2023中国医疗健康人工智能行业应用发展图谱

易观分析2023年12月 Confidential and Protected by Copyright Laws本产品保密并受到版权法保护 医疗健康人工智能行业应用发展背景01 政策为医疗健康AI发展建设支撑体系，提供发展机遇 政策为医疗AI发展创造条件 科技成果转化 国产化 数据共享 行业标准规范体系 •近年来，多个文件将人工智能在医疗健康领域的应用写入发展规划，医疗AI迎来发展利好。各省市顺势发布专项政策，为医疗AI的发展建设完整的支撑体系。 政策为医疗AI发展提供机遇 •从整体规划来看，医疗AI行业还将继续享受政策红利。政策将推动成果转化，加速医疗AI应用落地，持续完善标准规范体系。但同时，随着标准体系的建立，企业也将面临更高的技术与合规门槛。只有把握核心技术，持续投入研发与创新，才能把握发展机遇，建立牢固的竞争壁垒。 中国AI研究成熟，促进医疗AI技术生态不断丰富 近年来，国内关于人工智能领域的研究十分密集，发文量激增。目前，中国不论在高水平论文还是专利申请数量上都位居世界前列，视觉、语音、自然语言处理等基础智能任务工程实现水平全球领先，并且拥有一批追求算法技术极致优化的人工智能企业。 随着理论突破速度开始放缓，深度学习技术进入升级优化阶段，驱动图像分类、机器翻译等多类感知任务提升准确率，在政策的支持下，持续释放技术红利，促进医疗AI技术生态不断完善。 医疗AI仍处于大量研发投入阶段，融资逐年增长提供资金支持 尽管已经有多家医疗AI启动IPO，但是实现盈利的企业尚未出现，根据已公开的公司数据，研发费用占比高，并且仍在持续增长，可见在未来短时间内，医疗AI产品研发及优化仍是重点，资金需求缺口大。医疗AI行业已出现轮次比较靠后的融资，部分企业已步入预上市阶段，上市企业也已崭露头角，融资数量及金额持续上涨，为医疗AI企业提供资金支持。 日渐激烈的竞争中，医疗AI向高速发展蓄力 医疗健康人工智能行业应用发展图谱及行业应用案例 释放医疗资源效能，“AI+医疗”加速实现医疗普惠 中国正在加速进入老龄化社会，相应地带来更多在医疗健康方面的需求，同时，医疗产业也存在优质医疗资源不足的结构性问题。通过“AI+医疗”的融合与加速，是在推动医疗行业从数字化向智能化升级的方向上，探索医疗智能化服务能力与水平的提升，从而在缓解医疗资源结构性问题的基础上，提升医疗服务的效率和质量，从而更好地满足人民群众的医疗健康需求。 补充医疗资源短板，优化医疗资源分配，从而在一定程度上实现医疗资源普惠 加速生物基础科学研究，提升公共卫生服务水平，推动医疗行业创新发展 提升医疗服务的效率和质量，尤其是提升医生与患者的双重体验 •推动基因计算、大小分子生物方面的研究进展，从而赋能空间组学分析、药物研发等，从而加速生命科学的研发与应用落地•通过智慧病案管理体系实现区域医疗数据资源的流动，形成快速分析与疾病预测等，从而在一定程度上提高对重大疾病的发现率，实现联防联控，提升公共卫生服务水平 •整体提升医疗服务效率，通过AI分析进行分级诊疗规划，在一定程度上实现医疗资源的优化与普惠•赋能基层医疗服务短板，弥补基层医生在经验方面的不足，实现优质医疗资源的流动与下沉 •通过分析定位医疗流程的断点与痛点，并进行优化，从而改善患者的就医体验，在数据沉淀挖掘的基础上，实现对于患者的个性化医疗服务以及全生命周期的健康管理•可以在一定程度上加速医生的培养周期，同时，既可以赋能医生从基础事务性的工作当中适当解放出来，更可以通过AI与医疗大模型为医生提供更全面的诊疗建议，提升医疗服务水平 医疗健康行业AI应用价值与场景 医疗健康行业AI应用图谱 案例：AI辅助提升病理诊断速度与精准度，医策科技形成原研、获证、产品多场景落地闭环 AI辅助提升病理诊断速度与精准度，加速落地 案例：医策科技PathoInsight-TCTAI病理诊断产品 •节省病理医生阅片时间，加快阅片速度，从而显著提升诊疗效率；•降低由于病理医生经验以及主观判断带来的漏诊与误诊概率；•在一定程度上实现病理医疗资源的扩容，弥补供给不足带来的医疗问题 产品情况概述： 医策科技PathoInsight-TCTAI病理诊断产品，用于宫颈癌的筛查与检测，产品采用半监督式深度学习算法，结合染色归一化、图像增强等技术，识别病变细胞，进行细胞分类，生成TBS报告，业务流程如下： 应用效果： 经过大批量体检、门诊、两癌筛查等真实业务场景宫颈细胞玻片的应用实践，相比传统宫颈癌显微镜下筛查模式，人工智能辅助诊断大幅提升了医生阅片质量，辅助医生降低了阳性漏检率；同时，医生的平均阅片时间大幅缩减，单人阅片峰值效率提升100%。 AI病理应用落地需要关注如下挑战 •数据是AI病理产品的核心，包括数据的多样性、数据集标注的准确性等都决定了AI诊断结果的准确性和泛化性；同时，需要在此基础上进行数据标准化的处理，从而更大程度发挥数据融通价值； 医策科技未来发展方向： 发力人工智能医疗器械+数字病理平台建设的产品管线战略。加快人工智能医疗器械及数字病理系列产品研发，推进医疗器械证落地，精进人工智能算法，积淀高质量数据资源，将全线产品融入客户临床业务运营。 •落地模式挑战，需要考虑到医疗机构本身数字化基础以及科室设置基础能力不同，以及软件系统的应用能力以及付费习惯存在差异，在向医疗机构落地的过程中，可能需要通过一揽子解决方案的模式进行，同时，在服务的过程中，赋能医疗机构进行数据资源的沉淀以及相应数智能力的升级。 案例：爱康国宾打造iKang AI+生态，拓宽服务边界 健康管理对于促进全民健康，以及优化医疗资源配置具有重要意义与价值： 案例：爱康国宾打造iKangAI+生态，拓宽服务边界 •国家政策陆续提出，加快推动从以治病为中心转变为以人民健康为中心；“坚持预防为主，深入推进健康中国行动” •预防医疗以及前置化健康管理，能够有效降低慢性病和重大疾病的发生，提升生命质量 ©易观分析 案例关键要点： AI赋能，实现健康全生命周期管理 •爱康通过iKangAI+计划不断引入人工智能产品，逐步拓宽健康管理的服务边界，先后与近十家国内医疗领域人工智能科技企业达成战略合作，包括鹰瞳Airdoc、羽医甘蓝DeepCare等 •搭载体检大数据，构建体检人群健康画像，在实现精准筛查和提供诊断决策依据的同时，为从“检”到“管”夯实数据基础 •在预防性医疗服务方面，利用AI技术可以在一定程度上实现早筛查、早诊断，减少或者减缓疾病的发生•在健康管理周期方面，可以实现从体检环节向健康管理环节的延伸，依托大数据与AI技术相结合，实现个性化体检筛查以及后续健康管理持续跟踪与健康建议 案例：AI+辅助诊疗优化院内诊疗流程，平安健康赋能医疗资源释放 辅助诊疗是医疗AI在院内场景应用涵盖范围较广，目前已经实现电子病历、医学影像、基因检测、CDSS（临床决策支持系统）、辅助治疗、医疗机器人等多个应用落地，为实现诊疗流程标准化赋能，提升诊疗规范性和准确性。案例：平安健康AI辅助诊疗系统 案例概述： 人工智能在辅助诊疗中的价值及应用 平安健康自主研发的AI系统已经覆盖超过2000种常见疾病的诊断知识，导诊准确度高达99%，为医生的诊断提供了更加高效、精准的决策支持，极大地提升了医疗服务的品质和效率。 高效建立电子病历 医疗机器人 包含诊断、治疗、康复机器人等，呈现小型化、智能化趋势。 辅助治疗 基因检测 包括手术导航、手术操作、智能放疗系统、远程监控与陪护等。 基因检测可以应用于肿瘤领域，实现精准医疗。 应用效果： 该AI辅助诊疗系统目前已深入应用到自有医疗团队的全部科室，覆盖超过3,000种疾病的诊断知识。平安集团独创的“PINGANGPT”——AskBob医生站，已累计服务140万余名医生，覆盖全国4.6万家医疗机构。