2019年中国人工智能医学影像行业概览.pdf

1 报告编码19RI0448 头豹研究院 |医药生物系列行业概览 400-072-5588 2019 年 中国人工智能医学影像行业概览 报告摘要 通信研究团队 人工智能医学影像备受行业市场关注。医学影像是 医疗诊断及治疗的重要环节，存在分析工作繁琐重 复、 工作量大、 误诊漏诊率上升等行业痛点， 传统医 学影像行业亟需升级转型。人工智能医学影像成为 当前医学影像行业最受热捧的解决方式之一。中外 人工智能技术巨头已开始布局人工智能医学影像市 场，独立研发团队组成的创业企业开始发展。 热点一：人工智能医学影像成为主要突破口 热点二：市场需求提升、技术进步、政策支持 热点三：加速应用场景落地、完善商业模式 医学影像学科成为人工智能落地医疗领域的主要突破 口，引起医疗行业多方重视，人工智能医学影像行业迎 来增长契机。 人工智能医学影像的出现解决了传统医学影像的行业痛 点，市场需求提升。医疗数据的逐年增长，为人工智能 医学影像的技术升级提供基础支持。人工智能成为中国 国家战略之一，拉动人工智能医学影像行业发展。 人工智能医学影像技术发展逐步完善，市场对人工智能 医学影像企业的评判重点开始转移至产品的应用场景落 地以及企业的商业模式探索。 10.9 24.2 32.5 49.7 69.6 104.4 156.6 219.3 307.0 0 50 100 150 200 250 300 350 2015 2016 2017 2018 2019预测 2020预测 2021预测 2022预测 2023预测 中国人工智能医学影像行业市场规模，2015-2023预测 中国人工智能医学影像 市场规模 年复合增长率 2015-2018年 65.8% 2019-2023年预测 44.9% 亿元戴辰婧 分析师 黄婉儀 分析师 邮箱： csleadleo行业走势图 相关热点报告 医药生物系列行业概览 2019 年中国医学影像设备行 业概览 医药生物系列行业概览 2019 年中国创新药行业概览 医药生物系列行业概览 2020 年中国医用配送机器人 行业概览 报告编号19RI0448 目录 1 方法论 . 3 1.1 研究方法 . 3 1.2 名词解释 . 4 2 中国人工智能医学影像行业市场综述 . 7 2.1 医疗人工智能的定义与分类 . 7 2.2 人工智能医学影像的定义与分类 . 8 2.3 中国人工智能医学影像行业的发展历程 . 9 2.4 中国人工智能医学影像行业的市场规模 . 12 2.5 人工智能医学影像的产业链分析 . 13 2.5.1 上游分析 . 13 2.5.2 下游分析 . 16 3 中国人工智能医学影像行业驱动因素分析 . 16 3.1 人工智能落地医学影像难度较小 . 16 3.2 产品优势明显，使用需求提升 . 17 3.3 医疗行业数据量增长迅速 . 18 4 中国人工智能医学影像行业制约因素分析 . 19 4.1 医学影像数据问题亟需解决 . 19 4.2 场景适应能力有待增强 . 20 5 中国人工智能医学影像行业政策及监管分析 . 21 5.1 中国人工智能医学影像行业支持政策分析 . 21 5.2 中国人工智能医学影像行业监管政策分析 . 22 1 报告编号19RI0448 6 中国人工智能医学影像行业发展趋势分析 . 23 6.1 加快行业标准和法律法规的制定 . 23 6.2 加速应用场景落地 . 24 6.3 明确商业模式和盈利模式 . 25 7 中国人工智能医学影像行业市场竞争格局分析 . 26 7.1 中国人工智能医学影像行业竞争格局概述 . 26 7.2 中国人工智能医学影像行业典型企业分析 . 27 7.2.1 图玛深维 . 27 7.2.2 推想科技 . 30 7.2.3 深睿医疗 . 33 2 报告编号19RI0448 图表目录 图 2-1 医疗人工智能分类 . 7 图 2-2 人工智能医学影像临床使用场景分类 . 