《人工智能专题-神机妙术大医精准.pdf》由会员分享，可在线阅读，更多相关《人工智能专题-神机妙术大医精准.pdf（30页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 1 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。人工智能行业应用系列报告之四：人工智能行业应用系列报告之四：神机妙术神机妙术 大医精准大医精准 人工智能为医疗创新带来重大突破人工智能为医疗创新带来重大突破 从互联网医疗升级到医疗从互联网医疗升级到医疗 AI。医疗 AI 从根本上解决医疗服务资源的供给瓶颈，彻底改善看病难的问题，是对医疗产业从表层到实质、从边缘到中心的全面升级。数据成为了新的要素，人工智能技术创造了全新的医疗服务供给。临界点已至，医疗人工智能站上风口。临界点已至，医疗人工智能站上风口。1）技术：医疗人工
2、智能在多个应用场景已突破临界点，正在加速商业化；2）资本：资本持续看好医疗人工智能赛道。巨头和创业公司齐头并进，各个体量公司皆有机会；3）产业环境：国内医疗服务供需严重不平衡，医疗人工智能技术引入存在刚需。消费者将成为现阶段智能医疗服务重要的买单方；4）政策：医疗人工智能需“持证”上岗，收费政策尚未明晰；5）商业前景：未来医疗 AI 商业化落地的模式可以分为 1.0 的技术赋能（联合医院共同输服务 C 端）以及 2.0 的直接切入医疗服务（基于医疗牌照+科技直接展业）。医疗影像：人工智能在医疗领域应用的第一站。医疗影像：人工智能在医疗领域应用的第一站。人工智能在医疗影像领域的应用场景可以分为两
3、类：机器看片和机器阅片。前者的重点是提升医生看病效率；后者强调对影像内容的精准分析，提升医生看病的准确率。在 4000亿的影像市场中，无论是上游医疗影像成像硬件设备还是下游医疗影像诊断服务，人工智能均有极大的发挥空间，前景广阔。智能辅助诊断：现代医学皇冠智能辅助诊断：现代医学皇冠上的明珠。上的明珠。智能辅助诊断就是让计算机模拟医生的思维和诊断推理，给出可靠的诊断。医疗数据规模和数据结构化能力是智能辅助诊断技术竞争的核心壁垒。精准医疗：精准医疗：AI+基因组解读生命大数据。基因组解读生命大数据。基因组解读分析能力是现阶段基因检测产业临床应用的瓶颈。人工智能对基因组和疾病组进行建模有望发现更多基因
4、组疾病组之间的规律，突破基因组解读分析能力瓶颈。投资建议：投资建议：医疗行业坐拥天然的数据富矿，结合人工智能技术有望释放出巨大的商业价值。AI+医疗影像、AI+辅助诊断、AI+基因组学将是三个最为主要的应用场景。除了切入这些应用场景的公司之外，还有三类公司受益：1）计算层：建设生物云、影像云等垂直行业云的公司；2）数据层：具备数据资源获取能力以及数据挖掘能力的医疗信息化公司、医疗影像器械提供商、基因测序设备商；3）技术层：掌握核心算法技术，具备复制到医疗行业能力的公司。重点推荐思创医惠、科大讯飞、东软集团、建议关注万东医疗、华大基因、万达信息、创业软件、麦迪科技、荣之联等。风险提示风险提示：医
5、疗人工智能产业发展不及预期；政策监管风险；大量涌入新的公司造成行业恶性竞争风险。Table_Title 2017 年年 09 月月 23 日日 计算机计算机 Table_BaseInfo 行业深度分析行业深度分析 证券研究报告 投资投资评级评级 领先大市领先大市-A 维持维持评级评级 Table_FirstStock 首选股票首选股票 目标价目标价 评级评级 300078 思创医惠 18.00 买入-A 002230 科大讯飞 60.00 买入-A 600718 东软集团 20.00 买入-A Table_Chart 行业表现行业表现 数据来源：Wind资讯%1M 3M 12M 相对收益相对收
6、益-1.97-0.97-5.88 绝对收益绝对收益 0.20 4.96 11.28 胡又文胡又文 分析师 SAC 执业证书编号：S1450511050001 021-35082010 相关报告相关报告 中国脑计划呼之欲出 人工智能再迎重磅政策催化 2017-09-19 计算机行业周报（9 月 17 日）2017-09-16 紧抓 AI“芯”未来 计算机行业周报（9 月 10 日）2017-09-10 并购效应弱化，人工智能高景气计算机行业周报（9 月 2 日）2017-09-02 风生水起新零售，赋能店商正当时 2017-08-29 -28%-22%-16%-10%-4%2%8%14%2016
7、-092017-012017-05计算机 沪深300 行业深度分析/计算机 2 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。内容目录内容目录 1.前言：从互联网医疗升级到医疗人工智能前言：从互联网医疗升级到医疗人工智能.4 2.临界点已至，医疗人工智能站上风口临界点已至，医疗人工智能站上风口.5 2.1.技术：已走出实验室，商业化加速落地.5 2.2.资本：一级市场持续火爆，巨头加速布局.7 2.3.产业环境：供需不平衡仍将延续，消费升级产生新的付费方.8 2.3.1.供需总量分析：供给不平衡仍将延续.8 2.3.2.
