1、2019.12 人工智能开启医疗健康新时代 36Kr-“AI+医疗”行业研究报告 伍典 2 2019.12 2 36Kr-AI医疗行业研究报告 人工智能将对医疗行业带来颠覆性变革 从技术层面来讲，人工智能作为一种技术创新，改变 了医疗领域的供给端，对传统医疗机构的运作方式带 来变革；从市场层面来看，人工智能技术为现有医疗 工作带来流程改进与效率提升，催生巨大增量市场。 由此，人工智能将对医疗行业形成颠覆性变革。 医疗资源供需矛盾突出，是我国医疗行业面临的根本 问题，也是人工智能医疗的主要发展驱动力 从需求端来看，我国人口老龄化加剧，慢性疾病数量 增多，经济水平提高带来社会健康意识提升，形成大
2、量医疗需求。从供给端来看，我国优质医生及医疗资 源不足，资源分布不均，难以承受快速增长的医疗需 求。供需矛盾突出，是我国医疗行业的根本问题，也 是人工智能医疗的主要发展驱动力。 医疗影像、辅助诊断、新药研发和健康管理是人工智 能医疗的主要应用方向 医疗影像是我国AI医疗领域最为成熟的细分领域，目 前市场竞争格局未定，高质量数据获取与标注能力成 为核心竞争力。手术机器人是人工智能辅助诊断领域 比较活跃的应用，临床决策系统的进入壁垒较高。人 工智能以算法和算力优势，应用于新药研发各环节， 解决新药研发周期长、成功率低和费用高的问题。人 工智能在健康管理领域应用广泛，包括风险识别、虚 拟护士、移动医
3、疗、健康干预等多个场景。 报告摘要 相关研究报告 36Kr-消费金融行业研 究报告 （2019.12） 36Kr-2020年中国新经 济趋势洞察报告 （2019.10） 36Kr-商用服务机器人 行业研究报告 （2019.08） 案例分析公司 依图医疗 全栈式医疗大数据与人 工智能解决方案提供商 Atomwise AI制药及生物医药研发 A轮 2018年3月 京东健康 医药销售及医疗健康服 务平台 A轮 2019年11月 目 录 Contents 一. “AI+医疗”行业发展概况 市场现状 发展驱动力 资本分析 二. “AI+医疗”应用场景分析 AI+医疗影像 AI+辅助诊断 AI+新药研发
4、AI+健康管理 三. “AI+医疗”案例分析 依图医疗 Atomwise 京东健康 “AI+医疗”行业发展概况 CHAPTER 市场现状 发展驱动力 资本分析 5 2019.12 人工智能（Artificial Intelligence，缩写为AI）概念 自1956年达特茅斯会议首次提出以来，至今已有60多 年历史，历经三次技术及发展浪潮。目前，我国人工 智能已从导入期进入快速成长期，未来将成为主要经 济增长动力之一。 2017年中国人工智能核心产业规模 超过700亿元，预计到2020年将达1600亿元*。 从人工智能基础层、技术层及应用层产业链来看，我 国初创公司多集中于应用层，计算机视觉、
5、语音识别 和自然语言处理是主要方向。2018年以来，人工智能 需求持续爆发，受政策利好影响，核心技术公司与资 本市场实现更好对接，企业资金压力得到缓解，落地 应用进程加快，商业模式及规模化变现能力成为行业 关注的重点。从2018年人工智能领域投资情况来看， 医疗健康是资本关注的重点落地应用方向。 行业概况 我国人工智能已进入快速成长期， 医疗健康成为重点应用方向 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 金融 医疗健康 企业服务 基础元件 机器人 汽车 安防
6、 教育 家居建筑 互联网服务 工业制造 零售 法律 700 1,600 20172020E +129% 图示：我国人工智能市场规模 预测（亿元） 数据来源：前瞻产业研究院， 36氪研究院整理 图示：2018-2019年人工智能在各领域投资热度（项目/个）* 数据来源：鲸准洞见数据库，36氪研究院整理 6 2019.12 AI医疗，亦称为”AI+医疗”或“医疗人工智能”， 泛指人工智能技术在医疗行业的应用及赋能。 目前，人工智能技术广泛应用在我国各个医疗细分领 域，主要报告医疗影像、辅助诊断、药物研发、健康 管理、疾病风险预测、医院管理、虚拟助理、医疗机 器人和医学研究平台等。 人工智能对医疗行
