2018年中国健康医疗大数据行业报告.pptx

,2018年中国健康医疗大数据行业报告,大数据时代下的健康医疗行业,开篇摘要,注明：本篇报告将不具体讨论基因数据的应用；辅助决策类市场规模推算请详看PPT25页，辅助决策类包括全科辅助决策、影像辅助诊断、病理辅助诊断等。来源：XX研究整理。, 大数据及AI技术在健康医疗领域应用场景包括、辅助决策、健康/慢病管理、机构智能化管理、基因数据*等。预计2019年，辅助决策类中的影像辅助诊断将首先落地，主要因为其90%的准确率，可以快速为医生提供丰富的细节信息。其他应用场景，医疗机构的智能化管理，将在各省市区域信息平台及三大健康医疗数据集团推动下进行。全科辅助决策、健康/慢病管理、人工智能新药研发等，大多处于产品研发中期。针对这三个领域，企业仍需投入大量技术人才，以缩短流程路径，提升产品准确率。, XX认为，假设2022年人工智能技术辅助决策应用应用落地，市场规模将达到55.86亿元,人民币*，其收费模式将包括软硬件解决方案、软件搭载、按次收取等多种方式。, 健康医疗大数据快速发展的先决条件有三条，1）政策支持，顶层政策推动的同时，各类细节管理办法也要及时跟上市场发展；如，CFDA需要就基于人工智能技术的临床应用，开发新的监管框架，为申请三类证开通通道。2）市场认可，健康医疗大数据及AI技术的临床及商业价值快速被市场认同，即企业客户与患者用户均具备一定的数据消费意愿与能力。3）资本支持，大数据及AI技术的应用研发需要大量资金支持，在产品尚未全面铺开时，市场需要资本不断的注入以维持研发能力。,SMS,3,大数据在健康医疗行业中应用价值大数据在健康医疗行业中发展概况典型企业案例分析挑战及未来趋势附录,12345,健康医疗行业面临的困境中国及全球健康医疗行业面临的主要问题,全球医疗困境 人口的增长和老龄化，发展中国家医疗市场的扩张、医学技术的进步和人力成本的不断上涨将推动支出增长。2017-2021年全球医疗支出预计将以每年4.1%的速度增长，而2012-2016年的增速仅为1.3%。 慢性病发病率提升，变化的饮食习惯以及日益增加的肥胖度加剧了慢性病的上升趋势，特别是癌症、心脏病和糖尿病，目前中国糖尿病患者约有1.14亿，而全球患者人数预计将从目前的4.15亿增加至2040年的6.42亿。 传统研发（R&D）成本上升，产品上市速度慢，2004年至2014年药物开发成本增加了145%。 劳动力不足，在人口结构的变化和技术的迅速发展下，熟练和半熟练医疗保健工作者将大幅减少。中国特色困境* 供需结构失衡，2016年我国每千人口执业（助理）医师2.31人。2015年我国每千人口医师数量在OECD统计,的国家中排名处于25-30之间。此外，我国医生执业环境较差，使得进入医疗系统的优秀人才逐年趋少。 医疗资源发展失衡，2010-2016年三级医院诊疗人次及机构数量复合增长率分别为10.7%和8.3%，而基层医院仅为1.5%和0.4%。传统就医模式使得三级医院人满为患，导致就医体验差及优质医疗资源浪费严重，因此，我国仍把推行分级诊疗作为当前首要任务。 医保透支，中国医疗卫生事业发展报告2017预测，到2024年将出现累计结余亏空7353亿元的赤字。提升医保控费能力，探索创新支付机制迫在眉睫。 因此，改善现有就医模式，推行分级诊疗势在必行。注明：中国特色困境数据说明请参考附录部分。来源：XX2018年全球医疗行业展望，IBM重塑生命科学，IBM发展前景一片光明，XX研究整理。,12,信息不流通 诊疗记录、患者信息、电子病历等不互通、不共享,资源不流通 优质医生集中三甲医院，且多为专科医生；全科医生多集中基层数量少且能力弱,利益不互通 不同层级间医院为竞争关系，需建立有效的利益捆绑机制,健康医疗行业面临的困境分级诊疗推行需建立在信息、资源及利益互通上2015年，国家卫计委提出分级诊疗制度将在2020年全面确立，包括基层首诊、双向转诊、急慢分诊、上下联动分诊诊疗等。