2020中国AI 医疗行业报告.pdf

中国AI+医疗行业研究报告 2020年 2 2020.12 iResearch Inc. 摘要 未来趋势：未来AI+医疗知识图谱与AI+医疗算法将持续获得突破，并更广泛、更深度 地赋能医疗全流程。随着AI+医疗未来不断普及，人们对于AI+医疗伦理的重视也会逐 渐增强，随着对AI+医疗伦理监管的不断加强，未来将构建以人为本的AI+医疗生态体 系。 前言：本次AI+医疗研究范畴仅限于围绕临床诊疗开展的核心医疗活动，包括CDSS、 智慧病案、AI+检查、AI+新药研发及手术机器人。目前中国对AI+医疗的需求逐渐扩 大，而供给尚显不足，整体供需并不均衡。AI+医疗行业目前处于快速成长时期。 企业分布：目前AI+核心医疗企业中生态领导者包括百度灵医智惠、科大讯飞、惠每 科技、医渡云等，由于百度灵医智惠在领域内具有以下优势：1）通用AI能力位居第 一；2）AI+医疗实力（构建医学知识图谱、医疗大数据）雄厚；3）核心医疗领域 覆盖场景更为全面，因此在AI+核心医疗领域综合实力处于领先地位。 市场规模：2019年AI+核心医疗软件服务整体市场规模达到20.5亿元。同比增速高达 93.9%，其中CDSS占比最多，达到55.2%，智慧病案位列第二，占比达到25.5%。由 于政策利好及疫情影响，艾瑞推算，2020-2022年的CAGR将达到51.9%，2022年预 计市场规模将超过70亿元。 SMS 来源：艾瑞咨询研究院根据公开资料及自主研究绘制。 3 AI+医疗发展背景1 AI+医疗发展现状2 AI+医疗典型企业案例分析3 AI+医疗发展趋势4 4 2020.12 iResearch Inc. AI+医疗研究范畴 关注在临床诊疗各环节中，利用人工智能开展的医疗活动 人民卫生出版社医院管理词典中指出：“现代的医疗服务，已从医院内扩大到医院外，形成了综合医疗的概念，医疗 内容也日益广泛，包括增进健康、预防疾病和灾害、健康咨询、健康检查、急救处理、消灭和控制疾病、临床诊疗、康复 医疗等。”艾瑞认为，现代医疗服务中最核心的环节是临床诊疗，即通过各种检查，使用药物，器械及手术等方法对疾病 作出判断和消除疾病，缓解病情等。因此，艾瑞将围绕临床诊疗开展的各项医疗活动定义为“核心医疗”，核心医疗的发 展直接影响了整体医疗的发展进程。本报告聚焦于 “人工智能如何赋能核心医疗领域，从而实现医疗模式的转变与突破”， 研究范围包括CDSS、智慧病案、AI+检查、AI+新药研发及手术机器人。 来源：艾瑞咨询研究院根据公开资料及自主研究绘制。 增进健康 康复医疗 临床诊疗 消灭和控 制疾病 急救处理 健康检查 健康咨询 预防疾病 和灾害 围绕临床诊疗开展的各项医疗活动，其发展直接影响整体医疗发展进程 核心医疗定义 2020年中国AI+医疗行业研究报告范畴 现代医疗服务 核心 AI赋能核心医疗 疾病 判断 检查药物器械 CDSS 智慧病案 AI+影像 AI+病理 基因检测 AI+新药研发 手术机器人 5 2020.12 iResearch Inc. AI+医疗发展历程 中国AI+医疗进入快速成长阶段，着力于探索更多应用场景 1956年人工智能（AI）开始成为独立的研究领域，20世纪前，中外对AI在医疗领域的研究集中在临床知识库上，但由于大 多数临床知识库必须运行在LISP设备上。而由于当时LISP设备尚不能联网且价格昂贵等原因，临床知识库并没有广泛地应 用于临床中。2000年-2015年期间，国外的研究重点为AI在临床知识库外的应用，如手术机器人应用落地、鼓励发展电子 病历等。而中国仍以研究更多类疾病的临床知识库为主，发展相对缓慢。2015年-2017年，由于AI在图像识别方面的准确 率有大幅度提升，AI+影像得以快速发展。得益于在临床知识库的长期研究，CDSS产品走向成熟。2018年后，中国AI+医 疗进入稳定发展阶段，智慧病案等新产品相继面世，目前国产手术机器人尚在研究阶段。 来源：艾瑞咨询研究院根据公开资料及自主研究绘制。 