8、供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求.8 2.3.3.付费方：消费者有望成为智能医疗服务的重要付费方.9 2.4.政策：需“持证”上岗，收费政策尚未明晰.9 2.5.商业前景：技术赋能是当下，医疗服务是未来.10 3.医疗影像：人工智能在医疗领域应用的第一站医疗影像：人工智能在医疗领域应用的第一站.11 3.1.人工智能在医疗影像的应用场景.11 3.2.市场机遇：医疗影像是千亿级的市场.12 3.3.技术实现路径和竞争壁垒分析.14 3.4.二级市场参与医疗影像+人工智能产业的路径.15 4.智能辅助诊断：现代医学皇冠上的明珠智能辅助诊断：现代医学皇冠上的明珠.16 4.
9、1.技术实现路径：打造“医疗大脑”的 5 个步骤.16 4.2.竞争壁垒分析：医疗数据规模&数据结构化技术.17 4.3.商业化路径：智能辅助诊断系统面临的三个定位选择.18 4.3.1.to B or to C？.19 4.3.2.to B 领域：选择基层、专科还是大三甲？.20 4.3.3.常见病 or 垂直病种？.21 4.4.二级市场参与智能辅助诊疗产业的路径.21 4.4.1.路径一：发挥通道优势，联合技术方共同推广.21 4.4.2.路径二：补齐数据结构化能力，自研医疗大脑.22 5.精准医疗：精准医疗：AI+基因组学解读生命大数据基因组学解读生命大数据.23 6.投资建议与重点推
10、荐公司投资建议与重点推荐公司.25 6.1.思创医惠：IBM 沃森中国战略合作伙伴，打造自主医疗 AI 技术.26 6.2.科大讯飞：人工智能龙头开辟新战场，医疗 AI 业务快速崛起.26 6.3.东软集团：人工智能有望成为医疗业务二次腾飞的助推器.27 6.4.万东医疗：战略合作阿里健康，打造人工智能医疗影像平台.27 7.风险提示风险提示.28 图表目录图表目录 图图 1：从边缘革命到战场中心：从边缘革命到战场中心.4 图图 2：医疗人工智能时代的投资逻辑变化：医疗人工智能时代的投资逻辑变化.5 图图 3：现代医学是数据驱动的学科：现代医学是数据驱动的学科.5 图图 4：医疗人工智能发展史
11、大事件整理：医疗人工智能发展史大事件整理.6 图图 6：医疗人工智能创业在：医疗人工智能创业在 2014、2015 年开始激增年开始激增.7 图图 7：医疗人工智能融资已经超过医疗人工智能融资已经超过 180 亿亿.7 图图 8：医疗供需严重不平衡：医疗供需严重不平衡.8 图图 9：国内人口以及国内人口以及 60 岁以上人口岁以上人口的统计，单位（万）的统计，单位（万）.8 图图 10：分级诊疗流程：分级诊疗流程.9 行业深度分析/计算机 3 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。图图 11：AI+医疗影像产品认
12、证流程医疗影像产品认证流程.10 图图 12：未来医疗人工：未来医疗人工智能的商业模式智能的商业模式.11 图图 13：人工智能在医疗影像领域的应用场景：人工智能在医疗影像领域的应用场景.12 图图 14：病理科医生的供需缺口：病理科医生的供需缺口.13 图图 15：放射科医生的：放射科医生的供需供需缺口缺口.13 图图 16：乳腺癌淋巴转移数字病理切片诊断准确率比赛：乳腺癌淋巴转移数字病理切片诊断准确率比赛.13 图图 17：医疗影像市场：医疗影像市场.14 图图 18：“机器看片机器看片”的技术原理的技术原理.14 图图 19：人工：人工智能医疗影像产业链智能医疗影像产业链.15 图图 2
13、0：打造医疗大脑的流程：打造医疗大脑的流程.16 图图 21：医疗知识图谱的简单示意：医疗知识图谱的简单示意.17 图图 22：临床数据结构化的流程图：临床数据结构化的流程图.18 图图 23：Babylon 的的 APP 界面（对话由患者与机器完成）界面（对话由患者与机器完成）.19 图图 24：IBM 沃森沃森“看病看病”流程流程.20 图图 25：医疗信息化公司与核心技术公司合作是较好的选择：医疗信息化公司与核心技术公司合作是较好的选择.21 图图 26：医疗信息化公司与核心技术公司合作是较好的选择：医疗信息化公司与核心技术公司合作是较好的选择.22 图图 27：数据流的视角下的医疗信息