9 图 2-3 中国人工智能医学影像行业的发展历程 . 11 图 2-4 中国人工智能医学影像行业的发展历程 . 12 图 2-5 中国人工智能医学影像行业产业链 . 13 图 3-1 全球医疗保健数据量，2014-2020 年预测 . 19 图 5-1 中国人工智能医学影像行业相关支持政策，2016-2017 年 . 22 图 7-1 图玛深维主要产品 . 29 图 7-2 推想科技主要产品 . 32 图 7-3 深睿医疗主要产品 . 34 3 报告编号19RI0448 1 方法论 1.1 研究方法 头豹研究院布局中国市场， 深入研究 10 大行业， 54 个垂直行业的市场变化， 已经积累 了近 50 万行业研究样本，完成近 10,000 多个独立的研究咨询项目。 研究院依托中国活跃的经济环境，从医疗、信息科技、人工智能等领域着手，研究 内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张，到企业走 向上市及上市后的成熟期， 研究院的各行业研究员探索和评估行业中多变的产业模 式，企业的商业模式和运营模式，以专业的视野解读行业的沿革。 研究院融合传统与新型的研究方法， 采用自主研发的算法， 结合行业交叉的大数据， 以多元化的调研方法， 挖掘定量数据背后的逻辑， 分析定性内容背后的观点， 客观 和真实地阐述行业的现状， 前瞻性地预测行业未来的发展趋势， 在研究院的每一份 研究报告中，完整地呈现行业的过去，现在和未来。 研究院秉承匠心研究， 砥砺前行的宗旨， 从战略的角度分析行业， 从执行的层面阅 读行业，为每一个行业的报告阅读者提供值得品鉴的研究报告。 头豹研究院本次研究于 2019 年 7 月完成。 4 报告编号19RI0448 1.2 名词解释 AI：Artificial Intelligence，人工智能，是研究、开发用于模拟、延伸和扩展人的智能 的理论、方法、技术及应用系统的一门新的技术科学。 人工智能医学影像： 利用神经调控技术， 有目的地对神经系统的活动进行调节的医疗器 械。 CFDA：国家食品药品监督管理总局，是国家政府设置的药品监督管理部门，中国药品 行政监督管理组织体系一部分，属于国家药事管理组织体系范畴。 电源芯片：电子产品中所必须使用的元器件，如在开关 DC 电源或线性电源中，需使用 开关电源芯片或稳压芯片， 在电池供电的设备中， 需使用电池管理芯片和电压管理芯片。 FPGA：FieldProgrammable Gate Array，现场可编程门阵列，是在 PAL、GAL、 CPLD 等可编程器件的基础上进一步发展的产物。 它是作为专用集成电路 （ASIC） 领域 中的一种半定制电路而出现的， 既解决了定制电路的不足， 又克服了原有可编程器件门 电路数有限的缺点。 MCU： Microcontroller Unit， 微控制器， 是将微型计算机的主要部分集成在一个芯片 上的单芯片微型计算机。 ASIC：Application Specific Integrated Circuit，专用集成电路，是指应特定用户要 求和特定电子系统的需要而设计、制造的集成电路。 DSP：Digital Signal Processor，专门的微处理器，其体系结构针对数字信号处理的 操作需要进行了优化。DSP 的目标通常是测量、过滤或压缩连续的真实模拟信号。 二甲医院：全称“二级甲等医院”，是依照中国现行医院分级管理办法等的规定划 分的医疗机构级别，指二级医院中实力最强的医院。 三甲医院：全称“三级甲等医院”，是依照中国现行医院分级管理办法等的规定划 5 报告编号19RI0448 分的医疗机构级别，指三级医院中实力最强的医院。 医疗数据：个人从出生到死亡的全生命周期过程中，在免疫、体检、门诊、住院等健康 活动所产生的大数据。 医学成像系统：Medical Imaging System，指临床上广泛使用的各种医学成像系统， 包括投影 X 射线成像、 X 射线计算机断层成像、 放射性核素成像、 超声成像以及磁共振 成像系统。 