2020年中国及全球AI+医疗发展历程 全 球 1960s开始尝试研发模仿医生 决策过程的临床知识库 1972年，利兹大学研发出第 一款医疗人工智能系统AAP HELP，用于辅助诊断 1976年 ， 斯坦 福大学 研发 MYCIN 系 统 ； CASNET 、 PuFF等系统相继问世 1980s 出现少量商业化系统， 如QMR、Dxplain 1985年，成功研制能自主定 位的手术机器人 1987-1994 AI寒冬：政府预 算、资本投入减少 1992年，使用手术机器人进 行髋关节置换术 2000年，达芬奇手术系统获 批用于腹腔镜手术的 2007年，IBM开发Watson系 统 2009年，奥巴马签署APPA法 案，为使用电子病历（EMR） 的医生等提供额外的资金及奖 励 2012年，多层卷积神经网络 的发展使图像识别错误率大大 降低 2014年，Enlitic开发出能从X 光及CT扫描图像识别恶性肿瘤 的软件 2017年，心脏磁共振成像AI 分析软件Cardio DL获批 中 国 1978年，北京中医医院研发 出我国第一个医学专家系统 关幼波肝病诊疗程序 1980s 研究方向多为中医专家 系统 1990s 专家系统进入西医领域， 研发颞颌关节紊乱综合征专家 系统、个儿童心理障碍标准化 诊断与治疗专家系统、心血管 疾病诊断的专家系统等 累计研制出上百个专家系统， 如耳穴信息智能识别系统、口 腔癌/胃癌诊疗专家系统、结 核病诊断专家系统、血气酸碱 度检测分析计算机辅助专家系 统，但几乎没有应用于临床， 为医生所用 2015年，开展AI+影响的相关 研究 2016-2017，市场出现相对 成熟的CDSS产品 2018年，AI开始应用于基因 检测领域 2019年，尝试利用人工智能 打造更科学的智慧病案 6 2020.12 iResearch Inc. 2020.12 iResearch Inc. AI+医疗驱动因素：需求端 2018年中国卫生总费用达到近6万亿元，约为2010年的三倍，同时，2010年-2018年期间，卫生费用占GDP的比例缓慢 上升。从居民个人角度看，受农村整体经济条件及医疗水平等因素影响， 2015-2018年农村居民在医疗保健方面的支出 低于城镇居民，差距基本保持在700元左右。城乡居民医疗保障支出占总消费性支出的比例均有所上升，居民在医疗保健 方面的付费意愿不断增强。艾瑞认为，国家、社会各界及居民个人越来越重视卫生健康，未来AI不仅能帮助医院及药企的 管理与研发，而且能帮助基层医疗机构提升医疗水平，从而满足居民不断增长的医疗保健需求。 来源：艾瑞咨询研究院根据2019年卫生统计年鉴绘制。来源：艾瑞咨询研究院根据2019年卫生统计年鉴绘制。 1443.4 1630.8 1777.42045.7 6.7%7.1%7.3%7.8% 2015201620172018 846929.2 1058.7 1240.1 9.2%9.2% 9.7% 10.2% 2015201620172018 人均医疗保健支出（元）医疗保健支出占消费性支出比例（%） 2015-2018年中国城乡居民医疗保健支出 农村居民 城镇居民 19,980.4 24,345.9 28,119.0 31,669.0 35,312.4 40,974.6 46,344.9 52,598.3 59,121.9 4.8%5.0% 5.2%5.3% 5.5% 6.0% 6.2%6.4% 6.6% 201020112012201320142015201620172018 卫生总费用（亿元）卫生总费用占GDP比例（%） 2010-2018年中国卫生总费用 卫生总费用逐年上升，居民在医疗方面的付费意愿不断提升 7 2020.12 iResearch Inc. 2020.12 iResearch Inc. 2018年全国医疗卫生机构数量接近10万家，其中近95%为基层卫生机构。基层卫生机构中，社区卫生技术人员工作年限多 在10-30年，但高水平人员较少，取得正高/副高资格的医生占比仅有5.1%。提升基层医院尤其是社区医院医疗技术人员的 综合能力能够减少居民对于去基层医疗机构就医的顾虑，促进分级诊疗制度的落实。