20170923-安信证券-人工智能行业应用系列报告之四_神机妙术_大医精准-人工智能为医疗创新带来重大突破_30页_2mb

医疗人工智能行业深度分析总结

核心内容

医疗人工智能是医疗行业从互联网医疗升级到智能化的重要转折点，它通过技术赋能和直接切入医疗服务，全面解决医疗资源供给瓶颈，改善看病难的问题。医疗数据成为新的生产要素，人工智能技术为医疗产业带来新的变革，推动行业从经验医学向循证医学和精准医疗发展。

主要观点

• 技术突破：医疗人工智能在多个场景已突破临界点，商业化加速落地。深度学习技术的引入，使医疗影像诊断的准确率和覆盖病种显著提升。
• 资本关注：医疗人工智能融资超过180亿人民币，受到资本持续看好。巨头和创业公司共同推动行业发展。
• 产业环境：国内医疗服务供需严重不平衡，分级诊疗趋势下，基层医疗面临智能化升级的强需求。消费者将成为智能医疗服务的重要付费方。
• 政策监管：医疗人工智能需“持证”上岗，收费政策尚未明晰。国内可能参考美国FDA，设立独立的AI与数字医疗审评部门。
• 商业前景：医疗AI商业化模式分为1.0技术赋能和2.0直接切入医疗服务。未来可能出现独立的AI诊断中心，直接提供诊断服务。

关键信息

医疗影像

• 应用场景：分为“机器看片”和“机器阅片”。“机器看片”提升医生效率，“机器阅片”提升诊断准确率。
• 市场机遇：医疗影像市场规模约4000亿，AI在成像设备和诊断服务均有广阔前景。
• 技术实现：包括图像预处理、分割、特征提取、匹配判断等。深度学习和数据闭环能力是核心壁垒。
• 竞争壁垒：医疗数据规模和结构化能力是关键。数据结构化技术决定AI产品的价值。

智能辅助诊断

• 技术路径：构建“医疗大脑”需经历数据集中、数据加工、知识图谱、知识计算和交互设计五个步骤。
• 商业化路径：主要面向基层和专科医院，覆盖常见病和垂直病种。常见病知识图谱构建难度大，垂直病种更具市场潜力。
• 商业模式：目前以技术赋能为主，未来有望发展为独立的AI诊断中心。

精准医疗

• 技术应用：AI+基因组学用于解读生命大数据，分析基因组与疾病组之间的规律，提升疾病预测和治疗的精准度。
• 数据挑战：基因数据解读技术尚未成熟，制约了临床应用。AI技术有助于突破这一瓶颈。
• 案例分析：如Deep Genomics利用深度学习预测基因突变对疾病的影响。

投资建议

• 重点推荐公司：
  • 思创医惠：IBM沃森中国战略合作伙伴，打造自主医疗AI技术。
  • 科大讯飞：人工智能龙头，涉足医学影像和辅助诊疗领域。
  • 东软集团：人工智能技术助力医疗业务升级，布局影像云。
• 建议关注公司：
  • 万东医疗：与阿里健康合作，打造AI医疗影像平台。
  • 华大基因：基因测序和数据分析，推动精准医疗。
  • 万达信息、创业软件、麦迪科技、荣之联：医疗信息化和数据挖掘能力突出。

风险提示

• 医疗人工智能产业发展不及预期。
• 政策监管风险。
• 行业可能出现恶性竞争。

行业表现

• 相对收益：1M -1.97%，3M -0.97%，12M -5.88%。
• 绝对收益：1M 0.20%，3M 4.96%，12M 11.28%。

二级市场参与路径

• 技术型公司：如科大讯飞，将AI技术延伸至医疗领域。
• 基础设施层公司：如东软集团、万东医疗，通过AI升级硬件和拓展下游服务。
• 数据层公司：如创业软件、荣之联，提升数据资源获取和利用能力。
• 计算层公司：如荣之联，建设生物云和影像云。

图表目录

• 图1：从边缘革命到战场中心
• 图2：医疗人工智能时代的投资逻辑变化
• 图3：现代医学是数据驱动的学科
• 图4：医疗人工智能发展史大事件整理
• 图6：医疗人工智能创业在2014、2015年开始激增
• 图7：医疗人工智能融资已经超过180亿
• 图8：医疗供需严重不平衡
• 图9：国内人口以及60岁以上人口的统计
• 图10：分级诊疗流程
• 图11：AI+医疗影像产品认证流程
• 图12：人工智能在医疗影像领域的应用场景
• 图13：病理科医生的供需缺口
• 图14：放射科医生的供需缺口
• 图15：乳腺癌淋巴转移数字病理切片诊断准确率比赛
• 图16：医疗影像市场
• 图17：“机器看片”的技术原理
• 图18：人工智能医疗影像产业链
• 图19：打造医疗大脑的流程
• 图20：医疗知识图谱的简单示意
• 图21：临床数据结构化的流程图
• 图22：Babylon的APP界面
• 图23：IBM沃森“看病”流程
• 图24：医疗信息化公司与核心技术公司合作是较好的选择
• 图25：医疗信息化公司与核心技术公司合作是较好的选择
• 图26：数据流的视角下的医疗信息化上市公司划分
• 图27：基因组数据解读分析的核心就是找到基因组和表型/疾病组之间的规律
• 图28：基因预测疾病风险的经典案例
• 图29：基因检测产业链
• 图30：2001-2016年平均每兆数据量基因测序成本
• 图31：2001-2016年基因测序成本
• 表1：医疗影像领域AI技术突破“人类水平”的案例
• 表2：国内巨头医疗AI产业布局
• 表3：医疗影像在众多病种的应用
• 表4：医疗数据结构化的三种路径
• 表5：智能辅助诊断系统的市场定位
• 表6：医疗+人工智能股票池