文丨中金企业

医疗资源相对稀缺，人力智能助力提效降本

我们国家医疗资源分布不均，向都市及东部地域倾斜

我们国家城乡医疗资源分布不均，优质医疗机构及不业余人士向都市倾斜。依据2020年华夏卫生健康统算年鉴，基层医疗卫活力构占华夏医疗机构总数的95%，此中村卫生室占比第一大，达到64%。咱们见到，农村尽管医疗机构数量多，但人均可得到医疗资源较都市仍有差距，农村千人卫生人士数为5.0，低于都市11.1的水准；同一时间，农村医疗机构的医护人士在学历、不业余技艺资格等方面不及都市从业人士，医疗机构的审查能力、手术能力以及药品供给能力都较都市有相当大差距。

图表1：2019年我们国家不同级别医疗机构能力对照

材料来自：华夏卫健委，2020年华夏卫生健康统算年鉴，亿欧智库，中金企业探讨部

注：依据华夏卫健委，I级手术指技艺难度较轻、手术进程容易、风险度较小的各式手术；II级手术指技艺难度通常、手术进程不繁杂、风险度中庸的各式手术；III级手术指技艺难度较大、手术进程较繁杂、风险度较大的各式手术，；IV级手术指技艺难度大、手术进程繁杂、风险度大的各式手术

图表2：2019年华夏各医疗机构卫生技艺人士学历组成

材料来自：华夏卫生健康统算年鉴2020，中金企业探讨部

图表3：2019年华夏各医疗机构卫生技艺人士不业余技艺资格组成

材料来自：华夏卫生健康统算年鉴2020，中金企业探讨部

图表4：2019年华夏都市及农村卫生人士构造

材料来自：华夏卫生健康统算年鉴2020，中金企业探讨部

图表5：2019年华夏都市及农村每千人数卫生技艺人士

材料来自：华夏卫生健康统算年鉴2020，中金企业探讨部

我们国家都市医疗资源分布不均，东部/一二线都市强于西部/三四线都市。我们国家都市间的医疗资源分布存留倾斜，东部要点都市特别是直辖市、部分省会都市及一线都市体现出较强的医疗硬件环境竞争力。依据华夏社科院《华夏都市医疗硬件环境竞争力主题汇报》，从医生和医院数量来看，北京、上海、广州、重庆、成都等大都市资源总量大；从三甲医院数量来看，优质医疗资源前十都市均为一、二线都市，东部地域居多。

图表6：2019年华夏都市的医疗硬件环境竞争力概况

材料来自：华夏社会科学院都市与竞争力探讨中心课题组，《华夏都市医疗硬件环境竞争力主题汇报》，中金企业探讨部；注： 硬件环境竞争力指标数据由之下方法获得：针对全中国286个地级以上都市（不含港澳台），对具有医生数、每万人具有医生数、医院床位数、每万人具有床位数、三甲医院数、流动人数健康档案掩盖率等六项目标发展准则化料理消除量纲，再赋予不同权重（关于代表根本医疗要求的每万人具有医生数、具有医生数、每万人医院床位数、医院床位数、流动人数健康档案掩盖率等五个目标赋予权重0.5，对代表优质医疗资源的三甲医院数目标赋予权重2），最终加权汇总获得华夏都市的医疗硬件环境竞争力分布

图表7：2019年华夏都市的医疗硬件环境竞争力概况

材料来自：华夏社会科学院都市与竞争力探讨中心课题组，《华夏都市医疗硬件环境竞争力主题汇报》，中金企业探讨部；注： 硬件环境竞争力指标数据由之下方法获得：针对全中国286个地级以上都市（不含港澳台），对具有医生数、每万人具有医生数、医院床位数、每万人具有床位数、三甲医院数、流动人数健康档案掩盖率等六项目标发展准则化料理消除量纲，再赋予不同权重（关于代表根本医疗要求的每万人具有医生数、具有医生数、每万人医院床位数、医院床位数、流动人数健康档案掩盖率等五个目标赋予权重0.5，对代表优质医疗资源的三甲医院数目标赋予权重2），最终加权汇总获得华夏都市的医疗硬件环境竞争力分布

图表8：2019年具有医生数TOP10（准则化目标）

材料来自：华夏社会科学院都市与竞争力探讨中心课题组，《华夏都市医疗硬件环境竞争力主题汇报》，中金企业探讨部

图表9：2019年三甲医院数TOP10（准则化目标）

材料来自：华夏社会科学院都市与竞争力探讨中心课题组，《华夏都市医疗硬件环境竞争力主题汇报》，中金企业探讨部

医生超负荷难提诊疗效能，人数老龄化加重基层医疗短缺

华夏人均医生数量低，医生高负荷事业，使用者诊疗效能较轻。依据OECD，截止2019年华夏每千人医生数为2.2，低于西班牙、意大利、美国、日本等强盛国度水准。医生资源相对不足导致华夏医生高负荷事业，依据华夏医师协会数据，2018年华夏医生平均每周事业时间超越51小时，远超国度法定事业时间40小时。同一时间，患者的诊疗效能仍旧较轻，依据弗若斯特沙利文，2016年华夏的病人平均花3小时用于门诊就诊，而此中诊症的实质时间仅8分钟。

