AI醫療發展現狀市場掃描，應該如何對症「下藥」？

圖片來源@Unsplash

文｜獵豹用戶研究中心

近幾年，隨著圖像識別、自然語言處理等AI技術實現關鍵突破，且在國家政策的大力支持與鼓勵下，AI 醫療行業邁入了發展新紀元。另一方面隨著人口老齡化問題不斷加劇，一號難求、醫療資源分配不均等問題也日益迫切，AI 醫療成為解決老百姓看病難的新希望。

本次獵豹用戶研究中心聚焦AI 醫療在電子病歷、智慧導診和虛擬助理、AI醫學影像等領域的發展狀況，希望可以幫助讀者了解當前AI 醫療行業對民眾生活的影響和目前落地情況。

本次AI醫療行業解讀將分為上下兩期，下一期將會推出關於「AI大健康管理」的市場掃描。

Part.1??醫療行業簡析

醫療是民生支柱產業，產業鏈條極長。普通民眾眼中的醫療主要圍繞在醫院這一個場景。在這個場景下目前存在的比較突出的問題是以下三點。

一是從患者角度看，看病難，看病貴，難挂號，排隊等待時間長，出院後無人跟蹤病情等問題。

二是從醫院系統看無法有效配置資源。三級醫院就診人數和醫護人員工作超負荷，基層醫院各種資源閑置浪費。

三是從醫護人員角度看，收入低，強度大。醫生工作量大，風險高，同時醫患關係很緊張。

目前我國醫療服務結構極不均衡。2311家三級醫院年服務人次達16.46億人次，而二級醫院數量是三級醫院3.6倍，但「僅僅」服務了11.78億人次，醫院數量是三級醫院4.2倍的一級醫院，只服務了1.96億人次。醫療服務過度集中，三級醫院人滿為患，低級別醫院資源空置浪費較多，基層醫生收入低，醫學知識培訓不足。三級醫院日均服務人次是低級別醫院的30倍以上。

（數據來源：2018年我國衛生健康事業發展統計公報）請輸入圖說

Part.2??當前AI醫療的布局

如何提升醫院系統運營效率，提高醫生診斷的精確度，加快醫生的知識學習與沉澱是各級政府和醫療行業人員都關注的熱點。人工智慧技術是當下最火熱的領域，人工智慧技術如何賦能醫療服務，是眾多公司和機構嘗試的方向。政府管理部門也期待人工智慧技術能為醫療行業帶來創新發展。

醫療領域上下游產業鏈長，人工智慧技術落地場景多，一般在狹義的醫院場景下可以分為AI輔助診斷、AI健康管理、AI藥物開發、AI疾病預測等。本文為獵豹用戶研究中心開展的AI醫療行業掃描第一篇，重點聚焦分析AI輔助診斷在醫療領域的應用。

根據行業統計，截至2018年底，我國醫院部署人工智慧應用並成熟使用的佔比僅為33.6%，仍有42%的醫院並未嘗試接入任何人工智慧技術。人工智慧技術在醫療領域內應用的潛力巨大。

隨著AI技術發展和在醫療領域成功落地項目的增多，醫療行業人工智慧市場規模逐年快速增長。2017年市場規模已達135億元，環比增長40%，2018年預計能達到200億元。近幾年環比增長率均在40%以上。

（數據來源：前瞻產業研究院）

當我們聚焦到AI輔助診斷，又可以細分為四大子領域，包括AI醫學影像、電子病歷、智能導診、虛擬助理。患者在醫院就醫一般按如下流程：挂號-候診-診斷-處方-支付-配藥，AI輔助診斷可以在上述各個環節切入，提高醫生診斷速度和質量，降低醫院運營成本。現在大多數落地方案集中在為某個特定問題提供解決方案上。

Part.3??AI醫療之電子病歷

電子病歷是醫療信息化的基礎，電子化的病歷信息數據可以方便的在跨科室、跨部門甚至跨醫院的交換與傳遞。電子病歷還能為醫療大數據和疾病模型提供更方便的樣本數據。目前電子病歷的市場規模也處於快速增長階段，2017年產值達9.96億，2018年預計達到12億以上。

同時國家衛健委對醫院信息化和電子病歷也有明確規劃。衛健委要求到2019年所有三級醫院要達到信息化分級評價3級以上，即實現醫院內不同部門間數據交換。到2020年，所有三級醫院要達到分級評價4級以上，即醫院內實現全院信息共享，並具備醫療決策支持功能，二級醫院要達到分級評價3級以上。

