《罗兰贝格：以人为本人工智能助力医疗体系科学发展(56页).pdf》由会员分享，可在线阅读，更多相关《罗兰贝格：以人为本人工智能助力医疗体系科学发展(56页).pdf（56页珍藏版）》请在三个皮匠报告上搜索。

1、2019年8月 以人为本， 人工智能助力医疗体系科学发展 序言 在中国经济增长放缓的背景下，人口老龄化、医疗健康 消费升级正在推动医疗支出持续、显著增长。医疗需求 总量巨大，在结构上呈现出多样化、多层次、个性化、 动态化等特征。虽然医疗供给总量在增加，但医疗资源 分配不均衡、结构不合理。总体而言，供给与需求在总 量上暂未达到平衡，在结构分布上存在严重错配。 针对上述问题，倡导价值医疗、优化资源配置，正在成 为医疗行业发展趋势。医疗卫生系统在向以人为本的整 合型医疗卫生服务体系演进，力求实现“无处不在的医 疗”、“全生命周期关怀”及“精准医疗”。医疗健康 服务在逐步引入数字化技术，从满足基础功能

2、需求向提 升个性化、智能化诊疗服务体验发展。其中，人工智能 技术已在医疗行业进行诸多探索，未来将呈现巨大应用 发展潜力。 当前，尽管医疗行业通过人工智能技术驱动服务提质增 效的需求迫切。然而，医疗与人工智能依然需要不断融 合，以形成多样的发展模式。医疗人工智能的发展必将 从目前的技术、工具驱动向以价值医疗为核心的端到端 解决方案演进，基于此核心观点，白皮书对医疗AI各参 与方提出了业务发展建议。 2 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 目录 1. 医疗体系现状及未来发展趋势 . 6 1.1 宏观发展趋势及医疗需求的变化 . 7 1.2 医疗供给的变化 . 11 1.3 新技术的发

3、展 . 13 1.4 医疗体系发展的趋势 . 14 1.5 AI在未来医疗体系中的价值 . 16 2. 面向未来的医疗健康生态体系及人工智能发展机会 . 18 2.1 面向未来的医疗健康生态体系 . 19 2.2 基于医疗健康生态圈的医疗AI应用细分领域 . 23 2.3 医疗AI技术能力说明 . 45 3. 医疗AI发展模式探索 . 48 3.1 医疗AI需求及供给模式分析 . 49 3.2 医疗AI需求及供给关系思考 . 50 3.3 医疗AI需求方发展路径建议 . 51 3.4 医疗AI供给方发展路径建议 . 52 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 3 观点 缓解医疗供需

4、矛盾，AI不可或缺 中国医疗健康行业的核心痛点在于供给与需求之间的不匹配。医疗体系 正处于以人为本的整合式服务趋势之下，医疗服务、医疗保障、药械生 产及流通体系正在不断变革。 AI将促进医疗服务提质增效、降本增益、 模式创新，推动医疗体系各方的变革。医疗专家的不断投入、高质量标 准化的数据、领先的AI技术将是医疗AI发展的核心要素。 AI将赋能医疗服务提供方诊前、诊中、诊后全流程 AI与医疗服务结合，在诊前、诊中、诊后各个环节演化出丰富的应用场 景，能够实现多方面价值，包括提高服务质量、提升患者体验、节约医 疗成本、强化医院运营管理等。AI将实现医疗服务的线上线下一体化， 将从疾病治疗拓展到主

5、动式健康管理，助推各级医院实现一致的、精准 的、体验良好的健康管理服务，真正实现无处不在、全生命周期的医疗 服务体系。 临床辅助决策系统未来在基层医院与三级医院应用前景广泛 将按照从全科到专科、从工具到平台的方式进行演进，与临床进行深度 融合。对于基层医院，AI辅助诊断能够有效减少医生的误诊、漏诊情 况，提升医生诊疗水平，提高医疗服务质量；对于三级医院，AI可通过 数据反馈推动诊断更规范合理, 提升医生效率。 以“AI+大数据技术”为核心的个人健康管理平台将成为关键 依托医疗体系，打通患者院内外全生命周期数据，实现主动式健康管 理。人工智能将实现智能化疾病预防指导，对疾病和个人健康进行实时 动