分城市与乡村来看，城市每千人口卫 生技术人员总数达10.91人，其中药师、检验技师、影像技师等卫生技术人员占比相对较低。城乡间每千人口卫生技术人 员总数仍有较大差距，农村居民在医疗方面有较强付费意愿，但能够获得的医疗资源有限。艾瑞认为，未来AI+医疗通过 向乡村医疗卫生机构提供标准化的产品，能在一定程度上弥补城乡间的医疗资源差距。 AI+医疗驱动因素：供给端 基层与医院、城市与乡村，医疗技术水平仍有较大差距 来源：艾瑞咨询研究院根据2019年卫生统计年鉴绘制。来源：艾瑞咨询研究院根据2019年卫生统计年鉴绘制。 基层医疗卫生机构, 94.6% 医院, 3.3%其他, 2.1% 2018年医疗卫生机构类型及卫生技术人员构成 全国医疗卫生机构总数： 997,443 13.7% 19.8% 20.3% 27.7% 26.5% 23.7% 24.3% 16.1% 15.2% 12.7% 社区卫生服务中心医院 5年以下5-9年10-19年 20-29年30年及以上 5.1% 9.8% 24.7% 20.4% 32.0%29.3% 27.2%30.4% 11.0%10.2% 社区卫生服务中心医院 正高/副高中级师级/助理 士级其他 卫生技术人员工作年限卫生技术人员专业技术资格 2.59 4.01 1.82 2.16 5.08 1.80 2.08 1.82 1.01 整体情况城市乡村 每千人口药师、检验技师、影像技师及其他卫生技术人员数 （人） 每千人口注册护士数（人） 每千人口执业（助理）医师数（人） 2018年中国每千人口卫生技术人员数 总数：6.83 总数：10.91 总数：4.63 8 2020.12 iResearch Inc. 2020.12 iResearch Inc. AI+医疗驱动因素：支付端 医保全民覆盖，需采取有效控费措施减轻医保基金支出压力 国家医保局发布的数据显示，2019年医保覆盖人数达13.54亿人，参保覆盖面稳定在95%以上。在此背景下，国家急需采 取有效的控费方式，保证医保基金的可持续支付能力，并逐渐降低个人支付比例，减轻居民就医压力。目前我国医保主要 按项目付费，监管部门主要通过监控医疗各过程判断医院是否存在不合理检查、滥用药等行为，但由于缺乏判断标准、各 地各级别医疗机构病案记录方式混乱等原因，监管难度较大。为了解决此问题，国家近年来开始试推行基于DRGs及DIP的 医保支付制度，尝试通过对疾病进行分类、制定标准价格区间等方式减少医疗资源的浪费，从而达到医保控费的目的。艾 瑞认为，AI+医疗中的CDSS或智慧病案产品能有效支撑DRGs及DIP制度的推广与应用。 注释：2019年城乡医疗保险并轨，新农合被纳入城镇居民统计口径。 来源：艾瑞咨询研究院根据国家医保局数据绘制。 来源：艾瑞咨询研究院根据公开资料及自主研究绘制。 2.9 3.0 3.1 3.2 3.3 6.7 5.9 1.5 1.3 3.8 4.5 8.7 9.0 10.3 20152016201720182019 城镇职工（亿人）新农合（亿人）城镇居民（亿人） 2015-2019年中国全民医保覆盖面情况2020年中国医保按项目支付制度模式及面临问题 居民因病就医 医疗总费用 医保支付：根据医保目录及支付标准进行支付 个人支付医保支付范围以外的医疗费用 补充医疗保险/商业保险对个人进行赔付 全民医保覆盖人数增长及费 用上升使医保基金压力巨大， 医保基因没有得到充分利用 个人支付医保外费用增多， 不合理医药费易产生医患矛 盾，降低患者就医满意度 面临的问题 医保支付方 监管部门对医院不合理医疗行为 监管难度大 居民就医所需医疗总费用增加 9 2020.12 iResearch Inc. 2020.12 iResearch Inc. 38% 34% 4% 6% 3% 2% 2% 3% 2% 2% 4% AI+医疗算法应用 AI+医疗算法生态成熟，核心医疗应用广泛 目前传统的机器学习和深度学习算法已被广泛得应用，来处理临床研究和医疗服务中的结构化数据，如医学影像数据、基 因数据和生物标志物数据；而非结构化数据，如人工笔记、医学期刊与患者调查等则依靠专门的医学自然语言处理技术来 分析。