14、化上市公司划分：数据流的视角下的医疗信息化上市公司划分.23 图图 28：基因组数据解读分析的核心就是找到基因组和表型：基因组数据解读分析的核心就是找到基因组和表型/疾病组之间的规律疾病组之间的规律.24 图图 29：基因预测疾病风险的经典案例基因预测疾病风险的经典案例.24 图图 30：基因检测产业：基因检测产业链链.24 图图 31：2001-2016 年平均每兆数据量基因测序成本年平均每兆数据量基因测序成本.25 图图 32：2001-2016 年基因测序成本年基因测序成本.25 表表 1：医疗影像领域人工智能技术突破：医疗影像领域人工智能技术突破“人类水平人类水平”的案例的案例.6 表
15、表 2：国内巨头医疗人工智能产业布局概览：国内巨头医疗人工智能产业布局概览.7 表表 3：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具.11 表表 4：医疗数据结构化的三种路径：医疗数据结构化的三种路径.18 表表 5：智能辅助诊断系统的：智能辅助诊断系统的市场定位市场定位.20 表表 6：医疗：医疗+人工智能股票池人工智能股票池.26 行业深度分析/计算机 4 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。1.前言：从互联网医疗升级到前言：从互联网医疗升
16、级到医疗医疗人工智能人工智能 从 2014 年互联网医疗崛起至今，我们经历了一个完整的医疗产业技术渗透周期，享受过牛市的甜蜜期，也体会过商业模式迟迟未能兑现所带来的阵痛。看当下，以春雨医生、微医为代表的互联网医疗平台，继续在政策的夹缝中艰难摸索商业模式；传统的医疗 IT 厂商们仍然埋头做着医院、政府的项目。当颠覆医疗的口号慢慢平息，医疗健康产业似乎重新归于平静之时，新一轮人工智能的风暴开始向医疗产业袭来，我们观察到医疗这个号称最难被颠覆的产业，正在出现新的变化。1）影响范围影响范围升级：升级：从边缘到从边缘到中心中心 互联网医疗互联网医疗到医疗到医疗人工智能人工智能，是对，是对医疗医疗行业行业
17、从表层到实质、从边缘到中心的全面升级从表层到实质、从边缘到中心的全面升级。医疗是一个人力、智力密集型行业，医疗服务供给与需求的严重失调是我国医改面临的根本问题。为了变革升级产业，解决看病难的问题。1.0 时期的互联网医疗，大部分商家都将自身定位为平台，强调平台的连接属性、放大互联网的流量优势。典型的商业模式就是轻问诊平台，以挂号为切入口，希望通过更高效的链接患者和医生，提升医疗服务的资源配臵效率。2.0时期，互联网医疗平台尝试通过开通互联网医院、或者到线下开诊所的形式来提供医疗服务，从增加医疗服务供给的角度去变革产业，但受限于人力的瓶颈，变革仍然是有限度的。到了医疗人工智能时期，AI 对医疗的
18、渗透有望大幅变革医疗服务的成本和效率，从根本上解决医疗服务资源的供给瓶颈，彻底改善看病难的问题。图图 1：从边缘革命到战场中心：从边缘革命到战场中心 数据来源：安信证券研究中心整理制作 2）产业布局产业布局思维思维升级：升级：从从“圈人圈人”到圈到圈“数据数据”医疗医疗人工智能人工智能创造了全新的医疗服务供给创造了全新的医疗服务供给，医疗投资回归技术驱动路径，医疗投资回归技术驱动路径。总结过去几年互联网医疗行业的热潮，人是商家争夺的核心要素，技术暂处于边缘辅助角色，技术和人力两个生产要素的抉择中，资本更偏好人力。其表现形式为，投资者以及创业者均认为医疗行业还处于人力驱动的逻辑，即如何圈住医生、
19、医院这些医疗服务的供给方才是核心所在。而人工智能技术的成熟和普及将让医疗行业步入技术驱动的轨道，从基于医生经验医学到循证医学（统计学+小样本数据）的阶段再进一步进化到基于人工智能的诊疗，医疗行业的投资逻辑将发生根本性的变革。以医生和医院为代表的医疗服务资源将不再稀缺，数据成为了新的生产要素，人工智能技术创造了全新的医疗服务供给。行业深度分析/计算机 5 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。图图 2：医疗：医疗人工智能人工智能时代的投资逻辑变化时代的投资逻辑变化 数据来源：安信证券研究中心整理制作 2.临界点已至
20、临界点已至，医疗人工智能站上风口，医疗人工智能站上风口 2.1.技术：已走出实验室，商业化加速落地技术：已走出实验室，商业化加速落地 现代医学是数据驱动的学科。现代医学是数据驱动的学科。一提到技术对于医学的作用，可能大家的第一反应就是医疗是一门手艺活，靠的是经验和实践，技术本身并没那么重要。我们认为这是一种偏见或者无解，事实上，中西医分科治学后，现代医学已经是一门数据驱动的学科了。传统医学的底层驱动其实是经验医学；到了现代医学，特别是西医，强调的是循证医学，其背后的支撑是基础理论的研究+临床经验（以数据的形式呈现）。循证医学会采集大样本的临床数据，进行系统性的评价，最后把临床数据总结成临床诊疗