6、态监测和评估，为用户提供个性化行为干预，推动高质高效、低成本 的康复护理、慢病管理等医养服务，可降低疾病风险、防患于未然，为 患者、医院、医保降低医疗费用支出。 4 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 AI将覆盖药品及医疗器械提供方的全价值链 AI在研发环节能够缩短研发周期、降低研发成本、提高研发成功率；在 生产环节能够提质增效；在应用环节能够加速临床进程、辅助临床策略 制定，促进精准医学和个性化诊疗(如精准用药)。 AI将成为支付方撬动整个医疗生态圈的重要助力 AI将帮助实现医保控费、智能风控、减少欺诈等目标，促进支付方与医 疗服务提供方及药品、器械提供方形成新的协同关系，最终

7、目标是以医 疗价值为导向，提升医疗服务、药品以及器械的质量水平并节约支出。 医学自然语言处理和知识图谱是医疗AI领域的核心技术 自然语言处理对于病历结构化、实现虚拟助理和辅助诊断、挖掘文献和 临床等证据中药物与疾病的关系等应用至关重要；知识图谱是临床辅助 支持系统的底层核心，是实现智能化语义检索的基础和桥梁，在疾病风 险评估、智能辅助诊疗、医疗质量控制、医学科研辅助、院管决策支持 等智慧医疗领域都有着良好的发展前景。 提供涵盖医疗产品、服务、运营的端到端解决方案将是AI供给方的发展 方向 医疗AI供给方将从提供基于固定价格的通用性产品，向基于价值的个性 化解决方案进行演进；将在政策驱动下从基于

8、信息化预算获取直接收入 的模式，向在以人为本的趋势下通过节省费用或数据变现进行价值创造 的模式以及C端收费模式演进；除了医疗需求方之外，会更加关注医疗 健康生态圈的更广阔市场。 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 5 第一部分 医疗体系现状及未来发 展趋势 6 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 中国医疗健康行业的核心痛点在于供给与需求不匹配。随着人口老龄化加剧， 医疗需求持续攀升、医保支付压力增大、医疗资源分配不均衡等问题短期内难 以解决。在此背景下，以AI为主的新技术浪潮的兴起，为医疗体系的改革以及 健康发展注入了新的活力。在数字化趋势及医改政策引导下，医疗服务

9、各参与 方将推动医疗体系在中短期内实现医疗服务、支付、生产及流通体系的变革， 并向“以人为本的整合型服务”的远期发展目标演进。 01 1.1 宏观发展趋势及医疗需求的变化 卫生总费用增速当前已超GDP增速，未来随着经济增长进入新常态，GDP增速 持续放缓，经济增量支持的减少将给医保基金支付带来风险和压力。2013- 2017年，中国卫生总费用的年均增速保持在11.5%-13.5%，预计2030-2035年 间，增速仍将达7.5%。2017年，卫生总费用占GDP的6.36%，2035年预期达 到9%1。同金砖国家或发展水平相当的中等收入国家(如印度、泰国、阿联酋、 马来西亚)相比，我国卫生总费用

10、占GDP的比重已经较高，当下面临较大的医疗 负担。发达国家如美国、英国、德国、日本2015年的卫生总费用占比分别为 16.8%、9.9%、11.2%、10.9%，同这些发达国家相比，我国的占比还比较低， 未来仍有较大的上行压力(世界卫生统计，2018年)。 医疗体系 现状及未来 发展趋势 1中国医药卫生体制改革联合研究合作方，深化中国医药卫生体制改革建设基于价值的优质服务提供体系之政策总论，2016年 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 7 资料来源：罗兰贝格 演进方向 01: 医疗服务各参与方推动医疗健康体系演进 中长期 中短期 数 据 驱 动 智 慧 化 线 上 化 需求 供

11、给 技术 变革 以 人 为 本 的 整 合 型 医 疗 卫 生 服 务 体 系 人 群健 康 患 者 体 验 医 疗 成 本 医疗服务 体系变革 医疗支付 体系变革 医疗生产及流 通体系变革 医疗体系演进 人口老龄化趋 势推动医疗需 求攀升 向全生命周 期健康管理 转换 提质增效， 改善体验 医疗健康消费升 级，注重个性 化、品质化、强 体验的健康管理 资金使用效 率亟待提高 卫生支出持续上 涨，医保支付压 力大 能力下沉基层， 强化基础医疗 医疗核心医师资 源总量不足、资 源分布不均衡、 资源配置不合理 8 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 $ 人口老龄化将是未来几十年中国医