医学图像处理：Medical Image Processing，指主要研究如何从医学影像中获取图像 的内在规律,为临床医生提供更清晰、更准确的信息。 鲁棒性：控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。 泛化能力：机器学习算法对新鲜样本的适应能力。 CT：Computed Tomography，电子计算机断层扫描，是利用精确准直的 X 线束、 射线、 超声波等， 与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面 扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查。根据所采用的射线 不同可分为：X 射线 CT（X-CT）以及射线 CT（-CT）等。 PET：Positron Emission Computerized Tomography，正电子发射断层扫描，是目 前在细胞分子水平上进行人体功能代谢显像最先进的医学影像技术。 PET 可从体外对人 体内的代谢物质或药物的变化进行定量、 动态的检测， 成为诊断和指导治疗各种恶性肿 瘤、冠心病和脑部疾病的最佳方法。 MRI：Magnetic Resonance Imaging，磁共振成像，断层成像的一种，它利用磁共振 现象从人体中获得电磁信号,并重建出人体信息。 AD： Alzheimer Disease， 阿尔茨海默病， 是起病隐匿的进行性发展的神经系统退行性 疾病。临床上以记忆障碍、失语、失用、失认、视空间技能损害、执行功能障碍以及人 6 报告编号19RI0448 格和行为改变等全面性痴呆表现为特征，病因迄今未明。 GPU：图形处理器单元，主要进行浮点运算和并行运算，使用 GPU 虚拟化技术之后， 可让运行在数据中心服务器上的虚拟机实例共享使用同一块或多块 GPU 处理器进行图 形运算。 7 报告编号19RI0448 2 中国人工智能医学影像行业市场综述 2.1 医疗人工智能的定义与分类 医疗人工智能是指人工智能技术将其数据资源、 计算能力和算法模型融入于医疗场景中， 其应用带来了医疗领域诊疗模式、数据方式、前瞻性健康管理等方面的变革。 医疗人工智能按具体业务模式可分为以下八个方向： 虚拟助手、 疾病筛查和预测、 医学 影像、病例或文献分析、医院管理、智能化器械、药物发现、健康管理（见图 2-1）。 图 2-1 医疗人工智能分类 来源：头豹研究院编辑整理 8 报告编号19RI0448 2.2 人工智能医学影像的定义与分类 医学影像指为了医疗或医学研究， 对人体或人体某部分， 以非侵入方式取得内部组织影 像的技术与处理过程。 它包含以下两个相对独立的研究方向： 医学成像系统和医学图像处理。 前者指图像成的过程，后者指对已经获得的图像做进一步的处理。 人工智能医学影像指在医学影像的基础上， 人工智能技术在依赖于成像数据的医学领域， 如放射学、 病理学、 皮肤病学和眼科学等学科进行应用。 由于人工智能可在数据中进行复杂 模式的识别， 并以自动化方式提供定量评估， 人工智能医学影像在临床工作流程中， 可为医 生提供辅助，有助于形成更准确的放射学评估。 目前，市场上人工智能在医学影像中的应用，主要分为以下两大类技术类别： (1) 人工特征工程：根据数学方程（如肿瘤纹理）定义的，通过计算机程序量化，将原 始数据转化为特征的工程。 人工特征作为机器学习模型的输入， 通过训练模型， 以临床决策 的方式对患者进行分类。人工特征依赖于专家定义，特征量化方法有待完善。此外，预定义 特征通常不适用于成像模态的变化， 如计算机断层扫描 （CT） 、 正电子发射断层扫描 （PET） 和磁共振成像（MRI），以及相关的信噪比特性。 (2) 深度学习算法： 自动从数据中学习特征表示， 无需人类专家干预。 