7、业形成了颠覆性变革。从技术层面 来讲，人工智能作为一种技术创新，改变了医疗领域 的供给端，对传统医疗机构运作方式带来变革；从市 场层面来看，人工智能技术为现有医疗工作带来流程 改进与效率提升，催生巨大增量市场。2018年我国医 疗人工智能市场规模达到200亿元，CAGR超过40%， 随着智能化程度不断提升，潜在市场空间巨大。 行业概况 人工智能广泛应用在医疗各细分领 域，对医疗行业形成颠覆性变革 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 图示：我国医疗人工智
8、能市场 规模（亿元） 数据来源：中国产业信息网， 36氪研究院整理 图示：”AI+医疗“应用领域产业链分布关系 数据来源：鲸准数据中心，36氪研究院整理 97 130 200 201620172018 +44% 第三层次：应用层 第二层次：技术层 第一层次：基础设施层 医疗人工智能的三个层次 医疗影像、辅助诊断、药物研发、 健康管理、医院管理等 语音/语义识别、计算机视觉、人机 交互、深度学习、医疗大数据等 院内系统、智能医疗设备、电子病 历、AI芯片、医药数据库等 7 2019.12 整体而言，我国医疗人工智能行业有几大特征，如细 分领域较多，早期同质化竞争严重，迁移复制壁垒较 低，商业化程
9、度相对偏低等。 一般来说，2016年是国内医疗人工智能形成投资风口 的元年，开源和低门槛框架的存在使得大量玩家涌入 人工智能行业，在医疗人工智能领域不仅有医疗设备 商，还有学校教授、软件开发人员及金融从业者等。 从市场情况来看，大量玩家布局在静态影像的人工智 能领域，虽然拥有大量公开数据集，但是起步门槛相 对较低，早期同质化竞争严重。 此外，在医疗各细分领域所采用的算法和框架差异化 有限，病种间模型迁移和复制技术要求较低，技术团 队通用性强，主要壁垒在于数据的获取。以医疗影像 的人工智能为例，无论跨病种还是跨设备，基本都采 用Tensor Flow（开源并基于数据流编程）和Caffe框 架（即
10、开源与核心语言C+）和CNN卷积神经网络算 法等（但超声除外，超声对性能要求更高），整体复 制壁垒较低。 目前，医疗人工智能服务商多处于规模化数据获取阶 段，商业化程度偏低，但商业的最终价值在于实现技 术与应用的结合。未来医疗人工智能的价值主要体现 在两个方面，一方面在于提升三甲医院医生效率，另 一方面在于提升基层医疗机构的诊疗水平。 行业概况 AI医疗领域早期同质化竞争严重， 迁移复制较容易，商业化程度较低 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 8 2
11、019.12 我国医疗人工智能发展速度较快，商业化落地迟滞的 一大主要原因在于医疗产品的注册审批制。目前，相 关产品取得三类医疗器械注册的数量仍然为零，相关 审核标准尚未正式确立。 如果把人工智能产品看作医疗器械产品，根据2018年 公布的医疗器械分类目录，对其分类约定为：二类医 疗器械诊断软件通过算法，提供诊断建议，仅有 辅助诊断功能，不直接给出诊断结论，有临床试验豁 免目录，是否能够享受CNDA还没有做出具体规范； 和三类医疗器械如果对病变部位进行自动识别， 并提供明确诊断提示，需要做临床试验。 为加速医疗人工智能产品审核进程，中国食品药品检 定研究院（简称“中检院”）光机电室专门成立人工
12、 智能小组，展开产品分析及技术研讨，目前已完成数 据库构建流程，并初步完成构建眼底影像及肺部影像 标注数据库的构建工作。 相比之下，美国医疗人工智能产品的注册审批快于中 国。FDA自2017年7月发布数字健康创新行动计划以 来，已相继批准九款医疗人工智能相关产品。FDA近 期批复的几款人工智能产品均遵循Class 的认证流 程，通过与传统CDSS（临床决策支持系统）做等同对 比证明安全性，而CADx软件监管历来是Class 。由 此可见，通过降低门槛来加快审批，或成一大趋势。 行业概况 我国AI医疗产品商业化落地进程主 要受产品注册审批制影响 1.1 市场现状 1.2 发展驱动力 - 供需矛盾
13、突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 9 2019.12 根据国家统计局数据显示，我国2018年65岁以上老人 为1.6亿人，约占中国人口总数11.9%，我国人口老龄 化程度愈发加剧。在人口老龄化社会下，现代生活节 奏加快，慢性疾病数量也随之增加，我国糖尿病和高 血压2016年发病率分别为5%和18%，预计到2026年 将分别增加至14%和28%，随之催生大量医疗需求。 行业概况 需求端：人口老龄化加剧，慢性疾 病数量增多，形成大量医疗需求 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技