12、疗健康需求总量持续攀升、集中爆发的直接 原因。2018年，中国65岁以上人口已超1.6亿，占比达11.9%，是较早进入老龄 社会的发展中国家之一。此外，老龄化速度增快，60岁以上人口占比到2050年 或达35%2。人口老龄化的影响之一是人群疾病谱结构将发生变化，例如慢病患 病率将持续上升。我国已确诊的慢病患病人数超3亿，同时患病率以每年5.8% 的速度增长3。而根据全国卫生服务调查，65岁以上群体的慢性病患病率高达 78.4%，是全部人口患病率的3.2倍，即老龄人口越多慢病人群基数越大。如今， 慢病已成为健康的头号威胁，占到了中国77% 的健康生命年损失和85% 的死亡 诱因4，占全部疾病负担

13、的60%以上5。人口结构的变化带来的第二个影响是诊疗 以外的医疗健康需求的结构性增加，包括疾病预防和治疗、健康监测和管理、 养生和保健、临终关怀等。以体检为例，与美、日、德超70%的覆盖率相比， 我国的健康管理市场还有巨大的发展空间。伴随着生活水平的提高，以及国家 政策对家庭医生、慢病防治、健康生活等方面的支持，越来越多的人群将主动 参与健康管理。 02 此外，在医疗健康消费升级趋势下，人们对医疗健康的效果、品质、体验等提 出了更高的要求，医疗健康服务将更加注重个性化、人性化。当人均可支配收 入超过某个“临界点”，医疗健康消费会加速发展6。中国的人均可支配收入持 续快速增长，将成为医疗健康消费

14、加速发展的新力量。表现为，我国近年来的 人均医疗消费支出快速提升，过去碎片化、沟通不足、质量和体验有待提升的 医疗服务愈来愈不能满足人们的需求。此外，根据罗兰贝格行业分析，集中于 公立医院特需和国际部、私立医院等医疗机构的体检、眼科、口腔、美容、辅 助生殖等领域的高端医疗需求人数与服务规模在不断增长，需求人群已有 3,000-5,000万、市场规模超千亿。未来，优化就医流程、增加便捷性、改善候 诊就诊及病房条件、提升医护人员服务意识、提供精准医疗将是大势所趋。 2新华网,老龄化加速，我们准备好了吗？，2018年4月18日 3国家卫生计生委统计信息中心，第五次国家卫生服务调查分析报告，2013年

15、 4中国医药卫生体制改革联合研究合作方，深化中国医药卫生体制改革建设基于价值的优质服务提供体系之政策总论，2016年 5清华大学全球产业研究院，双轨拉锯：开启中国医疗健康产业的未来，2019年4月 6清华大学全球产业研究院，双轨拉锯：开启中国医疗健康产业的未来，2019年4月 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 9 资料来源：国家统计局；第五次国家卫生服务调查分析报告；罗兰贝格 20112010 65岁及以上人口数量(万)65岁及以上人口比例 11,894 8.9% 9.1% 9.4% 9.7% 10.1% 10.5% 10.9% 11.4% 11.9% 12,288 12,71

16、4 13,161 13,755 14,386 15,003 15,831 16,658 200018 中国65岁及以上人口变化 02: 老龄化趋势和慢病发展 各年龄段慢性病患病率(%) 2013年2008年 15-24岁 25-34岁 45-54岁 78.4 52.6 29.5 13.5 5.1 2 55-64岁35-44岁 65岁及 以上 10 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 7 2018年我国卫生健康事业发展统计公报 8 国家医保局，2018年医疗保障事业发展统计快报，2019年2月 9 包括注册为全科医学专业或取得全科医生培训

17、合格证的执业(助理)医师数 1.2 医疗供给的变化 支付压力大将是中国医疗体系面临的挑战之一。拆解我 国卫生费用总支出构成，政府卫生支出占28.3%，社会 卫生支出占43.0%，个人卫生支出占28.7%7。而WHO推 荐的可以防止因病致贫的自付费用占卫生总费用比例为 20%，且2016年政府卫生支出占财政支出的比重已达 7.1%(接近全球10.6%的平均数水平)，财政支出压力较 大。政府应积极采取措施，提高卫生支出效率。 医保基金呈现出支出增幅大于收入增幅的态势。2018年， 职工基本医疗保险基金收入增长8.7%，支出增长11.5%， 城乡居民基本医疗保险基金收入增长27.1%，支出增长 28

