2023 年下半年为 AI-FUNDUSCAMERA-M 申请第二类医疗器械注册证书。4.5 自主研发且具有广泛适用范围的先进人工智能算法自成立以来，公司一直致力于人工智能算法（尤其是人工智能深度学习算法）的 开发及优化。人工智能深度学习算法是目前最先进的人工智能技术，人工智能深度学 习算法的开发旨在执行慢性病的早期检测、辅助诊断和风险评估等智能任务。经过六 年的营运，公司已积累了深厚的专业知识，并开发出了广泛

29、适用于检测和诊断多种慢 性病的深度学习算法。例如，公司的 Airdoc-AIFUNDUS (1.0)在临床试验中显示的灵 敏度和特异度领先行业。此外，公司是人工智能视网膜影像识别的深度学习算法领域 的先驱，正在探索之前人工智能未曾涉足的应用。图：公司深度学习模型公司还具有高效完善的人工智能工程基础设施 。公司已建立高度安全和高效的私 有数据湖系统（以储存大量不同数据）、大数据分析系统（以获得对数据的洞察力） 和数据同步系统（以可靠及高效地将不同来源的数据同步到数据湖系统中）。公司的 工程基础设施，对公司能够管理和分析真实世界数据，以便近乎实时地快速优化公司 的深度学习算法至关重要。公司亦拥有强

30、大的人工智能算法训练系统，其使用深度学 习训练框架开发深度学习算法，并使用大量数据训练深度学习模型。深度学习模型建 立在深度学习算法从数据中学到的内容之上。然后于在线推理系统中使用深度学习模 型来分析医学图像。公司的训练系统旨在支持五种不同的机器学习框架及六种编程语 言，以促进公司人工智能算法的开发并解决算法优化中的各种痛点。由于分析各种疾 病及病灶的复杂性，公司亦已开发一个高效且全面的在线深度学习推理系统，以支持 300 多个深度学习模型实例之间的同步计算、优化数据和计算资源的使用并简化公司 深度学习模型的优化、保护、部署、管理及监控。公司的研发团队由超过 60 名成员组成，各成员均拥有学士

31、或以上学位。公司的研 发团队在人工智能技术及医学研究领域拥有丰富的经验，具备涵盖深度学习、医学、 计算器视觉、数据分析、互联网服务、医疗器械、生物学等各个学科的全方位专业知 识。公司的创新 Airdoc-AIFUNDUS (1.0)是公司强大研发能力的证明。由于其创新性 质，Airdoc-AIFUNDUS (1.0)已通过快速信道监管审批程序获国家药监局批准，且为首 个获国家药监局批准用于协助糖尿病视网膜病变诊断的人工智能 SaMD。公司于 2019 年获得吴文俊人工智能科技进步奖，该奖项被公认为中国智能科学技术最高奖及代表 人工智能领域的最高荣誉象征。于 2017 年，公司凭借 Airdoc

32、-AIFUNDUS (1.0)而成为 微软 Build 开发者大会上唯一一家人工智能医疗企业，而该会议是宣布重大技术里程 碑的世界顶级会议之一。公司已与知名学术研究机构（如中山大学中山眼科中心）就 开发数字诊断设备的国家重点研发项目进行合作。公司还在柳叶刀系列、英国 眼科学杂志及英国皮肤病学杂志等权威同行评审科学期刊上发表了或即将发表， 或在一些颇具影响力的人工智能学术会议（例如 MICCAI）上发表了超过 20 篇论文。 此外，自然系列等多种权威同行评审科学期刊均报道过公司产品的出色性能。4.6 全面及优质的视网膜影像数据库公司的视网膜影像数据库已积累了全面、海量及多样化的影像数据。公司数据

33、库 包含约 370 万张完整的真实世界用户视网膜影像和相对应的多模态数据，由资深医学 专家标注及按疾病和病变处理，使公司能够进行更深入的医学人工智能研发并构建及 完善公司的人工智能深度学习算法。公司的数据多样性在业内无可匹敌，涵盖年龄、 性别、人口特征、疾病、商业渠道及医疗器械型号。鉴于数据库获取成本高昂及数据 保护标准愈发严格，公司庞大的数据库已成为竞争对手的主要行业准入壁垒。该数据 库为公司奠定基础，有助公司持续开发及优化深度学习算法以精确识别慢性病相关症 状，以及持续开发新一代 SaMD 及解决方案以应对新适应症及更广泛应用于多场景。4.7 强大的研发团队、全面的专业知识公司的研发团队由

34、超过 60 名成员组成，各成员均拥有学士或以上学位。公司的研 发团队在人工智能技术及医学研究领域拥有丰富的经验，具备涵盖深度学习、医学、 计算器视觉、数据分析、互联网服务、医疗器械及生物学等各个学科的全方位专业知 识。公司开发了覆盖公司软件、硬设备以及算法的关键技术的全面的知识产权组合， 在中国拥有 134 项专利及专利申请，以及六项已发布专利合作条约（PCT）申请。 公司还在柳叶刀系列、英国眼科学杂志及英国皮肤病学杂志等权威同行评审科学期刊上发表了或即将发表，或在一些颇具影响力的人工智能学术会议（例如 MICCAI）上发表了超过 20 篇论文。此外，自然系列等多种权威同行评审科学期 刊均报导