21、指南、临床路径；循证医学发展到精准医疗时代，数据的重要性更加明显。精准医疗在循证医学的基础上，更加强调患者个体的个性化诊疗，通过对患者的数据的分析结合临床经验，给出最佳的治疗方式，甚至会出现“同病不同治”、“同治不同病”的情况。因此因此，如果我们承认如果我们承认数据是现代医学的基础数据是现代医学的基础，那么将人工智能技术引入，那么将人工智能技术引入医疗领域显然是历史发展的必然。医疗领域显然是历史发展的必然。图图 3：现代医学是数据驱动的学科：现代医学是数据驱动的学科 数据来源：安信证券研究中心整理制作 行业深度分析/计算机 6 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限
22、公司。各项声明请参见报告尾页。各项声明请参见报告尾页。人工智能在医疗领域的尝试最早可以追溯到人工智能在医疗领域的尝试最早可以追溯到 80 年代年代。最早的一波在医疗领域进行人工智能探索的尝试，出现在 1972 年。由利兹大学研发的 AAPHelp，这是医疗领域最早出现的人工智能系统。AAPHelp 系统基于贝叶斯理论开发，主要是用于腹部剧痛的辅助诊断以及手术的相关需求。1976 年美国斯坦福大学开发了一个用于细菌感染病诊断的专家咨询系统-MYCIN，它是世界上第一个功能较全面的专家系统。1980 年，已经有一些商业化应用系统的出现，比如哈佛医学院开发的 DXplain，主要是依据临床表现提供诊
23、断方案。DXplain 的知识库中，已经收录了 2200 种疾病，和 5000 多种症状。同时期，我国的医学专家系统也开始进入研究阶段。总体来说，早期的医疗人工智能的厂商并不成功，技术本身也存在很总体来说，早期的医疗人工智能的厂商并不成功，技术本身也存在很大大的局限性的局限性，包括在医疗辅助诊断领域的 CDSS（临床辅助决策系统）、医疗影像领域的 CAD（计算机辅助诊断），均没有获得理想的商业效果，在实际的应用过程中，也并不受医疗从业者的欢迎。主要的原因在于，无论从算法、算力或者数据来看，人工智能技术本身并不成熟。医疗的高度复杂性对于过去的人工智能而言还是一个不可逾越的行业。图图 4：医疗人工
24、智能发展史大事件整理：医疗人工智能发展史大事件整理 数据来源：安信证券研究中心整理制作 在人工智能基础技术突飞猛进提供了持续的技术红利的大背景下，医疗+AI 开始突破早期的技术瓶颈，获得新的发展契机。以以医疗影像为例医疗影像为例，新一代人工智能技术在精确度上已经实现了，新一代人工智能技术在精确度上已经实现了“超越人类水平超越人类水平”的技术临界点。的技术临界点。以前的医疗影像 CAD（计算机辅助诊断）依旧主要表现为事先输入的预先假设和病例特征结构之间的判断程序，计算机识别不够精确，敏感度和特异性不够，漏诊（假阴性）和误诊（假阳性）的可能性还是比较大，因此对于一个放射科医师还是临床专业医师都无法
25、起到很好的辅助作用，反而可能在使用的时候拖慢效率，极大地阻碍了 CAD 在临床医疗实践中的推广和发展。引入深度学习之后的医疗人工智能与过去传统的人工智能模型的区别在于，传统人工智能模型的成本非常高，需要一大批的专家来教机器某一种疾病的各种类型的特征。这种模型准确率本身不高，而且能够做出来的病种也非常有限。但深度学习的模型，本质上有点类似一个普通医学生的自学习过程，只要有足够的数据量作为学习材料，就能实现更精准、覆盖病种更多的模型。从 2013 年开始，已经有多个医疗影像人工智能的学术研究以及商业化的案例，通过引入深度学习算法，在某些病种的识别和诊断上，达到“超越人类水平”的技术临界点。表表 1
26、：医疗影像领域人工智能：医疗影像领域人工智能技术技术突破突破“人类水平人类水平”的案例的案例 时间时间 内容内容 2016.11 美国医学会杂志刊登了 Google 的研究，利用深度学习诊断糖尿病视网膜病变，谷歌的这款行业深度分析/计算机 7 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。算法甚至超过人类医师。2017.1 Nature 期刊刊登了斯坦福大学的研究，借助 CNN（深度卷积神经网络），人工智能系统的皮肤癌鉴定水平与皮肤科医生相当。2017.9 腾讯优图在肺癌早筛领域，特异性和灵敏度均达到医生水平 数据来源：