图表10：2020年每千人医生数

材料来自：OECD，中金企业探讨部

图表11：2019年北京医院排队时间统算

材料来自：新京报，中金企业探讨部

人数老龄化加重，基层医疗面对挑战。依据国度统算局，2019年我们国家65岁及以上人数占总人数的13%，已超出结合国披露的全球平均水准9%，远超世界老龄化7%的准则。农村地域源于青年劳能源流失等原因老龄化难题彰显，医疗支出负担较大，2019年华夏乡下、镇、都市65岁以上人数占比区别为14.5%、11.6%、11.0%，2020年农村居民人均医疗支出占花费比例为10.3%，远超出城镇8%的水准，农村的高要求给相对匮乏的供应提议愈加严峻的挑战。

图表12：2011-2020年我们国家65岁以上人数占比

材料来自：华夏人数和就业统算年鉴2020，结合国，中金企业探讨部

图表13：2016-2020年城乡居民人均医疗支出及占比

材料来自：华夏国度统算局，中金企业探讨部

可预防死亡占比达四分之一，预防性医疗保健有望节约医疗资源。依据Learning disability today，2020年20至74岁成年人可预防死亡占比为24%；依据OECD，2017年经合组织有近300万人过早死亡于原本可行预防和保健干预的原因，占总死亡人口的1/4。咱们以为，预防保健可行前置健康治理时点，可行在必定水平上降低疾病产生风险，缓和医疗资源供需难题，终归节约全社会的医疗本钱。

AI赋能医疗提效降本，提高医疗产业的普惠性

人力智能是应用计算机或计算机操控的机器模拟、拉伸和扩展人的智能，感知环境、获取常识并运用常识得到最好结果的技艺。随着深度学习等人力智能技艺的进步，以及我们国家医疗卫生数据壁垒的一步步下降，AI技艺越来越多地赋能医疗健康范畴，包括健康治理、公共卫生、医学影像、药物研发、医疗机器人、精确医疗、医院治理等。凭借从真正全球的反馈中学习继而剖析大批繁杂数据的能力，AI技艺能够提升医疗机构和人士事业效能及诊断明确度，提高医疗保健普惠性，前置健康治理时点，终归打通医疗数据壁垒，改善医疗效劳生态。

图表14：AI医疗能够带来的好处

材料来自：华夏信通院，《2020人力智能医疗资产进行蓝皮书》，中金企业探讨部

数据、算法、算力推进产业进行，AI多情景赋能医疗

华夏AI+医疗产业提速进行，成为热门投融资方向

中外早期聚集常识库，国家内部近五年迅速进行。20世纪前，临床常识库是中外AI医疗的探讨核心，受限于设施未获得广大利用。2000年至2015年间，海外调转方向手术机器人、电子病历等；而华夏仍以临床常识库为主，进行相对缓慢。2015年以来华夏的人力智能医疗产业提速进行，2015至2017年，AI影像受益于AI在图像辩别方面的明确率提高，可以迅速进行，CDSS产物得益于在临床常识库的长久探讨，渐渐走势老练；2018年后基因检验、智慧病案等新产物接踵面世；2020年华夏AI医学影像多赛道产物获NMPA审评审核，标记产物从利用落地走势商业化。

图表15：华夏及海外AI医疗进行历史

材料来自：头豹，《2021年华夏AI医学影像产业探讨汇报》，上海交通大学，《华夏人力智能医疗白皮书》，《张江科技点评》，中金企业探讨部

2020年华夏融资总额走高，AI+医疗影像融资偏后期。2010年至2020年，人力智能医疗产业的股权融资热度表现先升后降趋向，2018年融资金额及融资数达到峰值，2020年受新冠疫情的作用，投资案例数量为35起，融资金额回暖至39.8亿元。咱们见到，日前融资显露分化，AI+医疗影像的融资偏后期，而AI+新药研发成为热门投资方向。

图表16：2010-2020年华夏AI+医疗融资额与融资数

材料来自：亿欧智库，中金企业探讨部

图表17：2021年1-8月融资金额产业分布

材料来自：动脉网，中金企业探讨部

三大根基设备持续改善，破解“数据孤岛”是重中之重

根基设备1：医疗大数据来自多、范围大，但可用性差

AI深度学习须要构建在海量的优质数据上。一方面优质的数据打算了模子的明确性、通用性，而另一方面模子的日渐繁杂也推进着数据量要求的提高。

医疗数据来自广大，涵盖方式丰富且范围大。医疗大数据来源包括医药器械厂家、医院、第三方医疗机构、诊所、药店、患者和支付方等在内的7个主体，包括医疗影像、电子病历、动态生理数据等多个方式。医疗数据自身体量大，依据亿欧智库，一张CT图像含有数据量约为100MB，一种准则病理图挨近5GB；同一时间，近年来在多项政策引导下我们国家医疗消息化建造水准不停提高，海量医疗数据可以存储沉淀，依据CHIMA数据，医院消息化治理体系在我们国家医院内实行比重达70-80%。

医疗数据具备隐私性较高的特色，纪录不完整、格式不同一等难题导致“数据孤岛”的存留。医疗数据的泄露会侵犯公民隐私权，且涉及伦理道德难题，导致医疗数据在库存和运用方面都有愈加严刻的节制。同一时间，在医疗全进程中，病历数据在不同人士中流转，导致数据纪录碎片化，诊断逻辑不完整。依据亿欧智库，每家医院都具有本人的消息治理体系和患者病程纪录治理规范，格式高达几百种。医疗数据的不完整和不准则催生了“数据孤岛”难题。咱们以为优质数据作为AI模子的必需数据，医疗数据的互联互通是人力智能深度赋能医疗的要害。