新模式的搭建过程中，主要存在以下3个问题。1）信息不流通，各医疗机构间多为信息孤岛，患者信息无法进行快速共享流通；2）资源不流通，优质医生多集中在各大省会的顶级医院，且三甲医院医生精力有限，每年可支援的基层医疗更是有限；3）利益不互通，医院之间缺乏有效的利益捆绑机制，以促进患者在院间的流通。2018年分级诊疗推行中遇到的问题,分级诊疗, 提升医药服务供给能力与效率，降低医疗费用来源：XX研究整理。,医疗体系机构运作临床研发诊断治疗生活方式来源：XX研究整理。, 通过区域信息化、在线问诊、远程医疗等技术连接上下级医院机构，实现医疗资源优化配置，电子病历共享等措施，最终提升医药供给效率和能力。 制定更优的付费机制，将按服务收费转变为基于价值的付费机制，如DRGs。 通过商业智能，优化供应链及患者管理，提升医院、诊所、药店等传统医疗机构的管理效率，提升就医体验。 提高工作效率，加强员工培训，改善薪酬机制，调动员工积极性。 通过基因测序、影像识别等技术挖掘更多维度的数据，缩短临床验证周期，提升新药研发效率。 通过认知计算、机器学习等技术，实现精准治疗，辅助提升医生诊断治疗效率，提高医疗服务质量。 通过可穿戴设备、在线问诊、远程医疗、人工智能等技术间的相互配合，为用户提供健康管理、疾病预测、提供有效的干预方案，降低医疗费用支出。,大数据在健康医疗中的应用价值大数据助力我国医疗生态全面升级大数据技术的应用，将从体系搭建、机构运作、临床研发、诊断治疗、生活方式五个方面带来变革性的改善。由于我国医疗体系的强监管性，大数据若要在行业内实现其价值，需由国家建立一套自上而下的战略方针，从而引导医院、药企、民办资本、保险等机构企业构建项目，相互合作，最终实现从“治疗”到“预防”的就医习惯的改变，降低从个人到国家的医疗费用。麦肯锡曾在2013年预测，在美国医疗大数据的应用有望减少3000-4500亿美元/年的医疗费用。2018年大数据在健康医疗行业中的应用价值,来源：XX研究整理。,P,E,S,T,Political,Economic,Social,Present：在智能硬件，IBM Watson等巨头影响下，市场认知初步建立。Next：加强B端客户和C端用户市场教育，培养企业客户数据消费能力。,Present：投资热度围绕基础数据采集、人工智能、基因技术等领域，如区域信息化、影像、肿瘤筛查等。Next：期待首批商业化或临床研究产品吸引资本入驻更多领域，如健康管理、慢病管理等。,Present：“健康中国2030”规划纲要三大健康医疗数据集团建立，引领行业前行。Next：电子病历共享、数据安全、临床路径、基于AI技术的医疗器械资格认证等细则有待完善。,健康医疗大数据宏观利好宏观环境利好条件满足，静待细分市场突围我国健康医疗大数据已进入了初步利好阶段，国家作为政策引导方，已出台了50余条“纲要”或“意见”，可穿戴设备、人工智能等技术的发展也为产品研发奠定了基础，且头部资本已进入市场。下一步，各方需静待产品与市场需求相融合，共同探索具备商业化或临床价值的大数据产品。2018年中国健康医疗大数据宏观利好,Present：由基因测序、穿戴设备等数据采集成本下降导致的数据爆发性增长为大数据AI分析奠定了规模基础。Technological Next：影像识别、自然语义、认知计算、生物信息学、区块链与应用场景的探索。,健康医疗大数据政策利好,政策引导，明确健康医疗大数据战略意义,2015年8月国务院发布了促进大数据发展行动纲要，指出发展医疗健康服务大数据，构建综合健康服务应用。