14、术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 11,984 12,288 12,714 13,161 13,755 14,386 15,003 15,831 16,658 8.9%9.1% 9.4%9.7% 0 10 20 30 0 5,000 10,000 15,000 20,000 201120102014 10.1% 20122013 10.5% 2015 10.8% 2016 11.4% 2017 11.9% 2018 +3.70% 图示：2010-2018年中国65岁以上老年人口走势（万人）及占总人口比例（%）
15、数据来源：国家统计局，36氪研究院整理 0.4% 5.0% 18.0% 1.0% 14.0% 28.0% 癌症糖尿病高血压 2016 2026E 图示：我国慢性疾病发病率（%） 数据来源：安信证券，36氪研究院整理 10 2019.12 从供给方面来看，优质医生及医疗资源不足，且资源 分布不均，难以承受快速增长的医疗需求。供给与需 求矛盾突出，是我国医疗行业的根本问题。 我国优质医疗资源供给不足。我国医师与人口比例约 为1:70000，而在美国这一数字为1:2000，我国每十 万名患者拥有医师数量与美国相比差35倍。我国独立 上岗医生培养周期长达8年，较长的培养周期将会带来 医疗人力成本提高，
16、难以满足持续增长的医疗需求。 我国医疗资源分布不均。据统计，2018年我国医院数 量超3.2万家，三级医院仅占总数量19%，却承接了全 国49.8%的医疗需求。我国优质医生资源多分布在一 二线城市三级医院，基层医院医生素质参差不齐，优 质医生资源短缺是困扰医疗发展的痛点之一。 行业概况 供给端：优质医生及医疗资源不足， 且医疗资源分布不均 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：前瞻产业研究院，36氪研究院整理 数据来源：36氪研究院 图示：2018年全国医院数量（万个）及不同层级医院就诊
17、人数分布（%） 数据来源：卫计委，安信证券，36氪研究院整理 50 1中国 美国 -97% 中国每十万名患者拥有医 师数量与美国相比差35倍 55.0% 26.0% 19.0% 100% 医疗资源 3.2万个 三级医院 一级医院 二级医院 就诊人数 11 2019.12 根据IDC预测，到2020年全球医疗数据量将达到40万 亿GB，是2010年的30倍，数据生成和共享速度迅速 增长，其中80%为非结构化数据*。在数据方面，我国 拥有得天独厚的优势，我国人口众多，数据基数大， 同时多样性丰富，为大数据分析提供了丰富的数据来 源，也为人工智能不断训练与优化算法模型提供了广 泛数据集。 深度学习是
18、人工智能技术的重要一支，目前语音识别 和计算机视觉都基于深度学习技术来完成。随着图像 领域深度学习Resnet网络结构发展，计算机视觉和综 合图像处理技术取得长足进步，医疗图像分析在诊疗 过程中发挥更大作用。例如，应用计算机视觉技术进 行结肠镜检查，可以获得更为有效可靠的数据，以降 低结肠癌死亡率；在外科手术中，计算机视觉对脑瘤 病人进行3D头骨建模，有利于后续神经外科治疗。 行业概况 大数据积累和深度学习算法进步使 得医疗人工智能发挥作用 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：IDC，
19、安信证券，36氪研究院整理 图示：2015-2020年全球和中国大数据产业规模 数据来源：2018年医疗人工智能技术与应用白皮书，36氪研究院整理 1,220 1,365 1,553 1,706 1,870 2,047 2,800 3,207 4,300 5,845 7,891 10,652 201720152020E201620182019E 中国（亿元）全球（亿美元） 12 2019.12 近年来，我国出台了一系列全国性政策及医疗人工智 能专项政策，鼓励“AI+医疗”行业发展。在政策引 导下，医疗产业有望释放互联网及人工智能红利。主 要相关政策红利梳理如下： 行业概况 在政策引导下，我国医