图表18：医疗大数据特色

材料来自：亿欧智库，中金企业探讨部

根基设备2：数据及利用情景提议算法差异化要求

机器学习、当然言语料理等算法在医疗范畴利用广大，多样的数据类别及广大的利用情景促使算法差异化。非构造化数据可行采纳当然言语料理、语言声音辩别等算法发展料理，如应用当然言语料理将扩散化的诊疗纪录、医嘱等发展准则化、构造化重构，造成电子病历数据；构造化数据的剖析最重要的由机器学习等算法推进，如鹰瞳科技公布的糖尿病视网膜协助诊断软件，鉴于卷积神经网站，对分类标注的眼底图像数据发展模子训练。从患者的方位来看，AI曾经最初从诊前预防治理、诊中就诊治疗、诊后健康治理等各个步骤渗透，不同利用情景所依赖的算法也存留差异。此中，AI在医学影像上的利用最为老练，一方面是源于影像数据的相对易得到性和易料理性；另一方面，医学影像相干的算法，如计算机视线、机器学习等在其它范畴的利用曾经相对老练（如人脸辩别），能够类比发展利用。咱们以为，AI赋能医疗产业须要面临多样化的数据输入及落地要求，算法的进行将表现差异化的特性，算法的进行和改善将推进AI赋能医疗情景。

图表19：人力智能算法在医疗范畴的利用

材料来自：华夏信通院，艾瑞征询，中金企业探讨部

根基设备3：算力爆发扶持人力智能落地

人力智能算法与利用必需以计算机硬件作为物理载体，其成果、效能与焦点计算芯片的计算能力密切相干。2012年深度学习模子AlexNet辩别一张ImageNet相片须要发展7.6×10^8次根本运算，训练阶段须要发展3.17 × 10^17次根本运算，假如以1993年的Intel CPU奔腾P5芯片执行该任务，即便在CPU流水线效能达到100%的概况下，也须要至少10分钟才能达成推理任务，须要近百年才能达成训练任务。咱们以为，数据量及模子繁杂度的提高将对硬件算力提议更高的请求。

GPU以并行计算满足AI高算力要求，DPU提高数据中心的数据料理能力。惯例CPU源于运算单元占芯片面积比重较小、峰值运算功能局限等原因，难以满足人力智能对算力的要求，而GPU的里面料理由许多并行计算单元扶持，符合料理大批类别同一的数据，并行计算速度远超出CPU，在头部厂家英伟达的推进下，GPU单芯片运算功能8年提高了317倍，缓和了深度学习算法的训练阻碍。而DPU则最重要的承受网站、存储、平安等提速料理任务，依据英伟达的数据，运转数据中心根基设备须要消耗20%~30%的算力，英伟达的BlueField-2 DPU能提供差不多于125个CPU核所能扶持的数据中心效劳，进一步解放数据中心的算力。

图表20：NVIDIA GPU运算功能

材料来自：NVIDIA官网，中金企业探讨部

图表21：NVIDIA DPU功能提高规划

材料来自：NVIDIA官网，中金企业探讨部

人力智能提速渗透，多情景赋能医疗产业

医学影像：AI医学影像产物连续获三类证，部分利用范畴同质化

人力智能技艺成果明显，为利用最为广大、老练的范畴。依据数坤科技招股讲明书，医学影像数据占悉数临床数据的80%以上，且以30%的速度增添，而医生的增添速度唯有6%，叠加医学影像剖析的繁杂性和耗时性，误诊率高、医生惨重缺乏等难题亟需解决。AI+医疗影像的利用最重要的包括两个方面：1）将计算机视线能力利用于感知步骤，辩别非构造化影像数据以获取构造化数据；2）鉴于深度学习技艺，应用临床影像数据、诊断经历训练神经网站模子，并鉴于不停认证与改良的模子，协助临床诊断，下降漏诊误诊几率。

AI医学影像日前已在肺结核检验、糖尿病眼底镜筛查、乳腺癌等疾病的协助诊断中获得利用，能够大幅提高诊疗效能和诊断感性度。以数坤科技的CT影像产物CerebralDoc为例，该产物平均诊断时间约为平凡诊断的7.5%，诊断感性度比平凡诊断高出13.7%。

AI医疗影像产物连续取得三类证，肺部、眼底筛查竞争剧烈。依据2017年8月发表的《医疗器械优分类目录》，AI诊断软件经过算法提供诊断提议，仅有协助诊断功效，则按二类医疗器械申报；假如对病变部位发展自动辩别，并提供准确诊断提醒，则依照第三类医疗器械治理。日前华夏药监局关于人力智能医疗影像产物的审核周期较旧，依据鹰瞳科技招股书，NMPA审核平常耗时11-17个月。2020年及2021年AI医疗影像产物迎接稠密取证期，自2020年1月至2021年8月13个公司总计19个三类证获批。从19款取得医疗器械注册三类证的人力智能医疗产物来看，肺部、眼底筛查相干产物较多，产物体现出必定的同质化。咱们以为，准则数据的构建叠加政策及要求的推进是肺部及眼底筛查产物聚集的原因。

? 准则数据库的构建：眼底筛查、肺结节是公布数据最为充分的两私人工智能产物种类，早在2018年，中检院与合作医院已构建包涵623例的肺部影像准则数据与眼底影像准则数据库，让得这两大赛道在早期迷惑了大批公司。咱们见到，人力智能医疗器械创新合作平台成立后，计划构建CT肺、CT肝、脑MRI、心脏MRI、冠脉CTA、心电、眼科八大测试样本数据库，此中六类已有人力智能相干产物得到审评审核，咱们以为CT肝、心脏MRI可能成为延续得到审评审核的赛道，也印证了优质数据关于AI落地的要紧效用。