深度学习算法可 自动量化人体组织的表型特征，减少了对人为预处理的需求。 根据以上技术类别，人工智能在医学影像领域衍生出两大基础应用：（1）数据感知： 即通过图像识别技术对医学影像进行分析，获取有效信息；（2）数据训练：通过深度学习 海量的影像数据和临床诊断数据，不断对模型进行训练，促使其掌握诊断能力。 人工智能在医学影像的临床应用可衍生为以下场景：（1）疾病检出：可帮助医生提高 早诊率，减少误诊率，在肺癌筛查、骨折筛查、AD、视网膜病变和病理诊断等领域已应用 于临床； （2） 多维定量： 为精准医学提供技术支撑， 用于病变特征提取、 病灶自动分割等； 9 报告编号19RI0448 （3）精准诊断：可精准判断肿瘤良恶性，并为疾病进行精准的分级、分期，节省医生诊断 时间；（4）治疗评估：可为患者进行预后测算、术前设计和疗效评估（见图 2-2）。 图 2-2 人工智能医学影像临床使用场景分类 来源：头豹研究院编辑整理 目前市场上的人工智能医学影像设备，主要以疾病为维度作区分。（1）胸部方面：集 中在肺结节检测和良恶性鉴别；（2）神经系统方面：脑出血检测和定量以及 AD 预测； 骨关节方面：包括骨折和骨龄的检测；心血管方面：包括冠脉等相应产品的雏形；其他 领域：视网膜病变和皮肤癌诊断等。 2.3 中国人工智能医学影像行业发展历程 中国人工智能医学影像行业属于新兴行业， 仍处于发展早期。 作为医疗人工智能的细分 行业之一， 中国人工智能医学影像的发展与医疗人工智能的发展密不可分， 其发展历程可分 为：研发探索、行业爆发和理性发展阶段。 (1) 研发探索（2010 年至 2014 年） 2010 年， 中国各级医疗机构开始采用电子病历， 患者的病历资料被保存在医院系统中， 尽管各级医疗机构的系统仍未打通，但电子病历的实施为医疗大数据的发展带来数据积累， 为后期机器深度学习提供资料辅助。 10 报告编号19RI0448 2011 年，IBM 公司正式启动人工智能认知系统 Watson，IBM Watson 可在 10 分钟 内阅读和剖析 20 万份医学文献、论文和病理，协助医生提供个性化专业治疗建议。IBM Watson 的出现给中国医疗人工智能行业的从业者带来启发。 多家互联网企业在此期间开始布局医疗人工智能行业，如百度、阿里、腾讯、科大讯飞 等， 在医学影像领域探索人工智能落地方案。 中国本土医疗人工智能初创企业相继成立， 如 汇医慧影等。医疗人工智能行业进入初步发展阶段，人工智能医学影像行业随之起步发展。 (2) 行业爆发（2015 年至 2017 年） 2015 年起，在政策利好和人工智能医学影像技术取得新进展的背景下，人工智能医学 影像企业陆续成立，如图玛深维、推想科技等，推出人工智能医学影像设备。同年，资本开 始布局人工智能医学影像行业，中国市场发生人工智能医学领域融资交易 10 起，融资额超 6,000 万人民币，融资企业包括医联、云医、汇医慧影等。 2017 年，人工智能医学影像在智能影像识别、靶区勾画和脏器三维成像方面均有所突 破， 标志着人工智能医学影像产品日趋成熟： （1） 智能影像识别方面： 以肺结节识别为例， 目前人工智能产品的检出准确率在 90%左右，高于医生平均检出准确率； （2）靶区勾画方 面：人工智能医学影像对比传统医学影像工作效率提高了 90%以上，在乳腺癌、鼻咽癌、 肺癌、 肝癌等癌种上技术相对成熟， 自动勾画的靶区与医生人手勾画的重合度在 85%以上； 脏器三维成像方面：人工智能医学影像使外科手术更快速、更精确、更安全，目前可覆盖 肝脏、胆胰、肺、肾脏等胸腹部软组织器官的重大病种。 同时， 人工智能医学影像设备不断落地， 在医生群体中的知名度有所提高， 企业与医疗 机构的合作不断深入， 多数企业的商业模式逐渐清晰。 如： 图玛深维和推想科技的人工智能 医学影像产品开始进入医院，每个月与 50 家以上医院达成合作。人工智能医学影像行业迎 来爆发阶段， 医生对产品的使用热情空前高涨。 