18、.9%8。伴随着老龄化的趋势，长此以往医保基金将面 临较大的可持续压力。目前，虽然三大基本医疗保险已 基本实现全面覆盖，但资金使用效率亟待提升，支出效 率提升、医保控费成为关键方向。过去，医保缺乏有效的控费目标和手段，只是被动支付而没有控制能力，药品、耗 材、检查占医院收入比利较高，亟待降低。不过，随着2018年3月国家医疗保障局成立，宣告将由统一机构管理三大 医保，同时加强三医联动，通过医保撬动医药、医疗的规范化。拥有价格管理和招标采购职能的医保局，将由支付方 变为购买方，有利于药事管理(PBM)、按病种付费(DRGs)、异地就医等医改举措的大步推进。 同时，医疗供给面临核心医师资源总量不足

19、、资源分布不均衡、资源配置不合理等问题。从总量上看，医疗资源供给 增长落后于需求增长。医生资源缺口问题在影像科、病理科以及全科医生方面尤为严重。目前我国医学影像数据的年 增长率约为30%，而放射科医师数量的年增长率仅为4.1%，病理科医生缺口达到10万。我国全科医生数9约25 万人， 占医生总数的7.37%。这一数字还远远达不到建立真正的全科医生制度体系的需求(德国、法国、日本占比均在20%以 上，美国在12%以上)。由于医生的培养周期很长，资源短缺问题短期内无法解决。 从分布上看，医疗资源集中于三级医院和发达地区，基层医院医疗水平低、医师资源少。从配置上看，由于三级医院 长期超负荷运转，承担

20、了过多基础诊疗工作，导致核心医疗资源无法发挥最大价值。供需结构不匹配导致了医院运营 效率低、误诊率高、医疗体验差等诸多问题。 03 价值为先，人工智能助力医疗体系科学发展 罗兰贝格 11 12 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 资料来源：中国卫生健康统计年鉴2018 ；罗兰贝格 03: 医疗资源结构性不匹配 2548 三级 医院 二级 医院 一级 医院 26283,333 97.5%18.5 12.8 2.2 83.0% 56.9% 12,549 1,342 226 42 卫生技术 人员 万 医院数 个 医院平均 收入万元 病床使用 率 % 诊疗人次 亿 9017 10831

21、以人为本，人工智能助力医疗体系科学发展 罗兰贝格 13 1.3 新技术的发展 在新一波技术发展浪潮中，以AI、边缘计算、大数据、物 联网、5G等一系列技术为代表的“技术簇”正在为各行 各业带来新的技术架构、新的商业模式和新的发展理念。 技术发展催生的行业数字化正在推动各行各业创新发展。 以医院信息化发展为例，当前正在历经第三次发展浪 潮。2000年左右，在以服务收费为核心目标的基础信息 化推动下，HIS系统逐步铺开。2013年左右，在电子病历 评级和互联互通需求拉动下，医院内分散的信息系统孤岛 (包括HIS、HRP、EMR、PACS、RIS、NIS、LIS等)开始 走向集成化。自2018年开始

22、，智能化发展进程加快，新技 术在助力医疗体系从“已知的已知known-knowns”向“ 已知的未知known-unknowns”及“未知的已知un- known-knowns”乃至“未知的未知unknown-unknowns” 方面进行逐步探索，依托于人工智能、大数据、边缘计算 和5G等技术，涌现出诸如CDSS、AI影像、互联网医疗等 智慧化应用。例如，领先厂商通过人工智能、虚拟现实、机器人、5G等技术的结合，已经具备远程专家高精度指导 手术、对病灶区域进行辅助诊断的能力，越来越多的前沿技术开始应用于基因测序、细胞免疫疗法、3D骨骼打印、 实时机体检测等领域。 04 医疗行业数字化建设将逐渐

23、从政策驱动向价值驱动演进。传统为了满足评级和政策检查所建设的很多信息化系统，由 于存在数据质量差、数据分散不互通等诸多问题，数字化效用难以有效发挥。但当下，在医疗支付体制改革的推动 下，医院在药品控制、诊疗路径控制、分级医院体系构建等方面将进行主动改革，充分利用信息化手段提质增效，促 进医疗服务体系变革发展。具体表现在： 智慧化：通过数字化技术解决复杂医疗临床、科研及管理问题，或赋能医生，提高诊疗能力。 线上化：从患者体验出发，将部分业务线上化处理，增加医患沟通渠道，便民利民。 数据驱动：采集、存储、组织、整合、应用海量的人群健康数据，挖掘并发挥这些数据信息对于医学研究、临床 实践、医保控费等