? 政策的推进：新冠疫情催化肺炎人力智能产物范围显露，政策先行迷惑海量公司入局。如在2020年3月5日，NMPA、CFDA印发《肺炎CT影像协助分诊与估价软件审评重点（试行）》，对软件功效和训练数据提议请求。

? 要求量较大：心血管、骨科、糖网类人力智能的研发来自于我们国家巨大的疾病早筛/协助诊断要求。依据数坤科技招股书，2019年华夏有大于1.2亿肺结节患者，关节炎患者数为大于8000万，与之对照，冠状动脉心脏病患者数为大于1700万、脑卒中患者数为大于410万、肝硬化患者为大于700万；依据世界糖尿病结合会数据，华夏糖尿病患者已近1.3亿，此中糖尿病视网膜病变率占三成。

? 技艺难度相对较轻：肺结节、糖网仅需对平面病灶检验和分类，技艺壁垒最低，故布置公司最多。而以技艺难度较高的心血管检验为例，人体心脏持续搏动，且冠脉血管管径差异从cm至mm不等，呈数量级差异，须要对心脏构造及心脏血管的三维影像重建，导致数据和算法请求会更为严刻；头部和腹部技艺壁垒较高，最重要的原因系头部繁杂的解剖构造及影像辨别存留更多干扰要素，腹部器官影像受审查时体位及活动作用。

图表22：截止2021年8月人力智能医疗影像得到医疗器械三类证概况

材料来自：国度药监局，中金企业探讨部

医院治理：AI赋能医院治理提高医院运转效能，仍存留改良的体积

医院处于数字化转行窗口期，运转效能有望明显改进。医院作为我们国家医疗效劳体制的焦点，亟待数字化转行。人力智能能够替代医护人士发展复杂循环的行政治理事业，提升医院全体效能，缓和医疗资源不足的难题；同一时间，应用深度学习等技艺能够为医护人士、医院治理者提供决策扶持。以约翰霍普金斯医院为例，在采纳GE的人力智能技艺改良患者就医领先级准则后，医院的收治能力提升了60%[2]。日前人力智能在我们国家医院治理范畴的最重要的利用方向包括电子病历治理、智能导诊与分诊、品质治理和精细化运营等。

图表23：人力智能赋能医院治理的利用情景

材料来自：华夏信通院，中金企业探讨部

电子病历是日前AI在医院治理范畴利用最为广大的范畴。惯例病历的数据类别多样、数据构造庞杂，鉴于AI的计算机视线、当然言语料理、语言声音辩别等技艺，可行将大批文本及语言声音输入发展辩别和剖析，实现病历的准则化和构造化，并在深度学习的根基上实现协助诊疗等功效。华夏重视医院消息化的政策引导，将电子病历评级归入医院评级准则。卫健委于2018年12月提议请求，到2020年，全部三级医院达到分级评价4级以上（全院数据互换，初级医疗决策扶持），二级医院要达到3级以上（部门间数据互换）。依据华夏医院协会数据，截止2021年3月，86.1%的医院将电子病历体系作为最要紧的消息体系建造范畴。随着国度医药体系改革的深化，健康消息周全整合要求不停增添，电子病历前景宽广。

互联互通是充分发挥电子病历数据价格的要害。互联互通包括两个方面：1）医院里面电子病历与其它消息化体系的联合；2）医院之中的数据及消息共享。关于医院里面，HIS、HRP、HIP、CIS 、EMR、PACS、LIS等多个消息体系并存，致使各医疗数据处于孤岛状况，没有办法获得有用应用；同一时间，不同医院间的电子病历数据难以共享运用，而电子病历数据作为模子训练的数据输入，其数据品质及范围会作用其利用价格，咱们以为院内及医院间数据的互联互通是充分发挥电子病历数据价格的重中之重。

图表24：电子病历体系利用水准分级评价准则

材料来自：华夏卫健委，中金企业探讨部

医疗机器人：助力诊疗成果提高，潜在利用体积大

手术机器人壁垒高且潜力大，依据世界机器人结合会（IFR）分类，医疗机器人分为手术机器人、康复机器人、协助机器人、医疗效劳机器人四大利用范畴。

? 智能康复机器人：智能康复机器人针对患者损害水平和康复水平，可行自适应提供个性化训练，同一时间，传感器实现患者数据及时反馈，帮助医生改良治疗方案，提升治疗品质和效能。日前我们国家康复机器人公司多活泼于中低端范畴，高档市场仍以进口产物为主，康复机器人范畴有望在未来迎接国产替代新机缘。

? 手术机器人：手术机器人最重要的分为两类，一是操作手术机器人，用于协助医生发展手术；另一类是定位和导航机器人，最重要的利用于骨科和神经外科，实现比平凡人力手术更高的精确度和活动的稳固性。但源于政策节制、价值不便宜、公众接纳度不高、技艺壁垒高、研发难度大等多方面原因，手术机器人在我们国家渗透率依然较轻。

? 协助机器人：协助机器人用于协助或扩展人类的活动或认知能力，鉴于机器人、机器视线等技艺发展协助诊疗，包括胶囊机器人、制药机器人、诊断机器人和远程医疗机器人等。日前胶囊机器人市场增速较快，包括胃镜和肠镜两大类，胶囊机器人+自动诊疗体系可行经过采集导的图像自动判断患者可能显露的难题。

? 医疗效劳机器人：医疗效劳机器人最重要的用于分担人类的繁重事业，落位置向包括看护、医药物流、消毒杀菌、病人看护等。在疫情中运用的智能消毒机器人，可行在指定地点消毒，有用节约人工资源，障碍疫情蔓延。

