2018年AI+医疗行业分析报告
2018年AI+医学影像行业深度分析报告
２０１８年ＡＩ＋医学影像行业深度分析报告主要观点1.医学影像诊断需求迫切，“AI+医学影像”有望破解行业痛点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约为4.1%，医生缺口日益增加，繁重的任务带来较高的误诊、漏诊率，人工智能技术在医学影像领域的应用有望破解行业痛点，提高效率，提升质量。
若人工智能在影像诊断领域渗透率稳步提升，有望带来“AI+医学影像”诊断市场快速增长。
2.政策、技术双重驱动，“AI+医学影像”蓄势待发从政策层面来看，国家近年来陆续出台系列政策高度支持医学影像行业以及“AI+医疗”的发展，7月出台的《新一代人工智能发展规划》再次对人工智能多个领域发展提出更高要求，针对“AI+医学影像”行业的具体扶植政策也有望快速出台。
从技术层面来看，大量深度学习平台和框架开源降低基础算法门槛，GPU、FPGA、ASCI等处理器的性能快速提升，医学影像领域算力不断突破，目前企业发展的瓶颈在于高质量数据的获取和标注。
随着医疗进入大数据时代，数据的质量和规模将实现快速提升，同时，影像数据联网及云平台推进助力数据价值更快提升，有望带来“AI+医疗影像”行业加速发展。
3.科技巨头加速跑马圈地，创业公司受资本热捧“AI+医疗影像”市场百家争鸣，目前尚未出现占据绝对优势地位的领跑企业。
IBM Watson、谷歌、腾讯、阿里、科大讯飞等具备技术优势和资源整合实力的科技巨头近年来纷纷以医疗影像为突破口布局医疗人工智能领域，在技术和产品上不断取得快速发展。
同时，2016年下半年以来，“AI+医学影像”已成为创业资本的投资风口，无论是从投资数量还是金额上，都可以看出其火热程度，有助于医疗影像人工智能更快推进。
4.商业模式逐渐明晰，平台分成与技术授权各具潜力“AI+医学影像”已走出实验室，产品逐步落地，商业模式逐渐明晰。
目前来看，主要的商业模式包括平台分成模式及技术解决方案两种。
我们认为对接基层医院、民营医院，收取诊断服务费用的商业模式较为理想，一方面，平台分成式的商业模式具有典型的边际成本递减的特征，且可涵盖B2B 及B2B2C领域；另一方面，基层医疗市场对于人工智能医学影像的需求迫切，市场空间广阔。
2018年中国智慧医疗行业发展现状及前景分析，医疗行业将往便捷化和高效化发展「图」
2018年中国智慧医疗行业发展现状及前景分析，医疗行业将往便捷化和高效化发展「图」一、智慧医疗行业定义及应用智慧医疗是近几年兴起的专有医疗名词，是一套融合互联网、云计算等技术，以患者数据为中心的医疗服务模式。
智慧医疗功能资料来源：公开资料整理智能分诊、手机挂号、门诊叫号查询、取报告单、化验单解读、在线医生咨询、医院医生查询、医院地理位置导航、院内科室导航、疾病查询、药物使用、急救流程指导、健康资讯播报等等。
实现了从身体不适到完成治疗的“一站式”信息服务。
智慧医疗采用新型传感器、互联网、通信等技术结合现代医学理念，构建出以电子健康档案为中心的区域医疗信息平台，将医院之间的业务流程进行整合，优化了区域医疗资源，实现跨医疗机构的在线预约和双向转诊，缩短病患就诊流程、缩减相关手续，使得医疗资源合理化分配，并做到精准远程医疗，是真正做到以病人为中心的智慧医疗。
二、智慧医疗行业发展现状分析40年来，我国医疗卫生支出比重逐步上升。
1978年医疗卫生支出占GDP的比例为3%，1988年为3.2%，1998年为4.3%，2008年为4.5%，2017年为6.2%。
随着政府、社会对医疗卫生投入持续增长，我国卫生总费用结构不断优化。