艾瑞通过PubMed公开数据整理，2012-2020年在医学文献中使用到的热门机器学习算法和深度学习算法包括：1） 支持向量机（38%），主要应用于识别成像生物标志物和医疗影像分析；2）神经网络（34%），主要应用于生化分析、 图像分析和药物开发；3）逻辑回归（4%），主要用于疾病风险评估和临床决策辅助系统。 来源：艾瑞咨询研究院根据公开资料整理及绘制。来源：艾瑞咨询研究院根据PubMed公开资料整理及绘制。 临床活动，筛查， 诊断，治疗 电子病案数据 （结构化数据） 人工智能 机器学习 自然语 言处理 诊疗记录、 医嘱等 (非结构化 数据) 2012-2020年医学文献中热门应用算法 主要应用于医 疗影像识别等 2020年中国院内机器学习与自然语言应用场景 主要应用于新药研 发、图像分析等 主要应用于临床 决策辅助系统 CT、MRI影像， 基因数据等 支持向量机 神经网络 逻辑回归 判别分析 随机森林 线性回归 朴素贝叶斯 最邻近算法 决策树 其他 隐马尔科夫模型 10 2020.12 iResearch Inc. AI+医疗痛点分析 AI+医疗存在技术难点与标准缺失，打通数据壁垒成为关键 随着我国医疗体制改革的深化、分级诊疗制度的落实，政府开始加大力度解决医疗资源分配问题以及医疗服务效率问题。 其中，医疗人工智能的广泛应用在提高医疗质量和服务效率、减少误诊误治方面发挥了重要作用。然而，目前AI+医疗仍 存在医学数据相关问题、复合人才短缺、行业标准缺失以及医疗科研转化为成熟产品的周期过长等问题。其中，数据的获 取、使用与数据共享是阻碍AI+医疗发展的最大因素。艾瑞认为，由于AI+医疗发展的主要推动力仍是满足医疗行业的刚性 需求，因而AI+医疗在未来必然会打通数据壁垒，实现数据的安全、高质量及共享的应用。 来源：艾瑞咨询研究院根据专家访谈整理及绘制。 医学数据问题复合人才问题行业标准问题医疗机构合作 合规问题：目前医疗数 据的归属权、使用权、 存储权、交易权利等尚 不明确； 数据质量：当前数据标 注方法、工具、平台不 统一导致的标注质量不 一致； 数据共享：医疗数据目 前仍如“孤岛”，共享 仍待时日 缺乏复合人才：AI+医 疗领域所需人才不仅要 掌握人工智能相应技术， 还需理解医疗业务流程， 目前我国的人工智能人 才培养机制尚无法满足 医疗领域专门人才的培 养需求 缺标准认证尚不健全： 大多数医疗机构对于采 购和使用医疗人工智能 产品的态度是谨慎的， 主要原因就是此类产品 缺乏相关标准，无法得 到国家认证许可，但深 层原因在于目前国家层 面的相关技术标准仍不 健全 转化路径过长：目前的 合作模式大多是企业与 医疗机构合作进行相关 医疗人工智能的科研， 但科研成果转化为成熟 产品路径过长，其中涉 及的知识产权、利益分 配、品牌所有权等诸多 不确定因素都会影响 AI+医疗的落地 2020年中国AI+医疗痛点分析 11 AI+医疗发展背景1 AI+医疗发展现状2 AI+医疗典型企业案例分析3 AI+医疗发展趋势4 12 2020.12 iResearch Inc. 2020.12 iResearch Inc. AI+医疗投融资分析 行业处在成长期，AI+影像是投融资热门之一 2020年医疗融资事件数持续递减，但融资总额却强劲走高，到达历史最高的40亿元，其中新药研发是今年最热门医疗AI融 资领域，占已披露投资额的54%。AI+影像占融资额的比例连续三年保持在20%左右，成为另一热门融资领域。对比2019 年与2020年的融资项目轮次，其中天使轮、A轮与B轮占融资项目的比例由85.7%降低到70.6%，说明市场成熟度有所提高。 同时笔均融资额从0.39亿元/笔上升至1.14亿元/笔。目前行业处于快速成长期，随着市场融资集中度增加，艾瑞认为，未 来拥有医疗牌照或技术领先的优质标的公司会更受资本市场青睐，能吸引更多的资源与资金。 来源：艾瑞咨询研究院根据IT桔子公开资料整理及绘制。 