图表25：2019 年华夏医疗机器人市场构造

材料来自：CCID，中金企业探讨部

图表26：胶囊机器人

材料来自：CCF-GAIR 2019，中金企业探讨部

精确医疗：人力智能助力医疗精确化，在诊断和治疗多步骤发挥效用

精确医疗重申个体差异，重申医疗诊断的精确化、微观化。精确医疗将个体在遗传、环境和生活习惯等方面的差异列入考量范畴，而人力智能对料理海量基因数据具有显著优势，可行提升精确医疗的效能和明确度，并针对结果给出相应预测。精确医疗最重要的包括基因测序、细胞免疫治疗和基因编辑三个档次。

? 基因测序：基因测序是精确医疗的根基，是指从血液或唾液中剖析测定基因全序列，AI技艺可行提高基因测序的明确度并下降本钱。2017年google发表基因测序DeepVariant，采纳深度学习方法发展基因变异辩别，与惯例高通量测序比较错误率降低超越50%[3]。

? 细胞免疫治疗：免疫疗法是应用人体本身免疫体系的癌症疗法，然则仅有15%-30%的患者能够对此类疗法发生反映。AI可行预测免疫疗法的治疗成果，增添治疗成功的概率，如法国学者应用AI技艺剖析患者的CT影像，明确预测了PD-1抑制剂的治疗成果[4]。

? 基因编辑：指对生物体基因组特定指标基因发展修饰的一个基因工程技艺，为精确医疗的利用阶段，应用AI技艺可行对基因编辑结果发展预测。苏黎世大学的探讨人士构建的深度学习算法BE-DICT能够高精度地预测碱基编辑结果[5]。

精确医疗仍处于起步阶段，癌症范畴较为老练。精确医疗分为诊断和治疗两类，依据信通院，精确诊断及精确治疗的市场占比区别为29.3%和70.7%。精确诊断利用较为老练，包括遗传性疾病的筛查与诊断、癌症的分子分型及分子病理诊断等情景；精确治疗最重要的包括药物基因组学、伴随诊断、分子靶向治疗和免疫疗法等方法。咱们以为，在人力智能技艺的赋能下，精确医疗有望取代惯例“一刀切”、“以身试药”式的诊疗方案，使个性化、低本钱、高成功率的癌症治疗成为可能。

健康治理：健康数据扩散割裂，健康治理平台企业塑造数据闭环

人力智能助力健康生活，将健康治理前置到预防阶段。人力智能赋能健康治理，包括身体健康治理与精神健康治理两个方面。关于身体健康治理，应用可穿戴设施获取的生理动态数据、计算机视线技艺获取的食物消息、电子病历等数据，剖析使用者健康水准，实现风险辩别、AI在线问诊、慢病治理、生活形式提议等功效；关于精神健康治理，最重要的应用人脸辩别、语言声音辩别等AI技艺，发展情绪及情怀状况辩别，实现对精神疾病的预测和治疗。日前该范畴仍处于初步探寻阶段，具备进一步进行潜力。

? 可穿戴设施：依据卫健委，2019年我们国家因慢性病导致的死亡占比达到88.5%[6]，而可穿戴设施的广大运用为及时收集多维度健康数据带来可能，人力智能可行应用巨大的数据集加以剖析，给出不业余化提议，前置健康治理时点。

? 搬动医疗：AI问诊鉴于医生的经常使用难题、病人的审查数据等即可确定多数病症，并能依照医典和药理学数据库提供精确的医学提议。

? 精神健康：患者端，AI可行最重要的帮助使用者发展情绪调节，如经过当然言语料理、语言声音辩别等人力智能技艺与处于情绪低落状况的人发展及时的沟通交流，提供情绪疏解的门径；医生端，人力智能技艺能够帮助医生对精神疾病发展诊断、治疗和持续监控，并预测神经内科疾病，如阿尔兹海默症等。

图表27：2020年华夏成年人慢性病类别及比重

材料来自：华夏卫健委，中金企业探讨部

健康治理智能化水平低，健康治理平台或可破局。源于可穿戴设施等硬件水准和健康数据积累不足，日前我们国家健康治理的智能化水准较轻，多数利用停留在单一身体部位的数据提取、采集和剖析上，难以满足使用者周全感知、改进健康情况的要求。咱们以为，经过健康治理平台建立数据网站并造成使用者周全的身体健康画像是未来人力智能深度赋能健康治理的进行方向。

咱们见到，日前健康治理平台有两种建立形式：1）鉴于搬动互联网，开放智能设施接连入口，整合多来自的医疗资源，提供鉴于云端数据存储与剖析的健康治理效劳，如智云健康；2）硬件厂家开发与硬件产物配套的健康治理平台，建立自有健康数据治理与利用闭环，如乐心医疗。咱们以为，未来健康治理将从单点健康反馈进行至周全健康纪录，端云合一，提供全体性解决方案，塑造数据闭环。

图表28：可穿戴设施在健康治理中的利用

材料来自：Frontiers，中金企业探讨部

图表29：智云健康私人慢病治理体系

材料来自：智云健康招股讲明书，中金企业探讨部

药物研发：人力智能技艺特性配合，仍处于进行初期

人力智能技艺与药物研发适配，降低新药研发本钱。惯例药物研发费时耗资，依据华夏信通院，一款新药从靶点发觉到到市场出售平均历时10-15年，耗资26亿美元，成功率不足10%。药物研发的本质适合锁钥理论，即要寻到适合的药物分子来激活或许抑制疾病相干的靶蛋白。不论是筛选靶蛋白仍是药物分子，皆是“搜索”物质的进程，而实现锁钥配合则须要“分类”或“排序”，这正是机器学习擅长的范畴。与惯例药物研发比较，AI药物研发时间和本钱优势显著，依据火石缔造，人力智能能够年均节约260亿美元的化合物筛选本钱；依据TechEmergence，AI可行将新药研发的成功率从12%提高至14%。