随后，国务院、卫计委相继发布了多项政策，以促进各省市政府将健康医疗大数据提升至战略层面。,来源：XX研究整理。,2015-2017年中国健康医疗大数据相关政策,健康医疗大数据政策利好,政策引导，顶层设计推动大数据项目前行,2018年科技部官网发布了14个重点专项2017年度项目申报指南“精准医学研究”等生物医学领域的5大专项，累计共拨经费总概算12亿元。其中与健康医疗大数据密切有关的项目有，“重大慢性非传染性疾病防控”4.5亿元，“精准医学研究”1.3亿元，“生殖健康及重大出生缺陷防控研究”0.9亿元。此外，2月科技部发布了“主动健康和老龄化科技应对”2018年申报指南。,来源：XX研究整理。,2017-2018年中国健康医疗大数据相关项目梳理,健康医疗大数据资本利好2018年Q1大数据投融资事件35起，行业热潮正式开启XX将IT桔子中披露的医疗健康投融资数据进行了分类整理，发现2014年起健康医疗类大数据投融资事件增多，2016年最多共66起，2017年略有下降。2018年，健康医疗大数据仅在Q1便发生了35起投融资事件，其中12件来自医疗信息化建设，多为利用AI、语义识别、数据模型，挖掘诊疗信息，连接院内院外平台等类别的企业。受人工智能热潮影响，2017年辅助决策类共发生17次投融资事件，2018Q1共5起，预计未来将会有更多资本进入该领域。,来源：XX研究整理。,来源：XX研究整理。,2013,2014,2015,2016,2017,2018Q1,基因数据,健康管理,医药智能化,辅助决策,其他,3.6%,2.5%,4.9%,7.1%,8.5%,8.6%,22.2%,2012,2013,2014,2015,2016,2017 2018Q1,2012-2018Q1中国健康医疗大数据投融资事件在大健康中的占比,占比（%）,3,16,49,2013-2018Q1中国健康医疗大数据相关领域投资事件梳理66,55,35,9.7%,4.4,5.4,5.6,健康医疗大数据社会结构老龄化及不良习惯诱导身体不适，提升人均就医次数至5.82017年，我国65岁以上人口占比11.4%，出生率12.43%（2016年出生率12.95%），人口结构呈现老龄化趋势。以2013年为基础，65岁以上人群两周就诊率26.4%，且在现代生活习惯的影响下，糖尿病、高血压等慢性病发病率也在不断提升。XX认为诊疗人次仍将持续上升，医疗体系也将面临巨大压力。,8.9%,9.1%,9.4%,10.5%,10.9%,11.4%,2010,2011,2012,2013,2014,2015,2016,2017,2010-2017年中国65岁及以上人口占比,65岁以上人口占总人口比率（%）来源：XX，XX研究整理。,2013年，65岁以上两周就诊率为26.4%；10.1%,3.749.0,4.154.9 58.4,4.762.7,5.168.9,5.673.1 76.0,5.776.9 79.3,5.881.0,0.0,1.0,7.06.05.04.03.02.0,2008 2009 2010 2011 2012 2013 2014 2015 2016 2017,2008-2017年我国诊疗人次及人均诊疗次数,诊疗人次（亿人次）来源：XX，XX研究整理。,人均诊疗次数（个）,健康医疗大数据技术利好采集技术成熟促使数据爆发性增长，数据价值急需被挖掘健康医疗大数据领域涉及的相关技术范围非常广，如底层数据采集中包括信息化、物联网、5G技术，处理分析中包括深度学习、认知计算、区块链、生物信息学及医院信息化建设等。据IBM统计，全球大健康数据正以每年48%的速度增长，在2020年数据量将超过2300Exabytes。BI Intelligence预估2020年，全球健康物联网设备出货量将达到161万台。