最全最深度報告：人工智能在健康醫療的所有應用場景

報告摘要

2012年以來，人工智能在深度學習算法的突破下迎來了新一輪的創業和投資熱潮，計算機視覺、智能語音、自然語言處理等核心人工智能技術在金融、安防、汽車、醫療、教育等多個行業加速滲透紛紛落地，應用場景不斷拓展，極大的提升了行業效率，解決了行業痛點。2017年以來，人工智能被寫入政府工作報告，並出臺了《新一代人工智能發展規劃》等多項政策文件，制定了人工智能發展規劃遠景目標，人工智能成為國家戰略。目前我國人工智能領域投資位列全球第一，科研水平科研質量位居前三，成為全球和美國比肩的人工智能雙巨頭。

醫療健康是我國大力支持人工智能應用落地的四大產業之一。近年來，國家也出臺了多項政策文件推動醫院病歷電子化、數字化以及人工智能的落地，分級診療制度在逐步建立，在我國面臨醫療資源供給不足、分佈嚴重不均衡的背景下，人工智能在醫療健康各細分領域紛紛落地，覆蓋全產業鏈各應用場景。人工智能醫療企業的產品和服務帶來行業的降本增效，在醫學影像分析、疾病風險預測等領域相對成熟，賽道逐漸擁擠競爭激烈進入紅海戰役。

人工智能醫療廣泛落地的同時，商業化難題困擾各創業企業，商業模式尚不清晰未產生造血能力，目前行業仍處於普遍虧損階段，產品大多處於試用階段。當前AI醫療面臨醫療數據孤島、結構化數據不足、數據標準不統一難以共享，導致算法模型訓練優化遇到困難，市場教育過程緩慢，醫學和人工智能複合型人才短缺。作為一個特殊的傳統行業，醫療健康是一個強監管行業，政策在某種程度上起到了決定性作用。

CFDA認證是AI醫療產品合法上市銷售的必經階段，目前CFDA醫療器械三類證書審核嚴流程慢，政策滯後於行業進度導致AI醫療企業普遍處於營收困境。醫院、醫生和AI醫療企業也需要建立互信互認的過程，在政策規範落實後AI醫療才可能進入快車道發展。此外，作為一個前沿學科，醫學領域會隨時遇到新問題新的疑難雜症，數據的積累和算法的優化及技術難度的增加也會限制AI醫療發展的速度。

一、人工智能在醫療健康領域空間廣闊

1.人工智能在各項應用場景紛紛落地

人工智能是一項深刻改變人類生活和工作方式的前沿技術，人工智能在發展過程中經歷了各種熱潮和寒冬期，本輪人工智能的熱潮起源於2012年，深度學習算法通過ImageNet比賽而名聲大噪。2012年，伴隨著互聯網基礎設施建設和移動互聯網的快速普及，數據的可得性大大提升，在以GPU為代表的硬件升級驅動下，並行計算成為可能，數據處理規模、數據運算速度得到了指數級的增長和改善，機器學習取得了突破性的進展，特別是神經網絡和深度學習，2012年穀歌無人駕駛汽車可以自動導航，2016年穀歌人工智能AlphaGo戰勝世界圍棋冠軍李世石，使得人工智能的神奇魅力再一次成為輿論的中心被更多人所熟知。中國是世界上應用人工智能最積極的國家，自2015年中國提出“互聯網+”戰略以來，人工智能的相關政策密集出臺，目前正處於政策紅利期。

圖表 1 中國人工智能相關政策

數據來源：根據公開資料整理

中國應用人工智能技術的優勢在於：

（1）中國是目前數字技術應用最發達的國家之一，大量的數據資源為人工智能技術應用提供了關鍵的便利條件；

（2）市場氣氛活躍，多家中國大型互聯網企業制定了自己的人工智能研發戰略，許多初創企業也致力於進行和人工智能相關的產品或技術研發，期待通過應用人工智能技術提高競爭力；

（3）政府已將人工智能納入“十三五”國家戰略性新興產業發展規劃，並連續三年被寫入政府工作報告，為中國人工智能產業發展提供了重要推力。

目前我國人工智能正處於行業應用快速落地和商業化時期。人工智能在深度學習算法突破下迎來再次的創業和投資熱潮，人工智能加速向各行業滲透，計算機視覺、智能語音、自然語言處理等核心人工智能技術逐漸在安防、金融、汽車、教育等多個行業落地，應用場景也不斷豐富和擴展。

