2017年我国医疗人工智能行业发展前景预测【图】

    互联网医疗到医疗人工智能 ，是对医疗行业从表层到实质、从边缘到中心的全面升级 。医疗是一个人力、智力密集型行业，医疗服务供给与需求的严重失调是我国医改面临的根本问题。为了变革升级产业，解决看病难的问题。1.0 时期的互联网医疗，大部分商家都将自身定位为平台，强调平台的连接属性、放大互联网的流量优势。典型的商业模式就是轻问诊平台，以挂号为切入口，希望通过更高效的链接患者和医生，提升医疗服务的资源配臵效率。2.0时期，互联网医疗平台尝试通过开通互联网医院、或者到线下开诊所的形式来提供医疗服务，从增加医疗服务供给的角度去变革产业，但受限于人力的瓶颈，变革仍然是有限度的。到了医疗人工智能时期，AI 对医疗的渗透有望大幅变革医疗服务的成本和效率，从根本上解决医疗服务资源的供给瓶颈，彻底改善看病难的问题。

从边缘革命到战场中心

数据来源：公开资料整理

    相关报告：智研咨询发布的《2018-2024年中国医疗人工智能行业市场运营态势及投资战略咨询报告》

    医疗人工智能创造了全新的医疗服务供给 ，医疗投资回归技术驱动路径 。总结过去几年互联网医疗行业的热潮，人是商家争夺的核心要素，技术暂处于边缘辅助角色，技术和人力两个生产要素的抉择中，资本更偏好人力。其表现形式为，投资者以及创业者均认为医疗行业还处于人力驱动的逻辑，即如何圈住医生、医院这些医疗服务的供给方才是核心所在。而人工智能技术的成熟和普及将让医疗行业步入技术驱动的轨道，从基于医生经验医学到循证医学（统计学+小样本数据）的阶段再进一步进化到基于人工智能的诊疗，医疗行业的投资逻辑将发生根本性的变革。以医生和医院为代表的医疗服务资源将不再稀缺，数据成为了新的生产要素，人工智能技术创造了全新的医疗服务供给。

医疗人工智能时代的投资逻辑变化

数据来源：公开资料整理

    一提到技术对于医学的作用，可能大家的第一反应就是医疗是一门手艺活，靠的是经验和实践，技术本身并没那么重要。我们认为这是一种偏见或者无解，事实上，中西医分科治学后，现代医学已经是一门数据驱动的学科了。传统医学的底层驱动其实是经验医学；到了现代医学，特别是西医，强调的是循证医学，其背后的支撑是基础理论的研究+临床经验（以数据的形式呈现）。循证医学会采集大样本的临床数据，进行系统性的评价，最后把临床数据总结成临床诊疗指南、临床路径；循证医学发展到精准医疗时代，数据的重要性更加明显。精准医疗在循证医学的基础上，更加强调患者个体的个性化诊疗，通过对患者的数据的分析结合临床经验，给出最佳的治疗方式，甚至会出现“同病不同治”、“同治不同病”的情况。 因此 ， 如果我们承认 数据是现代医学的基础 ，那么将人工智能技术引入医疗领域显然是历史发展的必然。

    人工智能在医疗领域的尝试最早可以追溯到 80 年代 。最早的一波在医疗领域进行人工智能探索的尝试，出现在 1972 年。由利兹大学研发的 AAPHelp，这是医疗领域最早出现的人工智能系统。AAPHelp 系统基于贝叶斯理论开发，主要是用于腹部剧痛的辅助诊断以及手术的相关需求。1976 年美国斯坦福大学开发了一个用于细菌感染病诊断的专家咨询系统-MYCIN，它是世界上第一个功能较全面的专家系统。1980 年，已经有一些商业化应用系统的出现，比如哈佛医学院开发的 DXplain，主要是依据临床表现提供诊断方案。DXplain 的知识库中，已经收录了 2200 种疾病，和 5000 多种症状。同时期，我国的医学专家系统也开始进入研究阶段。

