艾瑞-2018年大数据时代下的健康医疗行业-2018.5-56页-3mb

大数据时代下的健康医疗行业总结

核心内容

大数据及AI技术正在重塑健康医疗行业，涵盖辅助决策、健康/慢病管理、机构智能化、基因数据等多个应用场景。2019年，影像辅助诊断将成为首个落地的应用场景，因其高达90%的准确率和快速的信息处理能力。随着技术发展，全科辅助决策、健康/慢病管理、人工智能新药研发等领域将逐步成熟，但仍需大量技术投入以提升产品准确率和效率。

主要观点

• 技术应用：大数据与AI技术在健康医疗行业有广泛的应用场景，如辅助诊断、健康管理和新药研发。
• 市场趋势：预计2022年，AI辅助决策市场规模将达到55.86亿元人民币，收费模式多样化，包括软硬件解决方案、按次收费等。
• 政策与资本支持：政策推动和资本注入是健康医疗大数据发展的关键因素，CFDA等机构正推动监管框架建设，以支持AI技术的临床应用。
• 数据采集与处理：院内数据在质量和规模上更具优势，而院外数据增长迅速但整合难度大。基因数据成为核心资源，由部分领先企业掌握。

关键信息

健康医疗行业面临的困境

1. 供需结构失衡：每千人口执业医师数量较低，医生执业环境差，优秀人才流失。
2. 医疗资源分配不均：三级医院资源集中，基层医院发展缓慢，分级诊疗成为解决之道。
3. 医保透支：预计到2024年，医保累计结余将出现7353亿元赤字，需探索创新支付机制。

分级诊疗的挑战

• 信息不流通：各医疗机构间数据孤岛，患者信息难以共享。
• 资源不流通：优质医生集中在三甲医院，基层医生数量少且能力弱。
• 利益不互通：不同层级医院之间缺乏有效利益绑定机制。

大数据应用价值

• 体系升级：大数据技术将改善医疗体系，提升效率，实现从“治疗”到“预防”的转变。
• 效率提升：通过区域信息化、在线问诊、远程医疗等技术，优化资源配置，提升服务效率。
• 新药研发：AI技术缩短临床验证周期，提高药物研发效率。
• 精准治疗：认知计算、机器学习等技术辅助医生提高诊断效率与服务质量。
• 健康管理：可穿戴设备、AI等技术帮助用户进行疾病预测与干预。

宏观利好

• 政策支持：国家出台多项政策，如《促进大数据发展行动纲要》和《健康中国2030》规划，推动健康医疗大数据发展。
• 资本注入：2018年Q1健康医疗大数据投融资事件达35起，行业进入热潮。
• 技术发展：数据采集技术成熟，处理技术如深度学习、自然语言处理、区块链等不断进步。

发展概况

健康医疗大数据分类及应用

• 院外数据：包括健康档案、智能硬件体征数据、环境监测数据。
• 院内数据：涵盖就医行为、临床诊疗等。
• 基因数据：涉及外显子、全基因测序等，主要用于肿瘤等领域。

应用场景市场发展趋势

• 辅助诊断：将首先迎来商业化，准确率超过90%。
• 健康管理：通过多维度数据优化电子健康档案，提升干预能力。
• 消费医疗：与多样化医疗服务机构合作，满足用户从预防到康复的需求。

产业链概述

产业链结构

• 上游：数据供应商（医疗机构等）和存储计算服务（云服务商）。
• 中游：具备核心技术（如AI、深度学习）的企业，负责数据处理与分析。
• 下游：应用场景，分为B端（医院、药企等）和C端（患者、健康人群）。

企业分布

• 地域分布：主要集中在北上广深等一线城市，受医疗资源、政府支持和医生接受度影响。
• 企业类型：包括创业型企业、信息化/互联网企业、政府主导的集团企业。

典型企业案例分析

平安好医生

• 业务模式：提供在线问诊、健康管理、智能分诊、肿瘤解决方案等。
• 技术应用：AI助手、现代华佗计划、家庭医生等。
• 合作与投资：与云知声、IBM Watson、固生堂等合作，融资11亿美元。

妙健康

• 数据采集：通过“妙+”平台接入多维度数据，包括智能硬件、体检报告等。
• 技术应用：NLP健康知识图谱、健康行为指数“M”值。
• 合作方：联通、华为、阳光保险、三胞集团等。

推想科技

• 产品功能：InferRead CT、DR、Stroke等产品，提供病灶识别、报告生成等。
• 合作医院：覆盖北京协和、武汉同济、上海长征等。
• 技术能力：严格的数据标注流程，覆盖多层级医疗机构。

羽医甘蓝

• 产品功能：病理切片识别、自动化报告生成。
• 合作医院：全国19家三甲医院。
• 技术储备：卷积神经网络、计算机视觉等。

蓝信康

• 服务模块：慢病管理、会员管理、健康咨询、专业培训。
• 技术应用：智能硬件采集、云端算法、智能化管理系统。
• 覆盖范围：300多个城市，提升药店及医院的运营效率。

金蝶医疗

• 项目案例：佛山市区域电子病历共享平台，提升诊疗效率。
• 产品布局：区域信息化、云医院、HIS系统等。
• 合作机构：新加坡国立大学、中电数据等。

源启科技

• 平台能力：搭建医院外联平台，接入医保、银行、HIS系统。
• 项目进展：参与宜昌市政府智慧医疗项目，完成二期建设。
• 服务内容：自助挂号、缴费、医生排班等。

挑战及未来趋势

当前挑战

• 法规滞后：AI辅助诊断缺乏明确的监管框架，限制行业发展。
• 数据标注成本高：依赖人工标注，成本高且耗时长。
• 信息孤岛：医疗机构间信息不流通，影响整体效率。
• 利益机制缺失：医院间缺乏有效的利益捆绑，影响分级诊疗推广。

未来趋势

• AI技术推动：AI技术将填补大数据到信息转化的空白，完善产品价值。
• 用户端付费增长：随着产品成熟和用户教育，用户端付费将成为重要增长点。
• 协同竞争：健康医疗行业将形成多方协同合作的生态体系，单个企业难以独立完成。

附录

中国医疗环境基本面

• 人口老龄化：65岁以上人口比例持续上升，从2013年的9.70%增长至2017年的11.40%。
• 健康需求增长：老年人对医疗、保健、照护等服务需求增加，推动健康医疗行业的发展。