27、安信证券研究中心整理 实际上，医疗人工智能在众多应用场景已经走出了实验室，进入了商业化落地阶段实际上，医疗人工智能在众多应用场景已经走出了实验室，进入了商业化落地阶段。除了上文提到的了医疗影像之外，医疗人工智能商业化落地的案例中，最为大家所熟知的就是 IBM沃森肿瘤医生。2012 年，沃森肿瘤医生通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。从 2016 年起，IBM 正式全线发力推广沃森肿瘤医生，截止至 2017年 3 月底，在全球 7 个国家服务的病患数量已达到数万名。2.2.资本：一级市场持续火爆，巨头加速布局资本：一级市场持续火爆，巨头加速布局 医疗人工智能在一级
28、市场已经融资超过医疗人工智能在一级市场已经融资超过 180 亿。亿。我们引用亿欧智库的相关研究数据，截止至2017 年 8 月 15 日，国内医疗人工智能公司累积融资额已超过 180 亿人民币，融资公司共 104家。考虑到大部分医疗人工智能创业都成立于 2014、2015 年，医疗人工智能超过 180 亿的融资一定程度的反应了行业的火爆程度。此外，从全球范围来看，IDC 在其全球半年度认知/人工智能支出指南中将医疗人工智能统列为 2016 年吸引最多投资的领域之一，并表示在未来五年内，包括医疗人工智能+诊断和治疗系统的使用案例将获得最大的发展。在五年期间，它预测医疗健康人工智能投资的年复合增长
29、率为 69.3%。同样，CBInsights 将医疗健康列为人工智能中最热的领域。图图 5：医疗人工智能创业在：医疗人工智能创业在 2014、2015 年开始激增年开始激增 图图 6：医疗人工智能融资已经超过医疗人工智能融资已经超过 180 亿亿 数据来源：亿欧智库，安信证券研究中心 数据来源：亿欧智库，安信证券研究中心 巨头们开始加强医疗人工智能的产业布局力度。巨头们开始加强医疗人工智能的产业布局力度。其中，标志性的事件就是，百度宣布将原先专攻互联网医疗领域的医疗事业部进行重组，对外发布了百度医疗大脑，将未来医疗的重心方向定位于医疗人工智能。表表 2：国内巨头医疗：国内巨头医疗人工智能人工智
30、能产业布局概览产业布局概览 医疗医疗 AI 布局布局 百度百度 砍掉互联网医疗部，打造百度医疗大脑，建立智能平台。腾讯腾讯 1、通过投资的形式参股碳云智能、思派网络等一级市场的明星医疗人工智能公司 2、研发 AI 影像产品 阿里阿里 1、参股万里云；2、发布阿里云 ET 医疗大脑 平安平安 宣布将投入 30 亿研发医疗 AI 科大讯飞科大讯飞 涉足医学影像和辅助诊疗领域 数据来源：各个公司官方新闻，安信证券研究中心整理 行业深度分析/计算机 8 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。医疗人工智能赛道尚未跑出巨头，
31、各个体量公司皆有机会。医疗人工智能赛道尚未跑出巨头，各个体量公司皆有机会。观察整个医疗人工智能产业的创业赛道，目前仍然处于初期，融资轮次大部分集中于 A 轮。如果将巨头纳入到考查范围内，现阶段也尚未出现绝对领先的公司。即使考虑国外，已经经过多年孵化、较为成熟的 IBM 沃森，也只是在商业化方面刚刚起步，领先优势并不大。考虑到医疗行业本身的复杂性和高门槛，我们判断：1）未来会出现新进入者，但是不会出现蜂拥而入而陷入恶性竞争的情况；2）医疗人工智能空间广阔，现阶段各体量公司皆有机遇。2.3.产业环境：供需不平衡仍将延续，消费升级产生新的付费方产业环境：供需不平衡仍将延续，消费升级产生新的付费方 产
32、业环境从医疗服务的供给方、需求方、付费方三个视角来看：1）人工智能的引入有望解决医疗服务供给紧张；2）医改倡导的分级诊疗体系将重新划分医疗服务供给方的服务半径，基层医疗面临智能升级的强需求；3）消费升级的趋势下，个人消费者将有望成为智能医疗服务的重要付费方，也将加速倒逼产业的智能升级。2.3.1.供需总量分析：供给不平衡仍将延续供需总量分析：供给不平衡仍将延续 医疗健康产业供需严重不平衡。医疗健康产业供需严重不平衡。、我国目前医疗存在的“看病难、看病贵”问题主要是因为资源稀缺、分布不均衡以及效率低下，无法满足民众医疗需求的增长。国内，目前有 280 万注册执业医生，每天有 2000 万门诊量，
33、但这 2000 万不是医疗需求全部，另外 3500 万去了药店，还有 1500 万人处于未管理的状态，产业供需严重不平衡。从医疗需求端来看，随着中国人口老龄化趋势下，疾病高发的年数量日增多，医疗需求从医疗需求端来看，随着中国人口老龄化趋势下，疾病高发的年数量日增多，医疗需求持续持续加大。加大。从供给从供给端端来看，优质医疗服务资源紧张的表现更为明显。来看，优质医疗服务资源紧张的表现更为明显。我国医生学历层次不齐导致医疗服务质量差距较大。根据中国卫生统计年鉴，在医院供职的医生中，具有高级职称(主任医师、副主任医师)的占 7.6%,中级职称(主治医师、主管)占 21.3%,初级职称为 60.8%.