资本市场面对人工智能医学影像设备不断商 11 报告编号19RI0448 业化落地，投资信心高涨，软银中国领投，辰德资本、德联资本参投图玛深维 2 亿元人民 币，启明创投领投，元生资本、红杉中国联合投资推想科技 1.2 亿元人民币。 (3) 理性发展（2018 年至今） 2018 年，人工智能医学影像设备的弊端开始显现，部分医院认为产品未能实质性降低 工作强度，人工智能医学影像结果呈现许多“假阳性”现象，未能帮助降低误诊率。同时， 产品设计过于工程化， 与医生的实际操作需求不符， 提升了医生的使用时间成本。 以上问题 导致医生群体以及各级医疗机构对产品的热情度下降，资本市场同时进入冷静期。 同年， 市场上仍有部分领先人工智能医学影像企业继续发展， 在客户群体上继续加强与 各级医疗机构的合作， 在产品研发上持续升级并推出新的功能与产品， 适应并满足医生的使 用场景需求，逐步获得市场认可。中国人工智能医学影像行业的发展回归理性。 图 2-3 中国人工智能医学影像行业的发展历程 来源：头豹研究院编辑整理 12 报告编号19RI0448 2.4 中国人工智能医学影像行业市场规模 中国人工智能医学影像行业起步较晚，得益于国家相关政策支持与技术的进步，本土人 工智能医学影像企业崛起，目前已进入稳步发展阶段。2015 年，中国人工智能医学影像行 业市场开始成型， 市场规模约为 10.9 亿元人民币， 2018 年， 中国人工智能医学影像行业市 场规模增长至 49.7 亿元人民币，年复合增长率高达 65.8%（见图 2-4）。未来五年，中国 人工智能医学影像行业市场规模仍将保持 44.9%的年复合增长率继续增长，并于 2023 年 达到 307.0 亿元人民币规模。 图 2-4 中国人工智能医学影像行业市场规模，2015 年至 2023 年预测 来源：头豹研究院编辑整理 具体而言，人工智能医学影像行业市场规模持续增长，受以下三方面原因驱动： (1) 技术升级产品优化：算法、算力和数据的进步推动人工智能医学影像领域的技术升级， 产品功能的多元化、专业化提升，市场规模扩大。 (2) 商业化落地速度加快： 在人工智能医学影像技术完善、 数据积累成熟的背景下， 人工智 能医学影像企业加速其产品在实际场景中的落地，商业发展模式逐渐清晰。 (3) 政府政策支持发展： 政府政策对医疗信息化的推进， 以及人工智能行业的支持， 加速人 工智能医学影像企业的发展。 13 报告编号19RI0448 2.5 人工智能医学影像行业产业链分析 中国人工智能医学影像行业的上游市场参与者主要为人工智能医学影像器械制造过程 中所需硬件和软件供应商， 以及技术研发所需的算法数据平台； 中游环节主体人工智能医学 影像制造企业，业务涉及产品研发、生产及推广；下游是人工智能医学影像消费市场，包括 各级医疗机构、C 端患者、保险公司、体检中心等（见图 2-5）。 图 2-5 中国人工智能医学影像行业产业链 来源：头豹研究院编辑整理 2.5.1 上游分析 上游的硬件供应商主要供应人工智能医学影像设备的组装硬件，包括半导体、元器件、 传感器、精密电阻、电源芯片、FPGA、MCU、ASIC、ADC、DSP 等配件。由于人工智能 医学影像设备需要同时满足医学影像设备和人工智能算法的应用， 因此对硬件的质量及性能 要求比传统医学影像设备高。 如： （1） 半导体： 要求高速率、 高精度、 高可靠性和低功耗、 低辐射；（2）FPGA：要求具备灵活的可编程和可配置的特性，适用于多变的环境；（3） 转换器： 多通道、 高速率和高分辨率的模数加快了医学影像设备的诊断过程， 缩短了病人暴 14 报告编号19RI0448 露在辐射环境中的时间；（4）电源管理芯片和 MOSFET：要求更高效，用于保证医学影像 设备电源稳定性。 软件提供商主要提供影像采集软件、 影像归档和输出系统、 影像打印系统等基础的医学 影像设备软件，为后期人工智能技术的加入提供支持。 算法学术平台和数据平台主要提供后期人工智能产品学习资料。 