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。在技术突破、数据获取、资源整合方面具备优势，并快速推进取得明显先发优势的公司最具潜力。同时，技术解决方案针对大型医院、影像设备厂商具备吸引力，具备明显技术优势的公司通过技术授权模式变现。

5.投资建议：

人工智能在医学影像领域落地可能性较大，在技术突破、数据获取、资源整合方面具备优势，并快速推进取得明显先发优势的平台型公司最具潜力，同时，技术明显领先的公司有望通过技术授权获得变现。推荐万东医疗、科大讯飞、东软集团。一级市场建议关注推想科技、依图科技、雅森科技、健培科技、汇医慧影。

6.风险提示：

技术进步不达预期；资源整合速度不达预期；市场竞争程度超出预期

一、“AI+医学影像”需求迫切，数百亿市场空间待掘金 (6)

（一）分级诊疗和第三方影像中心建设驱动医学影像需求释放 (6)

1、分级诊疗打开基层医学影像市场空间 (6)

2、第三方影像市场方兴未艾，驱动医学影像需求快速释放 (8)

（二）医学影像诊断痛点颇多，“AI+医学影像”有望破冰行业难点 (9)

1、医学影像医生缺口大，误诊率高、效率低，服务模式亟待创新 (9)

2、“AI+医学影像”直指行业痛点，将逐步进入快速发展阶段 (11)

（三）“AI+医学影像”前景广阔，百亿市场待掘金 (15)

二、政策、技术双重驱动，“AI+医学影像”蓄势待发 (16)

（一）国家高度支持，具体产业扶植政策有望加速出台 (16)

（二）算力算法快速迭代，“AI+医疗影像”期待大数据引爆 (17)

1、大量深度学习平台和框架开源降低技术门槛 (18)

2、AI处理器技术向高性能、低功耗的方向发展 (20)

3、高质量数据获取和标注能力是AI医学影像公司的核心竞争力之一 (23)

三、科技巨头加速跑马圈地，创业公司获资本青睐 (24)

（一）科技巨头抢滩，加速布局“AI+医学影像”市场 (25)

（二）创业公司受资本青睐，“AI+医学影像”成投资新风口 (29)

四、商业模式逐渐明晰，平台分成与技术授权各具潜力 (32)

五、相关标的 (35)

（一）万东医疗：影像设备龙头，携手阿里发力影像AI（医药行业覆盖） (35)

（二）科大讯飞：人工智能+医学影像表现亮眼，“平台+赛道”战略成果显现 (39)

（三）东软集团：影像云平台添彩医疗健康业务，汽车电子厚积薄发有望加速放量 (39)

六、风险提示 (40)

图表1医学影像行业产业链 (6)

图表2各地政府基层医疗相关政策颁布数量 (7)

图表3国内分级诊疗体系 (7)

图表4国内主要第三方医学影像中心 (8)

图表5放射科医生数量增长远不及医学影像数据增长 (9)

图表6与美国比较，病理科医生存在较大的缺口 (9)

图表7医学影像领域的患者痛点与医生痛点 (9)

图表8我国医学影像建设水平仍落后于美国 (10)

图表9中国影像误诊人数远高于美国 (11)

图表10借助图像识别和深度学习，影像诊断效果显著提升 (11)

图表11人工智能参与医学影像诊断的方式 (12)

图表12人工智能在医学影像三大应用场景下的参与企业 (12)

图表13人工智能与医学影像结合能大幅降低误诊、漏诊率 (13)

图表14人工阅片与AI阅片对比 (13)

图表15患者、医师和医院均将受益于“AI+医学影像” (14)

图表16 “AI+医学影像”不断实现突破 (14)

图表17 2009-2018年美国医疗影像诊断市场规模 (15)

图表18国家政策助力医学影像行业发展 (16)

图表19国家对医疗领域提出人工智能发展要求 (17)

图表20人工智能+医疗技术成熟度分布 (18)

图表21深度学习是人工智能技术的历史性突破 (18)

图表22 2010-2015年ImageNet ILSVRC大赛冠军团队识别分类的错误率 (19)

图表23大量深度学习平台和框架开源降低技术门槛 (20)

图表24 FPGA硬件架构 (21)

图表25 CPU和GPU呈现出非常不同的架构 (21)

图表26 TPU，GPU，CPU 和改进的TPU的性能对比 (22)

图表27 FPGA与GPU性能与功耗对比分析 (22)

图表28全球医疗数据量2013年以来年增长率达48% (23)

图表29 2020年人类医疗数据总量预测（万亿GB） (23)

图表30我国医疗数据特征 (24)

图表31科技巨头在医疗人工智能领域的布局 (25)

图表32 IBMWatson辅助诊疗过程 (26)