资源描述
摘要行业发展阶段：人工智能+医疗与生命科学即AI医疗已从起步期迈入发展期，AI医疗应用已从早期浮现阶段过渡为深入探索阶段。在该时期与阶段内，医疗数据的安全性得到维护，数据互联互通建设向数据治理与开发转变，AI医疗影像向多疾病横向拓展与纵向深挖，NLP技术产品领先于KG、ML技术产品，如CDSS领先于AI制药，个别赛道竞争加剧，可行的商业模式浮出水面。整体市场规模：2020年中国AI医疗核心软件市场规模为29亿元，加上带有重资产性质的AI医疗机器人，总体规模为59亿元，而到2025年，AI医疗核心软件市场规模将达到179亿元，同样加上AI医疗机器人，总体规模将达到385亿元，2020-2025年CAGR=45.7%，总体市场呈繁荣增长态势。IPO冲刺情况：AI医疗影像与医学数据智能的领跑玩家已进入IPO冲刺前夜，且鹰瞳、医渡云均 已冲刺成功，取得了AI医疗企业在港股上市的历史性胜利。在AI医疗器械三类证红利的释放效应下，AI医疗企业“先获证后上市“已演变为一股发展潮流。未来，IPO梯队的AI医疗企业将会扩大销售及服务成本，将已研发成功的产品加速投放到院内外市场，以提升企业的自主造血能力。市场细分情况：在2020年中国AI医疗的核心软件市场规模中，CDSS市场占有率为29.8%，AI医疗影像为7.1%，而到2023年，AI医疗影像市场规模将首次超越CDSS，成为AI医疗核心软件中市场占有率最高的产品。此外，因价格高昂、临床稀缺性强，手术机器人在总体规模中始终保持高市场地位与高市场占有率。未来方向转变：AI医疗影像的部分诊断类产品已深入红海阶段，产品在三甲医院市场的渗透与覆盖在未来可能即将封顶，对此，AI医疗影像玩家将继续开拓影像诊断的其他疾病市场，如冠脉、乳腺、肝脏等，同时开发手术规划与导航这类影像治疗市场，转战新兴的蓝海区。此外，未来AI医疗的战场将从资本力量雄厚与否的角逐，转为企业自身商业模式的较量。 破晓：行业概述12345日升：赛道商业洞察林立：产业链洞悉枝繁：优秀案例实践日新：行业展望 3 人工智能+医疗与生命科学概念界定借助AI技术介入医疗环节，以提高医疗服务效率为核心目的人工智能+医疗与生命科学，是在协助人或解放人的状态下，以提升院内外医疗服务效率效果为目的、以人工智能为核心干预技术手段介入传统的院内外医疗环节，从而产生相应软硬件产品的新型医疗应用技术，本报告于后文中将人工智能+医疗与生命科学简称为AI医疗。因AI医疗需AI技术结合具体的医疗场景方能释放与彰显其具象的原理与作用，故其具有很强的场景关联性。按应用场景分类，人工智能+医疗与生命科学主要分为AI医疗影像、CDSS、智慧病案、AI制药、医疗数据智能平台、AI医疗机器人、AI基因分析等细分应用技术。由于AI基因分析在我国的发展处在早期雏形阶段，商业模式与规模释放尚不清晰，故在本报告中，AI基因分析不予讨论。AI制药的下游服务市场为药企，而其他应用技术的下游主要覆盖范围都为医院，少部分应用会在院外市场中使用，如AI医疗服务机器人应用于康养机构环境消毒，医学数据智能平台应用于医学研究中心统计数据与疾病研究等。人工智能+医疗与生命科学范围界定 院外院前院中（内）院后预约就诊预检分诊药物研发基因研究诊前诊中诊后患者随访取号CDSS/病案质控AI医疗机器人疾病分组临床诊断临床治疗影像辅助诊断影像辅助治疗疾病史关联医保支付排队取药报告获取康复管理健康管理导诊排队病历录入 远程医疗药物检索医学知识库 医学数据管理 技术原理解析（1/3）深度学习为机器学习的子集，有多种神经网络算法人工智能、机器学习与深度学习的关系及原理介绍人工智能广义概念人工智能是制造智能机器的科学与工程，尤其是指生成智能计算神经网络神经网络是人工智能常用的一种形式，由输入层、隐藏层和输出层构成算法种类与应用主要算法种类：线性模型、决策树、支持向量机、半监督学习、强化学习、聚 类等 主要应用：医学数据智能平台的数据清洗、统计分析、信息查询、病理检索等RNN模仿人或其他生命体思考或行为的技术程序总体介绍机器学习机器学习将现实中的医疗问题抽象为数学问题，利用现有的医学数据构建出针对某一医用场景的模型，而后用该模型解决现实问题让计算机从数据中学习而无需使用明确编程的人工智能技术CNN深度学习卷积神经网络，现阶段常常嵌套在CV技术中。卷积层提取医学图像的根本特征，池化层降低图像的参数维度，全连接层输出结果。