24、医疗价值点的作用。 云服务：基于互联网技术，以云服务的形式提供弹性的IT基础设施，降低医疗机构建设成本、破除数据孤岛、保 障业务连续性。 14 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 量子 计算 大数据 1.4 医疗体系发展趋势 基于对宏观经济发展趋势、医疗需求及供给以及新技术发展趋势的分析，我们认为，医疗体系将在成本控制的基础上 (缓解供给端支付压力)，提高人群健康水平和患者体验(满足多样化、多层次、个性化、动态化的需求)，实现以人为 本的整合型医疗卫生服务(合理分配供给资源，提供一致性医疗健康服务)，最终实现各国都在努力推进的医疗改革。 未来医疗体系发展的趋势具体表现为：提高人群

25、整体健康水平，实现人群健康管理；医疗生态圈各方有机配合，向人 04: 新技术的发展趋势 资料来源：罗兰贝格 自动 驾驶 3D打印 机器 学习 智能 机器人 虚拟 助手 物联网 深度 学习 区块链 人工智能5G通信 虚拟现实 计算机智能系统 高速率、低时 延、广联接 扩展现实、拉近距 离、沉浸式体验 云服务 边缘计算 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 15 群提供整合式服务；以人为本，实现医疗、医药、医保三医融合；发展的“终局”将强调医疗价值。 医疗服务、医疗保障、药品和医疗器械生产及流通体系都在不断进行着深刻变革，演进过程将是一条符合国情、融 合领先科技的路径。因而，在走向“终

26、局”之前，医疗体系将经历一段从医疗“中局”向“终局”过渡的发展历程。 医疗服务体系变革： 从关注诊疗向全生命周期健康管理进行转换，包括预防、筛查、诊断、治疗及康复，以通过医联体、医共体等一 体化服务提升全民健康水平，通过扩大早期预防和筛查的覆盖减少老龄化趋势下的诊疗压力。 医疗资源和服务能力向基层下沉，增强基层医疗服务能力，由基层提供健康管理及慢病管理、体检、疾病预防等 基础医疗服务，通过分级诊疗缓解资源匹配矛盾，改善患者医疗体验。 供给端总量提升、注重提质增效，在公立医院改革之余，鼓励民营资本参与、加强社会力量投入医疗健康服务。 医疗支付体系变革： 社会医保明确管理目标、加强控费能力，提高医

27、疗支付效率和投入产出效果，通过医保带动医药和医疗运营变革、 理顺激励机制，逐步实现按价值付费。 商业保险发展提速，成为支付体系的关键力量，结 合大数据和互联互通能力提供保险创新模式，例如 健康管理组织、药品福利管理、单病种管理等。 医药生产及流通体系变革： 通过科技手段赋能，提供诊疗效果更好的医药产品， 例如通过数据分析加速药品研发及临床试验周期、 基于真实世界数据进行药品评价和上市后研究。 降低医疗成本，包括管理药品及设备耗材的价格、 变革流通和零售体系(如DTP药房)。 1.5 AI在未来医疗体系中的价值 05 未来，医疗体系的参与方将整体为患者提供整合式服务，通过各方跨领域合作， 优化医

28、疗价值，形成一致的利益诉求。围绕核心医疗生态体系，AI将发挥重要作 用，通过提质增效、降本增益、模式创新，推动医疗体系各方的变革和提升。例 如提升医生水平和诊疗效率、大大降低优质医疗服务的价格、极大提升医院运营 能力、高效管理患者全生命周期医疗健康数据、为患者提供全场景主动式健康管 理。 16 罗兰贝格 价值为先，人工智能助力医疗体系科学发展 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 17 05: AI在以人为本的医疗体系中的价值 资料来源：罗兰贝格 政府政策 AI AI AI AI AI AI AI AI AI 医疗支付 和监管方 人群 健康数据、 医疗信息 监管、审核、控费、支付

