AI+醫療的市場空間與熱門應用

　　據IDC統計數據，到2025年人工智能應用市場總值將達到1270億美元，其中醫療行業將占市場規模的五分之一。埃森哲評估了10種人工智能應用的綜合分類，確定到2026年，人工智能應用到各個領域所產生的潛在年收益。其中潛在價值最高的前三個領域分別是機器人輔助手術（400億美元）、虛擬護理助理（200億美元）和管理工作流程協助（180億美元）。

　　整體上看，我國人工智能醫療市場仍處于探索階段，如何基于AI技術開拓發展臨床應用場景，已成為當下各大科技公司的主攻方向。

　　人工智能產業鏈可分為基礎層、技術層和應用層。其中基礎層和技術層由于技術壁壘較高，其布局主要來自科技巨頭，應用層則涌現出多家新型人工智能醫療創業公司。國內疾病風險預測、醫學影像場景下的公司數量最多，占醫療人工智能公司總數的一半以上，相關產品相對成熟。

　　對標美國：AI＋醫療市場百花齊放，醫療信息化布局較早

　　1、醫療信息化布局較早

　　2004年布什總統提出10年內在全美實現電子病歷，2009年美國總統奧巴馬頒布醫療信息化法案（HITECH），提出醫療信息化項目建設三階段。由政府出資通過獎懲機制激勵醫療機構建設電子健康檔案有效使用（MU），截至2018年1月，MU獎金已發放379億美元。到2016年，95％以上的美國醫院滿足電子健康檔案MU的要求，電子檔案普及率為法案出臺前的9倍。

　　2、各路資本大量涌入，AI醫療成熱點

　　根據CBInsights報告表明，自2011年起，美國醫療健康就逐漸開始受到資本關注，到2014年已經成為美國人工智能應用場景中最熱的投資領域。

　　美國科技巨頭和資本巨頭如IBM、谷歌、微軟、亞馬遜、Facebook、蘋果等近年來也都在美國醫療信息化領域投入大量投資，搶占市場。

　　IBM在2013年就與克利夫蘭診所全面合作，研究如何利用IBM的沃森人工智能系統提高互利水平，并在沃森健康部門正式成立后，選擇腫瘤精準治療作為主攻領域，利用沃森系統快速分析各類數據，協助醫生診斷腫瘤。

　　谷歌自2014年起，風頭資金的1／3進入了醫療健康與生命科學領域，在智能醫療領域研發重點是糖尿病、神經性疾病診療和醫療器械。

　　微軟2006年開始通過投資、并購進入醫療信息技術領域，2016年公布將人工智能用于醫療健康的最新項目Hanover，通過人工智能深度理解最新醫學專業論文，幫助醫生進行資源整合，尋找有效腫瘤藥物和治療方案。

　　3、龍頭云集的醫療信息化（HIT）

　　與此同時，美國AI＋醫療細分領域百花齊放，尤以四大領域發展態勢迅猛，其中包括：洞察與風險分析、生活方式管理與檢測、醫療影像與診斷、藥物挖掘。

　　美國醫療信息化（HIT）趨勢下的細分領域大致可分為三類：以電子版病例記錄患者數據的電子病歷系統（EHR）企業、提供全面綜合性HIT服務的綜合性醫療信息化服務企業和提供專業第三方服務的藥品福利管理（PBM）企業。

　　AI＋醫療八大應用場景

　　目前，AI＋醫療主要有八大應用場景，其中包括：虛擬助理、醫學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫院管理、輔助醫學研究平臺。

　　我國醫療人工智能企業主要集中在醫學影像和虛擬助手領域。

　　1、虛擬助理：提高醫療工作效率

　　醫療領域中的虛擬助理，基于特定領域的知識系統，通過智能語音技術和自然語言處理技術，實現人機交互，將患者的病癥描述與標準的醫學指南作對比，為用戶提供醫療咨詢、自診、導診等服務，主要解決語音電子病歷、智能導診、智能問診、推薦用藥等需求，并且有衍生出更多需求的可能性。其中虛擬助理的語音電子病歷能提供語音識別技術為醫生書寫病歷從而提高工作效率。

　　智能語音錄入可以幫助醫生通過語音輸入完成查閱資料等工作，并將醫生口述的醫囑按照患者基本信息、檢查史、病史、檢查指標、檢查結果等形式形成結構化的電子病歷，大幅提升醫生的工作效率。

　　導診機器人主要基于人臉識別、語音識別、遠場識別等技術，通過人機交互，執行包括掛號、科室分布及就醫流程引導等功能，智能導診準確率達到95％以上。

　　而且只要在機器人后臺嫁接醫院信息等知識系統，機器人便可實現導診功能，所以國內眾多機器人制造廠商均有機會開發醫療市場，進入門檻較低，預期市場競爭激烈。

　　與此同時智能問診在醫生端和用戶端均發揮了較大的作用。在醫生端，智能問診可以輔助醫生診斷；在用戶端，人工智能虛擬助手能夠幫助普通用戶完成健康咨詢、導診等服務。

　　2、醫學影像：準確率高，預期市場規模較大

　　醫學影像，是目前人工智能在醫療領域最熱門的應用場景之一。“醫學影像”應用場景下，主要運用計算機視覺技術解決病灶識別與標注、靶區自動勾畫與自適應放療、影像三維重建三種需求。