圖表 2 人工智能商業落地的細分行業和技術應用

信息來源：億歐智庫

2. 人口老齡化為醫療人工智能帶來巨大機遇

人口老齡化已成為全球現象，聯合國數據顯示，2018年末全球65歲以上人口已超過5歲以下人口，世界各地的生育率已降至世代更替水平2.1以下，或者已經低於可支持人口增長的水平，“嬰兒荒”（baby bust）正在影響全球經濟增速。聯合國預計，全球生育率將從2010-2015年的2.5 降至2025-2030年的2.4，並在2095-2100進一步降至2.0。伴隨著全球生育率的下降，人口老齡化成為未來一個世紀的大趨勢。出生率下滑和平均壽命延長帶來的人口老齡化時代刺激了醫療健康領域的需求。

圖表 3 全球65歲及以上老齡人口增長趨勢

數據來源：Deutsche Bank，United Nations

2012年我國15-59歲勞動年齡人口在過去很長一段時期以來出現了首次下滑，人口撫養比出現向上拐點，人口紅利趨於消失。人口老齡化將導致生產力下降、勞動力參與率下滑以及通脹停滯。在今年中央及各地方政府工作報告中，保障和改善民生仍是重點工作著力點，居民增收、穩就業、醫療養老等成為多地兩會高頻詞。養老和醫療改革是關乎民生的重點工作內容。人口老齡化和醫療資源的匱乏也催生了人工智能、5G、物聯網等高新技術的應用和推廣，通過互聯網的普及和遠程醫療等人工智能技術促進醫療公平、填補巨大的醫療需求缺口，彌補生產力下降和勞動力人口減少對經濟帶來的衝擊。

圖表 4 我國60歲以上人口數量及佔比

數據來源：Wind

2017年政府工作報告將健康中國建設作為一個重點工作任務，伴隨著“互聯網+”戰略的提出，互聯網技術加快向各行各業滲透，醫療數據平臺的普及，物理設備、支付接口和患者生成大量的健康數據，醫療數據採集系統建設，醫療衛生信息的標準化採集逐漸完善，醫療保健行業逐漸從過時的紙質記錄系統向更加高效和集成的電子化過渡，海量的數據有助於病例信息的提取和管理，利用大數據技術提供疾病診斷和治療的建議。人工智能也越來越多的被用於改善數據分析的深度，輔助醫生診斷並自動化關鍵的醫療保健服務。

Tractica預測，2025年，22個人工智能醫療保健用例的全球收入將從2018年的5.117億美元增長至86億美元，包括硬件和服務銷售在內的收入，2025年醫療保健AI市場將超過340億美元。醫學圖像分析、醫療保健VDA、計算藥物有效性、醫療建議、患者數據處理、醫療診斷援助、將文書工作轉換為數據、自動生成報告、醫院病人管理系統、生物標誌物發現等將成為前10個用例，人工智能技術將推動醫療保健行業的成本降低，並使得患者診斷、監控和治療更加高效、準確，醫療健康服務可以覆蓋更多人群。

圖表 5 人工智能細分板塊營收預測（2017-2025）

數據來源：Tractica

前瞻產業研究院數據顯示，2016年中國醫療人工智能的市場規模就已達96.61億元，2018年有望達到200億元，預計到2020年我國健康醫療大數據行業市場規模將突破800億元。

二、人工智能賦能醫療覆蓋各應用場景

1. 政策鼓勵人工智能落地醫療健康領域

醫療健康產業是我國大力支持首先推廣人工智能應用的四大產業之一，伴隨著2014年以來人工智能投資熱潮的興起，人工智能創業企業如雨後春筍般快速增長。“人工智能+醫療”是人工智能技術賦能醫療健康產業的現象，以機器學習和數據挖掘為兩大核心技術的人工智能滲透到醫療行業，各應用場景下醫療人工智能公司開發出的產品和服務，帶來了醫療健康行業的降本增效，衍生出醫療數據服務、機器學習服務、醫療研發服務等新的醫療新興細分行業，拓展了醫療領域的邊界，重塑了醫療健康相關產業鏈。