2011-2017年我国医疗卫生费用走势资料来源：国家统计局2011-2017年我国人均卫生费用走势资料来源：国家统计局在巨大的医疗费用支出基数下，智慧医疗的市场规模也逐年攀升，2017年，中国智慧医疗的市场规模达到375.2亿元。
同比2016年增长12.4%。
2011-2017年中国智慧医疗行业市场规模及增速资料来源：公开资料整理未来几年将是中国智慧医疗建设飞速发展的时期，在新医改方案的指导下，各地方政府将会加大当地智慧医疗建设方面的投入，将会有更多的医疗机构参与到信息化建设中，一些信息化建设较好的医疗机构也将致力于建设更为先进的医院管理系统，提升自身竞争力，给广大居民带来更好的医疗体验。
2018年人工智能+医疗行业现状与发展趋势分析报告
人工智能＋医疗行业现状与发展趋势分析报告内容目录1.前言：从互联网医疗升级到医疗人工智能 (4)2.临界点已至，医疗人工智能站上风口 (5)2.1.技术：已走出实验室，商业化加速落地 (5)2.2.资本：一级市场持续火爆，巨头加速布局 (7)2.3.产业环境：供需不平衡仍将延续，消费升级产生新的付费方 (8)2.3.1.供需总量分析：供给不平衡仍将延续 (8)2.3.2.供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求 (8)2.3.3.付费方：消费者有望成为智能医疗服务的重要付费方 (9)2.4.政策：需“持证”上岗，收费政策尚未明晰 (9)2.5.商业前景：技术赋能是当下，医疗服务是未来 (10)3.医疗影像：人工智能在医疗领域应用的第一站 (11)3.1.人工智能在医疗影像的应用场景 (11)3.2.市场机遇：医疗影像是千亿级的市场 (12)3.3.技术实现路径和竞争壁垒分析 (14)3.4.二级市场参与医疗影像+人工智能产业的路径 (15)4.智能辅助诊断：现代医学皇冠上的明珠 (16)4.1.技术实现路径：打造“医疗大脑”的5个步骤 (16)4.2.竞争壁垒分析：医疗数据规模&数据结构化技术 (17)4.3.商业化路径：智能辅助诊断系统面临的三个定位选择 (18)4.3.1. to B or to C？ (19)4.3.2. to B领域：选择基层、专科还是大三甲？ (20)4.3.3.常见病or垂直病种？ (21)4.4.二级市场参与智能辅助诊疗产业的路径 (21)4.4.1.路径一：发挥通道优势，联合技术方共同推广 (21)4.4.2.路径二：补齐数据结构化能力，自研医疗大脑 (22)5.精准医疗：AI+基因组学解读生命大数据 (23)6.投资建议与重点推荐公司 (25)6.1.思创医惠：IBM沃森中国战略合作伙伴，打造自主医疗AI技术 (26)6.2.科大讯飞：人工智能龙头开辟新战场，医疗AI业务快速崛起 (26)6.3.东软集团：人工智能有望成为医疗业务二次腾飞的助推器 (27)6.4.万东医疗：战略合作阿里健康，打造人工智能医疗影像平台 (27)7.风险提示 (28)图表目录图1：从边缘革命到战场中心 (4)图2：医疗人工智能时代的投资逻辑变化 (5)图3：现代医学是数据驱动的学科 (5)图4：医疗人工智能发展史大事件整理 (6)图6：医疗人工智能创业在2014、2015年开始激增 (7)图7：医疗人工智能融资已经超过180亿 (7)图8：医疗供需严重不平衡 (8)图9：国内人口以及60岁以上人口的统计，单位（万） (8)图10：分级诊疗流程 (9)图11：AI+医疗影像产品认证流程 (10)图12：未来医疗人工智能的商业模式 (11)图13：人工智能在医疗影像领域的应用场景 (12)图14：病理科医生的供需缺口 (13)图15：放射科医生的供需缺口 (13)图16：乳腺癌淋巴转移数字病理切片诊断准确率比赛 (13)图17：医疗影像市场 (14)图18：“机器看片”的技术原理 (14)图19：人工智能医疗影像产业链 (15)图20：打造医疗大脑的流程 (16)图21：医疗知识图谱的简单示意 (17)图22：临床数据结构化的流程图 (18)图23：Babylon的APP界面（对话由患者与机器完成） (19)图24：IBM沃森“看病”流程 (20)图25：医疗信息化公司与核心技术公司合作是较好的选择 (21)图26：医疗信息化公司与核心技术公司合作是较好的选择 (22)图27：数据流的视角下的医疗信息化上市公司划分 (23)图28：基因组数据解读分析的核心就是找到基因组和表型/疾病组之间的规律 (24)图29：基因预测疾病风险的经典案例 (24)图30：基因检测产业链 (24)图31：2001-2016年平均每兆数据量基因测序成本 (25)图32：2001-2016年基因测序成本 (25)表1：医疗影像领域人工智能技术突破“人类水平”的案例 (6)表2：国内巨头医疗人工智能产业布局概览 (7)表3：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具 (11)表4：医疗数据结构化的三种路径 (18)表5：智能辅助诊断系统的市场定位 (20)表6：医疗+人工智能股票池 (26)1. 前言：从互联网医疗升级到医疗人工智能从2014年互联网医疗崛起至今，我们经历了一个完整的医疗产业技术渗透周期，享受过牛市的甜蜜期，也体会过商业模式迟迟未能兑现所带来的阵痛。
2017-2018人工智能+医疗产业研究报告
人工智能+医疗产业研究报告人工智能技术能给医疗行业带来哪些改变？“人工智能对于医疗行业来说，可以让患者通过直接和间接感知到便利与高效，最终推动医疗行业不断发展。
”直接感知主要是指现在一些医院已有智能导诊平台，就是基于对于医疗大数据样本的机器学习，通过人工智能设备人体识别分析后，告知患者该去哪个科室就诊，大大节约了医院排队等待时间。
人工智能目前在医疗临床应用主要包括以下四种：智能影像、智能语音、医学机器人、临床智能决策。
其中，智能影像和智能语音是基于图像和语音识别技术发展起来的，由于医学影像资料获取门槛较低、且更为标准化，语音数据识别技术成熟。
所以，智能医学影像目前发展最为成熟，临床接受程度也最高。
在不少业界人士看来，人工智能医疗只是辅助医生的手段，并不是主要医疗方式。
人工智能只是拟人化机器，如果用人工智能看诊，出错后谁来担责就是值得探讨的问题。
“医学是一个需要医生直接经验的累积和医学研究做支撑的实用科学，医生对患者看诊完后，才能对患者病情诊治得出准确结论；而人工智能医疗最大作用在于通过对大量真实、有效的医疗样本分析学习，最后推动整个医疗行业向前发展。
”在今年的数博会期间，国际计算机学会知识发现专委会主席认为，目前面临的最大挑战和最大机会就用什么样的人工智能，管理、把握、经营不确定性。
比如，在医学上用人工智能技术能使医疗效率提高且更有针对性，这不但带来了医疗技术的改变，还会带来新的挑战和机会。
“面对不确定性改变，企业和社会需要做出很多调整。
我们倡导建立一个共生协同的平台和生态，实现计算和智能深度融合，让用户聚焦业务和模式的创新”。
医学科研的发展需要用医疗过程中临床真实案例作为依据，对于案例样本数据的真实性和有效性有很高要求。
机器的算法、算力和大数据可以突破传统医学领域数据规模的局限性和地域数据偏差问题。
人工智能+医疗不是简单的用技术去找医院合作。
而是要让技术落地，就要历经千辛万苦找对场景，还要说服政策制定者、监管部门、医院采购者、科室主任、临床医生、病人等，证明技术的有效性、安全性和可行性。
健康点飞利浦：2018中国医疗人工智能产业报告
健康点飞利浦：2018中国医疗人工智能产业报告2018中国医疗人工智能产业报告！健康点联合飞利浦发布了《中国医疗人工智能产业报告》(CHINA AI+ HEALTHCARE INDUSTRY REPORT)（以下简称“报告”），基于过往的采访以及研究成果对医疗人工智能产业进行了深入的研究。