注释：A轮包括preA、A、A+；B轮包括B、B+;C轮包括C、C+。 来源：艾瑞咨询研究院根据IT桔子公开资料整理及绘制。 D轮及以上 20,6% 35,3% 14,7% A轮 B轮 20,6% C轮 8,8% 天使轮 2019&2020年中国AI+医疗项目融资轮次分布 69,0% D轮及以上 11,9% 7,1% A轮 4,8% B轮 7,1% C轮 天使轮 20192020 2010-2020中国AI+医疗总融资金额与融资事件数 101 3 10 20 40 57 71 42 35 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 AI+新药研发（亿元）AI+辅助检查（亿元）CDSS（亿元） 智慧病案（亿元）手术机器人（亿元）AI+基因检查（亿元） 其他（亿元）融资事件数（件） 10.60.7 2.8 10.4 7.5 30.5 16.2 39.8 13 2020.12 iResearch Inc. 中国AI+医疗政策导向 政府高度重视AI+医疗发展，持续释放政策红利 从政策层面来说，2017年国务院发布的新一代人工智能发展规划中提出要发展便捷高效的智能服务，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。从2017年开始，我国已把人工智能作为一个国策进行推动，近几 年的两会上AI也被多次写入政府工作报告中。而AI+医疗则作为AI中的先行者，得到了政府的大力倡导。2018年政府提出 人工智能向基层医疗进行渗透，2019年将AI+医疗的范围进一步扩大到康养范畴，2020年进一步提出未来的建设指南，期 望在2023年在以医疗为代表的人工智能领域中建立一套初步的标准体系规范。 来源：艾瑞咨询研究院根据公开资料整理及绘制。 2017 2018 2019 2020 2017.7.8 国务院 新一代人工智能发展规划 智能医疗，推广人工智能治疗新模式新 手段，探索人机协同智能诊体系的建设； 智能健康和养老，加强群体智能健康建 设，突破大数据、物联网等关键技术； 完善支持人工智能发展的重点政策，完 善适应人工智能医疗、保险的政策体系 2018.4.28 国务院 国务院办公厅关于促进“互联网+医疗 健康”发展的意见 鼓励医联体内上级医疗机构借助人工智 能等技术手段，面向基层提供远程会诊、 远程心电诊断、远程影像诊断等服务； 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策支持系 统，同时加强临床、科研数据整合共享 和应用 2019.8.1 科技部 国家新一代人工智能开放创新平台建设 工作指引 智能医疗，推广人工智能治疗新模式新 手段，探索人机协同智能诊体系的建设； 智能健康和养老，加强群体智能健康建 设，突破大数据、物联网等关键技术； 完善支持人工智能发展的重点政策，完 善适应人工智能医疗、保险的政策体系 2020.8.7 中央网信办等五部门 国家新一代人工智能标准体系建设 指南 在2023年率先在医疗等领域初步建 立人工智能标准体系； 智能医疗领域，围绕医疗数据、医 疗诊断、医疗服务、医疗监管等， 重点规范人工智能医疗应用在数据 获取、数据隐身管理等方面内容， 制定包括医疗数据特征表示、人工 智能医疗质量评估等标准 2017-2020年中国AI+医疗典型政策分析 14 2020.12 iResearch Inc. AI+医疗市场规模 2019年市场规模超过20亿元，市场将进入快速成长期 59.2% 69.7%72.8% 93.9% 51.2%52.5%52.1% 201520162017201820192020e2021e2022e CDSS（百万元）智慧病案（百万元）AI+辅助检查（百万元）其他（百万元）增长率（%） 2019年由于智慧病案的兴起，使得整体AI+核心医疗软件服务市场规模超过20亿，同比增速高达93.9%，其中CDSS占比 最多，达到55.2%。2019年之前，由于大部分细分领域的盈利模式尚未明朗，导致AI+医疗市场一度陷入低谷。