因降维效果显著被广泛用于海量各类像素的图片处理循环神经网络，可以将前一次的输出结从大脑神经元网络得到启发而获得发展的机器学习技术果带到下一次输出结果的隐藏层中，可结合NLP技术使用。该算法适用于患者数据的生命周期管理、长达多年的电子病历或医保记录等序列数据分析场景GNN深度RL图神经网络，是学习包含大量连接的图的联结主义模型，处理非欧几里得数据，捕捉节点之间的关系， 可与KG结合使用。药物分子属于典 型 的 非 欧 几 里 得 数 据 ， 因 此GNN常用于AI制药研发 智能体为执行某一任务，反复与环境交互后产生数据，获取奖励，再利用新数据去修改自身动作决策，经过数次迭代，学会完成任务所需的策略。其强调反复训练而非数据喂养，用于AI医疗机器人中特别的是，若需要进行更为复杂与精准的AI医疗诊断或治疗，可定制化开发特有的神经网络 技术原理解析（2/3）AI技术与特定医学场景结合，衍生通用或定制化模型计算机视觉与知识图谱在医疗中的应用计算机视觉（CV）知识图谱（KG）Schema与图是知识图谱中重要的基本概念。Schema规定特定领域下实体对象的各种属性。图由节点与边构成，边是节点即特定Schema下的实体对象之间的联系。在医疗领域，医学知识图谱的构建包括医学实体命名识别、关系抽取、实体统一、知识推理与质量评估5个环节。当前，医学、 基因或药物知识库、临床诊断信息库、电子病历信息库、健康档案中存在大量待发掘的结构化或非结构化的医学数据，这些数据的图与Schema也未提取出来，医学知识图谱构建仍是医学界尚未突破的重大挑战之一该技术是基于深度学习机器视觉算法的集合，其通过构造多层神经网络，逐层完成图像特征的提取，最终将多层级的特征组合，在顶层做出分类。CT、X光、PET、MRI、超声波等影像技术手段创造出丰富的医学影像数据，使AI医学影像模型拥有大量的训练数据集，这成为AI医疗影像的应用广度领先于其他赛道的原因之一计算机视觉+医疗示例图像识别语义分割知识图谱的图类型知识图谱+医疗示例以脑部CT筛查为例，依据指令分割出若干个图像，分割出脑溢血、脑部肿瘤等病灶区域以肺结节筛查为例，通过分割、提取肺部CT中的结节特征，汇总结节特征、完成识别，辅助医生判断患者是否有恶性结节电子病历标准化时，需提取患者与医生等医学实体，并对其属性进行定义与归一，完成指代消除病例信息实体对齐目标定位与检测三维重建01 02以眼底筛查为例，先 增强图像特征，定位出疑似病灶区域，后在该区域进一步细化筛查，检测病灶是否为微血管瘤、出血或渗出物以心脏病手术方案规划为例，依据滤波处理、坐标变换等方法进行三维图像重建，辅助医生多角度观察分析心脏结构，设计精确的手术方案药物-标靶关系推演在药物发现阶段，需要构建与靶蛋白相关的药物信息网络即KG，后对该KG进行表征学习，得到药物和靶点的向量表示，预测药物和标靶是否存在关联性，并将关系拓展至整个制药知识库左：包含一种类型的边和节点右：包含多种类型的边和节点 技术原理解析（3/3）AI技术与特定医学场景结合，衍生通用或定制化模型自然语言处理、智能语音与AI医疗机器人在医疗中的应用自然语言处理（NLP）智能语音处理该技术主要是通过计算机技术对自然语言进行加工使用，便于人与机器的准确交流。具体而言，它可以从非结构化自然语言中提取信息，处理信息并将其映射到结构化变量。现有的医学信息大多数以非结构或半结构的形式储存在医疗信息系统中，NLP可通过机器翻译将这些数 据转化为AI模型可用的结构化数据语言，构造医学词林，实现人机交互、数据管理等该技术在语音处理算法或系统中全部或部分采用智能化，可通过分层的深度神经网络结构提取并学习数据深度层次化抽象特征。医疗领域对智能语音的需求主要在于通过语音输入生成结构化病历、执行病历检索，节约医师时间，在其他医疗领域也有应用语音录入病历智能导诊通过智能语音识别生成结构化病历，一般专业术语如药品、病症均可以口述生成，便于高效记录医患沟通以导诊机器人为例，其可以通过语音交互帮助患者挂号，根据症状描述预诊断或推荐科室，并对科室位置导航NLP+医疗示例医学实体分析智慧病案质控生物命名实体识别，即从生物医学文本中识别出指定类型的名称。生物医学文献规模庞大，人工识别费时费力，可应用NLP进行文本挖掘运用NLP将归档的病历抽取成数据，然后查找逻辑错误，把错误项与原始病历核对，最后由医生确认，进行质量控制AI医疗机器人常见医疗机器人硬件耗材、传感器、控制器与搭载了AI技术的软件系统等构件共同组成AI医疗机器人，是物理技术与AI技术的集合。