29、医疗信息 临床数据、 医疗信息 健康数据、 医疗信息 AI等数字 化技术 监管、审核、 控费、支付 健康数据、 医疗信息 产品和服务 健康数据 产品 健康数据 临床数据、 医疗信息 供应医疗 相关产品 保险服务 发展、改革、 监管政策 药品及医疗 器械提供方 科技企业 医疗服务提供方 业务流 数据流 其他关联企业 健 康 数 据 诊 疗 服 务 第二部分 面向未来的医疗健康生 态体系及人工智能发展 机会 18 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 2.1 面向未来的医疗健康生态体系 医疗健康生态体系的核心目标是提升国民整体健康水平，将以服务量和盈利为 目标转向以患者健康为目标(Po

30、rter，2010)，以较低的成本获得更好的健康结 果、服务质量和病人安全(IOM，2010)。对于健康质量来说，包括技术和人性 化两方面(中国医药卫生体制改革联合研究合作方，2016)，即诊断诊疗对改善 健康结果的有益性以及医疗服务对患者的人性化关怀。因而，以人为本的整合 型医疗卫生服务体系需要考虑以下三个关键因素： 人群健康：价值医疗关注的应该是医疗服务的健康成果和价值，而非服务数 量。 患者体验：医生是在治疗患者，而不是治疗疾病。医疗服务应该同时考虑患 者的服务体验，以及对心理、生活、工作等全方面的影响。这也需要不同医 疗机构进行整合，为患者提供一致性、一体化的高质量服务。 成本：医疗作

31、为一种公共服务，在关注质量的同时也要考虑适当、公平和可 负担等因素，鉴于作为支付主体的财政和医保资金都面临压力，需要思考如 何管理医疗费用，以有限的成本获得更高的质量。 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 19 面 向 未 来 的 医 疗 健康生态体系 及人工智能发 展机会 20 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 06: 医疗健康生态圈核心层 资料来源：罗兰贝格 2.1.1 核心层 未来的医疗体制改革将更加重视以人为本，发展以数字化驱动的人群健康管理、一体化服务网络和三医融合的服务 模式，使目标人群能在合适的时间、地点获得有针对性、符合诊疗需求、不过度的医疗健康服

32、务，实现无处不在的 医疗、全生命周期关怀和精准医疗。 06 从近中期来看，中国正在推动的分级诊疗也契合这一趋势，核心举措包括提升基层医院的能力，在县域内完成常见 病、多发病诊疗，让三级医院专注提供急危重症和疑难复杂疾病的诊疗服务。建立双向转诊制度，鼓励基层检查、上 级诊断、远程诊断等服务。同时加强基层医疗人群健康管理职能，重视疾病预防。 预防 婴幼儿 儿童 青年 中年 老年 无处 不在 筛查 诊断 治疗 精准医疗 以人为本 康复 基层医疗 家庭 养老机构 康复机构 健康管理机构 医院 公共卫生机构 期 周 命 生 全 全 健 康 历 程 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 21

33、07: 医疗健康生态圈参与方价值链生态图 监 管 、 审 核 、 控 费 、 支 付 提 供 医 疗 产 品 临 床 数 据 、 医 疗 信 息 医 疗 信 息 临 床 数 据 、 医 疗 信 息 医 疗 支 付 和 监 管 方 招 采 /控 费 审 核 质 控 支 付 结 算 诊 前 诊 中 诊 后 药 品 及 医 疗 器 械 提 供 方 销 售 及 渠 道 产 品 生 产 临 床 试 验 研 究 开 发 上 市 后 研 究 策 略 设 计 人台 群平 健据 康数 大 资料来源：罗兰贝格 监 管 、审 核 、 控 费、 支 付 医 疗 服 务 提 供 方 2.1.2 主体层 医疗体系的主体参

34、与者包括医疗服务提供方、药品及医疗器械提供方、医疗支付和监管方。各参与方在改善人群健 康、提升患者体验、降低成本的共同目标下，围绕核心业务流程，提供整合式服务，产生了不同表现形式的价值需求 点。 07 现阶段，医疗健康大数据是割裂的，归属于不同的医疗健康参与者。未来医疗体系将形成打通的人群健康大数据平台， 形成对人群健康和医疗体系的“同一版本的真相”(one version of truth)，为AI发挥重要作用建立数据基础。 医疗支付和监管方 人群健康大数据平台 医疗服务提供方 药品及医疗器械提供方 提升医保支出效率、增 强风险控制，包括控费、 减少浪费和过度医疗 为人群健康提升医疗服 务及