34、主任在医生中占比不到一成，而“专家”更是少数中的少。然而，当患上较严重的疾病或者对治疗技术要求较高时，人人都想去看专家，就更加剧了看病难问题。考虑到一般医学生需要九年的学习、临床培训才能成为一个能够执业的医生，这意味着未来 280 万人的增长是被锁定的。图图 7：医疗供需严重不平衡：医疗供需严重不平衡 图图 8：国内人口以及国内人口以及 60 岁以上人口的统计，单位（万）岁以上人口的统计，单位（万）数据来源：安信证券研究中心整理制作 数据来源：亿欧智库，安信证券研究中心 医疗资源供给的紧张催生医疗人工智能的刚需。医疗资源供给的紧张催生医疗人工智能的刚需。面对医疗健康产业供需严重不平衡的大背景，
35、过去互联网公司进入医疗做医患匹配，可以解决一部分医疗资源不平均带来的问题。但长期来看，通过引入人工智能技术，提升医疗服务的效率、扩大医疗服务的供给才是解决问题的根本方法，医疗资源供给的紧张将催生医疗人工智能的刚需。2.3.2.供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求 行业深度分析/计算机 9 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。分级诊疗带来新的市场机遇。分级诊疗带来新的市场机遇。我们医疗服务体系正在向分级诊疗方向演进，落实分级诊疗一直是我国
36、新医改最重要的事情，通过优化医疗资源的配臵，让不同层级的医院形成有效的分工协作，从而实现缓解目前医疗服务供给不足的矛盾。说得通俗一点，就是按照疾病的轻重缓急进行分级，让不同级别的医疗机构承担不同疾病的治疗工作，从而缓解居民看病难的问题。基层医疗机构将成为未来居民健康的“守门人”和“健康管理者”，基层首诊意味着基层医疗将成为新的就医入口。图图 9：分级诊疗流程：分级诊疗流程 数据来源：动脉网，安信证券研究中心 人工智能赋能基层医疗。人工智能赋能基层医疗。现阶段，分级诊疗的难点在于基层的医疗服务水平的薄弱，导致了患者对于基层医生的广泛不信任，造成分级诊疗难以落实。强基层是分级诊疗体系建设的重要一环
37、。人工智能的引入有望将将顶尖医学专家的知识和诊治经验进行快速复制，为基层医生提供实效、实时的决策支持，可以提高广大经验不足的医疗工作者的工作能力。2.3.3.付费方：消费者有望成为智能医疗服务的重要付费方付费方：消费者有望成为智能医疗服务的重要付费方 个人消费者将成为智能医疗服务的重要付费方。个人消费者将成为智能医疗服务的重要付费方。考虑到现阶段医保、商保等支付方对于人工智能辅助诊断或者人工智能阅片服务是否纳入报销目录尚未有定论，个人消费者可能是人工智能医疗服务的重要付费方。欣喜的是，我们观察到，伴随着消费升级，个人对于自身健康的关注度持续提高，个人对于数字医疗的认可度和付费意愿在持续提高。以
38、互联网医疗在线问诊平台为例，根据财新健康点的调研数据显示：自 2016 年开始延续至今，付费在线问诊业务已是互联网医疗企业（平台）普遍选择的战略转折点，并且 C 端付费正呈现出良好的增长态势。2.4.政策：需政策：需“持证持证”上岗上岗，收费政策尚未明晰，收费政策尚未明晰 医疗人工智能领域的相关政策主要包括两大块：准入政策和收费政策。1）从大方向来看，政策对于医疗人工智能的技术引入松开了口子；2）收费政策尚未明晰。准入政策：准入政策：医疗人工智能医疗人工智能“持证持证”上岗。上岗。1）医疗影像领域：人工智能在 CFDA 中没有申报项目录，智能医学影像产品还是作为三类医疗器械向 CFDA 进行认
39、证申请。获得 CFDA 认证的时间成本和技术水平的要求很高，需要同国家指定的三甲医院合作进行临床测试，同做临床试验的每一个病人签订合同，在国家专业机构做检测和报备，方可通过认证；2）医疗辅助诊断领域：2017 年 2 月，国家卫计委发布了 2017 版“人工智能辅助诊断技术管理规范”及“人工智能辅助诊断技术临床应用质量控制指标”。对于人工智能辅助诊断技术做了定性：“人工智能辅助诊断技术为辅助诊断和临床决策支持系统，不能作为临床最终诊断，仅作为临床辅行业深度分析/计算机 10 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。
