AI医疗资本聚焦：数亿融资，阿里百度等企业巨头争相布局

AI+医疗的市场空间与热门应用

据IDC统计数据，到2025年人工智能应用市场总值将达到1270亿美元，其中医疗行业将占市场规模的五分之一。埃森哲评估了10种人工智能应用的综合分类，确定到2026年，人工智能应用到各个领域所产生的潜在年收益。其中潜在价值最高的前三个领域分别是机器人辅助手术（400亿美元）、虚拟护理助理（200亿美元）和管理工作流程协助（180亿美元）。

整体上看，我国人工智能医疗市场仍处于探索阶段，如何基于AI技术开拓发展临床应用场景，已成为当下各大科技公司的主攻方向。

人工智能产业链可分为基础层、技术层和应用层。其中基础层和技术层由于技术壁垒较高，其布局主要来自科技巨头，应用层则涌现出多家新型人工智能医疗创业公司。国内疾病风险预测、医学影像场景下的公司数量最多，占医疗人工智能公司总数的一半以上，相关产品相对成熟。

对标美国：AI＋医疗市场百花齐放，医疗信息化布局较早

1、医疗信息化布局较早

2004年布什总统提出10年内在全美实现电子病历，2009年美国总统奥巴马颁布医疗信息化法案（HITECH），提出医疗信息化项目建设三阶段。由政府出资通过奖惩机制激励医疗机构建设电子健康档案有效使用（MU），截至2018年1月，MU奖金已发放379亿美元。到2016年，95％以上的美国医院满足电子健康档案MU的要求，电子档案普及率为法案出台前的9倍。

2、各路资本大量涌入，AI医疗成热点

根据CBInsights报告表明，自2011年起，美国医疗健康就逐渐开始受到资本关注，到2014年已经成为美国人工智能应用场景中最热的投资领域。

美国科技巨头和资本巨头如IBM、谷歌、微软、亚马逊、Facebook、苹果等近年来也都在美国医疗信息化领域投入大量投资，抢占市场。

IBM在2013年就与克利夫兰诊所全面合作，研究如何利用IBM的沃森人工智能系统提高互利水平，并在沃森健康部门正式成立后，选择肿瘤精准治疗作为主攻领域，利用沃森系统快速分析各类数据，协助医生诊断肿瘤。

谷歌自2014年起，风头资金的1／3进入了医疗健康与生命科学领域，在智能医疗领域研发重点是糖尿病、神经性疾病诊疗和医疗器械。

微软2006年开始通过投资、并购进入医疗信息技术领域，2016年公布将人工智能用于医疗健康的最新项目Hanover，通过人工智能深度理解最新医学专业论文，帮助医生进行资源整合，寻找有效肿瘤药物和治疗方案。

3、龙头云集的医疗信息化（HIT）

与此同时，美国AI＋医疗细分领域百花齐放，尤以四大领域发展态势迅猛，其中包括：洞察与风险分析、生活方式管理与检测、医疗影像与诊断、药物挖掘。

美国医疗信息化（HIT）趋势下的细分领域大致可分为三类：以电子版病例记录患者数据的电子病历系统（EHR）企业、提供全面综合性HIT服务的综合性医疗信息化服务企业和提供专业第三方服务的药品福利管理（PBM）企业。

AI＋医疗八大应用场景

目前，AI＋医疗主要有八大应用场景，其中包括：虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台。

我国医疗人工智能企业主要集中在医学影像和虚拟助手领域。

1、虚拟助理：提高医疗工作效率

医疗领域中的虚拟助理，基于特定领域的知识系统，通过智能语音技术和自然语言处理技术，实现人机交互，将患者的病症描述与标准的医学指南作对比，为用户提供医疗咨询、自诊、导诊等服务，主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求，并且有衍生出更多需求的可能性。其中虚拟助理的语音电子病历能提供语音识别技术为医生书写病历从而提高工作效率。

智能语音录入可以帮助医生通过语音输入完成查阅资料等工作，并将医生口述的医嘱按照患者基本信息、检查史、病史、检查指标、检查结果等形式形成结构化的电子病历，大幅提升医生的工作效率。

导诊机器人主要基于人脸识别、语音识别、远场识别等技术，通过人机交互，执行包括挂号、科室分布及就医流程引导等功能，智能导诊准确率达到95％以上。

而且只要在机器人后台嫁接医院信息等知识系统，机器人便可实现导诊功能，所以国内众多机器人制造厂商均有机会开发医疗市场，进入门槛较低，预期市场竞争激烈。

与此同时智能问诊在医生端和用户端均发挥了较大的作用。在医生端，智能问诊可以辅助医生诊断；在用户端，人工智能虚拟助手能够帮助普通用户完成健康咨询、导诊等服务。

2、医学影像：准确率高，预期市场规模较大

医学影像，是目前人工智能在医疗领域最热门的应用场景之一。“医学影像”应用场景下，主要运用计算机视觉技术解决病灶识别与标注、靶区自动勾画与自适应放疗、影像三维重建三种需求。