但如前所 述，国家、社会各界及居民对于AI+医疗的需求一直很旺盛。再加上疫情影响，AI+医疗的优势更加凸显，因此，国家开 始逐步发放各类医疗影像AI软件三类证，并进一步出台鼓励AI+医疗发展的政策，这些将会使各细分领域的盈利模式逐渐 明晰，市场也将会进入快速成长期。艾瑞推算，2020-2022年的CAGR将达到51.9%，2022年预计市场规模将超过70亿元。 226 360 612 1,057 2,050 3,100 4,729 7,192 注释：1、AI+辅助检查包括AI+影像、AI+病理、基因检测等三项内容； 2、报告所列规模历史数据和预测数据均取整数位（特殊情况：差值小于1时精确至小数点后一位），已包含四舍五入的情况；增长率的计算均基于精确的数值进行计算。 来源：综合公开资料、企业及专家访谈，根据艾瑞统计模型核算及预估。 2015-2022年中国AI+核心医疗软件服务市场规模 15 2020.12 iResearch Inc. AI+医疗产业链分析 基础层技术层布局完备，应用层可触达全医疗服务场景 AI+核心医疗产业链可以分为AI基础层，AI医疗技术层与应用层：1）基础层，除数据服务外，芯片与通信等基础核心领域 已形成牢固的技术壁垒，市场呈寡头局面，艾瑞认为，中、短期内市场格局不会改变；2）技术层，算法、框架以及通用 技术则需要长期的投入与研发来攻克，目前各大科技企业与互联网巨头企业基本已完成布局，中小企业生存空间较少；3） 应用层，应用层可触达全医疗服务场景，如院内临床决策系统、手术机器人、智慧病案系统、医疗影像、药企新药研发与 基因检测，已有大量的互联网医疗公司和传统医疗公司涌入。 来源：艾瑞咨询研究院根据公开资料整理及绘制。 2020年中国AI+医疗产业链 硬件供应商 芯片 传感器 数据服务 供应商 医疗数据 数据标注 其他底层 服务供应商 5G通信 云计算大数据 应用层技术层基础层 院外 体检 中心 基因检 测机构 院内 AI技术供应商 医学图像识别 医学自然 语言处理 医学语音 语义识别 医学知识图谱 机器学习 与深度学习 医疗影像 临床决策系统 新药研发 手术机器人 基因检测 智慧病案 支付方 药企 CRO 患 者 端 信息流资金流 16 2020.12 iResearch Inc. TO B AI+医疗产业图谱 注释：产业链图谱中logo位置不分先后，不涉及排名。 来源：艾瑞根据专家访谈，公开信息研究绘制。 医疗机构、检测中心、药企、CRO 知识 图谱 机器 视觉 机器 学习 自然语 言处理 芯 片 云 计 算 数 据 服 务 患者 基 础 层 技 术 层 To C 2020年中国AI+医疗产业图谱 基因检测 应 用 层 新药研发智慧病案CDSS手术机器人医疗影像 眼底 筛查 心脏疾 病筛查 肺结节 筛查 其他 通 信 服 务 17 2020.12 iResearch Inc. AI+医疗企业分布 AI+医疗企业助力核心医疗布局，推动医疗开启新的篇章 百度灵医智惠 科大讯飞 医渡云 精锋 三坛 火树 志诺维思 深圳硅基 迈纳士 对于AI+医疗类公司而言，综合技术能力主要体现在覆盖医疗场景的广度与对医疗垂直及细分领域研究的深度。该类公司 的长远发展需要本身强大的AI能力作为支撑。因此，既具备医疗深度合作能力又具备强大AI研发能力的公司将更具发展潜 力。在AI+医疗领域，百度灵医智惠具有以下优势：1）在人工智能专利申请量及发布量方面极具优势，在领域内通用AI能 力位居第一；2）在核心医疗领域覆盖场景更为全面；3）拥有雄厚的AI+医疗实力（构建医学知识图谱、医疗大数据）， 因此在AI+核心医疗领域综合实力处于业内领先地位。除此之外，科大讯飞在AI+医疗领域积累与沉淀多年，在智能语音及 语言技术研究中拥有较强优势，并具有强大的医疗智能化分析能力。 注释：1. 企业分布限于篇幅，仅选取了AI+医疗细分赛道的部分企业； 2. 横坐标为通用AI能力，参考标准为AI相关专利数情况；纵坐标为核心医疗布局程度，参考标准为布局核心医疗场景数目及细分垂直程度，主要有公司内部及合作院校医疗团 队能力，在该细分领域顶刊发表论文的数量等。 