圖表 6 國家對醫療領域發佈的人工智能相關政策

數據來源：根據公開資料整理，海銀財富研究部

伴隨著人口老齡化時代的到來，醫學水平的逐漸提升和人均壽命的延長，國內醫療需求不斷上升，同時存在醫療資源匱乏、分佈不均衡、醫療衛生高端人才欠缺、醫生培養週期過長、人均醫療健康支出不足等等嚴峻問題，亟需新技術投入解決醫療健康產業的短板，政策、資本、技術和社會接受度的提升均推動了“人工智能+醫療”各應用場景的快速發展。

雖然我國人工智能醫療發展較快，但各應用場景產品及服務多處於試用階段，尚未實現營收或盈利。目前我國人工智能醫療仍面臨醫療數據孤島及結構化數據不足、醫療人工智能技術仍相對不成熟仍處於弱AI醫療階段、醫療器械許可證監管政策相對海外偏緊等三大突出問題，尤其是行業監管政策偏嚴限制了人工智能醫療落地的速度和規模。此外，在人工智能人才短缺的背景下，既懂醫學又懂AI的複合型人才巨大缺口也限制AI醫療的發展速度。

2. 醫療人工智能的典型應用場景

從目前我國人工智能醫療領域創業公司和產品的分佈來看，“人工智能+醫療”的主要集中在八大應用場景。主要包括疾病風險預測、醫學影像、輔助診療、藥物挖掘、健康管理、醫院管理、輔助醫學研究平臺、虛擬助理等。因計算機視覺與基因測序技術的發展，疾病風險預測和醫學影像場景下的公司數量最多，相關產品相對成熟，產品主要以尚未成熟的軟件形態存在，算法模型尚處於訓練優化階段，未完成大規模應用，主要面向B端的醫院、體檢中心、藥店、製藥企業、研究機構、保險公司、互聯網醫療等，業務模式主要以科研合作方式展開，引入技術、訓練模型、獲取數據與服務。

圖表 7 人工智能醫療八大應用場景

數據來源：根據公開資料整理

（1） 虛擬助理

類似於蘋果的Siri、亞馬遜的ALEXA、微軟CORTANA、天貓精靈、小米人工智能音響等通用型“虛擬助理”，通過文字或語言的方式，與機器進行類似人的交流互動，醫療領域中的虛擬助理屬於專用型虛擬助理，基於專業領域的知識系統，通過智能語音技術（包括語音識別、語音合成和聲紋識別）和自然語言處理技術（包括自然語言理解與自然語言生成），實現人機交互，解決諸如語音電子病歷、智能導診、智能問診、推薦用藥及衍生出的更多需求。

A、語音電子病歷

目前我國醫生書寫病歷佔用大量工作時間，採用傳統書寫病例方式轉錄電腦效率低下，虛擬助理可以幫助醫生將主訴內容實時轉換成文本，錄入HIS/PACS/CIS等醫院信息管理軟件中，提高填寫病歷效率，避免醫生時間和精力的浪費，使其能更多投入到與患者交流和疾病診斷中。

國內提供語音電子病歷的公司主要有：科大訊飛、雲知聲和中科匯能。產品形態主要是以軟硬件一體全套解決方案，軟件是以語音識別引擎為核心、以醫療知識系統為基礎的語音對話系統（語音OS），硬件是醫用麥克風。醫療專用麥克風主要用來增強說話者聲音、抑制環境噪音干擾。語音識別引擎可以實現人機交互與文本轉寫，文字自動錄入電腦或平板的光標位置，相當於醫療級的“語音輸入法”。

醫療知識系統包含各類疾病、症狀、藥品以及其他醫學術語，是語音對話系統的基礎，幫助完成語音識別、病歷糾錯。公司與醫院進行科研合作，公司通過醫院的脫敏病歷數據和臨床使用不斷訓練模型優化算法，醫院免費試用公司的語音電子病歷產品，共享公司優化後的產品。

目前語音電子病歷產品成本較低（30-50萬左右）、效果顯著，受益於醫療信息化政策有一定的出貨量，落地速度較快。科大訊飛的“雲醫生”App+自主研發的麥克風，語音識別技術相對成熟。雲知聲開發的“雲知聲”軟硬件一體解決方案，具備雲端語義校正、識別有口音的普通話。中科匯能的“醫語通”軟硬件一體解決方案，正自主研發麥克風，無監督自適應技術逐步解決口音識別問題。