    总体来说，早期的医疗人工智能的厂商并不成功，技术本身也存在很 大 的局限性 ，包括在医疗辅助诊断领域的 CDSS（临床辅助决策系统）、医疗影像领域的 CAD（计算机辅助诊断），均没有获得理想的商业效果，在实际的应用过程中，也并不受医疗从业者的欢迎。主要的原因在于，无论从算法、算力或者数据来看，人工智能技术本身并不成熟。医疗的高度复杂性对于过去的人工智能而言还是一个不可逾越的行业。

医疗人工智能发展史大事件整理

数据来源：公开资料整理

    在人工智能基础技术突飞猛进提供了持续的技术红利的大背景下，医疗+AI 开始突破早期的技术瓶颈，获得新的发展契机。

    医疗人工智能在一级市场已经融资超过180亿。我们引用亿欧智库的相关研究数据，截止至2017 年 8 月 15 日，国内医疗人工智能公司累积融资额已超过 180 亿人民币，融资公司共 104家。考虑到大部分医疗人工智能创业都成立于 2014、2015 年，医疗人工智能超过 180 亿的融资一定程度的反应了行业的火爆程度。此外，从全球范围来看，医疗人工智能统列为 2016 年吸引最多投资的领域之一，并表示在未来五年内，包括医疗人工智能+诊断和治疗系统的使用案例将获得最大的发展。在五年期间，它预测医疗健康人工智能投资的年复合增长率为 69.3%。同样，CBInsights 将医疗健康列为人工智能中最热的领域。

医疗人工智能创业在2014 、2015激增

数据来源：公开资料整理

医疗人工智能融资已经超过 180亿

数据来源：公开资料整理

    巨头们开始加强医疗人工智能的产业布局力度。其中，标志性的事件就是，百度宣布将原先专攻互联网医疗领域的医疗事业部进行重组，对外发布了「百度医疗大脑」，将未来医疗的重心方向定位于医疗人工智能。

国内巨头医疗人工智能 产业布局概览

数据来源：公开资料整理

    观察整个医疗人工智能产业的创业赛道，目前仍然处于初期，融资轮次大部分集中于 A 轮。如果将巨头纳入到考查范围内，现阶段也尚未出现绝对领先的公司。即使考虑国外，已经经过多年孵化、较为成熟的 IBM 沃森，也只是在商业化方面刚刚起步，领先优势并不大。考虑到医疗行业本身的复杂性和高门槛，我们判断：1）未来会出现新进入者，但是不会出现蜂拥而入而陷入恶性竞争的情况；2）医疗人工智能空间广阔，现阶段各体量公司皆有机遇。

    医疗健康产业供需严重不平衡。、我国目前医疗存在的“看病难、看病贵”问题主要是因为资源稀缺、分布不均衡以及效率低下，无法满足民众医疗需求的增长。国内，目前有 280 万注册执业医生，每天有 2000 万门诊量，但这 2000 万不是医疗需求全部，另外 3500 万去了药店，还有 1500 万人处于未管理的状态，产业供需严重不平衡。

    从医疗需求端来看，随着中国人口老龄化趋势下，疾病高发的年数量日增多，医疗需求 持续加大。从供给端 来看，优质医疗服务资源紧张的表现更为明显。我国医生学历层次不齐导致医疗服务质量差距较大。根据中国卫生统计年鉴，在医院供职的医生中，具有高级职称(主任医师、副主任医师)的占 7.6%,中级职称(主治医师、主管)占 21.3%,初级职称为 60.8%. 主任在医生中占比不到一成，而“专家”更是少数中的少。然而，当患上较严重的疾病或者对治疗技术要求较高时，人人都想去看专家，就更加剧了看病难问题。考虑到一般医学生需要九年的学习、临床培训才能成为一个能够执业的医生，这意味着未来 280 万人的增长是被锁定的。