图表30：人力智能技艺在药物研发中的利用

材料来自：吉林大学，《药学探讨》杂志，《人力智能在新药研发中的利用现状与挑战》，中金企业探讨部

公司踊跃布置AI药物研发赛道，我们国家仍处于进行初期。日前布置AI药物研发的公司包括IT巨头、AI药物研发公司、惯例药企，而源于AI药物研发企业与惯例药企在AI技艺、数据、研发管线、医药行家等方面优势互补，惯例药企与AI技艺企业结合是日前最重要的的营业形式。我们国家AI药物研发起步较晚，日前尚处在初期阶段，依据火石数据库，截止2020年10月，华夏AI+药物研发初创公司不足20家，最重要的分布在北京（7家）、上海（3家）、杭州（3家）和深圳（2家）等地。我们国家创新药研发起步较晚，原始数据积累局限，且国家内部药品数据存储扩散，病历等数据未实现准则化、数字化，咱们以为医药数据的数量和品质是制约我们国家制药产业AI进行的最重要的要素。

公共卫生：公共卫生具备普惠性，疫情防控催化人力智能落地

公共卫生是我们国家医疗健康卫生工作的建造要点，疫情防控将人力智能落地推入快车道。痛点及人力智能可行在传染病防控、健康宣教、卫生监督、疫苗接种等情景等方面发挥效用。

图表31：人力智能赋能公共卫生

材料来自：华夏信通院，动脉网，中金企业探讨部

AI利用尚处初期，疫情催化提前警告及排查范畴进行。从产业参加者及市场现状来看，日前公共卫生范畴尚处于人力智能利用的初期阶段。在公共卫生范畴中，我们国家巨大的人数在疾病的诊疗、健康教导、社区卫生效劳等步骤缔造了丰富的数据，叠加疫情催化，人力智能正好该范畴提速进行，如公共卫生传染病大数据剖析提前警告体系、疫情排查体系、智能测温机器人、消毒机器人、语言声音效劳机器人等被广大利用于战“疫”一线，咱们以为，未来传染病大数据剖析提前警告体系和疫情排查体系这两个范畴将进一步解放潜力。

政研产医合力突破阻碍，助力一同富裕

数据及商业形式成为制约AI+医疗进行的阻碍

医疗数据碎片化，隐私难题受关心

AI模子的训练须要优质的医疗数据作为输入，而医疗数据的类别复杂、来自扩散且标志不业余性强，导致模子训练难度高；在推理阶段，运用者须要围绕患者提供丰富的消息，以提高智能医疗效劳的明确性。咱们以为，优质数据难以低本钱获取是制约人力智能赋能医疗的最重要的要素。

? 院内数据碎片化且医院间数据互联互通的水准较轻，“数据孤岛”让得公司难以获取海量优质医疗数据。医疗数据在诊前、诊中、诊后的不同阶段在患者、医院各科室、药店之中流转，数据纪录碎片化、不完整；同一时间，源于优质医护人士及患者数量均向三甲医院倾斜，高品质数据聚集于具有强势话语权的三甲医院，人力智能公司须要在医疗机构受权后运用数据；不同医疗机构之中数据互联互通水准较轻，AI算法公司须要点对点获取医疗机构数据，患者在不同医院的数据也难以发展整合。

? 人力智能技艺依赖大批使用者数据，长久以来隐私难题都遭到大家的关心，而医疗数据包涵大批私人健康情况、生理数据等感性消息，此中的隐私难题则备受关心。以英国人民健康效劳体制NHS事故为例，2015年NHS委托DeepMind将一种可辩别身份的电子病历数据库转嫁至DeepMind的体系中，用来研发电话利用Streams，提示医生患者的肾脏损害概况。尽管DeepMind确保其收到的数据“永远不会与google账户、产物或效劳相干联”，但该事故仍是激发了大家关于隐私泄露的担心，2017年英国看管机构断定这点数据来自不合规，DeepMind终归构建了一种数据账本体系来纪录全部患者数据的访问跟进。

? 数据标注的不业余性较强，能人缺乏。医疗影像等医疗数据标注对医学不业余常识的请求较高，须要行家参加，但医生同一时间承受临床、科研等任务，投入数据标注的精力局限。能人的缺乏让得训练的可用数据不多，对模子的明确性和适用性都提议了挑战。

? 训练数据优质，难适配基层设备。训练用的高品质数据多来源于三甲医院，终归在基层医院落地时，两者在患者病症惨重水平、根基设备等方面的差异都会作用成果。以Google发表的糖尿病性视网膜病变检验算法为例，该模子采纳里面数据时能够实现比眼科医生更高的灵敏度和特异性，在几秒内提供诊断提议，但在泰国诊所落地进程中，源于基层护士拍摄的眼球照片难以达到算法的高准则等原因导致采集眼球图像的时间增添到2分钟[7]。

图表32：AI医疗产物数据料理过程

材料来自：科亚医疗，医健AI掘金志，中金企业探讨部

在医疗范畴利用人力智能技艺本钱较高，日前支付能源不足

人力智能医疗产物兼具科技产业和医疗产业高本钱的特色，一方面，公司需支付高昂数据本钱，维持高研发投入以跟踪技艺变革；另一方面，公司要广大布置临床试验，与要害意见领袖、知名医生以及优先医院构建紧密的合作关连。该产业本钱最重要的由之下三方面组成：