B、智能導診機器人

機器人是我國目前人工智能領域的熱門應用，技術相對成熟，資本市場熱捧，服務範圍包括醫院、銀行、車站、商場、工廠以及各類服務性場所。醫療領域的導診機器人主要採用人臉識別、語音識別、遠場識別等技術，通過人機交互，實現掛號、科室分佈及就醫流程引導、身份識別、數據分析、知識普及等功能。

2017年開始，導診機器人已陸續在北京、湖北、浙江、廣州、安徽、雲南等地醫院和藥店中使用。只要在機器人後臺嫁接醫院信息等知識系統，機器人就可以實現導診功能，國內的眾多機器人制造廠商都有機會開發醫療市場。

C、智能問診

智能問診主要用來解決目前醫療領域普遍存在的醫患溝通效率低下與醫生供給不足兩大難題。智能問診系統包括“預問診”和“自診”兩大功能。“預問診”是患者在完成掛號後，訪問搭載智能問診系統的醫院App或公眾號的智能問診模塊，系統根據患者交互輸入的基本信息、症狀、既往病史、過敏史等信息生成初步診斷報告，將其推送給醫生，減少醫患溝通內容縮短問診時間，提升醫患溝通效率。

“自診”則是患者在手機或PC端通過人機交互完成智能問診，生成診斷報告給患者參考。目前這一板塊的公司主要有康夫子、雲知聲、雲聽、壹健康、達闊科技、萬物語聯和半個醫生，春雨醫生、好大夫等移動醫療服務平臺也在嘗試進入，智能問診系統是移動醫療平臺服務升級的突破口。

D、推薦用藥

我國藥品市場正在快速增長，藥品市場將是千億級的消費市場。推薦用藥市場潛力巨大，目前該細分領域的公司主要以to B的業務模式為主，向線上醫藥電商以及線下藥店開放系統接口，使自測用藥服務迅速擴散，同時優化算法模型，為後期主打 to C模式培養用戶使用習慣和產品升級。

（2）醫學影像

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，主要運用計算機視覺技術解決三種需求：

1、病灶識別與標註：針對醫學影像進行圖像分割、特徵提取、定量分析、對比分析等工作；

2、靶區自動勾畫與自適應放療：針對腫瘤放療環節的影像進行處理；

3、影像三維重建：針對手術環節的應用。

國內BAT三巨頭在這一領域均有佈局，計算機視覺四小龍之一依圖科技也在病灶識別與標註及靶區自動勾畫與自適應放療領域均有涉及。

醫學影像的大規模應用主要受益於計算機視覺技術的成熟，我國目前面臨影像科、放療科醫生供給嚴重不足，具有豐富臨床經驗、高質量的醫生十分短缺，影科醫生目測和經驗判斷導致誤診和漏診率較高，受制於影像科醫生讀片速度和放療科醫生靶區勾畫速度，耗費時間較長，人工智能應用在醫學影像領域將能夠為醫生閱片和靶區勾畫提供輔助和參考，大大節省醫生時間，提高診斷、放療及手術的精度。

目前人工智能+醫學影像主要以影像識別與處理軟件為主，產品處於搭建基礎模型向優化模型過渡，落地速度較慢，主要受從醫院獲得數據量不足，邀請專業影像科醫生對醫學影像進行病灶標註成本較高以及產品上市門檻較高等因素影響。“AI+醫學影像”公司的產品在合法銷售前需要申請經營許可證、生產許可證、醫療器械證，並須經過CFDA（國家食品藥品監督管理總局）認證。

CFDA審批流程繁瑣，首先需要與國家指定的三甲醫院合作進行臨床測試，並須通過醫院的醫學倫理委員會的倫理審查，與臨床試驗的病人簽訂合同，在國家專業機構作進一步的檢測和報備，最後獲得CFDA認證進行合法銷售。

目前基本成型的AI+醫學影像產品大多處於醫院試用階段，尚未實現盈利。未來可向產業上下游進行拓展，與醫療器械廠商合作，通過將軟件與硬件設備捆綁銷售或將產品功能嵌入硬件設備當中，或提供軟硬件一體解決方案提高醫療器械廠商產品競爭力。下游可向醫院、體檢中心及第三方醫學影像中心出售軟件使用權限或收取服務費。