院内数据方面，CHIMA在2016年统计，医院管理信息系统整体已实施比例在70-80%之间，且集中于三级医疗机构，大量健康医疗数据的积累为算法搭建提供了基础。在处理分析方面，人工智能、生物信息学需要与实际应用场景相结合，以便搭建有效模型。,来源：XX研究整理。,注明：客户管理系统为全部医院占比，包括三级及以下医疗机构。来源：XX研究整理、,46,73,90,101,125,161,500,100,150,200,2015,2016,2017,2018,2019,2020,2015-2020年全球健康,物联网设备数预估,出货量（百万台）,2016年中国三级医院医生工作站系统搭建占比,76.9%,12.1%73.7%76.6%76.6%,住院医生,客户管理系统*电子病历门急诊住院护士,13,大数据在健康医疗行业中应用价值大数据在健康医疗行业中发展概况典型企业案例分析挑战及未来趋势附录,12345,档案,注明：基因数据将不在本篇报告主要讨论。来源：XX研究整理。,基因数据,基因,辅助诊断,诊疗,测序,影像,电子病历,就医行为,健康管理健康智能监测院外数据临床,血糖,智能化,血压其他,健康医疗大数据发展概况健康医疗大数据分类及应用本篇报告将健康医疗大数据分为三大类，院外数据、院内数据以及基因数据。院外数据包括健康档案、智能硬件体征及环境监测/检测，院内数据包括就医行为、临床诊疗等，基因数据包括外显子、全基因等。在具体场景应用方面，多为不同种类的数据相互交叉结合应用，如预防预警，需要结合智能硬件监测、诊疗用药历史等数据才能为用户提供及时的预警监测。健康医疗大数据分类及应用,消费基因精准医疗疾病早筛.,预防预警保险控费疾病图谱, 健康干预（饮食、健身等） 慢病管理 在线问诊 . 区域信息化 外联平台 供应链管理 精准营销 患者管理 , 医学影像 病理影像 ,注释：医药等机构信息化，包括医疗机构和药店的内部、外部、区域信息化系统搭建，目前市场热点集中在外部系统和区域平台搭建。精准医疗，主要指应用基因测序技术的肿瘤等领域药品研发、治疗方按等。,政策激励,2014,2015,2017,2018,2020,2013,启动期,健康医疗大数据发展概况多项细分场景同时探索，辅助诊断将首先迎来商业化健康医疗大数据行业以数据规模为基础，且在政策和资本鼓励下，部分应用场景进入市场启动期，如健康管理、辅助决策（全科辅助决策、影像病理辅助诊断等）、医疗智能化等。下一阶段，随着企业大数据/AI技术长期的应用实践探索，产品不断更新完善，预估2-5年的内，产品将首先在B端客户中进行推广；随后，伴随软件友好度和准确度的上升，在B端客户使用的影响下，C端市场将展开竞争。2013-2022年中国医疗大数据应用场景市场发展趋势,探索期,成长期,2019,2021,2022,2016,区域平台/智能化相关,基因数据,健康管理,数据快速增长,辅助决策（全科、影像、病理等）,产品全面铺开,部分地方政府应用项目落地资本激励,政策及资本激励,来源：XX研究整理。,健康医疗大数据产业链概述始于用户，终于用户健康医疗大数据产业链的上游是数据供应商（医疗机构等）或存储计算服务（云服务商。中游为产业链核心企业，多为具有影像识别、深度学习、自然语义分析等核心技术的技术型企业。该类企业可为聚集了大量健康医疗相关数据的机构提供数据处理服务，在分析及可视化后赋予数据价值。下游为应用场景，分为B端和C端。B端包括医院、药企、政府、保险、PBM等企业，其最终的目的是提升医疗服务的效率和质量，降低患者及健康人群的就医费用。2018年健康医疗大数据产业链概况,健康医疗信息数字化,终端应用,C端,基因数据,监测,院外数据档案,轻问诊,行为,院内数据影像,电子病历,外显子,全基因,健康或非健康人群的就医及健康行为数据，通过物联网、信息化技术采集后将分散且噪音化的数据结构规模化。