35、产品购买质量 统一平台管理 打通医疗、医药、医保 数据 关注健康管理而非治疗 重预防、早发现、早治 疗 提高诊断质量 (包括减少 失误) 、效率和患者体验 提供个性化的精准医疗 缩短研发周期、降低研发 成本、提高研发成功率 优化并加速临床进程 应用真实世界数据迈向精 准医学 预防 婴幼儿 儿童 青年 中年 老年 无处 不在 筛查 诊断 治疗 精准医疗 以人为本 康复 基层医疗 家庭 养老机构 康复机构 健康管理机构 医院 公共卫生机构 期 周 命 生 全 全 健 康 历 程 22 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 123 资料来源：罗兰贝格 核心层主体层应用层 无处不在的医疗(

36、Care Anywhere) 全生命周期关怀(Care Anytime) 精准医疗(Care Individuality) AI在医疗行业的应用：满足价值 链环节需求点 人群健康大数据平台 医疗服务提供方：诊前、诊中、 诊后 医疗支付和监管方：策略设计、 招采/控费、审核质控、支付结算 药品及医疗器械提供方：研究开 发、临床试验、产品生产、销售 及渠道、上市后研究 保险策 略制定 真实世 界研究 临床策 略制定 智慧医 院管理 辅助医学 研究平台 辅助 诊断 虚拟 助理 医学 影像 健康管理 疾病预测 医院绩 效管理 自动稽 查审核 药事 管理 药物挖掘和 虚拟筛选 精准 用药 医 疗 支 付

37、 和 监 管 方 招 采 / 控 费 审 核 质 控 支 付 结 算 诊 前 诊 中 诊 后 医 疗 服 务 提 供 方 药 品 及 医 疗 器 械 提 供 方 销 售 及 渠 道 产 品 生 产 临 床 试 验 研 究 开 发 上 市 后 研 究 策 略 设 计 人 台 群平 健据 康数 大 08: 医疗健康生态圈 预防 婴幼儿 儿童 青年 中年 老年 无处 不在 筛查 诊断 治疗 精准医疗 以人为本 康复 基层医疗 家庭 养老机构 康复机构 健康管理机构 医院 公共卫生机构 期 周 命 生 全 全 健 康 历 程 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 23 2.1.3 应用层

38、结合医疗生态体系价值点，AI技术将演化出丰富多彩的应用场景，满足医疗服务、药品和器械、支付和监管等不同参 与方的需求，以促进实现“以人为 本的整合型服务”。科技巨头、行 业巨头、医疗信息化企业和AI技术 企业纷纷涉足，突破创新层出不穷。 详见“2.2 基于医疗健康生态圈的 医疗AI应用细分领域” 2.2 基于医疗健康生态圈的 医疗AI应用细分领域 AI在医疗行业的应用将以满足核心 人群和主体参与者的价值需求点为 中心。 08 2.2.1 医疗服务提供方 医疗服务提供方包括各级综合医院、 专科医院、社区卫生服务中心、乡 镇卫生院以及连锁诊所和近年兴起 的民营医院等医疗卫生机构，他们 是在诊前、诊

39、中、诊后整个流程为 人群健康服务的主体。将以人为本的价值医疗作为最终发展方向，针对当前 医师资源不足、基层医疗服务能力较低等医疗现状，与分级诊疗、按病种 付费、医联体/医共体、家庭医生等改革举措相结合，AI对于赋能医院大有 可为。未来，医院的服务边界将由线下拓展到线上线下一体化，医疗服务 将由当前的疾病治疗拓展到未来的主动式健康管理，助推各级医院提供一 致的、精准的、体验良好的健康服务，真正实现无处不在、全生命周期的 医疗服务体系。 09 AI与医疗的结合能够产出多方面价值，包括改善健康结果、提高服务质量、 提升患者体验、节约医疗成本、强化医院运营管理等，在各个环节演化出 丰富的应用场景(参阅

