1、,大数据时代下的健康医疗行业,中国健康医疗大数据行业报告2018年,2,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：艾瑞研究院自主研究整理。 2018.5 iResearch Inc ,开篇摘要, 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
2、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。, 艾瑞认为，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
3、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。,3,大数据在健康医疗行业中应用价值,1,大数据在健康医疗行业中发展概况,2,典型企业案例分析,3,挑战及未来趋势,4,附录,5,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,注明：中国特色困境数据说明请参考附录部分。, 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20
4、12-2016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。,1,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，
5、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。,2,来源：德勤2018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，
6、艾瑞研究院自主研究整理。 2018.5 iResearch Inc,4,,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,信息不流
7、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,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：艾瑞研究院自主研究整理。,5,2018.5 iResearch Inc,,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
8、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,诊断治疗,临床研发,机构运作,医疗体系, 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
9、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。,生活方式, 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。,来源：艾瑞研究院自主研究整理。,6,2018.5 iResearch Inc,,健康医疗大数据宏观利好,P,E,S,T,Political,Economic,Social,Techn
10、ological Next：影像识别、自然语义、认知计算、,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。,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
11、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：“健康中国2030”规划纲要,来源：艾瑞研究院自主研究整理。,7,2018.5 iResearch Inc,,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。,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。,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
12、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。2015-2017年中国健康医疗大数据相关政策,来源：卫计委，科技部，艾瑞研究院自主研究整理。 。,P,E,S,T,8,2018.5 iResearch Inc,,健康医疗大数据政策利好,来源：科技部，艾瑞研究院自主研究整理。,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
13、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。2017-2018年中国健康医疗大数据相关项目梳理,P,E,S,T,9,2018.5 iResearch Inc,,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 艾瑞将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
14、，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。,P,E,S,T,2013,2014,2015,2016,2017,2018Q1,2013-2018Q1中国健康医疗大数据相 关领域投资事件梳理 66,来源：IT桔子，艾瑞研究院自主研究整理。,来源：IT桔子，艾瑞研究院自主研究整理。,10,2018.5 iResearch Inc,,2018.5 iResearch
15、Inc,,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（%）,3,16,4935,55,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5.8 2017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
16、尿病、高血压等慢性病发病率也在不断提 升。艾瑞认为诊疗人次仍将持续上升，医疗体系也将面临巨大压力。,来源：国家统计局，艾瑞研究院自主研究整理。,来源：国家统计局，艾瑞研究院自主研究整理。,P,E,S,T,8.9%,9.1%,9.4%,9.7%,10.1%,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（%）,2013年，65岁 以上两周就诊率 为26.4%；,49.0,54.9,58.4,62.7,68.9,73.1,76.0,76.9,79.3,81.
17、0,3.7,4.1,4.4,4.7,5.1,5.4,5.6,5.6,5.7,5.8,2008 2009 2010 2011 2012 2013 2014 2015 2016 2017诊疗人次（亿人次） 人均诊疗次数（个）,2008-2017年我国诊疗人次及 人均诊疗次数,11,2018.5 iResearch Inc,,2018.5 iResearch Inc,,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
18、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：IBM，BI Intelligence，CHIMA，艾瑞研究院自主研究整理。,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：CH
19、IMA，艾瑞研究院自主研究整理、,P,E,S,T,46,73,90,101,125,161,0,50,100,150,200,2015,2016,2017 2018出货量（百万台）,2019,2020,2015-2020年全球健康 物联网设备数预估,2016年中国三级医院医生工作站系统搭建占比,12.1% 客户管理系统* 73.7% 电子病历 76.6% 门急诊 76.6% 住院护士 76.9% 住院医生,12,2018.5 iResearch Inc,,2018.5 iResearch Inc,,13,大数据在健康医疗行业中应用价值,1,大数据在健康医疗行业中发展概况,2,典型企业案例分析,
20、3,挑战及未来趋势,4,附录,5,健康医疗大数据发展概况,注明：基因数据将不在本篇报告主要讨论。,基因 数据,健康 管理,基因,院外,数据,其他,辅助 诊断,临床 诊疗,智能 监测,测序,影像,电子 病历,就医 行为,健康 档案,血糖,智能 化,血压,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
21、 测。 健康医疗大数据分类及应用 健康干预（饮,来源：艾瑞研究院自主研究整理。 2018.5 iResearch Inc,14,, 消费基因 精准医疗 疾病早筛 , 预防预警 保险控费 疾病图谱 ,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 ,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
22、，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,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,政策 激励,2013 2014,2015,2017,2018,2020,政策及资本激励启动期,数据 快速增长 资本激励探索期,成长期,2019,2021 2022辅助决策（全科、 影像、病理等）,2016,区域平台/智能化相关
