2022-2023年AI+医疗行业现状与投资规划分析报告

2022-2023年AI+医疗行业现状与投资规划分析报告汇报人：REPORTERContents目录行业概况01行业发展环境02行业现状03行业前景趋势0401行业概况Loremipsumdolorsitamet,consetetursadipscingelitr,seddiamnonumyeirmodtemporinviduntutlaboreetPART01|行业定义Loremipsumdolorsitamet,consetetursadipscingelitr,seddiamnonumyeirmodtemporinvidunt行业定义“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。”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，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。”1960-198002|发展历程1980-20002000-20102010-至今1978年,北京中医医院研发出我国第一个医学专家系统——关幼波肝病诊疗程序1980s研究方向多为中医专家系统,1990s专家系统进入西医领t域,研发颞颌关节紊乱综合征专家系统、个儿童心理障碍标准化诊断与治疗专家系统、心血管疾病诊断的专家系统等累计研制出上百个专家系统,如耳穴信息智能识别系统、口腔癌/胃癌诊疗专家系统、结核病诊断专家系统、血气酸碱度检测分析计算机辅助专家系统,但几乎没有应用于临床为医生所用2015年。开展Al+景如向的相关研究2016-2017。市场出现相对成熟的CDSS产品2018年,AI开始应用于基因检测领域2019年,尝i试利用人工智能打造更科学的智慧病案++=数据标注、芯片、传感器、大数据、云计算产业链上游03|产业链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，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。产业链中游产业链下游医学图像识别、医学知识图谱、机器学习、深度学习临川决策系统、智慧病案、手术机器人、医疗影像、基因检测AI+医疗行业上游龙头企业已开始对产业链进行延伸，逐渐进军原材料生产领域，以规避高额进口原料的成本支出，攫取上游毛利。此外，伴随着上游原料生产企业的重组进程加快以及中国市场参与者技术水平的提高，AI+医疗行业上游原材料供应有望朝着专业化和规模化的方向继续发展，逐渐抢夺外资企业在行业内的话语权。04|产业链上游AI+医疗行业中游企业原材料大部分依靠进口，主要原因是下游消费终端为保障科研成果，对行业产品的质量稳定性要求较高，因此，中游科研用制备厂商更倾向于选择仪器先进、供应链稳定的进口原材料供应商。企业产品价格主要受市场供求关系的影响。由于AI+医疗企业的产品毛利较高，原材料价格波动不会对企业的盈利能力产生重大影响。04|产业链中游AI+医疗行业下游企业市场空间广阔、销售范围广、用户分散、单批数量少、销售单价高等特点。随着全球范围内生物医药行业研究的深入及产业化程度的提升，中国行业产品种类进一步丰富，应用领域持续增加，个性化、高端化的产品将逐渐获得更广阔的应用空间。04|产业链下游02行业发展环境Loremipsumdolorsitamet,consetetursadipscingelitr,seddiamnonumyeirmodtemporinviduntutlaboreetPART01|行业政策推广人工智能治疗新模式新手段，探索人机协同智能诊体系的建设;加强群体智能健康建设，突破大数据、物联网等关键技术。《新一代人工智能发展规划》鼓励医联体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务﹔推进“互联网+人工智能”应用服务,研发基于人工智能的临床诊疗决策支持系统,同时加强临床、科研数据整合共享和应用。《国务院办公厅关于促进“互联网+医疗健康"发展的意见》推广人工智能治疗新模式新手段，探索人机协同智能诊体系的建设;加强群体智能健康建设，突破大数据、物联网等关键技术。《国家新一代人工智能开放创新平台建设工作指引》国务院国务院科技部02|行业政策鼓励医联体内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程影像诊断等服务；推进“互联网+人工智能”应用服务，研发基于人工智能的临床诊疗决策支持系统，同时加强临床、科研数据整合共享和应用《国务院办公厅关于促进“互联网+医疗健康”发展的意见》智能医疗，推广人工智能治疗新模式新手段，探索人机协同智能诊体系的建设；智能健康和养老，加强群体智能健康建设，突破大数据、物联网等关键技术；完善支持人工智能发展的重点政策，完善适应人工智能医疗、保险的政策体系新一代人工智能发展规划》智能医疗，推广人工智能治疗新模式新手段，探索人机协同智能诊体系的建设；智能健康和养老，加强群体智能健康建设，突破大数据、物联网等关键技术；完善支持人工智能发展的重点政策，完善适应人工智能医疗、保险的政策体系《国家新一代人工智能开放创新平台建设工作指引》在2023年率先在医疗等领域初步建立人工智能标准体系；智能医疗领域，围绕医疗数据、医疗诊断、医疗服务、医疗监管等，重点规范人工智能医疗应用在数据获取、数据隐身管理等方面内容，制定包括医疗数据特征表示、人工智能医疗质量评估等标准《国家新一代人工智能标准体系建设指南》病理诊断，人工智能++医疗将给医疗行业的众多细分领域带来巨大变革，解放医生紧缺现况。