? 数据获取和标注本钱：1）数据获取本钱高昂：医疗数据范围巨大，高品质数据通道掌握在三甲医院等医疗机构手中；2）人力标注本钱高昂：医疗数据需由不业余医师标注，公司须要支付大额劳务费。

? 研发本钱：人力智能产业须要维持技艺创新，而产物研发自身具备随机性，须要投入大批研发费率，以鹰瞳科技为例，企业2019年和2020年的研发费用区别为135%和89%。另外，研发成功的新技艺是否落地，也须要大批投资认证和推广。

? 试验、出售和运营本钱：为取得华夏第三类医疗器械产物文凭，公司需自费与医院合作发展大批不便宜且耗时的临床试验。即便公司经验漫长的看管审核取得文凭后，公司仍需塑造营销及分销网站，终归培训医生运用候选产物。

产物仍未范围化利用，商业形式不清楚。日前AI+医疗的商业形式仍处于探寻阶段，包括出售硬件、软件与效劳、数据、全体解决方案以及开放自建数据库等商业形式，面向医疗机构、私人、政府、医疗器械商、保障等消费者团体，源于医疗机构掌握了焦点数据及利用情景，日前人力智能技艺公司最重要的面向B端（医疗机构）消费者。咱们见到下游消费者尚没有准确的付费意愿，许多数AI+医疗产物还处于无偿运用阶段，关于医疗机构而言，惯例线下诊疗形式老练，人力智能最重要的作为用具起到协助医生诊断的效用，且AI为医院带来的收益难以量化，叠加新技艺的学习本钱，日前医院端付费意愿不强；关于C端消费者而言，健康治理的观念、健康生活的习惯仍需培育。

图表33：医疗人力智能的最重要的商业形式

材料来自：华夏信通院，中金企业探讨部

政府及产学医联动是推进人力智能深度赋能医疗的要害

政策推进数据互联互通，强化隐私庇护

源于医疗数据的扩散性、不完整性等特色，其数据价格没有办法被充分应用，自2013年，国度政策持续推进医疗消息化建造，建立互联互通的准则化数据库。

? 医疗消息化建造：截止2020年9月，华夏三甲医院已实现全院消息共享，二级医院已实现部门间数据交换，但与建立了可互操作医疗消息化生态体系的美国比较仍有较大差距。咱们以为，政府应沿《电子病历体系利用水准分级准则》及时推行医疗消息化的建造，终归实现全中国等级的医疗数据周全整合。

? 构建准则化测试数据集：日前高品质的数据集许多聚集在三甲医院，仅对内开放，而构建准则数据库是AI模子训练、认证及相干产物审评审核的要害。咱们以为，政府应勉励医疗机构及头部公司共享高品质数据集，终归构建多病种联通的准则化医疗公共训练数据库。

面临数据共享与隐私权力之中没有办法回避的冲突，咱们以为，技艺只能起到增强隐私庇护的效用，彻底解决该矛盾须要自上而下构建刚性的政策构架。从国外的立法经历来看，欧美曾颁布鉴于宪法的数据隐私立法，如欧盟的《通常数据通用条例》，也有专门针对医疗范畴隐私庇护的立法，如美国的《HIPAA法案》和《HITECH法案》。华夏政府也于近年加速构建隐私庇护相干的法律法则，2021年6月发表《数据平安法》，2021年8月颁布《私人消息庇护法》。咱们以为，隐私庇护是建立医疗大数据的要紧步骤，贯通医疗数据发生、搜集、剖析、料理、利用、存储全进程的隐私庇护法律法则仍有待改善。

图表34：2013年-2021年华夏要点医疗大数据政策

材料来自：国务院办公厅，国度卫健委，中金企业探讨部；注：2018年3月，“卫计委”更名为“卫健委 ”

图表35：健康医疗数据的全寿命周期治理蓝图

材料来自：开放医疗与健康联盟OMAHA，中金企业探讨部

产学医联动，推进数据准则化

以人力智能技艺深度赋能医疗，须要在深切了解临床要求的根基上，以优质数据及算法解决产业痛点。咱们以为，产学医的合作有助于构建准则化数据库、制订看管准则并深化各方对临床要求的了解。

产学医一同助力看管机构，推进数据准则化。学术界掌握前沿AI技艺及不业余能人，医疗机构掌握优质数据、临床经历及医疗不业余常识，均是政策制订进程中的要紧参加方；同一时间，人力智能医疗公司具有丰富的数据料理及模子训练的经历，可行以经历优势助力政策制订。以人力智能医疗器械创新合作平台为例，该平台由国药监局、信通院等单位一同发起，旨在构建准则数据库以实现医疗人力智能产物的审评审核，其参加单位不但包括上海申康医院、协和医院等医疗构造，也包括清华大学、浙江大学、四川大学等学术机构，数坤科技、推想科技等医疗人力智能企业也参加此中，区别作为心血管风险估价组的牵头人及胸部CT范畴的牵头人。咱们以为，产学医在AI及医疗范畴的优势互补，三方合力能够让得医疗人力智能范畴的相干准则更契合实质运用要求、数据特性及技艺特色。

医院、业界与学界结合，提高人力智能技艺与利用要求的契合度。人力智能技艺的进行及产物开发依靠于对特定情景痛点及要求的了解，在产物研发阶段与医疗机构合作能够提高产物与医疗要求的契合度，为延续医疗机构的支付意愿提供支撑。同一时间，公司与学界合作一方面能够受益于学校前沿技艺优势，也能够在必定水平上实现本钱分担，下降医疗人力智能公司的研发本钱。咱们以为，产学医的联动也是医疗人力智能产物实现盈利的要紧助力。