大部分人工智能医学影 像企业的算法来自大量人工智能机器学习、 卷积神经网络论文学习， 并通过大量的数据训练， 在针对领域作适应性调整。 算法学术平台主要提供感知智能和认知智能的技术， 覆盖范围包 括语音识别、图像识别、机器学习和深度学习等。数据平台主要提供计算智能的资料，覆盖 范围包括海量数据、算法框架以及储存于计算能力。 15 报告编号19RI0448 16 报告编号19RI0448 2.5.2 下游分析 目前人工智能医学影像设备主要应用于疾病筛查阶段， 但人工智能医学影像企业并非集 中在单一维度重复竞争， 根据所聚焦的业务领域不同， 如肿瘤筛查或慢性病筛查， 其所面向 的客户群体也有所差别，主要包括各级医疗机构、C 端患者、保险公司、体检中心等。各级 医疗机构是人工智能医学影像企业的主要消费终端， 盈利主要来自人工智能医学影像设备的 租赁或销售收入， 其中二甲以上医院是人工智能医学影像企业的主要开拓阵地， 原因在于该 类医疗机构拥有大量高质量医疗数据可用于算法学习， 且大医院更有能力、 资本和规模购买 人工智能设备。 C 端患者是人工智能医学影像电子胶片的主要付费方， 利润由各级医疗机构 和人工智能医学影像厂家共同承担。 保险公司和体检中心终端目前仍没有成熟的市场环境可 供人工智能医学影像产品落地，处于初步探索阶段。 未来， 随着人工智能辅助诊断技术不断优化， 人工智能医学影像将有效解决基层医院医 疗资源稀缺的问题， 基层医院有望成为最有增长潜力的终端之一。 此外， 人工智能医学影像 落地场景的开拓，保险公司和体检中心等终端也颇具潜力。 3 中国人工智能医学影像行业驱动因素分析 3.1 人工智能落地医学影像难度较小 医学影像学科成为人工智能落地医疗领域的主要突破口， 引起医疗行业多方重视， 人工 智能医学影像行业迎来增长契机。 医学影像学科作为人工智能落地医疗领域的主要突破口， 其各项特征， 形成人工智能医 学影像行业开创与发展的重要基础：（1）影像数据获取难度小：相比于病历数据需要三至 五年累积期，影像数据的获取耗时大幅缩短，此外，对比获取完整的结构性病人病例，大批 17 报告编号19RI0448 量提取影像数据的难度相对较小，为人工智能落地医学影像学科形成铺垫；（2）影像处理 难度小：相比于病人病例囊括的多种信息，如病人信息、病史、症状、治疗手段、愈后恢复 等，医学影像即简单的图片数据，信息集成度和标准化程度高，降低了数据处理难度，方便 辅助诊断模型的构建以及后期的机器阅读， 大幅提升了人工智能技术数据训练的便利性； （3） 影像数据本身的重要性： 影像检测信息可直观反映病人病情信息， 是医生确定治疗方案的直 接依据， 人工智能技术与医学影像的融合必然得到医疗界的重视， 有利于后期人工智能医学 影像行业的发展。 人工智能与医学影像的高契合度， 使人工智能技术落地实际应用场景成为可能， 推动人 工智能医学影像行业的开创和发展。 在中国市场内， 不仅有多家人工智能技术领先企业组建 医学影像应用开发团队， 行业内多家初创企业集中开发人工智能医学影像设备， 也引来资本 市场的关注。 医学影像成为人工智能技术落地医疗领域的主要突破口， 人工智能医学影像迎 来增长契机。 3.2 产品优势明显，使用需求提升 人工智能医学影像设备优势明显， 各级医疗机构的场景使用需求不断提升， 是人工智能 医学影像行业发展的内在动力。 人工智能医学影像对比传统医学影像具有以下优势：（1）信息呈现：人工智能医学影 像设备能完成脏器的定位、 分类以及分工， 并自动将可疑位置进行标注， 为医生判断排除干 扰项，更为直接地呈现影像信息；（2）阅片方式：传统阅片方式中，医生需要逐张查看影 像资料，凭借经验进行判断，阅片时间长，平均每位学科医生查看一套 PET 影像所需时间 达 10 分钟以上，并且需要反复观看确认，人工智能医学影像设备可在短时间内进行独立完 成初步筛选、判断，再交由医生完成最终诊断，缩短医生阅片时间，提高诊断效率；（3）