具体来说，在梳理当下医疗人工智能产业现状的同时，健康点调研了国内数十家医疗人工智能企业，一方面对典型企业进行深入的分析，另一方面对调研的医疗人工智能企业进行综合分析研究，从而总结行业共性，了解行业最新发展动态与趋势。
报告总体分为四个部分，分别从市场环境、产业格局、商业模式、机遇与挑战等方面对中国医疗人工智能产业进行分析。
无论是对中国还是对世界来说，人口老龄化加剧、慢性病患者群体增长、优质医疗资源紧缺、公共医疗费用攀升等都是必须要面对的问题。
而随着技术的发展，人们逐渐开始寄希望于通过人工智能来解决医疗行业的痛点。
此前，美国咨询公司弗罗斯特- 沙利文公司就曾提到，“人工智能可将医疗效果提高30% 到40%，减少多达50% 的医疗成本”。
在中国，医疗人工智能有着先天的发展优势。
一方面，中国人口数量庞大，有充足的医疗数据，为医疗人工智能的发展提供了基石。
另一方面，中国足够大的医疗市场也为人工智能企业创新提供了动力。
不负人们所期，近年来中国医疗人工智能市场正如火如荼地发展着。
数据显示，自2013年到2017 年，中国医疗人工智能行业共获得241 笔融资。
其中，2017 年国内医疗人工智能行业公布的融资事件近30 起，融资总额超过18 亿元。
2018 年，医疗人工智能市场火热依旧。
一方面，资本热情不减，大额融资频发，医疗人工智能融资总额再创新高，仅2018 上半年就有18 家公司获投，总金额超过31 亿元。
另一方面，已然成熟的互联网巨头，如BAT 等，以及传统医疗相关企业，如飞利浦等也早已重金布局医疗人工智能，大手笔向产业链扩展业务。
2018年中国智慧医疗行业市场前景研究报告
中国智慧医疗行业市场前景研究报告目录CONTENTS 前言1.智慧医疗行业概况1.1 智慧医疗的定义1.2 智慧医疗组成部分1.3 智慧医疗产业链1.4 智慧医疗相关政策2.4 医疗资源分布不均2.智慧医疗行业背景分析2.3 慢性病患病率提高2.1 国民健康意识提升2.2 人口老龄化医疗需求增加2.5 卫生技术人员缺口大2.6 5G加速大数据和人工智能发展目录CONTENTS 3.智慧医疗行业市场现状3.1 智慧医疗市场规模3.2 智慧医疗投资规模3.3 智慧医疗发展格局3.4 智慧医疗四大产业3.5 智慧医疗发展短板4.产业一：智能硬件4.1 智能硬件市场规模5.产业二：远程医疗5.1 远程医疗市场规模5.2 远程医疗发展趋势目录CONTENTS 8.智慧医疗行业发展趋势8.1 开发AI医生缓解医护人员不足8.2 助力药物挖掘效率8.3 利用精准医疗治疗癌症7.产业四：医疗信息化7.1 医疗信息化市场规模7.2 医疗信息化硬件市场7.3 医疗信息化软件市场7.4 医疗信息化服务市场6. 产业三：移动医疗6.1 移动医疗市场规模6.2 移动医疗用户规模6.3 远程医疗发展趋势01智慧医疗行业概况智慧医疗的定义智慧医疗英文简称WIT120，通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。
智慧医疗主要表现Ø在恰当的时间和地点为恰当的病人提供恰当的治疗Ø临床医生利用技术更准确地进行疾病诊疗与提供医疗服务Ø临床医生利用技术更准确地进行疾病诊疗与提供医疗服务Ø患者数据集中于一个便于获取的地方Ø合适的人员开展合适的工作Ø患者知悉并积极参与治疗计划Ø患者知悉并积极参与治疗计划Ø让缺乏医疗服务的地区和人群获得医疗服务Ø提高效率，减少浪费智慧医疗组成部分智慧医疗由三部分组成，分别为智慧医院系统、区域卫生系统、以及家庭健康系统。
2018年AI+医学影像行业深度分析报告