,存储分析可视化,云服务提供云端储存、计算等服务，满足健康医疗大数据企业数据处理等需求。,分析可视化影像识别 语义处理 认知计算 语音识别 生物信息指拥有核心算法企业，因健康医疗数据敏感性，多于上下游机构合作研发。,健康管理消费基因,慢病管理在线问诊,B-B-C,精准诊疗随诊服务,辅助诊断分级诊疗,B端,精准营销医疗控费,供应链管理其他,应用场景的实现需要多个维度的数据共同合作实现。,注释：此医疗健康智能硬件产业链图谱为示意图，未将所有企业标出，所列企业顺序不涉及排名。来源：XX研究整理。,数据生产,健康人群,慢病人群,第三方诊疗,医院,患者,体检机构,监管支持部门,科研机构/医学院所,运营商,软件服务商/电子病历供应商,影像、硬件等,药企：药监局、工信部制药工业监管,监管机构流通企业：商务部医药商业管理,省、市、县级卫计委,支持体系医药流 数据监测/通/物流 大数据服务,存储分析可视化健康医疗信息数字化,院外数据,健康档案,云服务智能硬件监测,基因测序,数据应用,消费基因,医药研发,其他,精准医疗辅助诊断 基因诊断,智能分诊全科辅助,第三方检验,美容美妆,B端,体检,影像中心,保险,PBM,智能化药店 诊所,人工智能,分析及可视化生物信息临床数据,医疗智能化管理软件院内数据行为支付,健康医疗大数据产业链图谱2018年健康医疗大数据产业链图谱,健康服务健康管理,C端,B-B-C,来源：XX研究整理。,结构化质量高,就医行为,健康监测,基因数据,诊疗数据,在线医疗,健康医疗大数据上游现状数据已成规模，院内数据在样本质量与规模中胜出健康医疗大数据产业链上游所提供数据的质量与样本量将决定，中游企业是否可以快速有效的进行模型训练。整体来看，院内、院外及基因数据供应方均面临三个问题，质量、样本量及安全。1）院内数据在质量和规模上最具竞争力。各省市TOP级的三级医疗机构多存有高质量的诊疗数据，且已具备一定规模 。医院外联系统中多存有大量就医行为数据，然而这类数据的应用将依赖政策指导，且面临隐私安全等文图。2）基因数据为企业的核心资源，已具备一定规模和质量，且多由中游企业自建数据库自行采集，或者通过与实验室合作的方式获取。3）健康类数据多由智能硬件或在线医疗企业采集，该类数据增长快速，但是维度多且缺乏整合，质量参差不一。2018年健康医疗数据供应概况增速, 诊疗数据：TOP级医院储存了大量高质量的诊疗数据，然而该类医院合作门槛高。 就医行为：外联平台，多分散到省市区域内信息化企业。, 基因数据：为基因测序企业核心资产，数据集中在华大基因、贝瑞和康、药明康德、博奥生物等入场较早的企业。 健康监测：单维度或多维度智能硬件企业，如乐心、ihealth等；平台型企业，整合数据多维度数据，如妙健康。 在线医疗：相对监测，能够提供更多的用户健康与轻问诊信息，多为平台型，如平安好医生、微医、好大夫等。,健康医疗大数据中游现状北京大数据先行，上海、广东、浙江紧随XX就IT桔子中正在进行融资的103家创业公司分析，发现主要集中在北上广深一线城市，该现象受医疗资源、政府态度、医生接受度三方面影响。1）北上广深拥有多家TOP级三甲医院，优质医疗资源丰富且信息化程度高，因此企业能够获得可观的高质量数据样本；2）初期阶段，医疗大数据技术的探索多由地方政府拨款支持，如2018年2月由北京大学医学部和大数据研究院共同筹备建立北京大学健康医疗大数据研究中心。因此地方性政策支持变得尤为重要；3）一线城市的医生对新技术接受程度较高，因此在产品上市后相对较易试运行。,注释：数据收集截止至2018年Q1。来源：XX研究整理。,注释：数据收集截止至2018年Q1来源：XX研究整理。