40、助诊断和参考，最终诊断必须由有资质的临床医师确定。”图图 10：AI+医疗影像产品认证流程医疗影像产品认证流程 数据来源：亿欧智库，安信证券研究中心整理制作 国内监管未来或可参考美国国内监管未来或可参考美国 FDA，成立独立的，成立独立的 AI 与数字医疗审评部。与数字医疗审评部。鉴于认证的流程过于缓慢，面对越来越多的医疗人工智能产品和技术方案，美国 FDA 于 2017 年正式授权组建一个专门致力于数字化医疗和 AI 技术审评的新部门，其终极的目标就是“让 FDA 赶上硅谷的速度”。我们认为，目前国内医疗人工智能的落地同样面临认证审核流程过长的问题，一定程度上延缓了产业发展的进程。我们预计，
41、未来随着医疗人工智能产品的不断成熟，国内有望参考美国 FDA，成立专门的 AI 产品审核部，加快医疗人工智能“持证”上岗的速度。现阶段，医疗人工智能是否能进入诊疗收费项目名录中存在争议。现阶段，医疗人工智能是否能进入诊疗收费项目名录中存在争议。以医疗人工智能影像为例，由于“人工智能读片费”不在诊疗收费项目名录内，是否可以向患者收费存在争议。在医疗人工智能辅助诊断领域，IBM 沃森肿瘤医生的收费是以咨询费而非医疗服务的形式进行收费。我们认为，如果未来医疗人工智能可以进入诊疗收费项目名录甚至医保目录，那么无疑将大大推动其商业化落地的速度。2.5.商业前景：技术赋能是当下，医疗服务是未来商业前景：技
42、术赋能是当下，医疗服务是未来 未来医疗未来医疗人工智能人工智能商业商业化化落地的模式可以分为落地的模式可以分为 1.0 的技术赋能（联合医院共同输服务的技术赋能（联合医院共同输服务 C 端）端）以及以及 2.0 的直接切入医疗服务（基于医疗牌照的直接切入医疗服务（基于医疗牌照+科技直接展业）。科技直接展业）。现阶段，受制于本身的技术成熟度以及政策监管，医疗人工智能只能以技术赋能的形式，面向医疗机构，进行商业推广。但随着技术的不断成熟以及医疗改革的深入，支持社会办医的政策落实，医疗的“牌照”价值正在下降，未来有大概率出现独立的 AI 诊断中心，直接提供诊断服务。除了鼓励社会办医之外，2016 年
43、底,国家卫计委陆续印发 4 类独立设臵医疗机构的基本标准和管理规范,包括医学影像诊断中心、医学检验实验室、血液净化机构、病理诊断中心。实际上，这也为未来AI 诊断中心开了政策的口子。行业深度分析/计算机 11 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。图图 11：未来医疗：未来医疗人工智能人工智能的商业模式的商业模式 数据来源：安信证券研究中心整理制作 从国外调研数据来看从国外调研数据来看，医疗人工智能商业前景乐观医疗人工智能商业前景乐观。根据 Healthcare IT News 报道，其联合HIMSS 分析（HI
44、MSS Analytics）针对美国医院人工智能技术应用前景开展了一项调查，调查分析的 85 家医院中，目前已应用人工智能技术的仅占 4.7%，不过人工智能在医院的普及前景光明。调查显示，计划在一年内应用人工智能的医院占 10.6%，两年内应用人工智能的占23.5%，另有 24.7%的医院计划在三年到五年内应用人工智能。以此推算，大约以此推算，大约 35%的医疗的医疗机构计划在两年内使用人工智能技术，而计划五年内应用人工智能的医院超过一半以上。机构计划在两年内使用人工智能技术，而计划五年内应用人工智能的医院超过一半以上。3.医疗影像：人工智能在医疗领域医疗影像：人工智能在医疗领域应用应用的第一