20、疗产业有望 释放人工智能红利 1.1 市场现状 1.2 发展驱动力 - 供需矛盾突出 - 技术发展 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：国务院，工信部，36氪研究院整理 时间政策相关内容 2015.07 国务院关于积 极推进“互联网 +”行动的指导 意见 依托互联网平台提供人工智能公共创新服务，加快人工智能核心技 术突破，将人工智能作为重点布局的11个领域之一 2016.03 国民经济和社 会发展第十三个 五年规划纲要 重点突破新型领域人工智能技术；大力发展工业机器人、服务机器 人、手术机器人和军用机器人，推动人工智能技术在各领域商用 2016.07 “
21、十三五”国 家科技创新规划 重点发展大数据驱动的类人智能技术方法；突破以人为中心的人机 物融合理论方法和关键技术，研制相关设备、工具和平台；在基于 大数据分析的类人智能方向取得重要突破，实现类人视觉、类人听 觉、类人语言和类人思维，支撑智能产业的发展 2016.11 医药工业发展 规划指南 大力推动“互联网+医药”，发展智慧医疗产品；开发应用具备云 服务和人工智能功能的移动医疗产品、可穿戴设备，各种类型的基 于移动互联网的健康管理软件，可实现远程监护、咨询的远程医疗 系统；加强对医疗健康大数据的开发和利用 2017.06 “十三五”卫 生与健康科技创 新专项规划 推进医学人工智能技术；开展医学
22、大数据分析和机器学习等技术研 究，开发集中式智能和分布式智能等多种技术方案，重点支持机器 智能辅助个性化诊断、精准治疗辅助决策支持系统、辅助康复和照 看等研究，支撑智慧医疗发展 2017.07 新一代人工智 能发展规划 到2025年，新一代人工智能在智能制造、智能医疗、智慧城市、智 慧农业、国防建设等领域得到广泛应用，人工智能核心产业规模超 过4000亿元，带动相关产业规模超过5万亿元；推进智能医疗，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 2018.04 国务院关于积 极推进“互联网 +”行动的指导 意见 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
23、策支持系统，开展智能医学影像识别、病理分型和多学科会诊 以及多种医疗健康场景下的智能语音技术应用，提高医疗服务效率； 加强临床、科研数据整合共享和应用，支持研发医疗健康相关的人 工智能技术、医用机器人、大型医疗设备、应急救援医疗设备、生 物三维打印技术和可穿戴设备等 13 2019.12 根据鲸准数据库，截至2019年11月，我国目前拥有融 资记录的医疗人工智能项目约有154个，其中70%以 上项目处于天使轮和A轮阶段，B轮及以后项目较少。 从细分领域来看，项目集中分布于医疗影像、辅助诊 断和疾病风险预测领域，其他领域项目较少，近两年 人工智能医疗影像和辅助诊断成为热门领域。 行业概况 我国医
24、疗人工智能项目154个，过 半集中于医疗影像和辅助诊断领域 1.1 市场概况 1.2 发展驱动力 - 消费市场 - 电子商务 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 40.3% 33.8% 9.7% 7.1% B轮 3.9% C轮 种子轮 1.3% 天使轮 A轮 D轮 3.9% E轮及以后 34 43 14 45 7 8 4 32 51 10 38 9 8 6 医学研究药物研发健康管理辅助诊断医疗影像疾病风 险预测 医院管理 20172019 图示：我国医疗人工智能项目融资轮次分布（截至2019年11月7日） 数据来源：鲸准洞见数据库，36氪研究院 图示：我国医疗人工智
25、能项目应用领域分布（截至2019年11月7日） 数据来源：鲸准洞见数据库，36氪研究院 14 2019.12 除了初创型企业，包括IBM、Google、BAT在内的互 联网企业巨头以及GPS在内的传统医疗企业巨头，以 及众多跨界拓展业务边界的传统企业也纷纷布局医疗 人工智能领域。主要进入方式为自主研发相关产品， 开发相关领域针对性技术赋能行业应用，或者通过外 延并购扩张业务版图。 对互联网企业来说，更倾向于利用自身的互联网基础 与平台优势来进行技术布局。IBM Watson在医疗方 面主要应用于癌症诊断和治疗，此外在慢病、医疗影 像、大健康、体外检测、精准医疗、机器人和疾病研 究治疗也有所布局