截至2023年6月30日，该系统日均提供诊疗辅助决策次数已高达27万次，成为医疗领域中不可或缺的智能化辅助工具 案例：AI+医学影像涵盖范围不断拓展，增强医生阅片能力 由于人工智能医学影像市场需求与AI能力匹配度高，是医疗AI市场中发展较为成熟的赛道，在近年的发展中不断拓展涵盖范围，可实现快速读片，提供报告解读，提高阅片精度，辅助医生诊断和治疗，节约治疗时间，减轻影像科科室负担，增强基层医疗机构的阅片能力。 随着企业聚焦产品优化，提升产品应用深度，政策推动产品规范建立，人工智能影像产品受到医院端的接受和认可，相关企业已经逐步构建商业模式，市场规模将持续增长。 案例：汇医慧影推动医学影像移动化、数字化与智能化 影像数据易获取 案例概述： •仅需单次拍摄，短时间可直接获取，积累大量影像数据，为人工智能落地提供数据基础。 汇医慧影拥有多病种人工智能辅助诊断产品，覆盖胸部、全身骨折、大血管等部位，为医院提供一体化智能解决方案，支持智慧医院建设三级评审。 影像数据易处理 •目前图像识别准确率高，单张影像可反映主要病情，直接支持治疗方案，利用价值大。 影像专业医师缺口大 •影像专业医师人才缺乏，工作繁琐重复，阅片效率低，AI医疗影像可以改变传统读片模式，缓解医学影像诊断压力。 应用效果： 已获批三类证的AI医学影像产品仍以早期筛查为主，能对疾病进行定性诊断的获证产品还较少。 14目前，汇医慧影的AI产品日调用率接近80%，日均服务患者10万名。据介绍，汇医慧影已与医科院肿瘤医院、中山肿瘤医院、北京肿瘤医院等三甲医院合作，产品及服务已接入1000多家医院、顶级三甲医院超过300家。 案例：AI+药物研发解决传统新药研发痛点，华为云一站式平台提升新药研发成功率 AI+药物研发成为想象空间巨大的场景重塑，相对传统新药研发管线，AI将有效解决药物研发周期长、成本高、成功率低等难题，提升研发效率，从而推动医疗服务的普惠发展。通过深度学习、自然语言处理、特征抽取和表征学习等AI技术，可以作用于药物研发中的药物发现、临床试验、药物合成与生产等环节，其中，靶点发现是目前最为重要的领域。易观分析预计，AI重塑医疗行业，药物研发场景是重要加速器，而这也是生物体征数字化纵深的起点。同时，药物研发强依赖于药物化学数据、临床实验数据以及文献数据等，因此，致力于寻求研发突破的AI公司必须寻求与药企的深度合作，而药企也将开始强化自身AI团队的建设。 案例：华为云一站式AI辅助药物研发平台 案例概述： 华为一站式AI辅助药物研发平台由盘古药物分子大模型赋能而成，主要面向药物研发领域，提供结合预测、属性预测、分子优化与生成能力，旨在帮助医药公司提升AI辅助药物研发的效率，缩短小分子药物设计周期。 通过AI进行临床试验研究设计与数据处理分析等工作，提升临床试验效率 通过深度学习进行体外活体测试的高通量筛选，压缩新药研发周期；通过AI进行试验数据处理，获得晶型预测结果 应用效果： 该一站式AI辅助药物研发平台将药物设计这一过程从数年缩短至数个月，并且研发成本大幅降低70%。当前，盘古药物分子大模型已成功为多家药企、药研机构提供AI解决方案服务，包括西安交通大学第一附属医院蛋白质科学与噬菌体研究所、苏州旺山旺水生物医药股份有限公司等。 医疗健康垂直大模型将加速医疗健康+AI应用落地 案例：腾讯依托自身产品/技术能力与开放链接，纵深医疗行业服务场景 腾讯围绕医疗健康行业进行业务布局，主要依托自身产品与技术能力，纵深医疗行业与场景，以结合生态合作伙伴运营以及投资等方式，形成更广泛与深入的业务协同与联动。在自有产品方面，一方面是打造医疗行业特色的核心产品，包括腾讯觅影、腾讯医典等，在医疗影像以及医学信息方面充分沉淀与积累，这也为后续医疗大模型的构筑了专有数据与知识的壁垒；另一方面是充分利用腾讯云的基础技术资源与能力，如云计算资源与人工智能基础能力等，为不同类型的医疗机构提供数智化升级整体解决方案。腾讯医疗健康行业数智化布局 腾讯AI+医疗