政府勉励公立医院发展研发投入，补助基层医疗机构

如前文剖析，人力智能医疗产物及效劳同一时间具有收益普惠和研发投入高的特色。咱们以为，政府可行勉励公立医院发展相干研发并补助基层医疗机构运用相干产物，推进人力智能医疗产业的进行。

? 人力智能深度赋能医疗须要持续的高研发投入，政府勉励公立医院发展相干科学探讨及临床试验，可行推进AI产物研发与临床要求的有用联合，也能够在必定水平上实现AI医疗产物研发本钱的分摊，推进AI+医疗范畴的商业化。

? 人力智能赋能医疗具有普惠的特性，让得医疗根基设备相对薄弱的地域能够享遭到品质较高的医疗效劳，但日前AI相干产物的价值仍较高，依据亿欧智库，AI影像CT-FFR产物单次检验价值在3000元左右，政府补助基层医疗机构运用AI产物及效劳，提高乡镇卫生院及村卫生室等机构的支付能力，也能进一步发挥AI+医疗产物的普惠特性。

从乡下振兴到一同富裕，基层AI医疗和健康治理有望落地

要判断AI+医疗的进行方向，要求和供应的配合关连是要点。针对未来首先落地之方向，咱们的思考如是：

? AI将在基层医疗/农村首先落地。推进一同富裕，要致力推行根本公共效劳均等化，愈加注重向农村、基层、欠强盛地域倾斜。咱们以为，短期内AI医疗产物仅能协助医生提高事业效能，在强盛地域边际奉献局限，带来的难题是无人乐意为格外高昂的AI本钱买单；但在缺乏医疗资源的欠强盛地域，AI可行下降获取优质医疗常识资源的本钱，提高偏远地域诊疗水准，推进“健康公平”，让科技效果更多更公平惠及整体国民。

? 医学影像以后的下一种落位置向是健康治理。在《健康华夏2030规划纲要》中准确指明，要坚持预防为主，前移疾病关口。随着生活水准的提升，健康成为广泛国民群众愈发重视的一同追求，全角度全周期的慢性病健康治理市场要求宽广。咱们以为，随着机器视线技艺的老练、可穿戴设施的推广，健康治理效劳进行趋于改善，其具备的预防属性不但可行提高全民生活水准，更可行节约全社会医疗资源，有望首先商业化落地。

? AI+医疗的终局在于赋能完整医疗情景。日前咱们处于单任务改良阶段，且公司聚集于肺结节和眼底疾病影像审查。然则各医疗范畴不可能孤立存留，如药物治疗的浮动催生伴随诊断，伴随诊断的进行进一步推进药物研发。咱们以为，AI医疗的未来在于医院、地域消息平台、智能硬件商、软件商、运营商、物流效劳、云效劳等公司的协同进行，从赋能单病种进化至赋能完整情景，造成“预防——治疗——康复——健康推进”多位一体的良性重复生态圈。

市场体积

资产链及市场体积

AI+焦点医疗资产链可行分为根基层、技艺层与利用层。1）根基层：作为底层为AI训练提供强盛的算力及医疗数据，焦点是AI芯片、设施提供商、效劳器，除数据效劳外，芯片与通信等根基焦点范畴已造成夯实的技艺壁垒；2）技艺层：作为中层为资产链提供多个AI算法技艺能力，由技艺提供商、解决方案提供商、体系集成商组成，须要长久维持高投入与高研发，日前各大科技公司与互联网巨头公司已根本达成布置；3）利用层：作为最外层可触达各医疗指标市场，包括医疗产业解决方案和利用平台等方式，日前已有大批的互联网医疗企业和惯例医疗企业涌入。

图表36：华夏人力智能医疗资产图谱

材料来自：各企业官网，艾瑞征询，华夏信通院，前瞻资产探讨院，中金企业探讨部

药物研发、精准医疗、医疗影像维持快速增添，推进华夏人力智能医疗市场范围达到百亿元国民币量级。依据沙利文，2020年华夏人力智能医疗市场范围达到66.25亿元，随着AI技艺在精确医疗、医疗影像等范畴的落地，AI+肿瘤治疗与诊断2020-2025年CAGR达到126%；同一时间随着人力智能在药物研发范畴的利用推广，AI+药物研发2020-2025年CAGR达到62%；估计AI+医疗2020-2025年复合增添率将达39%，2025年华夏AI+医疗的市场体积达到345亿元。

图表37：华夏医疗AI最重要的利用范畴市场范围

材料来自：医渡科技招股书，Frost & Sullivan，中金企业探讨部

风险剖析

AI落地不及预期。人力智能技艺赋能医疗产业请求数据、算力、算法三大根基设备改善，日前咱们见到，在算力进行、算法改良、大数据建造的背景下，人力智能持续赋能各行各业。未来假如人力智能算法进行不行与下游要求契合，算力及大数据进行不及预期，可能会作用人力智能技艺赋能医疗产业。

医疗数据互联互通的构建不及预期。医疗数据存留来自广、类别多、分布扩散的特色，而人力智能赋能医疗产业请求优质数据的输入，咱们见到政策正好推进医疗消息化、数据互联互通及准则化数据库的建造，假如未来医疗数据的互联互通不及预期，可能会作用人力智能技艺在医疗产业的利用。

假如你喜爱这篇文章，可在摩尔金融APP或摩尔金融官方网络moer.cn见到更若干股、盘面走向剖析及投资技艺，也可在全球微博、微信公众号、今天头条上搜索摩尔金融并关心。