26、。Google布局领域最广，科研与风 险投资并行，覆盖远程医疗、新药研发、器械、药品 配送、患者管理等关键环节。百度于2019年收购医疗 人工智能领域康夫子公司，重启医疗领域布局，并发 布“百度灵医”发力智能分诊、眼底筛查、临床辅助 决策支持系统。2018年阿里健康与阿里云共同建设阿 里医疗人工智能系统ET大脑，并推出“Doctor You”人工智能辅助诊断系统，率先应用于CT肺结节 辅助检测，并于2018年扩展到糖尿病慢病管理领域。 腾讯觅影于2017年面世，目前该产品已经具备AI医学 图像分析和AI辅助诊疗两项核心能力。此外，腾讯通 过投资方式在三年间对互联网医疗进行产业布局，投 资金额达
27、到数百亿元*。 行业概况 互联网巨头、传统医疗巨头、传统 企业纷纷布局医疗人工智能 1.1 市场概况 1.2 发展驱动力 - 消费市场 - 电子商务 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：36氪研究院根据公开资料整理 15 2019.12 对于传统医疗巨头来说，在医疗人工智能领域来说更 侧重于布局医疗属性。GE着力于研发智慧型创新的技 术和数字医疗产品，通过资产云管家、云影像解决方 案和云心电解着力决方案三大主力产品开启数字化转 型之路。2019年9月，FDA已经批准了GE重症监护套 件（Critical Care Suite ICU气胸预判AI解决方案）
28、， 这是GE医疗首个嵌入移动X射线设备中的人工智能算 法。Philips在医疗人工智能领域凭借临床经验和数字 化及人工智能技术，推出整合型解决方案，其“星云 影像平台”目前已经通过FDA和CFDA认证。Siemens 在医疗领域布局影像诊断、临床诊疗和实验室诊断领 域，并积极推进在数字健康服务与医疗企业管理方案 领域的业务延伸。现已推出医疗智能化平台的磁共振 产品MAGNETOM Sempra和数字化医用X射线产品 Multix Impact等多项产品和解决方案*。 对于传统企业来说，主要通过对外投资并购的方式来 拓展业务边界，进入医疗人工智能领域。比如复星集 团和中国平安于2018年B轮入局
29、Airdoc，专注于眼科 的辅助诊断AI医疗平台；英伟达于2018年6月投资以 色列AI医疗影像服务商Zebra Medical Vision；手机 硬件起家的小米，也在生态链布局一系列针对身体健 康监测的小米手环和体重秤等产品，探索医疗健康大 数据应用的更多可能性。 行业概况 互联网巨头、传统医疗巨头、传统 企业纷纷布局医疗人工智能 1.1 市场概况 1.2 发展驱动力 - 消费市场 - 电子商务 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 *数据来源：36氪研究院根据公开资料整理 16 2019.12 2018年Q3国内医疗人工智能投资爆发，根据华兴资 本医疗与生命科技
30、团队统计，2018年国内智慧医疗领 域私募融资交易66起，同比增长113%，总融资金额 近15亿美元，同比增长约260%，单笔增长金额约 2200万美元，同比增长约70%。 国外医疗人工智能投资趋势较为平缓，2018Q4有所 爆发，而我国医疗人工智能投资额在2018年Q3超过 国外，Q3和Q4总额基本与国外持平，中国市场已成 为世界人工智能领域投资的主战场。 行业概况 2018年Q3以来我国医疗人工智能 领域融资爆发 1.1 市场概况 1.2 发展驱动力 - 消费市场 - 电子商务 - 政策红利 1.3 资本分析 36Kr-AI医疗行业研究报告 22 30 44 4 8 10 11 21 16
31、 12 0 10 20 30 40 20 990 30 10 0 2017Q32018Q22017Q1 7 321 2017Q2 19 2018Q1 981 2017Q42018Q42018Q3 交易数量融资金额（US mn） 图示：2017-2018年国内智慧医疗行业私募融资交易情况 数据来源：华兴资本，36氪研究院整理 346 421 1,066 15 12 32 0 20 40 0 1,000 2,000 2018Q1 16 2018Q22018Q32018Q4 380 交易数量融资金额（US mn） 图示：2017-2018年国内智慧医疗行业私募融资交易情况 数据来源：华兴资本，36氪