,48,19,18,12,9,6,3,2,6,北京,上海,广东,浙江,四川,江苏,湖北,陕西,其他,2012-2017年健康医疗大数据,相关企业地域分布,企业个数,辅助诊断占比13%，其中北京8 家、广东浙江各2家,基因数据占比17.1%，其中北京7家、广东7家、上海2家,健康管理占比29.3%，其中北京16 家、上海5家、四川浙江各4家,医药智能化占比40.7%，其中北京17家、上海11家、广东8家,2018年中国健康医疗大数据细分领域企业分布,78.5,56,37.2,40,14.8,9.3,院外数据之应用场景大数据及AI技术，提升企业用户服务规模及能力平安好医生IPO报告中公布，2017年互联网医疗市场规模达到150亿元人民币，在线咨询量达到23.8千万次。由此可见，互联网医疗可触达的用户规模将越来越大，而仅靠医生或相关从业人员在后台回答问题并不能满足日益增长的用户量。因此，企业需依赖大数据或AI等技术优化问诊、健康/慢病管理等产品的功能，从而有效满足用户需求，最终提升付费率。此外，对于不断扩张的企业，大数据及AI技术辅助提升服务效率，降低人力成本；使得在付费率低的情况下（好医生IPO披露2017年付费转化率为2.7%），也可以形成稳定的营收与较高的利润率。XX认为，随着企业AI智能分诊、AI健康管理路径等模型成熟且全面应用后，院外数据的应用市场将进入快速成长期。,来源：XX研究整理。,35025015050-50,450,330270210150110705030 23.83 4.2 5.92012 2013 2014 2015 2016 2017 2018 2019 2020,2012-2020年中国在线咨询量及,在线医疗市场规模,在线咨询量（千万次）,市场规模（亿元）,提升付费率,提升用户服务规模提升运营效率降低人力成本,收入成本, 缩短用户交互路径，减少用户沟通时间。 提升模型准确率，目前AI智能分诊准确率在80-90%之间，提升空间较大。,大数据及AI技术对在线医疗企业的应用价值,来源：XX研究整理。,营养建议,饮食+运动+生活习惯,健康用户慢病患者,行为干预营养建议培养良好用药习惯疾病预警就诊建议家庭医生康复,图像识别+可穿戴设备饮食+习惯+用药+体征数据监测图像识别+健康医疗智能硬件在线问诊AI+智能分诊+全科辅助决策,用户端服务：提升用户健康度，降低发病率,院外数据的商业路径核心能力提升用户健康，延伸能力创造商业价值能够提供健康管理服务的企业主要分类两类。一类是偏健康数据收集类企业，针对健康或慢病人群提供饮食、运动等个性化健康方案。另一类是偏轻问诊类，提供智能分诊、轻问诊、预约、转诊等服务。目前，C端服务盈利能力有限，部分企业依托其健康管理或问诊能力，为企业端客户服务。如妙健康依托其多维度健康数据及平台搭建能力，为雇主提供内部员工的健康管理服务，为疾控慢病中心搭建健康信息平台提供技术服务。如平安好医生结合其终端智能应用，为用户提供智能分诊，为医生提供辅助决策等服务，辅助政府搭建区域信息化。2018年健康管理企业服务能力展示,相关企业,健康管理企业端衍生服务-商业价值,运营管理：会员管理等,雇主：提高员工积极性，降低劳力成本；药店：提高会员管理能力，提升销量。技术服务：数据整合、分析，系统平台搭建等诊所/基层/政府：搭建健康信息、外联、区域平台，整合数据，提升机构收集分析能力。平台流量：广告、精准营销等保险/器械/药品：依托平台医生/用户流量及进行广告或精准营销，提升产品销量。,院外数据的商业路径数据到行为干预仍需过程，企业付费是首选大部分移动医疗公司在经历了4-5年数据沉淀后，积累了大量的数据样本，然而如何通过技术将其转化为可被解读的报告仍需时间。目前，健康医疗大数据行业的支付方主要集中在B端，包括医院、药企、药店、保险、政府等多类企业；且在主要支付方中，药企、保险已形成了一定的支付习惯。