病灶識別與標註方面，目前推想科技的智能X線輔助篩查產品（AI-DR）智能CT輔助篩查產品（AI-CT）已在醫院臨床使用，幫助醫生糾正誤診漏診情況。除醫院以外，合作對象還包括傳統醫療IT巨頭、體檢中心、互聯網醫療等。但教育市場過程艱難，說服醫院需要大量時間和精力，醫院對於新技術有興趣但不願投入精力。

靶區自動勾畫及自適應放療方面，因目前放療科影像數據70%已經標註過，免除人工標註成本，但獲取可用影像數據門檻較高，因一般一套片子需要經過4名放療科醫生同時標註、相互審核一致，並在此基礎上做病理檢驗確認才可用。

影像三維重建在上世紀就已經被採用過，但由於配準缺陷而使用率不高，人工智能的引入採用進化計算的算法，有效解決了配準缺陷週期性復發的問題而更精準，並結合3D手術規劃功能，自動化重構出患者器官的真實3D模型，與3D打印機無縫對接，實現3D實體器官模型的打印，幫助醫生進行術前規劃，確保手術順利，也推動了醫療數字化和精準化。

國內相關公司有昕健醫療、海納醫信、銳達醫療、聯影醫療和睿佳科技等，海外影像三維重建已具有較長的歷史，人工智能技術的引入將依託影像三維重建原有市場，產品落地速度相對較快。醫學影像中心是集約化的第三方醫學影像診斷中心，可集中存儲和管理區域內的影像及資料全面共享，減輕大醫院影像科負擔、實現分級診療。《“健康中國2030”》提出要發展專業的醫學檢驗中心、醫療影像中心、病理診斷中心和血液透析中心等，未來醫療影像中心可能是“AI+醫學影像”產品大面積落地點。

（3） 輔助診療

除了利用醫學影像輔助醫生進行診斷與治療以外，“AI+輔助診療”包括：

A、醫療大數據輔助診療，包括基於認知計算、以IBM Waston for Oncology為代表的輔助診療解決方案。

B、醫療機器人，是指針對診斷與治療環節的機器人。

醫療大數據輔助診療是基於海量醫療數據與人工智能算法發現病症規律，為醫生診斷和治療提供參考。目前主要面臨醫院數據壁壘、樣本量小、成本高和數據結構化比例低（數據未實現電子化、以紙質形式保存）等三大問題。創業公司主要是通過和醫院科研合作的方式來突破這個瓶頸，此外，還可與基因公司、CRO公司（專業藥品研發）、移動醫療公司合作提供標準化的增值服務。

認知計算是藉助深度學習算法讀懂大數據的世界，打造人類認知非結構化數據的助手，通過理解、推理、學習訓練讓系統或人類直接交互接受訓練或進行非結構化數據的自我訓練。認知計算有產品類、流程類和分析類三大商業應用。產品類應用將認知計算嵌入到產品內實現智能行為、自然交流及自動化。流程類應用實現業務流程自動化。分析類應用用來揭示模式、做出預測及行動決策。

國內目前醫療領域的機器人主要包括：手術機器人（包括骨科及神經外科手術機器人）、腸胃檢查與診斷機器人（包括膠囊內窺鏡、胃鏡診斷治療輔助機器人等）、康復機器人及其他用於治療的機器人（智能靜脈輸液藥物配置機器人）。全球醫療機器人市場空間巨大，波士頓諮詢數據顯示，未來五年年複合增長率約為15.4%。目前我國醫療機器人正在逐漸打破進口機器人的壟斷地位。國內手術機器人公司主要通過向醫院銷售機器人並提供長期維修服務的方式或者為議員提供手術中心整體工程解決方案的模式開展業務。

（4） 疾病風險預測

疾病風險預測主要是指通過基因測序與檢測提前預測疾病發生的風險。疾病風險預測與精準醫學的發展密不可分，人類基因組計劃促進基因測序進步，推動商業化進程。基因測序技術已進化至第三代，第三代測序方法時間大大縮短、成本大大降低，基因測序方法的逐漸成熟推動了基因測序技術的商業化進程。國內致力於疾病風險預測的公司主要是兩類：