32、研究院整理 “AI+医疗”主要应用场景分析 CHAPTER AI+医疗影像 AI+辅助诊断 AI+新药研发 AI+健康管理 18 2019.12 “AI+医疗影像”，是指将人工智能技术应用于医疗 影像诊断中。现代医学建立于循证医学的基础之上， 医疗影像是临床医生一项重要的诊断依据。主要对患 者的影像资料进行定性和定量分析，不同阶段历史比 较等。目前，AI医疗影像已成为我国AI医疗领域最为 成熟的细分领域。 从诊断路径来看，人工智能基于图像识别和深度学习 技术作用于医疗影像，在临床诊断中主要可分为两个 阶段：其一，图像识别阶段，应用于感知环节，对影 像进行读取和梳理，从中获取有价值的信息；其二，
33、 深度学习阶段，应用于学习和分析环节，通过对海量 影像数据和诊断数据的输入，对神经元网络进行深度 学习训练，使人工智能掌握诊断能力。 从临床需求来看，我国专业医生缺口大，工作繁琐重 复，诊断效率较低，服务模式亟待创新。目前，我国 医疗影像数据以每年30%的速度持续增长，而影像科 医生的年增速仅为4%，加之医生培养周期较长，医生 资源流失率较高，我国每年培养60万医学生，只有10 万人走上临床岗位，远不能满足临床实际医疗需求。 以宁波大学附属医院（三甲医院）为例，影像科医生 平均每天需要完成80-100份CT，或60-80份磁共振， 或120-150个超声部位的影像诊断。即使每份报告只 用七八分
34、钟，也需要10个小时才能完成*。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 我国临床需求增加，专业医生缺 口大，AI医疗影像市场需求迫切 36Kr-AI医疗行业研究报告 *数据来源：爱分析，36氪研究院整理 19 2019.12 AI主要解决三种影像需求：1）病灶识别与标注。针对 X线、CT、MRI等影像进行图像分割、特征提取、定 量分析和对比分析，识别与标注病灶，帮助医生发生 肉眼难以发觉的病灶，降低假阴性诊断发生率，提高 医生诊断效率；2）靶区自动勾画与自适应放疗。针对 肿瘤放疗环节进行影像处理，帮助放射科医生对200-
35、450张CT片进行自动勾画，时间缩短到30分钟一套； 在患者15-20次上机照射过程中不断识别病灶位置变 化以达到自适应放疗，减少射线对病人健康组织的辐 射与上海。3）影像三维重建。基于灰度统计量的配准 算法和基于特征点的配准算法，解决断层图像配准问 题，有效节约配准时间，在手术环节有重要应用。 头部企业通常针对某一病种，在病灶识别与标注功能 基础上，依照医学诊断路径开发其他功能，真正为医 生诊断决策提供帮助。以肺结节为例，系统识别结节 后，将筛查结果生成结构化报告，并对比分析，自动 搜索历史影像资料，对比不同时期结节变化。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研
36、发 2.4 AI+健康管理 应用场景分析 人工智能用以解决病灶识别与标 注等多种医疗影像需求 36Kr-AI医疗行业研究报告 人工智能医疗影像使用场景 影像分类 目标检测 图像分割 影像检索 影像类型分类，目标区域/病灶分类 器官/组织标记定位，病灶检测 器官解构的结构分析，病灶区域分割 基于内容的影像检索 病灶筛查 靶区勾画 脏器三维成像 病理分析 影像定量分析 = 图示：人工智能参与医疗影像诊断的方式 20 2019.12 从市场竞争格局来看，目前中国AI医疗影像领域百家 争鸣，尚未出现占据垄断性优势地位的企业。IBM、 Google、阿里、腾讯、GE医疗、乐普医疗以及众多 初创公司均在这
37、一领域进行业务布局。此外，自2016 年以来，专注于不同病种与技术方向的AI医疗影像初 创公司受到资本热捧，一定程度上推动行业发展。 中国医疗影像数据量巨大，但利用效率较低，且其中 非结构化数据占据总量90%左右。这些海量数据缺乏 结构化数据梳理，标准化呈现体系，以及跨平台分享 的生态环境，大部分数据都处于孤立且非标准化存在 的状态，可利用价值不高。因此，AI医疗影像企业在 高质量数据获取和标注上存在较大挑战。 高质量数据获取难度大。一方面，高质量影像数据集 中在三甲医院，仅对内流通，缺乏共享机制，难以获 取；另一方面，过往的医学影像数据及临床诊断报告 信息，缺乏统一的标准化记录，数据质量参差
38、不齐。 数据标注成本高。在数据处理流程中，重点环节在于 数据预处理工作，数据标注的准确性将直接影响最终 诊断结果。在机器学习过程中，参与训练的每张图片 都要经过专业人员标注。尽管未来五年内小样本学习 在理论层面或将有所突破，但目前数据处理和学习方 法仍需要消耗大量时间和精力。高质量数据获取和数 据标注能力成为企业核心竞争力之一。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 市场竞争格局未定，高质量数据 获取与标注能力成为核心竞争力 36Kr-AI医疗行业研究报告 *数据来源：华创证券，36氪研究院整理 21 2019.12 从落