到2018年第1季度，全國86.8%的二級及以上公立醫院建立了規範化的電子病歷（1級或以上）；全國共8265家醫療機構註冊並參與數據填報，在已填報的醫療機構中，43.27%的醫療機構能夠實現不同部門（2級或以下），甚至不同醫療機構之間的數據共享。

然而，已經實施電子病歷系統的醫院中，60%的醫院停留在部門內初步數據採集和數據交換的信息化初級階段。可以看到，我國電子病歷系統應用水平仍非常低，電子病歷升級所帶來的醫院信息化市場潛力巨大，市場需求旺盛。

Part.4??AI醫療之智慧導診和虛擬助理

智慧導診的目的是減輕醫院運營壓力，及時響應高峰期患者需求。依賴專業的醫學知識圖譜和本地醫院信息系統，利用感測器和人機交互獲取患者體溫、心率等人體參數，表情、舌苔等患者特徵以及病情特點，對患者情況進行判斷並完成導診建議。當前部分產品的準確率為90%左右。同時機器人響應及時，節省患者時間。儘管導診機器人已經落地全國多家醫院，但是否對運營有效率提升還未可知，主要還是受限於醫學知識圖譜的豐富度和專業度。

患者在醫院就診時，醫生需要通過歷史病歷了解患者基本信息，此環節需要佔用醫生大量時間，且由於時間關係，對歷史病歷的檢查和病情總結也欠缺系統性。人工智慧技術即可沉澱患者大量詳實的歷史病歷信息，又可結合疾病大數據和疾病模型給醫生提供診斷幫助，從而提高了醫生效率。

Part.5??AI醫療之醫學影像

2018 年國內醫學影像存量市場規模約 2000 億元，且主要在二級以上醫院市場，基層相對空白。2000億元演算法：2018 年國內醫療機構總收入將達 4.4 萬億元。按檢查費佔比 10%，其中影像檢查佔比 1/3 到 1/2 的比例測算，2018 年國內影像存量市場規模 1,500-2,200 億元。

2017 年，全國醫療衛生機構總診療人次達 81.8 億，居民平均就診 5.9 次，高於美國人均就診次數。但影像檢查轉化率 20%，相比美國 50% 的轉化率，還有較大提升空間；同時隨著葯佔比壓縮，醫院影像收入有望繼續增長，理論上長期潛在市場規模高達 3000-5000 億元。

當前，大型三甲醫院影像科處於超負荷運轉狀態；普通三級醫院、以及二級醫院醫學影像需求與供給較為匹配；而基層影像科整體服務能力不足。

AI醫學影像與傳統人工識別影像相比有較明顯優勢：

在肺結核、眼底病變、乳腺癌、宮頸癌、肺部、心臟的疾病或臟器上已有多項可行且高效的AI技術落地，提高了早期發現疾病病灶的可能性、更明確的界定疾病階段，為醫生確定治療方案提供了準確度高的建議。

Part.6??AI落地的商業模式

針對具體場景的的AI演算法能夠高效完成任務。AI醫療服務提供商的主要成本包括生產成本和運營成本，生產成本是佔比高，又可細分為算力成本、數據成本、人力成本。

其中數據成本就是各類脫敏的醫學病歷和醫學圖像，經過細緻標註的醫學數據價格不菲。於是AI輔助診斷多與醫院等數據生產方建立緊密合作關係，以獲得脫敏的病曆數據，用於AI演算法的訓練和迭代。當AI演算法效果穩定後，再向醫院收費方收取一定的使用費。

Part.7??小豹展望

醫療是民生產業，合理分配、高效利用有限的醫療資源，提升基層醫院的診療實力，加速醫生的經驗積累與學習，更快速的響應患者訴求和準確診斷，對於醫療系統運營效率和國家醫保財政等有重要作用。

而隨著AI 技術的發展與落地，AI演算法可以更準確的識別複雜模式，構建多參數模型，發現處於早期階段的病灶特徵，從而提早發現疾病，增加可治療的時間。

同時，AI結合醫生診斷或醫院運營的大數據，提速醫療信息化，打通了數據在醫療產業各個環節的流通。除了BAT等巨頭，在AI賦能醫療上，科大訊飛、依圖科技、森億智能、雲知聲等一大批人工智慧企業都在不斷探索可落地的應用場景和發展AI技術，在不斷產品迭代優化中，賦予了醫療產業嶄新的面貌。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！