40、图9)。 24 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 资料来源：罗兰贝格 AI 健康管理 医师能力培训AI平台辅助医学研究AI平台 智慧医院管理 预防 医师 教学 诊前诊中诊后 医学 研究 医院 管理 筛查分诊临床诊断住院康复护理愈后关怀医技临床治疗 AI影像等筛 查系统 AI 辅助诊断 AI影像等医 技系统 AI 精准医疗 智能 机器人 AI 健康管理 智慧病房 AI 虚拟助理 疾病预防， 实时疾病监 测和评估， 个性化行为 干预 通过AI构造虚拟病人和虚拟空间，提 供线上教学、考核评估等功能 提供知识查询、数据分析、科研辅助 等功能 通过AI强化管理水平，包 括电子病历、质量管

41、理、 绩效管理、精细化运营 通过医学影 像筛查疾病， 通过基因诊 断预测疾病 风险 应用AI技术 为医生诊疗 提供辅助建 议 医学影像诊 断、病理自 动诊断、智 能放疗系统 借助AI和基 因检测等手 段制定个性 化治疗方案 包括诊中手 术机器人、 康复护理机 器人等助手 通过AI持续 管理慢病、 预测复发风 险、预警健 康问题 应用AI到护 理辅助、监 测系统、跟 踪式预测当 中 智能预问诊、 分导诊、诊 疗引导 09: AI为医疗服务提供方提供价值的探索机会 以人为本，人工智能助力医疗体系科学发展 罗兰贝格 25 2.2.1.1 AI医学影像 人工智能将极大提升医学影像用于疾病筛查和临床诊断

42、的能力。医学影像已成为重要的临床诊断方法，然而影像科 和放疗科医生供给不足、工作量大，因而误诊/漏诊率较高。受限于医师读片速度，诊断耗费时间长，以胸部CT阅片 为例，传统方法需半小时，AI只需要几秒。AI可大批量、快速处理图像数据，提供疾病筛查和辅助诊断功能，医师只 需对结果进行复核。 AI医学影像是计算机视觉技术在医疗领域的重要应用，能大幅增强图像分割、特征提取、定量分析、对比分析等能 力，可实现病灶识别与标注、病灶性质判断、靶区自动勾画、影像三维重建、影像分类和检索等功能。具体应用领 域包括眼底筛查、X线胸片阅片、脑区分割、脑疾病诊断、骨伤鉴定、骨龄分析、器官勾画、病理切片分析、皮肤病 辅

43、助诊断等各类应用影像数据作为诊疗手段的疾病领域。 AI医学影像是当前医疗人工智能最为成熟的应用场景。以眼科为例，目前基于眼底照的AI算法对于眼底疾病、视神经 疾病的诊断已经接近人类医师的水准。AI医学影像若能结合诊断分级系统，正确引导不同疾病程度的患者到对应的医 疗机构就诊，则能够有效解决筛查需求与现有眼科医师数量严重不匹配的问题，极大地拓宽眼病筛查人群的覆盖范 围。2018年，美国食品药品监督管理局(FDA)已批准了世界上首款使用人工智能检测糖尿病患者视网膜病变的二类医 疗设备IDx-DR上市。 目前，国内外有上百家企业具备相关的产品或算法，包括：1)百度、Google等科技巨头。科技巨头资

44、金雄厚、能长期 布局和投资，AI技术和人才实力有积累，并能结合云平台提供服务，最容易形成全疾病范围、多区域覆盖、平台式的 产品服务。2)推想科技、依图医疗等AI创企。AI创企对市场反应灵活，部分厂商在某些影像领域布局较早，通过与医 院进行科研合作、集成进医院信息化厂商软件等形式，形成了一定数据和算法壁垒。3)GE、Phillips、联影等影像设备 企业。影像设备企业可依靠现有的影像设备加入AI算法切入医疗机构，易在自有体系内形成一致性的标准和连接。 AI影像产品主要有软件和软硬件一体化两种形态。AI算法可接入医院信息系统或医疗设备，表现为筛查系统、分析软 26 罗兰贝格 以人为本，人工智能助力医疗体系科学发展 件、检测诊断平台等，也可将算法软件集成到专业 设备中，拍片后直接生成分析报告，例如眼底筛查 相关一体化解决方案。然而，市场上大部分产品同 质化严重，集中在糖网、肺结节等领域。若只基于 通用算法和开放数据集训练，难以形成产品核心竞 争力。领先者将是能实现数据精雕、满足泛化适应 需求和有针对性优化算法的企业。为增强算法的鲁 棒性、安全性、易用性，产品需要获取高质量数据 并对数据标注精雕细琢，还需对不同影像设备的影 像数据有良好的适应性，以及在算法和技术层面针 对小