２０１８年ＡＩ＋医学影像行业深度分析报告主要观点1.医学影像诊断需求迫切，“AI+医学影像”有望破解行业痛点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约为4.1%，医生缺口日益增加，繁重的任务带来较高的误诊、漏诊率，人工智能技术在医学影像领域的应用有望破解行业痛点，提高效率，提升质量。
若人工智能在影像诊断领域渗透率稳步提升，有望带来“AI+医学影像”诊断市场快速增长。
2.政策、技术双重驱动，“AI+医学影像”蓄势待发从政策层面来看，国家近年来陆续出台系列政策高度支持医学影像行业以及“AI+医疗”的发展，7月出台的《新一代人工智能发展规划》再次对人工智能多个领域发展提出更高要求，针对“AI+医学影像”行业的具体扶植政策也有望快速出台。
从技术层面来看，大量深度学习平台和框架开源降低基础算法门槛，GPU、FPGA、ASCI等处理器的性能快速提升，医学影像领域算力不断突破，目前企业发展的瓶颈在于高质量数据的获取和标注。
随着医疗进入大数据时代，数据的质量和规模将实现快速提升，同时，影像数据联网及云平台推进助力数据价值更快提升，有望带来“AI+医疗影像”行业加速发展。
3.科技巨头加速跑马圈地，创业公司受资本热捧“AI+医疗影像”市场百家争鸣，目前尚未出现占据绝对优势地位的领跑企业。
IBM Watson、谷歌、腾讯、阿里、科大讯飞等具备技术优势和资源整合实力的科技巨头近年来纷纷以医疗影像为突破口布局医疗人工智能领域，在技术和产品上不断取得快速发展。
同时，2016年下半年以来，“AI+医学影像”已成为创业资本的投资风口，无论是从投资数量还是金额上，都可以看出其火热程度，有助于医疗影像人工智能更快推进。
4.商业模式逐渐明晰，平台分成与技术授权各具潜力“AI+医学影像”已走出实验室，产品逐步落地，商业模式逐渐明晰。
目前来看，主要的商业模式包括平台分成模式及技术解决方案两种。
我们认为对接基层医院、民营医院，收取诊断服务费用的商业模式较为理想，一方面，平台分成式的商业模式具有典型的边际成本递减的特征，且可涵盖B2B 及B2B2C领域；另一方面，基层医疗市场对于人工智能医学影像的需求迫切，市场空间广阔。
我国医疗人工智能发展研究报告（2018精要版）（共7章）
我国医疗人工智能发展研究报告（2018精要版）一、概述（一）概念人工智能概念自1956年被首次提出以来，经过60多年的演进与发展。
在超级计算、大数据、移动互联网、传感网、脑科学等新技术、新理论以及经济社会发展强烈需求的推动下，人工智能已经在各行各业显示出自己的独特魅力和吸引力，呈现出跨界融合、人机协同、自主操控、深度学习等特征。
医疗人工智能是人工智能技术在医疗领域的运用与发展，其应用主要表现在智能诊疗、智能影像识别、智能健康管理、智能药物研发和医疗机器人等方面。
近年来医疗人工智能研究快速发展，产品不断推陈出新。
（二）研究目的及意义2018年10月31日，习近平总书记在中共中央政治局集体学习人工智能发展现状和趋势时指出，人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。
我国从2015年开始就先后颁布了《中国制造2025》、《国务院关于积极推行“互联网+”行动的指导意见》、《新一代人工智能发展规划》等重要国家级战略规划，各地方政府也积极出台政策支持人工智能发展，推动了中国人工智能发展的热潮。
为了解国内医疗人工智能发展现状与趋势，探讨人工智能影响医疗健康产业发展的未来前景，本研究从医疗人工智能政策分析、临床应用、科研投入与人才培养、社会认知和伦理等方面设立研究课题，旨在了解国际各国在医疗人工智能政策的发布趋势，把握我国在医疗人工智能领域的科研投入现状及科技产出能力，明晰当前医疗人工智能领域的学科发展水平、人才培养情况及前沿技术，明确我国人工智能在临床的应用现状以及产业化现状，调查我国民众对医疗人工智能的认知现状，探讨医疗人工智能带来的伦理风险，为后续相关研究及政策制定提供参考。