人工智能+医疗成为近年来的行业热点，计算机技术与医疗服务的跨界合作为未来的行业发展提供了全新维度。人工智能主要应用于医疗领域的疾病诊断、医疗辅助、医药开发等方面，具体包括病理诊断、影像诊断、语音识别、健康管理、可穿戴设备、医院管理、精神健康、药物挖掘、生物技术等细分领域。人工智能在医疗健康领域的深耕，有望缓解优质医生资源稀缺、重复劳动负荷重、诊断质量不均衡等医疗诊疗领域的瓶颈，不但能够提升医护人员的工作效率，降低医疗成本，并能够借助大数据平台进行科学有效的日常监测预防。图像识别和判读是人工智能最有优势的领域之一，影像AI是人工智能结合医疗行业的重要分支。现阶段AI在医疗的主要应用场景为医院病理科与影像科的疾病诊断与成像辅助。病理科与影像科都是通过相关设备获取医学影像进行疾病诊断，但依据两个科室诊断特点，AI应用有所不同。病理AI现阶段主要功能在于排除阴性样本，提示阳性区域，辅助病理医生提升病理诊断效率或替代病理医生进行某些疾病的诊断；影像科应用包括AI辅助快速成像与影像诊断两个方面，一方面可以通过AI辅助成像可以有效缩短检查时间，减少对人体的辐射伤害，另一方面通过机器学习训练算法可以实现计算机对疾病的影像诊断经济环境03|经济环境医疗资源分布不均，人工智能弥补劳动力短缺，我国医疗资源分配严重不均，优质的医疗设备和医护资源大多集中在发达城市与地区，而使得大量外地病患由于在本地得不到良好的医疗，转而向大城市、大医院集中。根据国家卫计委数据，截止至2018年11月底，我国共有医院32476个，其中三级医院仅有2498家，占7.69%；然而，三级医院就诊人数(截止至2018年11月)却达到16.46亿人次，占全国总人次的50.97%。医疗资源供需明显不匹配。04|社会环境AI医疗利好政策落地，从2006年起，国家多次颁布人工智能相关政策。2016年6月《关于促进和规范健康医疗大数据应用发展的指导意见》中明确提出健康医疗大数据是国家重要的基础性战略资源，需要规范和推动医疗大数据融合共享、开放应用。人工智能医疗器械创新合作平台成立—距离正式向AI企业发布《深度学习辅助决策医疗器械软件审批要点》仅半月，药监局再次展开了AI器械审批相关的大动作。7月17日，人工智能医疗器械创新推进会在京展开，大会之上，人工智能医疗器械创新合作平台在此成立。该平台以构建开放协同共享的人工智能医疗器械创新体系，形成服务于科学监管、科技创新、产品转化的人工智能医疗器械创新合作平台为目标愿景，将全力推动医学人工智能产品审批。世界十大人工智能科学家之一TerrenceSejnowski曾在“TheDeepLearningRevolution”一书中提出AI医疗。“随着机器学习的成熟并被应用于可获取大数据的许多其他问题，服务行业和其相关职业也将发生转变。基于数百万患者病情记录的医学诊断将变得更加准确。最近的一项研究将深度学习运用到了囊括超过2000种不同疾病的13万张皮肤病学图像中，这个医学数据库是以前的10倍大。该研究的网络被训练用于诊断“测试集”（testset）中的各种疾病。它在新图像上的诊断表现与21位皮肤科专家的结论基本一致，甚至在某些情况下还要更准确”。由于待遇、工作量及培养周期等因素造成我国病理医生极度短缺，经测算我国病理医生缺口多达7万人。病理医生的供需失衡极大限制了病理行业的发展以及基层诊疗水平的提高。AI病理诊断技术能够实现自动化诊断，将辅助病理医生提高诊断效率，并提升诊断灵敏度，病理AI远程系统及独立实验室也有助于基层医疗诊断水平的提高。经济环境05|社会环境06|行业驱动因素2018年中国卫生总费用达到近6万亿元，约为2010年的三倍，同时，2010年-2018年期间，卫生费用占GDP的比例缓慢上升。从居民个人角度看，受农村整体经济条件及医疗水平等因素影响，2015-2018年农村居民在医疗保健方面的支出低于城镇居民，差距基本保持在700元左右。城乡居民医疗保障支出占总消费性支出的比例均有所上升，居民在医疗保健方面的付费意愿不断增强。认为，国家、社会各界及居民个人越来越重视卫生健康，未来AI不仅能帮助医院及药企的管理与研发，而且能帮助基层医疗机构提升医疗水平，从而满足居民不断增长的医疗保健需求。卫生总费用逐年上升，居民在医疗方面的付费意愿不断提升2018年全国医疗卫生机构数量接近10万家，其中近95%为基层卫生机构。基层卫生机构中，社区卫生技术人员工作年限多在10-30年，但高水平人员较少，取得正高/副高资格的医生占比仅有5.1%。提升基层医院尤其是社区医院医疗技术人员的综合能力能够减少居民对于去基层医疗机构就医的顾虑，促进分级诊疗制度的落实。