　　在病灶識別與標注細分領域，有不少企業參與競爭，如阿里云、騰訊、京東、翼展科技、推想科技等，行業競爭較為激烈。醫學影像核心產品的病灶識別準確率高、用時短。

　　3、輔助診療：我國發展取得一定進步，醫療機器人打破國外壟斷

　　除醫學影像以外，“AI＋輔助診療”的產品還有兩大類：醫療大數據輔助診療、醫療機器人（主要指針對診斷與治療環節的機器人）。

　　醫療機器人主要包括手術機器人、腸胃檢查與診斷機器人、康復機器人等。我國在醫療機器人的研究與政策支持方面，都具有良好的發展環境。

　　目前國內致力于手術機器人的公司主要采用兩種業務模式：第一種，面向醫院進行機器人產品的單獨銷售，并提供長期維修服務；第二種，是為醫院提供手術中心整體工程解決方案。

　　國內的醫療機器人技術正在不斷升級，在多領域逐漸打破進口機器人的壟斷地位（如：哈工大機器人研究所研制的“微創腹腔外科手術機器人系統”，打破了進口達·芬奇手術機器人的技術壟斷，將加快實現國產微創手術機器人輔助外科手術），未來本土化機器人將會更具市場競爭力。

　　國外，IBM和Google均已布局輔助診療，并構建完整系統。IBMWatsonforOncology是基于認知計算（讀懂大數據背后的含義）的醫療大數據輔助診療解決方案，為全球首家將認知計算運用于醫療臨床工作中。Google研發的DeepMindHealth系統將機器學習和系統神經科學結合，通過強大的通用學習算法模擬構建人腦神經網絡，以便更好的解決醫療保健問題；DeepMind系統于2016年在英國的一家醫院使用。

　　4、疾病風險預測：上游有望打破國外壟斷，中下游發展加速

　　疾病風險預測場景，是除“醫學影像”以外的另一熱門應用場景。疾病風險預測是指通過基因測序與檢測，提前預測疾病發生的風險。其中基因檢測的難度較高，我國只有不到10％的公司有能力完成基因檢測，其余停留在利用基因測序產品提供測序服務的水平。而基因測序方法的逐漸成熟，則直接推動基因測序技術的商業化進程。

　　我國在上游設備技術方面較為落后，基因測序設備及配套生物試劑基本上被國外企業壟斷。相較于上游測序設備研發，中游測序服務門檻較低，目前國內提供基因測序服務的第三方機構數量較多，競爭比較激烈，市場尚未形成穩定的格局。

　　5、藥物挖掘：克服傳統藥物研發缺點

　　傳統的藥物研發存在研發周期長、研發成本高、研發成功率低等痛點。人工智能與藥物挖掘的結合，使得新藥研發時間大大縮短，研發成本大大降低；這將有可能根本上改變用藥“平均”觀念。

　　目前國內AI＋藥物挖掘已經在逐步落地，但研發周期仍相對較長，且算法需要大量的時間和數據積累，短期內很難產生營收數據。

　　6、健康管理：因居民健康意識不足發展緩慢，市場潛力大

　　“健康管理”應用場景，主要包含營養學、身體健康管理、精神健康管理三大子場景。目前國內公司大多集中于身體健康管理場景。國內在營養學場景的人工智能公司較少，國人尚未普遍樹立營養飲食意識；碳云智能和Airdoc的產品分別通過血糖監測和菜品識別指導用戶合理用餐。

　　7、醫院管理：受益政策支持，病歷結構化服務發展較好

　　醫院管理，主要指針對醫院內部、醫院之間各項工作的管理，主要包括病歷結構化、分級診療、DRGs（診斷相關分類）智能系統、醫院決策支持的專家系統等。目前國內公司提供的“醫院管理”服務業務大多集中于病歷結構化服務。

　　8、輔助醫學研究平臺：共享科研成果，醫療人員與企業實現雙贏

　　輔助醫學研究平臺，是利用人工智能技術輔助生物醫學相關研究者進行醫學研究的技術平臺。2014年以來，國家衛計委、國務院先后出臺相關文件，鼓勵醫療機構及醫生進行科學研究。

　　目前我國AI醫療創業集中在虛擬助手與醫療影像方面，技術門檻相對較低，市場競爭激烈；而在對于藥物研發、醫療機器人、輔助診療等方面，由于前沿技術的欠缺，仍舊是一片有待挖掘的藍海市場。