医疗供需严重不平衡

数据来源：公开资料整理

国内人口以及60岁以上的人口统计（万）

数据来源：公开资料、智研咨询整理

    面对医疗健康产业供需严重不平衡的大背景，过去互联网公司进入医疗做医患匹配，可以解决一部分医疗资源不平均带来的问题。但长期来看，通过引入人工智能技术，提升医疗服务的效率、扩大医疗服务的供给才是解决问题的根本方法，医疗资源供给的紧张将催生医疗人工智能的刚需。

    我们医疗服务体系正在向分级诊疗方向演进，落实分级诊疗一直是我国新医改最重要的事情，通过优化医疗资源的配臵，让不同层级的医院形成有效的分工协作，从而实现缓解目前医疗服务供给不足的矛盾。说得通俗一点，就是按照疾病的轻重缓急进行分级，让不同级别的医疗机构承担不同疾病的治疗工作，从而缓解居民看病难的问题。基层医疗机构将成为未来居民健康的“守门人”和“健康管理者”，基层首诊意味着基层医疗将成为新的就医入口。

分级诊疗流程

数据来源：公开资料整理

    现阶段，分级诊疗的难点在于基层的医疗服务水平的薄弱，导致了患者对于基层医生的广泛不信任，造成分级诊疗难以落实。强基层是分级诊疗体系建设的重要一环。人工智能的引入有望将将顶尖医学专家的知识和诊治经验进行快速复制，为基层医生提供实效、实时的决策支持，可以提高广大经验不足的医疗工作者的工作能力。

    考虑到现阶段医保、商保等支付方对于人工智能辅助诊断或者人工智能阅片服务是否纳入报销目录尚未有定论，个人消费者可能是人工智能医疗服务的重要付费方。欣喜的是，我们观察到，伴随着消费升级，个人对于自身健康的关注度持续提高，个人对于数字医疗的认可度和付费意愿在持续提高。以互联网医疗在线问诊平台为例，根据数据显示：自 2016 年开始延续至今，付费在线问诊业务已是互联网医疗企业（平台）普遍选择的战略转折点，并且 C 端付费正呈现出良好的增长态势。
医疗人工智能领域的相关政策主要包括两大块：准入政策和收费政策。1）从大方向来看，政策对于医疗人工智能的技术引入松开了口子；2）收费政策尚未明晰。

    准入政策： 医疗人工智能“ 持证” 上岗。1）医疗影像领域：人工智能在 CFDA 中没有申报项目录，智能医学影像产品还是作为三类医疗器械向 CFDA 进行认证申请。获得 CFDA 认证的时间成本和技术水平的要求很高，需要同国家指定的三甲医院合作进行临床测试，同做临床试验的每一个病人签订合同，在国家专业机构做检测和报备，方可通过认证；2）医疗辅助诊断领域：2017 年 2 月，国家卫计委发布了 2017 版“人工智能辅助诊断技术管理规范”及“人工智能辅助诊断技术临床应用质量控制指标”。对于人工智能辅助诊断技术做了定性：“人工智能辅助诊断技术为辅助诊断和临床决策支持系统，不能作为临床最终诊断，仅作为临床辅助诊断和参考，最终诊断必须由有资质的临床医师确定。”

AI+ 医疗影像产品认证流程

数据来源：公开资料整理

未来医疗人工智能商业模式

数据来源：公开资料整理

    根据报道，其联合HIMSS 分析（HIMSS Analytics）针对美国医院人工智能技术应用前景开展了一项调查，调查分析的 85 家医院中，目前已应用人工智能技术的仅占 4.7%，不过人工智能在医院的普及前景光明。调查显示，计划在一年内应用人工智能的医院占 10.6%，两年内应用人工智能的占23.5%，另有 24.7%的医院计划在三年到五年内应用人工智能。约 以此推算，大约 35% 的医疗机构计划在两年内使用人工智能技术，而计划五年内应用人工智能的医院超过一半以上。