分城市与乡村来看，城市每千人口卫生技术人员总数达10.91人，其中药师、检验技师、影像技师等卫生技术人员占比相对较低。城乡间每千人口卫生技术人员总数仍有较大差距，农村居民在医疗方面有较强付费意愿，但能够获得的医疗资源有限。认为，未来AI+医疗通过向乡村医疗卫生机构提供标准化的产品，能在一定程度上弥补城乡间的医疗资源差距。基层与医院、城市与乡村，医疗技术水平仍有较大差距国家医保局发布的数据显示，2019年医保覆盖人数达1医保全民覆盖，需采取有效控费措施减轻医保基金支出压力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。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+医疗算法生态成熟，核心医疗应用广泛03行业现状分析Loremipsumdolorsitamet,consetetursadipscingelitr,seddiamnonumyeirmodtemporinviduntutlaboreetPART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，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。01|行业现状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99%，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。推算，2020-2022年的CAGR将达到59%，2022年市场规模将超过70亿元。02|行业现状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。03|行业现状辅助检查、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。市场规模:2019年AI+核心医疗软件服务整体市场规模达到20.5亿元。同比增速高达99%，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，推算，2020-2022年的CAGR将达到59%，2022年市场规模将超过70亿元。04|行业市场规模医学数据问题合规问题:目前医疗数据的归属权、使用权、存储权、交品权利等尚不明确﹔教据质量:当前数据标注方法、工具、平台不统―导致的标注质量不一致;数据共享:医疗数据目前仍如“孤岛”,共享仍待时日05|行业痛点复合人才问题缺乏复合人才:Al+医疗领域所需人才不仅要掌握人工智能相应技术,还需理解医疗业务流程,目前我国的人工智能人才培养机制尚无法满足医疗领域专门人才的培养需求标题行业痛点医疗机构合作转化路径过长:目前的合作模式大多是企业与医疗机构合作进行相关医疗人工智能的科研,但科研成果转化为成熟产品路径过长,其中涉及的知识产权、利益分配、品牌所有权等诸多不确定因素都会影响AI+医疗的落地++强化区域合作，加快打造一批特色突出、辐射带动作用明显的人工智能医疗产业集群。推动各地区差异化发展，支持打造人工智能医疗示范应用试点，建设具有中国特色、可复制推广的人工智能医疗产业园区，并培育具有重大引领带动作用的企业和产业；支持企业、科研院所布局共性技术平台，提供专业研发服务，重点突破人工智能医疗企业所需的共性技术。开展人工智能医疗试点，推进示范应用06|发展建议建立数据标准，促进开放共享联合卫健委、第三方机构协作，积极打造医疗大数据示范平台。建立医疗大数据标准体系，建设结构化数据集。支持引进医疗数据专业标注服务平台，提供专业程度高、技术密集型的高质量数据标注服务。提高医疗数据基础设施覆盖面，要求各级医疗机构建设统一标准的医疗大数据基础设施，政府对此予以补贴。同时，以审慎监管、保护创新为原则，推动建立数据开放共享规范，对大数据的保存、备份、迁移进行规范管理，按保密程度分级分类管理，以审批申请制的方式向公众开放和共享数据，切实保障数据安全设立专项基金，加大产业扶持力度设立人工智能医疗产业发展与应用专项基金，通过直接资助、股权投资、贷款贴息、风险补偿等多元化扶持手段，重点支持人工智能医疗关键核心技术研发与产业化落地，提高全产业链发展水平和竞争能力；发挥政府引导基金带动作用，引领中国产业投资基金及社会资本的投资布局。04行业前景趋势Loremipsumdolorsitamet,consetetursadipscingelitr,seddiamnonumyeirmodtemporinviduntutlaboreetPART01|行业发展趋势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。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。突破AI技术障碍，与医疗领域产生更深度融合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。发展AI+医疗相关伦理道德，构建用户友好的AI+医疗系统目前各大科研院所及科研巨头都在着力研发基于人