硬件部分，传感器用于捕捉图像、温度等信息；芯片、导线等硬件 耗材作为软件载体和正常运行的保证；部分机器人拥有手臂，便于手术场景的服务。软件部分，GPS定位病灶，确定手术部位；智能语音等技术实现人机交互；计算机视觉确定病灶区域一，能够读取人体神经信号的可穿戴型机器人，即假肢与外骨骼机器人二，能够承担手术功能的机器人，包括神外机器人、骨科机器人、血管介入机器人等临床决策支持智能辅诊抽取信息形成结构化的数据储存在数据库中，如将病理报告转换为编码数据、对医学文献复方名称进行抽取，便于临床诊疗如在挂号阶段，通过AI交互对话平台，可对患者提供的语音或文本进行症状记录、症状生成、症状分析等 发展阶段解读数据建设、算法开发、商业化进展为进阶突破重难点基于数据建设、算法开发与产品商业化的角度，中国AI医疗的发展轨迹分为四个阶段：1）AI初步介入医疗阶段， 医疗数据零散地储存在各类医院信息系统中，AI技术在医疗领域的探索更偏向试探性的测试，标准化产品尚未出现。2）AI医疗应用浮现阶段，院内外数据建设工作展开，眼底、肺部影像的标准数据库率先建立，为AI医疗影像产品领跑奠定了基础，眼底、肺部影像产品跑出，其他产品还不明确，商业化还在起步，商业模式并不明朗，还处在多元、混沌的尝试阶段；3）AI医疗应用深入探索阶段，医疗数据的安全性得到维护，数据互联互通建设向数据治理与开发转变，AI医疗影像向多疾病多科室横向拓展与纵向深挖，NLP技术产品跑出，个别赛道竞争加剧，可行的商业模式浮出水面；4）AI医疗应用稳定完备阶段，数据互联互通建设基本告一段落，数据共享初步实现，以KG为主的认知智能技术迈向成熟，与感知智能协同推进各类应用的均衡互补发展，总体赛道的竞争格局与商业模式形成并稳定，头部聚集效应长期存在。中国AI医疗发展阶段概览 应用导向的数据治理长尾需求蔓延医疗认知智能应用涌现竞争格局与商业模式稳定且难以撼动医疗数据互联互通建设进一步展开感知应用算法迭代、应用横纵开拓赛道竞争加剧，可行的商业模式胜出发展轨迹数据建设初步展开，部分疾病标准数据库建立成熟期基于深度学习的感知智能应用兴起医疗数据孤岛林立、数据治理有待展开临床AI应用稀缺赛道孵化中发展期未来赛道浮现，商业模式探索中AI医疗应用稳定完备阶段起步期2021-未来数据互联互通建设基本告一段落，数据可实现初步共享，但基于AI应用的数据治理长尾需求不断增加以KG为主的认知智能技术迈 向成熟，感知与认知双重赋能医疗，医疗器械类与非医疗器械类应用实现均衡发展、优势互补总体赛道竞争格局形成，头部企业聚集效应长期存在，商业模式基本确定且长时间内难以突破AI医疗应用深入探索阶段2015-2021雏形期现阶段正处于发展期医院内部各科室、医院与医院、医院与当地卫健委之间的数据互联互通建设由信息系统改造转向数据治理阶段领跑的影像应用往尚未覆盖的疾病诊疗领域横向拓展与深度挖掘，NLP应用追赶至前端，KG、ML蓄力慢跑AI医疗应用浮现阶段1978-2015 医疗大数据建设展开，信息系统升级改造，眼底与肺部影像的标准数据库建立基于深度学习的影像应用走到 感 知 应 用 发 展 的 前 端，NLP、KG等其他应用在慢跑商业模式处于混沌的初步尝试阶段，可行模式未确定AI初步介入医疗阶段此阶段的AI医疗产品以辅助医生诊疗的程序或系统为主，几乎没有应用于临床，整体产业仅出现一个初步的形态个别赛道的竞争加剧，个别赛道的可行性强的商业模式击败可行性差的商业模式时间 发展环境观察一：C端需求潜力巨大分科诊疗与保健人口基数庞大，付费意愿与能力增强我国的C端用户出于被动或主动的检查与治疗动机，越发重视医疗保健，对医院诊疗与保健资源的刚性、柔性消费需求程度持续加强。诊疗与入院数据方面，2016-2020年，我国的诊疗人次与入院人数都呈稳步上升趋势，2020年因疫情影响，相应数据有所回落，总体来说，我国诊疗、住院人口基数庞大。医疗费用数据方面，2015-2019年中国人均卫生费用呈逐步上升态势，且在2019-2020年的细分卫生费用中，次均门诊费用与人均住院费用的价格与同比增长都在提升，反映出居民卫生付费意愿与消费能力增强。就诊科室与癌症情况方面，2019年我国内科急诊人数高达13.4亿人次，2020年我国癌症发病数TOP6相关发病总人数高达301万人，病种治疗人口基数巨大；体检情况方面，2015-2019年我国各类医疗卫生机构健康检查人数总体呈上升趋势，体检覆盖率有待提升。