39、地情况来看，目前中国AI医疗影像产品主要应用 在疾病筛查方面，以肿瘤和慢病领域为主。其中，肺 癌和眼底筛查领域介入企业最多，近两年乳腺癌也成 为热门布局领域之一。此外，不同企业针对客户群体 也有所差别，除三甲医院和基层医院外，也有面向C端 和保险公司等产品。 目前AI医疗影像的商业模式仍在不断探索与尝试中， 主要可分为以下两种商业模式： 第一，平台分成模式。与基层医院合作，提供影像资 料诊断服务，按照诊断数量收取费用，相当于与医院 共同提供医疗影像服务，并从中获得分成。 第二，提供技术解决方案。与大型医院、体检中心、 第三方医学影像中心及医疗影像器械服务商合作，提 供技术解决方案。1）面向大型
40、医院、体检中心及第三 方医学影像中心一次性出售“AI+医疗影像”解决方 案的使用权或使用期间定期收取使用费。三级医院由 于采购预算较高，设备更新意识较强，通常以这种模 式与AI医疗影像公司进行合作。目前DeepCare正在 探索这种商业模式，开发不同病种智能模块放在云平 台上，客户根据自己需求进行选择并付费。2）与医疗 器械厂商合作，在医疗设备中加入智能模块，硬件捆 绑软件销售，将产品功能嵌入到硬件设备当中。例如 GE、Philips、Roche等公司都在发力器械智能化，并 在相关领域取得技术进展及产品化应用。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 A
41、I+健康管理 应用场景分析 平台分成和技术解决方案两种商 业模式正在不断探索与尝试中 36Kr-AI医疗行业研究报告 22 2019.12 目前，人工智能在辅助医生进行疾病检测和诊断方面 的应用快速发展，包括在医疗影像领域的突破，基于 电子病历的临床辅助决策系统，以及诊断后手术治疗 等。未来经过更加丰富的数据标注及模型优化，将影 像、病历、检查检验等多模态数据进行整合，人工智 能可以检测和诊断的疾病类型将随之增多，提高疾病 早期发现率，帮助医生提高诊断效率及诊断准确性。 AI医疗影像是辅助诊断的主要应用领域，前文已有介 绍，本节内容重点介绍影像之外的电子病历、导诊机 器人、虚拟助理、手术机器人
42、等其他应用方向。 电子病历。在电子病历领域，人工智能利用自然语言 处理技术以及语音识别技术，来处理大量文本与语音 信息，将病历语言标准化、结构化、统一化，使病种 数据更加专业，病历输入更加简单，病历展现形式更 加直观，辅助医生进行临床决策判断 导诊机器人。导诊机器人能有效解决医院人满为患， 患者无法及时获得就医指导的行业痛点。导诊机器人 可以基于人脸识别、语音识别和人机交互技术，为患 者提供挂号和就医引导，进行身份识别，信息收集， 数据分析等，有效引导患者分流，帮助医生提高问诊 及诊断效率。 虚拟助理。人工智能可基于历史问诊信息大数据，帮 助医生回复患者问诊，并有针对性的提出相关问题， 节约医
43、生的时间和精力。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 人工智能在辅助医生进行疾病检 测和诊断方面的应用快速发展 36Kr-AI医疗行业研究报告 23 2019.12 目前在辅助医疗方面，人工智能已经形成了一些实质 性应用，手术机器人和医疗机器人就是比较活跃的尝 试。手术机器人已经在胃肠外科、泌尿、妇科和心外 科等外科手术中渗透与应用。手术机器人通过高分辨 率3D立体视觉以及器械自由度，在狭小的手术空间内 提供超越人类的视觉系统，更大的操作灵活性与精准 度，拓展了腹腔镜手术的适应症，增强手术效果。 美国直觉外科公司（ISR
44、G）的“达芬奇手术机器人” 已被FDA批准用于泌尿外科、妇科、心胸外科、腹部 等外科手术，在美国院内渗透率达60%。ISRG公司由 此高速发展，2015-2018年营收平均增速16%，2018 年营收达到37.24亿美元，并始终保持着高达30%的净 利率，总市值超600亿美元。目前单台达芬奇手术机 器人在我国售价约1800万元，每年维护费200万元， 已有约400家医疗机构拥有该设备的配置证，但仍未 大规模推广应用。 据BCG波士顿咨询测算，预计2021年全球医疗机器人 规模将达到207亿美元，其中60%市场份额为手术机 器人。美敦力、强生、西门子和史赛克是四大重要设 备服务商，近两年通过收购