23、,基因数据,健康管理,产品全面铺开,部分地方政府 应用项目落地,域药品研发、治疗方按等。 2018.5 iResearch Inc,15,,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。 2
24、018年健康医疗大数据产业链概况, 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。来源：艾瑞研究院自主研究整理。,健康医疗 信息 数字化,终端 应用,C端,院外数据 院内数据 档案 轻问诊 行为 影像 电子病历 外显子,基因数据,监测,全基因,存储 分析 可视化, 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。,云服务,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 在线问诊,慢病管理,B-B-C,精准诊疗,辅助诊断,
25、随诊服务,分级诊疗,B端,精准营销,供应链管理,医疗控费,其他, 应用场景的实现需要多个维度的数据共同合作实现。,16,2018.5 iResearch Inc,,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,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：艾瑞研究院自主研究整理。,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,云服务,分析及可视化,存储 分析 可视化,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,医药流 数据监测/ 通/物流 大数据服务,监管机构,支持
26、体系,药企：药监 局、工信部制 药工业监管,流通企业： 商务部医药 商业管理,省、市、 县级卫计 委,健康医疗 信息 数字化,院外数据,健康档案,智能硬件监测,基因测序,临床数据,行为支付,数据应用 其他,消费基因,健康管理,智能化,医药研发,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,院内数据,保险,PBM,药店,诊所,人工智能,生物信息,医疗智能化管理软件,健康服务,C端 B-B-C,17,2018.5 iResearch Inc,,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
27、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 全等问题。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,来源：艾瑞研究院自主研究整理
28、。,健康医疗大数据上游现状,增速,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, 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。,18,2018.5 iResearch
29、 Inc,,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 艾瑞就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 品上市后较易试运行。,注释：数据收集截止至201
30、8年Q1。 来源：艾瑞研究院自主研究整理。,注释：数据收集截止至2018年Q1 来源：艾瑞研究院自主研究整理。,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,19,2018.5 iRes
31、earch Inc,,2018.5 iResearch Inc,,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
32、转化率为2.7%），也可以形成稳定的营收与较高的利润率。艾瑞认为，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。,30 40 3 4.22012 2013,5.9,9.3,14.8,23.8,37.2,56,78.5,50,70,110,150,210,270,提升付费率 330,2014 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
33、。 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。,来源：平安好医生IPO报告， Frost&Sullivan，访谈及公开信息，艾瑞研究院自主研究整理。,20,2018.5 iResearch Inc,,大数据及AI技术对在线医疗企业的应用价值,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
34、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,健康用户,用户端服务：提升用户健康度，降低发病率 健康管理企业端衍生服务-商业价值饮食+运动+生活习惯 营养建议 运营管理：会员管理等,图像识别+可穿戴设备 行为干预,慢病,营养建议,培养良好 用药习惯,疾病预警,饮食+习惯+用药+体征数据监测,图像识别+健康医疗智能硬件,患者,家庭医生,康复,就诊建议,在线问诊,AI+智能
35、分诊+全科辅助决策,相关企业,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。,来源：艾瑞研究院自主研究整理。,21,2018.5 iResearch Inc,,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
36、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 增值 服务费,差价,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%,2017.3,20
37、17.5,2017.7,2017.9 2017.11 2018.1占总健康医疗设备数的比例（%）,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,软件 租赁,来源：艾瑞研究院自主研究整理。,22,2018.5 iResearch Inc,,营销 费,项目 合作,政府,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
38、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，如中电集团将在成都规划、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,临床研发,医疗控费,医疗机构,药企,保险,基层,精准营销,数据赋能,辅助决策,政府,预防预警,其他,技术服务,整套解决方案,数据服务,技术驱动,新业务拓展,大
39、数据集团,来源：艾瑞研究院自主研究整理。,23,2018.5 iResearch Inc,,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
40、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,院内数据的商业路径,软件租赁 解决方案,数据分析 收入,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,体检 提供影像、数据分析服务
41、，提升体检机构服务能力,产品绑定,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,按次收费,来源：艾瑞研究院自主研究整理。,24,2018.5 iResearch Inc,,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
42、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
43、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。,25,2018.5 iResearch Inc,,2018年辅助决策应用合作医院及应用案例,2022年辅助决策医疗机构 付费规模预估,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Corner Case。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
44、 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、息肉监测和肺栓塞检测中表明 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, 增加资本投入 降低标注成本,数据标注, 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。,临床流程,人工标注,临床应用,机器标注,来源：艾瑞研究院自主研究整理。,26,2018.5 iResearch Inc,,