若引入AI，医疗AI应用有望进一步落地，诊疗服务有望实现质量与数量的改善，从而满足居民不断增长的医疗保健需求。2015-2019年中国院端消费者诊疗概况 诊疗与入院数据医疗费用数据就诊科室数据2016-2020年中国卫生机构诊疗人次2015-2019年中国人均卫生费用2019年中国主要分科门2020年中国癌症发病TOP6情况急诊情况87 470320194237 8283 3784内科儿科妇产科外科13.4肺癌结直肠癌胃癌乳腺癌肝癌食道癌82 3352298179 5.45.34.8 564842413277口腔科眼科1.71.32016 2017 2018 2019 2020 2015 2016 2017 2018中国人均卫生费用（元）全国医疗卫生机构诊疗人次（亿人次）各科室急诊人次（亿人次） 癌症发病人数（万人）2016-2020年中国入院人数2019-2020年中国次均门诊费用与人均住院费用2015-2019年中国各类医疗卫生机构健康6.1% 11.6% 324 6.0%98482019人均住院费用（元）7.8%106192020检查人数26596 4529025453 43535 4435324436 4185629122728 23013 3845820192020次均门诊费用（元）2016 2017 2018 2019 2020 2015 2016 2017 2018 2019年同比增长（%）全国入院人数（万人）各类医疗卫生机构健康检查人数（万人） 发展环境观察二：院端资源供应紧张三甲医院覆盖率低，院间资源分布不均，医生诊疗负担加重从医院数量看，2020年我国医疗卫生机构总数约为102万，但医院只占其中的3.5%，且作为诊疗首选机构的三级医院数量仅有2996个，在所有医院中占比仅达9%。而在三级医院中，三甲医院的覆盖率为53%，覆盖空间有待提升。从医院技术人员情况看，2020年我国卫生人员总数约为1348万人，其中注册护士占比为35%，执业（助理）医师占比为30%。尽管2020年的每千人口注册护士数量增长为3.3人、每千人执业（助理）医师数量增长为2.9人，但该数量仍然难以满足庞大的病患基数的诊疗需求。此外，2020年医院医师的日负担人次比之去年有所下降，但各级医院医生的诊疗负担依然严重。若医疗引入AI，不仅可提高现阶段医院的信息化与自动化能力，改善繁琐低效的就医流程，让占少数的三甲医院有效服务更多的患者、缩小非三甲医院与三甲医院之间的医疗资源差距，而且可减轻医生的工作负担、提升医生的工作效率。2020年中国医疗卫生机构与卫生人员概况 三级医院：数量2996，占比9%其他三级医院：数量1416，占比47%医院, 3.5%其他, 1.7%医院数量一级及未定级基层医疗卫生三甲医院：数量1580，占比53%医 院 ： 数 量21994 ， 占 比机构, 94.8%二级医院：数量10404，占比29% 62%全国医疗卫生机构总数：1,022,922每千人口注册护士每千人口执业（助理）医师其他：数量医院技术人 员情况注册护士：数量470.9万人，占比35%382.2万 人 ，3.3 2.92.8占比29% 3.22019 2020 2019 2020药师：数量29.7万人，全国卫生人员总数（人）： 占比2%每千人口注册护士（人）每千人口执业（助理）医师（人）医院医师日负担执业（ 助理）医 师 ： 数 量340.2万人，占比30% 7.9三级医院（人次）6.3 6.8二级医院（人次）019 20205.8 5.4 4.513,475,000技师：数量56.1万人，占比4%一级医院（人次）2 发展环境观察三：院端收入有待优化医疗服务价格改革打开收入优化空间，为AI应用提供契机从院端收入来看，2015-2019年，除其他医疗收入外，药品收入、检查收入、治疗收入与卫生材料收入对收入结构的贡献率位居前四。医疗服务价格改革的核心内容之一是理顺医疗服务比价关系、凸显医务人员技术劳务价值。受其影响，药品收入对总收入的贡献率在逐年下降，2015-2019年中国公立医院药品总收入的收入结构变动值为-8.6%，而护理、手术、检查与治疗这类体现医务人员核心劳务价值的收入都呈正向提升态势，卫生材料收入则主要受供货价格的影响，说明医疗服务比价关系得到理顺，公立医院收入结构有所优化。具体而言，检查、治疗与手术的收入主要得益于医院诊疗服务的水平与效率，引入AI可以切实推动医疗器械（含影像诊断）诊疗升级、医学智库决策支持、医疗护理智能化与电子病历质控等方面的应用，提升医院诊疗服务水平与效率，短期带动客单价、长期调动消费体量，从而推进医疗收入改革，更好地彰显医务人员的劳动价值。