45、不断扩大自身医疗机器人 版图。例如，2018年美敦力以17亿美元收购以色列 Mazor Robotics及其机器人辅助手术平台，研发脊椎 手术机器人引导系统。2019年强生以34亿美元收购瑞 士Auris Medical，加强外科微创手术业务研发。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 手术机器人已成为人工智能辅助 诊断领域比较活跃的应用 36Kr-AI医疗行业研究报告 74.7 114.0 207.0 2020E20152021E 图示：全球医疗机器人市场规 模（亿美元） 数据来源： BCG波士顿咨询， 36氪研究院整理
46、 23.67 27.07 31.38 37.24 20016 +16% 图示：美国直觉外科公司 2015-2018年营收（亿美元） 数据来源：公司年报，36氪研 究院整理 24 2019.12 人工智能技术还可用于临床辅助决策，临床决策系统 （CDSS）相当于一个不断更新的医学知识库，是基于 人机交互的医疗信息技术应用系统，通过数据和模型 辅助医生完成临床决策。CDSS的使用场景涵盖诊前决 策、诊中支持和诊后评价全流程，帮助临床医生做出 最为恰当的诊疗决策，提高诊断效率与诊断质量。 目前，世界上绝大多数CDSS都由三部分组成：即知识 库、推理机和人机交流接口部分，其中庞大
47、可靠的临 床知识库是CDSS的行业壁垒。目前大部分企业的知识 库都难以满足医生的临床需求。而由于医院内部系统 之间的信息隔离，大多数CDSS与医生临床工作脱节， 导致CDSS的决策方式与医生的决策习惯相悖，降低临 床医生的使用积极性。一个完整的临床知识库应当包 含各种最新临床指南、循证医学证据、医学文献、医 学辞典、医学图谱计算工具、大量电子病历等海量数 据，还应当交互良好，方便临床医生从数据库获取信 息。此外，数据库必须是开放的，动态更新的。对第 三方信息化企业来说，行业壁垒较高。 我国CFDA目前还未对人工智能临床决策系统建立明确 标准，国家食药监局正在制定评审深度学习辅助决 策医疗器械软
48、件评审要点。美国FDA已经批准一些 CDSS产品，有针对单病种的，有专家知识库系统。比 较典型的包括荷兰科威集团的UpToDate临床决策支 持系统，IBM Watson在肿瘤辅助诊断治疗的应用。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 人工智能临床决策系统的行业壁 垒较高，临床知识库是关键 36Kr-AI医疗行业研究报告 25 2019.12 新药研发主要包括药物发现、临床前研究、临床研究 以及审批与上市四个阶段。一款药物从靶点发现到批 准上市需要经历复杂且漫长的流程，需要大量人力、 物力和财力投入。正因如此，新药研发面临
49、研发周期 长、研发成功率低和研发费用高三大痛点问题。 研发周期长。据Frost & Sullivan统计，新药研发需要 历经10-15年。药物发现和临床前研究耗时6-7年，提 交上市申请后经过0.5-2年时间方可获批并规模生产。 研发成功率低。据Harris Williams Middle Market统 计，在进入药物研发管道的5000至10000个先导化合 物中，平均只有250个能够进入临床，平均只有1个才 能最终获得监管部门的新药批准，风险伴随新药研发 全流程。原研化药成功率最低，仅为6.2%。 研发费用高。据Tufts统计，新药研发平均成本不断上 升，从1970年代1.8亿美元，到1990年代10亿美元， 再到至今26亿美元。2018年，全球前十大制药公司新 药研发预算占销售额平均比重为19%。 2.1 AI+医疗影像 2.2 AI+辅助诊断 2.3 AI+新药研发 2.4 AI+健康管理 应用场景分析 新药研发面临研发周期长、研发 成功率低和研发费用高三大问题 36Kr-AI医疗行业研究报告 6.2% 11.5% 22.6% 生物药化药仿制药 图示：新药从临床期到批准 上市成功率对比 数据来源：BioMed Tracker， 36氪研究院整理 19.3% 13.2% 23.0% 17.5% 14.9% 17.1%
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