在病灶识别与标注细分领域，有不少企业参与竞争，如阿里云、腾讯、京东、翼展科技、推想科技等，行业竞争较为激烈。医学影像核心产品的病灶识别准确率高、用时短。

3、辅助诊疗：我国发展取得一定进步，医疗机器人打破国外垄断

除医学影像以外，“AI＋辅助诊疗”的产品还有两大类：医疗大数据辅助诊疗、医疗机器人（主要指针对诊断与治疗环节的机器人）。

医疗机器人主要包括手术机器人、肠胃检查与诊断机器人、康复机器人等。我国在医疗机器人的研究与政策支持方面，都具有良好的发展环境。

目前国内致力于手术机器人的公司主要采用两种业务模式：第一种，面向医院进行机器人产品的单独销售，并提供长期维修服务；第二种，是为医院提供手术中心整体工程解决方案。

国内的医疗机器人技术正在不断升级，在多领域逐渐打破进口机器人的垄断地位（如：哈工大机器人研究所研制的“微创腹腔外科手术机器人系统”，打破了进口达·芬奇手术机器人的技术垄断，将加快实现国产微创手术机器人辅助外科手术），未来本土化机器人将会更具市场竞争力。

国外，IBM和Google均已布局辅助诊疗，并构建完整系统。IBMWatsonforOncology是基于认知计算（读懂大数据背后的含义）的医疗大数据辅助诊疗解决方案，为全球首家将认知计算运用于医疗临床工作中。Google研发的DeepMindHealth系统将机器学习和系统神经科学结合，通过强大的通用学习算法模拟构建人脑神经网络，以便更好的解决医疗保健问题；DeepMind系统于2016年在英国的一家医院使用。

4、疾病风险预测：上游有望打破国外垄断，中下游发展加速

疾病风险预测场景，是除“医学影像”以外的另一热门应用场景。疾病风险预测是指通过基因测序与检测，提前预测疾病发生的风险。其中基因检测的难度较高，我国只有不到10％的公司有能力完成基因检测，其余停留在利用基因测序产品提供测序服务的水平。而基因测序方法的逐渐成熟，则直接推动基因测序技术的商业化进程。

我国在上游设备技术方面较为落后，基因测序设备及配套生物试剂基本上被国外企业垄断。相较于上游测序设备研发，中游测序服务门槛较低，目前国内提供基因测序服务的第三方机构数量较多，竞争比较激烈，市场尚未形成稳定的格局。

5、药物挖掘：克服传统药物研发缺点

传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。人工智能与药物挖掘的结合，使得新药研发时间大大缩短，研发成本大大降低；这将有可能根本上改变用药“平均”观念。

目前国内AI＋药物挖掘已经在逐步落地，但研发周期仍相对较长，且算法需要大量的时间和数据积累，短期内很难产生营收数据。

6、健康管理：因居民健康意识不足发展缓慢，市场潜力大

“健康管理”应用场景，主要包含营养学、身体健康管理、精神健康管理三大子场景。目前国内公司大多集中于身体健康管理场景。国内在营养学场景的人工智能公司较少，国人尚未普遍树立营养饮食意识；碳云智能和Airdoc的产品分别通过血糖监测和菜品识别指导用户合理用餐。

7、医院管理：受益政策支持，病历结构化服务发展较好

医院管理，主要指针对医院内部、医院之间各项工作的管理，主要包括病历结构化、分级诊疗、DRGs（诊断相关分类）智能系统、医院决策支持的专家系统等。目前国内公司提供的“医院管理”服务业务大多集中于病历结构化服务。

8、辅助医学研究平台：共享科研成果，医疗人员与企业实现双赢

辅助医学研究平台，是利用人工智能技术辅助生物医学相关研究者进行医学研究的技术平台。2014年以来，国家卫计委、国务院先后出台相关文件，鼓励医疗机构及医生进行科学研究。

目前我国AI医疗创业集中在虚拟助手与医疗影像方面，技术门槛相对较低，市场竞争激烈；而在对于药物研发、医疗机器人、辅助诊疗等方面，由于前沿技术的欠缺，仍旧是一片有待挖掘的蓝海市场。