来源：艾瑞咨询研究院根据专家访谈和公开资料（不完全统计）自主研究及绘制。 核 心 医 疗 布 局 程 度 通用AI能力 积极跟进者 生态领导者 应用探索者 技术创新者 2020年中国部分AI+核心医疗企业分布矩阵 艾登 Airdoc 天智航 惠每 18 2020.12 iResearch Inc. AI+医疗应用分析 辅助检查、CDSS成熟度最高，智慧病案则处于快速增长期 2020年中国AI+医疗应用成熟度分析 随着人工智能产品在医疗领域被越来越多使用，更多AI+医疗产品延伸至院内院外更多场景，并更加深入的整合进医疗流 程。目前，以CT影像、皮肤影像、眼底筛查、病理影像等为代表的AI+辅助检查以及CDSS在技术及应用上最为成熟。其 中眼底筛查主要集中于糖尿病视网膜病变、视神经疾病的预测和诊断，CDSS则结合以疾病为中心的知识图谱，智能辅助 临床决策并助力医疗机构评审。2019年以来兴起的智慧病案由于目前DRGs、DIP等支付政策推动，目前处于快速增长期。 来源：艾瑞咨询研究院根据专家访谈整理及绘制。 成长期萌芽期成熟期 手术机器人 CDSS 心电图识别 眼底筛查 皮肤影像 CT影像 内窥镜影像 病理影像 智慧病案 新药研发 基因检测 萌芽期AI+医疗应用领域的企业数 量较少，技术相较国外有一定差 距，在院内院外的应用也较少 成长期AI+医疗应用领域的企业数 量较多，技术相较国外没有明显 差距，在院内院外处于推广阶段 成熟期AI+医疗应用领域的企 业数量最多，技术相对较为成 熟，在院内院外应用广泛 19 2020.12 iResearch Inc. 2020.12 iResearch Inc. AI+医疗成熟期应用分析-眼底筛查 眼底筛查需求广阔，AI+眼底商业模式将进一步扩展 眼底疾病是我国目前患者致盲的重要原因，DR（糖尿病视网膜病变）是其中最常见的病因，且随着糖尿病持续时间的增 加，发病率也会逐渐增加。根据艾瑞推算，仅考虑DR的威胁，到2030年，我国每天约有38.4万人需要进行眼底筛查，因 而眼底筛查需求十分广阔。艾瑞认为，随着眼底筛查三类证的签发，医保收费名录在AI领域的扩大以及基层医疗机构信息 化水平的逐渐增强，未来AI+眼底筛查领域也得以逐渐开始从向医院打包销售和独立销售的传统商业模式进一步扩展至由 医保支付购买以及由基层医疗机构购买的新型商业模式。 来源：uptodate. Klein R. The Wisconsin epidemiologic study of diabetic retinopathy. Arch Ophthalmol 来源：艾瑞根据专家访谈整理及绘制。 AI+眼底筛查必要性分析-糖尿病视网膜病 变的发病率随时间的变化情况 30岁以下接受胰岛素治疗患者30岁以上未接受胰岛素患者 122436 20% 40% 60% 80% 100% 48.8% 81.6% 58.9% 99.5% 69.3% 97.8% 2020年中国AI+眼底筛查商业模式分析 打 包 销 售 独 立 销 售 01 02 将AI医学影像嵌入云HIS或云 PACS中，打包售卖 收费内容：AI服务license费+影像云实施运维费+服 务器、大屏+数字胶片 将AI图像处理能力嵌入影像设 备中，高价销售设备 收费内容：设备销售额抽成收费 03 通过诊断模块软件开发服务、图像分析 软件等名目卖进医院 收费内容：软件销售费用/开发服务费用+服务器、图 像终端 传 统 商 业 模 式 新型 商业 模式 由医院采购的软件系统，变为主要由医保和患 者付费的诊疗项目 由主要向医院提供，变为主要向基层医疗机构 提供，打开潜在影像检查市场 视网膜病变 发病率（%） 糖尿病持续 时间（年） 20 2020.12 iResearch Inc. 电子病历评级要求 AI+医疗成熟期应用分析-CDSS AI赋能诊断及治疗全过程，为临床工作提供切实有效的帮助 CDSS是AI与医疗在院内融合的体现，也是现代医疗体系中各医疗机构在近年来关注的重点内容。