45、的第一站站 3.1.人工智能在医疗影像的应用场景人工智能在医疗影像的应用场景 医疗影像是现代医学最重要的临床诊断和鉴别诊断工具。医疗影像是现代医学最重要的临床诊断和鉴别诊断工具。影像成像技术的不断丰富使医学影像从辅助检查工具变为现阶段医生做诊断时最大的信息入口，接近 70%的临床诊断需借助医学影像。表表 3：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具 分类分类 器官器官 常见病种常见病种 主要影像检查设备主要影像检查设备 常见病常见病 肺 肺炎、肺结核、肺癌 X 光、CT 甲状腺 甲亢、甲状腺癌 超声、spect 乳腺 乳腺炎
46、、乳腺增生、乳腺纤维瘤、乳腺囊肿、乳腺癌 超声、X 光 脑（老年慢性病）阿耳茨海默（AD）、帕金森 核磁共振、pet 脑 癫痫 脑电、SPECT 职业病职业病 尘肺病 矽肺、煤工尘肺等 13 种 X 光 放射病 外照射急性放射病等 10 种 病理（检查淋巴细胞）数据来源：安信证券研究中心整理 医疗影像诊断医疗影像诊断不止是不止是“目测目测”，正在从定性，正在从定性向向定量演进定量演进。在介绍人工智能在医疗影像的应用场景之前，首先需要纠正大家的一个偏见：医疗影像诊断实际上就是医生“看片子”，人工智能+医疗影像就是“机器看片”。实际上，影像诊断主要分两类：结构类影像及功能类影像诊断：1）结构类影像
47、结构类影像：简单来说就是“所见即所得”的影像，比如 X 光、CT 就属于这一种，它能够非常直观地观察到生理结构，判断是否有物理变化的病变，相当于“大家来找茬”。这种影像类型结合人工智能，就是大家通常意义上讲的“机器阅片”。但对于一些没有明显物理变化的行业深度分析/计算机 12 本报告版权属于安信证券股份有限公司。本报告版权属于安信证券股份有限公司。各项声明请参见报告尾页。各项声明请参见报告尾页。疾病，就束手无策了。2）功能类影像功能类影像：相当于结构类影像的“补集”。这类影像能够研究脏器细胞对某种物质的代谢能力，从而反映出这个脏器的功能是否正常。机器检查放射性示踪剂在人体代谢的状况，记录反应能
48、量代谢的数据矩阵，通过一张二维的影像片子来呈现。影像不能反映真实生理结构，只能通过影像像素的明暗程度来表示代谢的强弱程度、是否异常，而医生又无法研读数据矩阵。这样一来，诊断结果只能全凭医生的肉眼和经验来判断，即使是专家，误诊漏诊率也在30%-50%。对于这类影像，人工智能要做的事情就是帮助医生做更精确的判断，也就是影像信息的后处理，将影像信息转换为定量的数据并做分析诊断。具体流程：第一步，就是做定量化。要把肉眼看到的影像，转化成数学的数据，把一张图像转化成数学矩阵，通过数字的方式去诊断病灶。第二，引入大数据。建立疾病数据库，把定量化的数据引入到可参照的系统中，并进行下一步的比对分析。从功能来看
49、从功能来看，人工智能在医疗人工智能在医疗影像影像领域的应用场景可以分为两类领域的应用场景可以分为两类：1）机器看片：强调的是替代或者辅助医生观察影像数据的作用。以帮助医生提升影像诊断效率为主要目的，解决医生资源不足的问题；2）机器读片：强调的是对医学影像数据的内容解读，帮助医生进一步提高影像诊断精准度，解决的问题是加强医生的诊断水平。图图 12：人工智能在医疗影像领域的应用场景：人工智能在医疗影像领域的应用场景 数据来源：安信证券研究中心整理制作 3.2.市场机遇：医疗影像是千亿级的市场市场机遇：医疗影像是千亿级的市场 医疗影像医生供需缺口巨大。医疗影像医生供需缺口巨大。1）放射科：按照动脉网
50、蛋壳研究院的数据，放射科有超过 50%的医生工作时间在 8 小时以上，20.6%的医生每天平均工作时间超过 10 个小时。目前我国医学影像数据的年增长率约为 30%，而放射科医师数量的年增长率只有 4.1%，放射科医师数量增长远不及影像数据增长。这意味着放射科医师在未来处理影像数据的压力会越来越大，甚至远超负荷；2）病理科：根据 deepcare 提供的数据，在中国病理医生非常的缺乏，大概平均七万中国人一位病理医生，而在美国是平均两千人一位病理医生，缺口按照美国的标准是达到 3-4 万。综上，现有的医疗影像医生其实面临工作负荷过载，跟不上日益增加的医疗影像需求的问题。在繁重的工作负担下，人工分