1、掌握基因測序核心技術，研發基因測序儀器的上游企業。業務模式主要是通過中游合作伙伴做基於測序儀上的應用開發。

2、利用基因測序儀，面向B端和C端提供測序服務的中游企業。業務模式則主要是開發測序相關應用，面向B端醫院或者C端公眾和患者。

（5）藥物挖掘

藥物挖掘主要是完成新藥研發、老藥新用、藥物篩選、藥物副作用預測、藥物跟蹤研究等工作，傳統藥物研發存在週期過長、研發成本高、成功率低等痛點。

人工智能技術應用於藥物挖掘主要用於分析化合物的構效關係（藥物化學結構與藥效的關係）以及預測小分子藥物晶型結構，人工智能可以提高化合物篩選效率、優化構效關係，並結合醫院數據快速找到符合條件的病人。

人工智能應用在藥物挖掘領域使得新藥研發時間大大縮短，研發成本大大降低，還改變了用藥的普適性原則，通過低成本、快速的藥物挖掘研發個性化治療藥物，特別在抗腫瘤藥、心血管藥、孤兒藥及欠發達地區的常見傳染病藥效果顯著，但算法仍需大量的時間和數據積累，短期內仍難產生營收和實現盈利。

（6）健康管理

英國世界權威醫學雜誌《柳葉刀》2015年數據，我國有約1.73億人有精神疾病，但其中1.58億人從未接受過專業治療，《中國衛生統計年鑑》也指出，2010-2014年我國精神專科醫院入院人次年複合增長率達到12.3%，精神專科醫院診療人次年均增長10.4%，我國精神疾病患者在逐年快速增長。

健康管理是運用信息和醫療技術，在健康保健、醫療的科學基礎上，建立一套完善、周密和個性化的服務程序，維護促進健康幫助健康或亞健康人群建立有序健康的生活方式，遠離疾病，在出現臨床症狀時及時就醫儘快恢復健康。健康管理主要包括營養學、身體健康管理和精神健康管理。

A、營養學場景，利用AI技術對食物進行識別與檢測幫助用戶合理膳食，保持健康的飲食習慣。

B、身體健康管理，主要表現為結合智能穿戴設備等硬件提供的健康類數據，利用AI技術分析用戶健康水平，為用戶提供飲食起居方面的建議，進行行為干預幫助用戶養成良好的生活習慣。

C、精神健康管理，主要表現為利用人臉跟蹤與識別、情感處理、智能語音、數據挖掘等AI技術進行情緒管理，對精神疾病進行預測和治療。

但由於目前智能硬件和手機“數據孤島”現象，如果能將各類健康數據整合至一個平臺，健康管理類應用將可以挖掘數據深層價值，產生更大的商業價值。我國精神疾病醫護人員短缺“AI+精神疾病管理”市場潛力巨大。

（7）醫院管理

醫院管理是指針對醫院內部、醫院之間的各項工作的管理，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。

病歷電子化是病歷結構化和挖掘更深層次數據價值的基礎，深度學習算法的發展，循環神經網絡推動了自然語言處理技術的發展，使得病歷結構化成為可能，我國自2002年以來陸續推出了一系列病歷電子化方面的規範文件，推動病歷電子化和醫療數據產業化進程，促進醫療體系更加數字化。目前國內病歷結構化服務的公司主要通過向醫院提供開放性服務平臺，以數據換服務實現雙贏。

分級診療是指按照疾病的輕重緩急及治療的難易程度進行分級，不同級別的醫療機構承擔不同疾病的治療，實現基層首診和雙向轉診。2015年，國務院發佈了《國務院辦公廳關於推進分級診療制度建設的指導意見》中提出，到2017年，分級診療政策體系逐步完善，醫療衛生機構分工協作機制基本形成，優質醫療資源有序下沉，基層醫療衛生機構診療量佔比明顯提升，就醫秩序更加合理規範；到2020年，分級診療服務能力全面提升，基本建立符合國情的分級診療制度。

（8）輔助醫學研究平臺

輔助醫學研究平臺是指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、國務院相繼出臺了多個文件鼓勵醫療機構及醫生進行科學研究。