（三）研究内容与方法综合采用文献调研法、专家咨询法、现状调研法、问卷调查法以及信息计量等方法，对主要国家和地区（美、欧盟、英、日等）发布的医疗人工智能政策进行梳理、分析和比较，对我国国家级和省级相关政策的发布趋势、主题变化进行统计与分析；对我国民众对医疗人工智能的社会认知现状进行调研，人工智能在用于医疗卫生服务时产生的伦理性问题进行探讨和研究；对我国开设人工智能专业的高等院校、科研资金投入、人才培养以及承担相关科研课题情况进行调研，并以高等院校、科研机构和企业技术力量为研究对象，对医疗人工智能领域的论文及专利产出情况进行评估与分析，基于医疗人工智能研究领域的文献调研结果，对该领域的研究热点内容以及前沿技术进行探测；对我国人工智能在临床的应用现状进行调研和统计分析，重点列出了人工智能在皮肤科、眼科、儿科等领域的研究应用现状；分析和探讨人工智能在临床医疗的应用场景，通过对我国人工智能产品在临床的应用现状进行调查分析，了解我国医疗人工智能产品的数量、特征及未来应用前景等方面内容。
2018年中国人工智能医疗影像市场调研报告
2018年中国人工智能医疗影像市场调研报告目录前言 (1)1、医疗影像海量数据积累使得人工智能应用成为可能 (2)2、国内医疗影像行业服务模式创新 (4)3、巨头纷纷加码，资本竞相角逐AI+医疗影像 (7)4、AI+医疗影像应用不断取得突破 (15)4.1以数据分析，图像识别算法为核心的平台公司 (15)4.2垂直病种领域检测标准，争取CFDA认证 (16)5、市场规模巨大，有望带动上下游产业发展 (19)6、人工智能医疗影像投资建议 (24)6.1东软集团 (24)6.2万东医疗 (25)6.3科大讯飞 (26)7、人工智能医疗影像风险分析 (27)图表目录图表：2020 年人类产生的医疗数据总量预测 (3)图表：数据生成和共享速度迅速增长 (3)图表：机器读片相对人工读片优势明显 (3)图表：依托海量数据库，借助图像识别和深度学习，诊断效果显著提高 (4)图表：中美医疗影像信息化对比及影像医师相关情况对比 (5)图表：医学影像领域的患者痛点与医生痛点 (7)图表：“沃森医生”的诊断过程 (8)图表：科技巨头们也都在纷纷跨界医学人工智能领域 (9)图表：27家医学影像+人工智能公司情况汇总 (11)图表：国内外医疗人工智能领域历年融资数量 (13)图表：国内外医疗人工智能领域历年融资总额 (14)图表：医疗人工智能各细分领域历史融资总额 (14)图表：部分人工智能在医疗影像领域的创业公司技术及产品 (16)图表：近期人工智能在医疗影像领域突破不断 (18)图表：2009-2018年美国医疗影像诊断市场规模 (20)图表：2015年我国影像类临床信息系统尚处于加速建设期 (22)图表：医疗影像行业产业链 (22)前言➢医疗影像海量数据积累使得人工智能应用成为可能基于数据的服务智能阶段将在接下来3-5年爆发。
而数据可得性高的医疗、金融、交通等行业人工智能将率先用于解决行业痛点，爆发大量场景应用。
到2020年全球医疗数据量将达40万亿GB，其中80%以上是非结构化影像数据，这是未来人工智能深度学习的金矿。
AI制药行业分析报告
AI制药行业分析报告随着人工智能技术的不断发展，在世界各地，人工智能已经成为非常火热的话题。
在医疗保健产业中，人工智能正在被广泛应用。
AI制药行业，即用人工智能技术来改善药物研发和制造的行业，也开始受到越来越多的关注。
一、定义AI制药指的是将人工智能技术应用于药物研发和制造的行业。