35、过公司产品的出色性能。公司由一支富有远见、经验丰富和尽职尽责的管理团队领导，他们在与人工智能 医疗器械相关的广泛领域拥有渊博的知识、战略性市场洞察力和丰富经验。公司的创 始人张先生在人工智能技术和技能的研发、高科技公司的管理方面已累积近 12 年的经 验。此前，他曾担任微软（中国）有限公司项目经理、宇思信德科技（北京）有限公 司首席技术官、突触计算器系统（上海）有限公司的副总裁及新浪网技术（中国）有 限公司产品副总裁。公司的首席技术官和超博士拥有约 20 年的软件开发、算法设计及 硬件开发经验，在这些领域拥有 30 多项美国或欧盟注册的专利或专利申请。其带领公 司开发深度学习算法，为公司的 A

36、irdoc-AIFUNDUS 的开发奠定基础。公司的首席医 学官陈羽中博士拥有将技术应用于临床实践（包括在三甲医院）的约 20 年一线经验。公司的管理团队由一支才华卓著、兢兢业业、忠诚尽责的研发团队提供支持，该 团队由专业人员组成，而该等人员在人工智能技术和医学领域拥有丰富的经验，具备 涵盖深度学习、医学、计算器视觉、数据分析、互联网服务、医疗器械、生物学等各 个学科的全方位专业知识。公司致力通过激励计划和奖励计划吸引人才，如世界一流 的软件工程师、数据科学家、AI 专家、医学专家和其他研发人才。公司的投资者群体包括医疗健康行业和 TMT 行业的领先机构投资者，例如复星、 搜狗、中信证券、平安

37、医疗科技、Lilly Asia、清池资本及 OrbiMed。他们的丰富经验 以及对市场趋势的深入了解对公司非常宝贵。4.8 与学科带头人及主要医院密切合作公司已与国内知名的学科带头人及主要医院建立稳固的合作关系，使公司的 Airdoc-AIFUNDUS (1.0)在医学场景中获得广泛的认可。具体而言，公司与国内顶尖医 院内领先行业的临床科室密切合作，并共同承担国家重点研发项目。公司与全国顶尖 医院保持稳固的关系，例如中山大学中山眼科中心、首都医科大学附属北京同仁医院、 解放军总医院第一医学中心、上海交通大学附属第一人民医院、首都医科大学附属北 京安贞医院、清华大学附属北京清华长庚医院、温州医科

38、大学附属眼视光医院及有影 响力的学术机构（如北京大学和澳大利亚蒙纳士大学）以及有影响力的学科带头人， 以更好地了解一线临床护理的需求和提升公司的研发实力。公司的学科带头人网络已 成为产品开发反馈的宝贵资源，对公司的产品在医学场景中获得接纳和认可至关重要。4.9 多维度商业化公司的人工智能早期检测、辅助诊断及健康风险评估解决方案对于多种医疗健康 场景均适用并具有宝贵价值，使得公司的商业化产品不仅覆盖医院的临床科室，同时 可以向其他医疗及大健康场景（包括体检中心、小区诊所、保险公司、视光中心及药 房）进行销售。考虑到这些场景的客户，公司在全面的数据库的支持下，已开发及优 化算法，以解决其需求及匹配

39、其业务特点。公司为不同客户群体提供服务的能力亦丰 富了公司的真实世界用户数据库，并形成回馈循环，进一步优化现有算法及开发新算 法。医疗健康场景。公司专注于医院、小区诊所及体检中心的关键临床部门的覆盖范 围，旨在解决中国医疗资源短缺和分配不均衡的问题。 医院的临床科室 。中国医疗服务供给远小于需求。此外，慢性病及其相关并发症 通常由医生在审查视网膜影像等各种测试结果后进行人工检测及诊断。然而，中国有 经验的医生数量有限。根据弗若斯特沙利文的资料，截至2020年12月31日，中国只有 大约44,800名眼科医生，他们需要面对日益增加的患者。针对适用于慢性病的价格低 廉和高效的解决方案的巨大需求远未

40、得到满足，公司相信通过加强辅助诊断能力、提 高治疗依从性以及提供无创、准确、快速、高效且可扩展的辅助诊断解决方案，公司 的人工智能早期检测及辅助诊断解决方案能解决这一问题。自获得国家药监局对 Airdoc-AIFUNDUS (1.0)的批准以来，公司专注于在学科带头人和医生之中提高品牌声 誉和知名度，公司相信这使公司能够迅速扩大在医院的渗透率。小区诊所。中国的医疗资源（包括经验丰富的医生及先进医疗设备）不均衡地集 中在少数几家大医院，而许多地区医院不能满足这些地区庞大人口的需求。尽管中国 政府制定了一系列支持小区诊所发展的政策，但仍然面临着控制成本、增加就医机会 和在小区诊所提供优质医疗服务的问题。通过公司的人工智能早期检测及辅助诊断解 决方案，小区诊所可以更准确及更高性价比地检测和诊断慢性病，并为大量人群提供 转诊建议，从而有效解决中国医疗资源短缺及分布不均的问题。体检中心。体检中心提供例行检查，以检测潜在疾病及或身体状况。然而，许多 体检中心需要进行大量测试以进行全面筛查。公司人工智能视网膜影像识别的