2015-2019年中国公立医院医疗收入结构情况2015-2019年中国公立医院医疗累计收入结构变动值（%） 14.7% 15.3% 16.3% 17.0% 17.1% 2.4% 2.4%11.2%1.0% .3%4.5% 4.7% 5.2% 5.7%5.5% 0.6%1111.5% 12.4%12.2%12.2% 13.2%12.8%12.5% 1113.6% 13.9% -0.1% -0.1%2.0%2.1% 3.4% 13.3%13.1%2.8%40.9% 38.7% 35.3% 32.7% 32.3%2015 2016 2017 2018 2019 -8.6%药品总收入检查总收入手术总收入 挂号收入治疗总收入床位收入卫生材料总收入护理收入其他医疗收入 发展环境观察四：医保控费的利好倾向引入AI技术成克服医保控费障碍的有效路径从医疗费用的支付端来看，医保支付是其中必不可少的环节，而国家在医保支付方中承担着主要角色。医保支出过高、难以控费一直是医疗保险制度的难题。2015-2019年，中国社会医疗保险收入与支出都呈上涨状态，但相应的费用支出CAGR为27%，高出收入CAGR5%。居民自身的合理的医保消费、人口老龄化需要更多医保支持与疾病谱改变和新病种的出现等不可控的因素，医保费用增长存在供方诱导需求与需方过度消费等可控因素，都直接或间接地导致医保费用的增长。针对此局面，若引入AI技术，一方面可提前准确地诊断并给出解决方案，患者提前治愈，减少晚期病患基数，从而减少医保支出；另一方面，早诊早治的病患的诊疗费、医药费与其他费用都更低，也可降低医保开支。2015-2019年中国社会医疗保险收入支出对比医疗与AI结合降低医保支出示意图 CAGR=27%CAGR=22%引入AI前，医保费用支出巨大：重病发病率诊疗费医药费医保报销比例当年重症患者基数其他费用2442121384 4421227931 138417931引入AI后，医保费减少有两种路径：1 1.早期患者治愈，晚期病患基数减少130841患者以较 重症后期重病在早111939312 0767少花费防 医保费用期被发现2.因早愈，后期大额诊疗费、医药费与其他费用减少治疾病减少引入AI最终效果：诊 疗费医保重病发病率当年重症患者基数医药费其他报销费用比例2015 2016 2017 2018 2019城镇基本医疗保险收入（亿元）城镇基本医疗保险支出（亿元） 发展环境观察五：政策导向与驱动明显医院评级与AI医疗器械管制成为两大政策推手在各类发展环境的驱动中，政策无疑是推动AI医疗发展的刚性力量。预算与现金流有限的非三甲医院相对保守，很少会愿意主动承担AI医疗产品所对应的机会成本，因而政府政策指引是驱动整个医院市场引入创新型AI医疗产品的强制推动力。目前，在已有的AI医疗政策中，医院评级政策与AI医疗器械管制政策成为重要的两大推手。医院评级政策方面，卫健委于2018年、2021年分别发布电子病历评级标准、医院智慧管理评级标准，其中，4级以上电子病历水平、4级以上智慧管理水平的内容都与AI医疗核心软件产品密切相关。AI医疗器械管制方面，药监局及药监局技术器械审评中心发布的有关政策推动了人工智能三类医疗器械的审评审批进度与人工智能医用软硬件的快速发展。中国AI医疗重点政策解读医院评级相关AI医疗器械管制 2关于印发电子病历系统应用水平分级评价管理办法（试行）及评价标准（试行）的通知018.12.9 卫健委2019.6.28 药监局技术器械审评中心2019.10.18 药监局关于成立人工智能等3个医疗器械标准化技术归口单位的公告深度学习辅助决策医疗器械软件审评要先点及相关说明为应对深度学习技术带来的监管挑战，并为相应医疗器械软件注册申报提供专业建议，制定了该审批要点说明。