包括人工智能在药物发现、设计、模拟、生产和质控等不同环节的应用，以提高药物研发的效率和准确性，并加快将药物送到市场。
二、分类特点1. 创新的手段AI制药作为一种新兴产业，创新的手段与传统药物研发不同，抛弃了换汤不换药的传统研发思路，加入了更多的数据和计算，在数据挖掘、机器学习等方面提高了科技含量。
2. 加速研发AI制药通过对海量数据进行深度挖掘和分析，可以提高药物研发效率，大大缩短了研发周期。
3. 提高质量AI技术可以模拟和预测药物作用机理，通过药效评估等环节来确定药效及副作用，从而有效的降低药物研发的失败率。
三、产业链AI制药产业链主要包括：数据处理与挖掘、机器学习和人工智能模型的开发、药物发现、药物检测和评估、药物制剂和生产等组成环节。
四、发展历程2016年，国外首款由人工智能研发的药物Zenyatta获得了FDA的批准，为AI制药的商用奠定了基础。
2017年，英国深度学习初创公司Exscientia与日本服药大厂Sumitomo Dainippon Pharma签署了一项价值2650万美元的合作协议，共同研发基于人工智能平台的药物。
2018年，国内德胜集团自外界融资3900万元，布局人工智能开发和应用，成立德胜AI制药研究院，探索人工智能相关技术应用于药物研发领域。
五、行业政策文件目前，还没有针对AI制药的相关政策文件。
但由于AI制药行业涉及的科技和医疗领域广泛，需要相关部门加强监管。
六、经济环境AI制药产业具有广阔的市场前景。
截至2020年，全球制药市场规模达到1.25万亿美元，而用人工智能技术改进医疗制造的市场规模达到716.2亿美元。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2018年AI+医疗行业
分析报告
2018年9月
目录
一、AI+医疗：应用场景广阔，数据是加速落地关键 (5)
二、影像诊断：AI技术应用效果显著，数据是发展的重中之重 (6)
1、IBM影像诊断业务面临挫折，数据的获取与标注成本是主要问题 (7)
（1）数据获得成本高 (8)
（2）数据专业性强，呈现碎片化不易提炼 (8)
9
2、中国的发展趋势 ................................................................................................
（1）随着AI图像识别技术的进步，算法结构的技术壁垒在持续下降，已不是难题 9 （2）AI有望发挥自身优势，解决我国医疗行业痛点 (9)
（3）我国AI医疗影像产业链上下游融合，市场参与者众多 (10)
①医疗影像设备商 (10)
②数据采集与汇集 (10)
③数据分析 (11)
二、语音病例提升工作效率，但系统仍有一定优化空间 (11)
1、在美国，病历电子化程度很高，但仍需要人工介入 (11)
2、美国语音病历系统借助电子病例建设政策东风推进 (12)
3、国内语音电子病历系统处于起步阶段，市场前景广阔 (13)
4、国内率先实现语音病历系统试用的企业为科大讯飞和云知声 (13)
5、医疗机构间相互独立性强，系统落地过程中拓展市场是关键，数据集仍有
14待优化 ....................................................................................................................
三、新应用：医疗咨询、药物研发、脑机接口 (14)
14
1、医疗咨询 ..........................................................................................................