健康医疗大数据的收费方式有多种，包括项目制、Saas服务收费、软件租赁费、增值服务费等；前三种为现阶段主要的收费方式，而增值服务费将随着大数据及AI应用场景的增多而增加。,保险,药企器械,诊所药店,雇主,差价,增值服务费,2018年院外数据企业端客户类型及收费方式,4536.9,4062.4,5908.5,5654.4,5650.1,5554.0,81.9%,80.5%,77.7%,72.7%,70.2%,69.2%,2017.3,2017.5,2017.7,2017.9,2017.11,2018.1,201703-201802中国健康医疗排名前10的APP月度设备数及占全行业设备数比例,设备数来源：XX研究整理。,占总健康医疗设备数的比例（%）,营销费,项目合作,政府软件租赁,院内数据之应用场景大数据技术应用广泛，以提升诊疗及管理效率为主在研发成本、运营成本的不断提升下，医疗机构、药企、药店、保险等机构或企业均急需一套解决方案，以便在降低临床研发、运营管理、营销成本的同时提升顾客满意度，最终增加营收。该类企业利用人工智能技术分析挖掘已有信息，为医疗机构、药企提供有效的改善运营、提升服务效率的解决方案。目前，提供相关业务的企业主要来自三种，1）创业型，多为AI技术公司，如推想、羽医甘蓝、博识医疗语音等技术型企业；2）信息化/互联网等企业新业务拓展，如东软医疗的区域信息化、微医的微医云业务等；3）政府主导的健康医疗大数据集团，如中电集团将在程度规划、建设和运营国家健康医疗大数据平台，开展健康医疗领域的数据汇集、治理、共享开放和应用生态建设。2018年院内数据主要业务及客户类别,医疗机构基层药企保险政府,辅助决策临床研发预防预警数据赋能精准营销医疗控费,技术服务数据服务整套解决方案,技术驱动新业务拓展大数据集团,其他来源：XX研究整理。,院内数据的商业路径依托技术与数据，收费模式玩法多就院内数据付费方来看，药企、体检的付费意愿及能力最强；医院、保险、药店等机构企业的付费意愿较弱，需要时间进行市场培育。此外，在商业化道路上，医学影像类公司也可以针对器械、美容等高端机构进行产品研发，满足其高端用户的服务及心理需求。现阶段，针对不同客户常见收费方式有三种，1）软件租赁或解决方案，企业为医院机构或政府（省市卫计委）搭建系统或软件服务（语音录入、电子病历搜索等），获取一定技术服务费或软件租赁费。2）数据分析收入，企业为体检机构提供影像识别服务，提高影像读取效率；或利用机器学习为药企提供服务，以便提高药物发现的“命中”几率。3）产品绑定，将成熟模型与健康医疗器械绑定，辅助提升其市场竞争力。大数据企业将获得一定比例的提成或资源。4）按使用次数收费，未来AI技术在获得三类器械认证后，患者可在就医时实现按次付费。2018年大数据企业客户商业模式概况,软件租赁解决方案,按次收费 未来，AI技术在获得三类器械认证后，患者可在就医时实现按次付费。,政府、医院 多为区域信息化建设、影像、语音识别等软件系统搭建 省内数据整合，探索分级诊疗解决方案 减轻医生看片负担，提高基层医生诊疗能力数据分析收入,体检 提供影像、数据分析服务，提升体检机构服务能力来源：XX研究整理。,器械、健康产业 提升技术水平及影响力，最终提升产品销量 美妆等健康产业企业端客户，提升进店转化率产品绑定,按次收费,细分之辅助决策辅助诊断替代医生重复性工作，减少近八成工作量辅助决策类企业采用的技术多为认知计算、深度学习、计算机视觉、自然语言处理。针对科室或疾病领域的不同，其领域也不同，包括影像辅助诊断、病理辅助诊断及全科辅助决策等。其中全科辅助决策准确率85%左右，仍有较大提升空间；影像和病理辅助诊断的准确率超过90%，其产品正在落地中。