审批要点基于深度学习技术特点与风险的全生命周期管理方法考虑软件技术审评要求等展开 方案中显示，第一届人工智能医疗器械标准化技术归口单位专家组由51名成员和28名观察员组成，且覆盖国内的高等院校、知名三级医院、科研院所、医疗器械机构与AI医疗公司发布时间上2021.3.15 卫健委2021.3.30 药监局关于进一步促进医疗器械标准化工作高质量发展的意见2021.7.8 药监局关于发布人工智能医用软件产品分类界定指导原则的通告医院智慧管理分级评估标准体系（试行）重点任务的优化标准体系内容的第三条指 出，要加快推进医用机器人、人工智能、有源植入物、医用软件、5G+工业互联网、多技术融合等医疗器械新兴领域共性技术研究和标准制定工作为进一步加强人工智能医用软件类产品监督管理，推动产业高质量发展，国家药监局制定了该指导原则原则中明确了关于人工智能软件的定义，并给出了管理属性界定与管理类别界定的指导后 发展环境观察六：资本支持稳定制药与机器人注入新血液，北上广融资热度高AI医疗赛道的资本数据追踪结果来看，2018-2021年10月，AI医疗影像融资事件数量呈现收缩趋势，多数AI医疗 影像公司的融资步入中后期，领跑者已经在筹备IPO事宜，且2021年8月，深睿医疗完成对依图医疗的收购，这是AI医疗 影像头部企业之间的首次并购。从2020年起，AI制药、AI医疗机器人，在融资数量和融资金额上都有压倒性优势，带动融 资总体趋势向上发展。从融资热度的地域分布来看，AI医疗企业融资事件集中分布于北京、广东、上海这类经济发达、人才密集的地区，且这些地区都分布有国内顶尖的三甲医院，这些三甲医院出于临床科研水平的突破需求或医院等级评级、科室评优等竞争需求，更容易接受AI医疗的创新型产品。2018-2021年10月中国AI医疗融资数量及金额2018-2021年10月中国AI医疗融资热度地域分布 140.9105.5811.2 13.6 4 38.3%2326 22 5 0.9%0.4%0.9% 5.3%.9%67 11 6132087 251 0.2%224 17.6%1.9%.4%18 15 12018AI医疗影像（个）2019 2020 2021.10 .AI制药（个）智慧病案（个） CDSS（个）18.9% .0 . . .医学数据智能平台（个）AI医疗机器人（个）融资金额（亿元）.2.2%.南海诸岛 发展环境观察七：技术供应取得进展产品上市频次攀升，三类证从肺部往其他科室拓展从研发人才来看，我国AI医疗产业的研发团队汇聚了众多高素质人才，在2020年中国医疗人工智能发展报告中，参与医疗人工智能产业发展调查的122家AI医疗企业中，78.7%的企业拥有博士学历的研发人员，57.4%的企业拥有硕士学历的研发人员，可见AI医疗领域研发的主力军是硕士以上的高学历、高质量研发人员。有过硬的人员素质作为研发底座，并且在国家政策的大力扶持下，近年来我国AI医疗产品上市频次有明显的上升趋势，2019年相比于2018年新增19种AI医疗产品，是统计年份中新增种数最多的年份。此外，从2020年至今，获三类证的AI医疗软件数量也在逐步攀升，获证总数达19个，AI医疗软件涉及领域从以肺部科室为主，向心血管、神内脑科、骨科、眼科以及其他科室拓展。中国AI医疗企业研发人员学历分布2020上半年2021上半年中国AI医疗器械三类证数量 978.7% 657.4% 432.0% 2020上半年2020下半年2021上半年博士硕士学士及以下数量（个）中国部分AI医疗产品最早上市时间统计截止2021年10月获三类证AI医疗软件科室分布7152402622 心电，36.8%2016 2017AI医疗产品（种）2018 20192015及以前 破晓：行业概述12345日升：赛道商业洞察林立：产业链洞悉枝繁：优秀案例实践日新：行业展望 16 赛道开篇总括 17 AI医疗市场规模AI医疗影像进入发展快车道，手术机器人地位稳固随着AI医疗影像企业获取三类证的步履加快，以及IPO冲刺的阶段性胜利，双重红利将带动中国AI医疗核心软件市场规模快速增长。据建模测算，2020年中国AI医疗核心软件市场规模为29亿元，其中CDSS市场占有率为29.8%，AI医疗影 像为7.1%，而到2023年，AI医疗影像市场规模将首次超越CDSS，成为AI医疗核心软件中市场占有率最高的产品。除核心软件外，AI医疗机器人也为总体的AI医疗市场规模注入强劲的增长动力。因手术机器人属于核心软件与高级硬件器材组合的临床治疗产品，高昂的单价及临床稀缺性决定了其不可撼动的市场规模地位。总体而言，市场呈现高增长状态，2020-2025年CAGR=45.7%，总规模在2025年将达385亿元。