（1）在AI技术的助力下，移动问诊向辅助诊疗方向不断发展 (14)
（2）平安好医生是“互联网+”时代移动问诊领域跑出的领军企业，目前正尝试AI技
术赋能 (15)
（3）目前导诊和预问诊服务产品的AI技术应用处于较为早期的阶段 (16)
17
2、药物研发 ..........................................................................................................
（1）机器学习技术的应用有助于降低药物研发成本 (17)
（2）目前海外已出现了利用AI来提高药物研发效率的初创公司 (17)
17
3、脑机接口 ..........................................................................................................
四、重点公司：万东医疗，神州医疗、依图医疗 (19)
19
1、神州医疗 ..........................................................................................................
20
2、万东医疗 ..........................................................................................................
21
3、依图医疗 ..........................................................................................................
医疗是人工智能落地的重要场景之一。
过去一年，我们既看到，
随着语音识别、计算机视觉等技术的不断进步，越来越多的公司开始
加码AI+医疗业务；但同样也发现，医疗数据获取相对困难，对AI+
医疗的发展造成暂时性拖累。
鉴于人工智能为医疗行业带来的实质性
效率提升，看好AI+医疗的长期发展。
IBM Watson医疗发展低于预期。
IBM Watson 是全球AI医疗行
业的领导者。
Watson 系统2015年开始商用，提供包括乳腺癌、肺癌、直肠癌、宫颈癌、卵巢癌和胃癌在内六种癌症的辅助诊疗服务。
但是，2017年2月，休斯敦安德森癌症研究中心（MD Anderson Cancer Center）取消与IBM Watson 的合作，称其辅助诊疗效果始终不达预期。
2018年5月，IBM 对其医疗业务进行部分裁员。
数据是发展的主要瓶颈，中国有弯道超车机会。
影像诊断需要大
量经过专业医师标注的数据进行模型训练。
并且每种疾病所需要的数
据不同，数据碎片化问题严重。
此外，北美对医疗数据还有严格的隐
私保护。
这些因素导致了数据获得的成本高昂，成为影像诊断行业发
展的瓶颈。
在我国，数据归医疗机构和患者共同所有，三家医疗大数
据公司在政策支持下积极建设医疗数据库，这都可能为AI影像诊断在
中国发展提供有利条件。
语音电子病历专业性要求高，是语音识别技术很好的落地场景。
和一般的语音识别相比，语音电子病历对专业性及准确性要求更高，
更能凸显科大讯飞，Nuance 等语音识别算法公司技术上的优势，实
现变现。
未来语音电子病历与知识图谱，医疗影像诊断相结合，更能
催生新业务。
新应用：层出不穷，有望在未来继续带来亮点。
由平安健康推广的“平安好医生”医疗咨询APP 正尝试AI技术赋能。
智能问诊系统可为患者提供初步诊断，缓解了医院的分诊压力。
除此之外，AI也有望对药品研发进行模拟，充分利用早期药物开发的经验和仿真技术能够
极大的减少试错成本、缩短研发周期。
脑机接口应用仍处于研发阶段，AI有望在未来将神经信号进行解读，进而帮助患者进行康复训练。
一、AI+医疗：应用场景广阔，数据是加速落地关键
AI在语音识别、机器视觉、自然语言处理等方面的突出能力，使其在医疗领域被寄予厚望，人们期待AI能真正减轻医生工作负担，并在更大程度上对漏诊误诊加以避免。
从患者角度来看，AI已开始向诊前、诊中、诊后等各个环节进行渗透。
而细分应用中，以诊中环节的
影像诊断和语音识别（语音病历）最为成熟。
一方面，由于这两个细
分领域具有一定的数据产生和积累，如CT 影像、病历文档等，能够被用于AI模型的训练；此外，由于相关算法在其他领域（如人脸识别、语音识别）的应用已相对成熟，能够直接类比进行应用。
但是，目前
医疗数据能否成功获取仍是AI+医疗加速落地的关键。
不同于其他领域应用，医疗数据专业性强，受保护程度高，获得大量的优质数据存
在一定难度。