CDSS在临床工作中的 应用，使得医师的诊疗水平得到提升，有效降低了临床上的误诊率和漏诊率。CDSS通过真实病历与循证医学库的积累， 经过人工智能的优化处理得到最佳实践库，并以此为根据辅助支持医生的临床诊断与治疗决策。2018年12月国家卫健委出 台政策，对医院电子病历评级做出了规定，并提出至2020年所有三级医院要达到评级4级以上的要求，而4级以上评级的重 要标准之一即是要拥有不同程度的CDSS。这一政策的实施使得CDSS获得了极为广大的发展前景以及巨大的发展潜力。 来源：艾瑞根据专家访谈及国家卫健委公开资料整理及绘制。 多年临床病历积累循证医学库 去隐私NLP数据清洗机器学习 医院临床最佳实践库循证医学最佳实践库 自然语 言处理 深度学习知识图谱数据挖掘 投标方式进入医院 与信息化厂商合作方式进入医院 辅助临床 诊断决策 辅助制定 治疗方案 实现患者的就医流程信息在全 院范围内安全共享 初级医疗决策支持 各部门能够利用全院统一的集成 信息和知识库，统一数据管理 基于集成的病人信息，利用知识 库实现中级医疗决策支持 全流程医疗数据闭环管理，依据 知识库对各医疗环节提供实时数 据核查、提示与管控 形成全院级多维度医疗知识库体 系，提供高级别医疗决策支持 4级 5级 6级 2020年中国CDSS应用分析及相关电子病历评级要求 21 2020.12 iResearch Inc. AI+医疗成长期应用分析-智慧病案 AI协助审核病案，助力医保控费及流程管控 近年来，政府出台DRGs等按病种付费的医保政策，由于DRGs分组所需的全部信息基本是依据病案首页各项目进行计算， 因而对病案首页的审核变得十分重要。除此之外，对全程病案的质控同样具有重大意义：1）解决诊断选择问题；2）规范 医学使用术语；3）利于日后追溯，防止法律纠纷；4）完善病案信息。因而，能够通过AI协助，构建一套具有标准化、有 效质控、智能化的智慧病案系统，将实现医院统计工作及管理工作的高效高质量，同时辅助医生的日常工作流程，提升我 国医疗资源的有效利用度。 来源：艾瑞根据专家访谈整理及绘制。 AI规范逻辑库 知识库深度学习 NLP机器学习 技术架构 院内自学习系统 住院病案填写质量规范 医院内码库 医院自建字典 院内知识库 应用流程实现功能 临床医生填写病历 病案人员按照填写信息进行疾病和手术操作编码 机器全量核查及人工抽检复查 数据上传至卫生统计信息平台 2020年中国智慧病案应用分析 支持DRGs、DIP控费；进行数据准确度稽查 审核病案规范性、逻辑性及一致性 自动编码合并及主要诊断选择 出院诊断自动编码 22 AI+医疗发展背景1 AI+医疗发展现状2 AI+医疗典型企业案例分析3 AI+医疗发展趋势4 23 2020.12 iResearch Inc. 案例介绍 百度大脑AI技术驱动循证AI赋能基层医疗 百度2018年成立智慧医疗部门，2019年品牌升级为灵医智惠，目前提供智慧筛查、智慧医院与智慧家医等院内外全场景 解决方案。技术底层构建在百度大脑6.0之上，医疗数据的安全与合规性受到专业技术的保障，同时百度资深医疗专家团队 与几十家三甲医院的医生紧密合作，为灵医智惠提供专业医学知识。公司凭借资深医疗团队与强大的AI通用能力构建了专 业的医学知识图谱。灵医智惠不仅拥有B端与C端资源，近年更积极开拓G端市场，与基层卫生机构、政府和监管部门合作， 共同推动基层医疗发展。 百度灵医智惠业务布局 来源：艾瑞咨询研究院根据公开资料整理及绘制。 医疗 AI 专项 能力 层 解决方 案层 AI通用能力层 百度大脑6.0 医学知识 图谱 服 务 能 力 层 智慧医疗服务能力群 医疗 知识库 医疗知识中台 智慧病案 眼底影 像分析 慢阻肺 筛查 智能审方智能外呼 语音电 子病历 临床辅 助决策 诊断 辅助问诊 辅助诊断 诊断质控 检验检查推荐 医学知识查询 治疗 治疗方案推荐 相似病历推荐 医学知识查询 医嘱质控 用药推荐 医院管理 病案内涵质控 医保控费 绩效考核 区域链处方流转监管平台 智慧筛查解决方案 小度在家慢 病管理 智慧诊疗解决方案智慧家医解决方案 医学自然语 言理