2019-2025年中国AI医疗市场规模 CAGR=45.7%45.6% 44.9%62.1%AI制药.5%2 40.9%AI医疗影像.1% 36.3%7 26.5% 385AI医疗影像市场规模首次超越CDSSCDSS9.8% 282医学数据智能平台214.0% 200 179智慧病案1.6% 138 1292 95 8859 5846 412920 2019 2020 2021e 2022e核心软件（亿元）2023e 2024e 2025e核心软件与AI医疗机器人（亿元）核心软件与AI医疗机器人同比增长率（%）注释：核心软件包括文中提及的AI医疗影像、CDSS、智慧病案、医学数据智能平台、AI制药；因AI医疗机器人的硬件收入比重大，故不将其纳入核心软件核算。 IPO前夜：冲刺梯队情况总体营收与销售及服务成本倍数提升，已有2家冲刺成功目前已递交招股书的AI医疗企业的营业、销售及服务成本数据进行了汇总，从图中可看出，不同AI医疗影像公司之 间的营收高低点差距较大，多数企业的2020年营收与销售及服务成本都有倍数提升的情况。AI医疗数据智能企业的营收、 销售及服务成本的数据体量要明显高于AI医疗影像公司，这与其数字解决方案的高客单价有直接关系。中国已递交招股书AI医疗企业核心财务数据（2019-2020年）86.8% 81.8%5.5% 83.5%3.4% 70.4%76.9%61.0% 772.4% 26.3% .6% 853.0%5 率先递交招股书的企业以AI医疗影像类居多，且科亚、推想、数坤、鹰瞳均已拿到医疗器械三类证，三类证成为AI医疗企业冲刺IPO的利器之一医学数据智能企业营收偏高，营收主要来自医学数据智能平台及解决方案，产品价格高于AI医疗影像产品，且医院存在实际的数据整合、治理需求，故此类企业的营收释放明显，但是医学数据智能类产品的毛利一般低于AI医疗影像类产品对于已研发成功的产品，为加速产品商业化进度，企业会相应扩大营销团队的规模，增加市场开发、员工福利、交通差旅方面的销售成本支出；对于初始研发的产品，企业通常在研发咨询及服务、人才雇佣及福利、股权激励、软件测试、设备折旧等研发成本方面的加大投入医学数据智能企业94160已上市成功港美股55808股49900 AI医疗影像企业，港股上市41155已上市成功1244113761 47670421营收成本143185910201 9630 3 662 2770 76 2471163 505 13 409 117 71 27 21 零氪科技医渡云019年各家营收（万元）020各家销售及服务成本（万元） 2019年各家营业毛利率（%）鹰瞳科技推想科技数坤科技科亚医疗22 2020年各家营收（万元）2019各家销售及服务成本（万元）2020年各家营业毛利率（%）注释：此处定义的营业毛利率参考除零氪科技外的各家招股书算法，用营收减销售及服务成本，为使各家指标可比，零氪科技亦采用同样算法。 商业模式汇总AI医疗影像商业模式多元化，轻资产产品商业模式未定型产品形态、销售渠道、盈利模式、运营模式、客户关系与赛道种类的角度出发，对AI医疗现有的商业模式做了以下 汇总与展示。从图中可看出，医疗器械类的亮灯数量、强度要明显高于非医疗器械类，尤其是AI医疗影像除了纯服务的产 品形式、里程碑的收费模式灭灯以外，其他区域均有亮灯情况，其在所有赛道中的商业模式较为多元。非医疗器械类中的AI制药的亮灯数量最少，其目前仍以CRO形式为主导的商业模式，未来可能会与药企、CRO企业开展战略合作，拓展合作伙伴生态，从而提高药物研发管线的接单量，并将药物试验这类需要重大物资铺垫的工作转移至CRO企业。从商业模式的固定程度与稳定性来讲，带有重资产性质的AI医疗机器人的商业模式已经基本定型，而其他轻资产性质的核心软件类产品的商业模式还处在动态演变阶段，未来可能会孵化出新兴的商业模式。AI医疗现有商业模式亮灯指示图 产品形态销售渠道盈利模式运营模式客户关系商业模式里程纯软 软硬 嵌入 纯服一体 系统直销渠道合战作略 一次 按次厂合商作 收费 收费运维获利产品 战略销售 合作相关产品碑收费B2H B2B B2B2H BB22BB22CC件务AI医疗影像医疗器械类CDSSAI医疗机器人非医AI制药 疗 医学数据器 智能平台械智慧病案类注释：灯亮表示有，灯灭表示无；灯光颜色越深表示该类型的产品形态/销售渠道/盈利模式/运营模式/客户关系越多。 产品成熟度象限技术商业化产品与探索研发类产品密集度高人工智能技术成熟度与AI医疗产品的商业化进展角度出发，将本报告中提到的主要产品进行了象限分类和总结。AI 医疗影像产品、智慧病案、CDSS、医学数据智能平台、医疗服务机器人均已进入技术商业化区域，AI制药、手术机器人、 辅助机器人、基因检测等更多扎堆于探索研发区域，而迭代创新区域尚未出现典型产品。