现阶段，各企业主认为辅助诊断的价值在于为医生提供病灶性状描述、自动生成报告、精准定位病灶，降低漏检风险。1）针对三甲医院医生，辅助诊断将替代医生重复性工作，为其提供更多的信息，以便医生制定最佳的治疗方案。或者在短时间内监测患者的肿瘤变化，以便医生及时观察患者术后恢复情况。该类解决方案单价较高，从几十万到上百万均有。2）针对基层医疗机构，系统将直接给出结果，快速有效的进行肿瘤的初筛，提高基层医生的诊疗效率及质量，释放医疗资源。针对基层医疗机构的解决方案价格相对低一些，未来可能以按次收费为主。3）全科辅助决策，将帮助大型三级医院或在线医疗公司实现快速分诊，提升效率。其价格将在几万到几十万之间。,注明：2022年预估10%的医疗机构采购了辅助诊断类软件或解决方案，该市场规模不包括由用户端产生的按次收费方式。,2018年辅助决策应用合作医院及应用案例,32891017714834963885,163130482,三级医院二级医院一级医院基层医疗卫生机构总计（千万）,5020155559,2022年辅助决策医疗机构付费规模预估医疗机构 均价 收入（千数量预估 （万） 万）,来源：XX研究整理。,细分之辅助诊断降低数据标注成本，构建临床应用流程行业发展初期，企业的主要困境集中在产品研发落地阶段。在研发落地过程中，企业需要不断丰富数据库，发现CornerCase。目前，大多企业进行数据标注主要来源以下三种形式，人工标注、机器标注以及医院已有结构化数据。1）人工标注为主流方式，该方式能够提供较高质量的标注数据，但也面临着高成本的问题。原因是，数据标注人员多为医生或具备临床经验的执业医生或医学生，该类人员收费较高每人每天在百元以上，且一张图标注时长多达半小时 。2）机器标注，体素科技提出了AFT*标注法，将主动学习和迁移学习整合成单一框架。在肠镜检查帧分类、息肉监测和肺帅塞检测中表明该类标注成本至少可以减少一半。3）已有结构化数据，医院本身会存储一定量的结构数据，然而该部分数据仍要在处理筛选后才可使用。此外，针对新技术的应用，医疗机构缺乏相应的上线流程，因此，企业在模型训练过程中，建立可复制的临床流程与标准，针对不同层级医疗机构的应用场景提供有效解决方案是关键所在。2018年辅助诊断数据模型搭建及应用中的主要问题,人工标注 质量高 成本高 耗时长机器标注 有噪声 成本相对低 耗时短, 医生使用需教育 流程标准没有探索,数据标注 增加资本投入 降低标注成本,临床流程 针对不同层级的医疗机构构建差异化流程如，三级医疗机构临床应用的目的是为医生提供更精准的影像信息，因此产品需能够与PACS等影像厂商软件无缝对接，且在软件中给出多维度的肿瘤信息。,临床应用,人工标注机器标注,基因数据的快速发展临床与消费基因需求增长，促使数据分析产业前行XX整理公开数据显示，全球基因测序数据分析市场规模发展迅速，2012 年市场规模不超过 2 亿美元，预计 2018 年将接近 6 亿美元，复合增长率为 22.7%。XX分析认为，随着高通量测序设备的广泛应用，基因数据量也呈倍数增长。数据量的增长，也使得基因测序的工作重心从繁重的人工测序转到了中游的数据分析上。下游临床应用及消费基因的成熟，为数据分析提供了客观的支付方。因此在应用终端的推动下，中游数据分析产业将迎来快速增长，现阶段生物信息公司业务往往大而杂，而专注某一医疗领域的生物信息公司（如精准癌症）少之又少。国内市场专注基因组数据分析的生物信息公司并不多，该领域值得期待。,465.9,580.0,21.1% 22.4% 22.8% 22.5% 22.9% 24.5%,-300.0%-400.0%-500.0%-600.0%-700.0%-800.0%,0.0%-100.0%-200.0%,100.0%,4003002001000,700600500,