但我國臨床醫生工作時間主要用於病患的診療，缺乏時間和精力進行科研，另一方面我國結構化數據較少、醫生統計分析能錄有限、科研經費不足，引入人工智能技術構建輔助醫學研究平臺的線上科研將可以改變這一局面。輔助醫學研究平臺主要實現數據收集/存儲與統計分析以及基因測序等生物信息分析功能，業務模式也是通過科研合作換取模型訓練數據共享科研成果。

三、人工智能醫療遭遇商業化難題

人工智能賦能醫療是現階段我國醫療資源供給不足、分佈不均、基層醫療機構醫療水平不高、無法滿足病患重大疑難疾病看病需求等現狀下的必然選擇，伴隨著“基層首診、雙向轉診、急慢分治、上下聯動”的分級診療制度的逐步建立，人工智能、互聯網等科技手段賦能基層醫療將有效緩解我國醫療資源不足及分佈嚴重不平衡的現狀。

但目前我國人工智能醫療面臨著CFDA監管審批嚴流程慢，醫療數據孤島現象突出、醫療數據標準不統一難以共享、可用的結構化數據不足（超過80%以上的醫療數據都是非結構化的）導致算法優化訓練遇到困難，以及市場教育過程緩慢、產品尚處於試用階段商業化落地難等問題。

《2018中國人工智能商業落地研究報告》顯示，2017年，在整個產業鏈上，90%以上的AI企業依然處於虧損階段，絕大多數企業年營業收入不足兩億。對於醫療這個重垂直化領域，大多數AI醫療企業同樣處於虧損階段。對於人工智能醫療創業企業而言，現階段的主要問題是如何實現營收打通商業模式從而產生造血能力，而政策在某種程度上起到了決定性的作用。

當前AI醫療賽道上的醫學影像、疾病風險預測等細分領域比較擁擠，整個賽道競爭已經比較激烈，產品如何快速推廣、實現大規模的銷售實現營收及盈利至關重要。國內醫療數據和信息隱私保護也給醫療AI企業進入醫院設置了一定的門檻，2018年8月1日起，新版《醫療器械分類目錄》施行，若診斷軟件通過算法，提供診斷建議，僅有輔助診斷功能，不直接給出結論，則申報第二類醫療器械；若對病變部位進行自動識別，並提供明確診斷提示，則按照第三類醫療器械管理。此後，醫療AI企業可以向國家藥品監督管理局申請醫療器械許可，並以醫療器械的身份進入醫院。

我國的醫療健康領域是一個強監管行業，CFDA認證是產品合法上市的必經階段，CFDA部門對於醫療器械三類證書審核非常嚴格，目前提出申報的人工智能醫療企業均未獲批。

當前AI醫療尚處於野蠻式增長階段，存在一些蹭熱點式的創業。CFDA對於AI醫療的審核關注前期數據庫搭建是否規範，產品上市前仍需經過臨床檢驗、醫院及專業檢測機構的檢測和審核，審核流程耗時近兩年，政策落地滯後於行業進度1-2年時間。此外，醫院、醫生和AI醫療企業也需要建立起互信互認的過程，之後行業才會進入快車道開始大規模的商業化落地。

作為一個特殊的傳統行業，醫療對於新技術的接受是偏保守的，目前AI醫療難以取得爆發式的增長。在當前弱人工智能醫療的背景下，雖然AI醫療的應用場景很廣泛，醫療行業 AI 服務供應商覆蓋了全價值鏈用戶場景，如虛擬助理、藥物研發、健康管理、醫療影像輔助診斷等，但產品真正落地在醫院大規模使用的還比較少，目前主要是解決效率問題，對醫生起到輔助診療的作用，AI醫療不能代替醫生。

醫學是一個前沿學科，會隨時遇到新問題新的疑難雜症，而相關數據的積累需要時間，因而算法模型難以迅速得到優化，同時AI醫療產品的數據算法也需要不斷更新和迭代，算法技術難度也會加大，醫學領域的高門檻和技術力量的欠缺也會限制AI醫療的進一步發展。

內容源自公眾號：海銀財富

帝工先進技術研究院（ID:IIAT）推薦閱讀，不代表帝工先進技術研究院立場，如涉及作品版權問題，請聯繫我們刪除或做相關處理！