中国AI医疗产业部分现有产品分类象限迭代创新类产品技术商业化产品 智慧病案CDSS 医学数据智能平台目前市场空缺肺部影像眼底影像冠脉影像脑部影像病理影像乳腺影像人工智能技术成熟度骨科影像医疗服务机器人骨科机器人辅助机器人手术导航EMRCIS靶点发现 晶体预测外骨骼康复机器人LIS HRP CAD手术规划PACS神外机器人腹腔机器人 化合物合成RIS 硬件EHR血管介入机器人耗材基因检测探索研发类产品传统技术类产品商业化进度注释：以上产品为不完全列举，选取的产品为市场具备代表性的产品。 医疗器械篇切入赛道一：AI医疗影像 22 AI医疗影像应用场景及产品种类应用于医技科室，服务于临床科室，以辅助诊断类为主AI医疗影像产品常应用于超声影像、放射影像、病理影像等医技科室（非临床科室）中，各医技科室分别对应细分的临床科室，其中不乏同一临床科室可选择多种医技科室拍片的情况。医技科室的医疗器械设备植入嵌套了CV技术与深度学习的AI医疗影像辅助诊疗软件，实现各类功能，最终形成针对各临床科室的AI应用，协助医生出具诊断结论与治疗方案。在AI医疗影像产品的种类中，疾病筛查与辅助诊断产品是AI医疗影像涉及最早、竞争尤为激烈、上线较多的品类，辅助治疗类产品进展较慢。认为，首先发展好辅助诊断、为治疗康复的方案规划做好铺垫，辅助治疗产品才能更顺利地崛起。当前，冠脉、头颈类应用发展较为火热，这两类产品因疾病紧迫性强、医院创收及医院评级需求等客观因素的支持，具备相对明朗的市场前景；肺结节、肺炎类应用市场覆盖率较高；乳腺、肝脏的应用多处于研发阶段，商业化还在推进中；部分头部企业基本以某一临床科室应用起家，做成精品以后，将业务线拓展至其他临床科室。现阶段AI医疗影像产品分类（按影像设备与科室划分） 影像医技科室临床科室心血管内科呼吸内科神经内科肿瘤内科骨科CV技术图像识别语义分割目标定位目标检测三维重建实现功能辅助诊疗应用冠脉CTACT-FFR病灶识别与筛查B超多普勒X线超声科影像放射科影像靶区勾画三维成像病理分析定性判断定量分析 生长发育评估头颈CTA/脑卒中CT宫颈癌筛查肺结节/肺炎CTMRIDSA妇科胸部CT/平片骨折平片/骨龄生长发育评估细胞切片液基细胞眼底照相机乳腺科病理科影像其他牙科眼科乳腺钼靶/超声糖网病变/青光眼/黄斑病变注释：以上分类为不完全列举；X射线、CT、DSA均为含辐射的检测；医技科室为运用专门的诊疗技术和设备，协同临床科诊断和治疗疾病的医疗技术科室。 行业发展驱动力（1/2）恶性疾病医保支付压力大、影像科室工作面临各类问题AI医疗影像的发展重点需关注恶性疾病医保付费、影像科室负担、相关产品的数据使用标准与落地审批进度。恶性疾病医保付费上，为解决城乡居民因病返贫、因病致贫的问题，国家在基本医疗保险的基础上，引入市场机制，补充设立了大病医保。现阶段，恶性疾病的高额支付费用由统筹账户的基本医疗保险、大病医保与个人账户的商业保险或其他自费部分支付，医保统筹基金与个人都承担着较大的经济压力。一方面，若将AI医疗影像辅助诊疗产品引入大病医保诊疗目录，相应产品则可实现医保创收；另一方面，AI医疗影像辅助诊疗产品也可以达到早诊早治、降低开支的效果。影像科室负担上，我国各级医院影像科室面临各类困境。基层医疗机构主要面临影像科人才与设备资源短缺的问题，一级及未定级医院、二级医院的影像科人才技能欠缺、对应收入有限，三级医院则肩负较大的拍片、审片负担，医患矛盾可能会被诊疗效率低所触发。引入AI医疗医疗影像辅助诊疗产品恰恰能够弥补各级医院影像科室的不足，提升诊疗效率与水平。中国恶性疾病医保付费模式国内各级医院影像科室面临核心困境 2018年人社部发布的医保按病种付费目录共计影像科医生长期处于超负荷状态，出具高质量的诊疗方案费时费力130项疾病，其中包含多项恶性肿瘤疾病三级医院支付环节 患者等待时间长，易产生医患矛盾个人账户统筹账户影像科医生数量较少，且诊断能力难以支撑临床诊断需求诊断水平较低导致业务量较少，收入不足二级医院其他自费部分商业保险部分基本医疗保险大病医保一级及未定级医院定点医院定点药店超过基本医疗保险统筹基金最高支付限额，且 符合基本医疗保险报销范围内的个人负担部分非定点机构的所有项目商 业 保 险公 司 拟 定的 重 疾 险 ，保 障 范 围涉 及 重 疾的 轻 症 、中 症 或 重疾 几乎没有专职影像医师影像设备有限且利用率低定点
展开阅读全文