关于智慧医疗市场发展的现状分析

近几年，随着图像识别、自然语言处理等AI技术实现关键突破，且在国家政策的大力支持与鼓励下，AI+医疗行业迈入了发展新纪元。另一方面随着人口老龄化问题不断加剧，一号难求、医疗资源分配不均等问题也日益迫切，AI+医疗成为解决老百姓看病难的新希望。如何提升医院系统运营效率，提高医生诊断的精确度，加快医生的知识学习与沉淀是各级政府和医疗行业人员都关注的热点。

人工智能技术是当下最火热的领域，人工智能技术如何赋能医疗服务，是众多公司和机构尝试的方向。政府管理部门也期待人工智能技术能为医疗行业带来创新发展。医疗领域上下游产业链长，人工智能技术落地场景多，一般在狭义的医院场景下可以分为AI辅助诊断、AI健康管理、AI药物开发、AI疾病预测等。

根据行业统计，截至2018年底，我国医院部署人工智能应用并成熟使用的占比仅为33.6%，仍有42%的医院并未尝试接入任何人工智能技术。人工智能技术在医疗领域内应用的潜力巨大。随着AI技术发展和在医疗领域成功落地项目的增多，医疗行业人工智能市场规模逐年快速增长。2017年市场规模已达135亿元，环比增长40%，2018年预计能达到200亿元。近几年环比增长率均在40%以上。

当我们聚焦到AI辅助诊断，又可以细分为四大子领域，包括AI医学影像、电子病历、智能导诊、虚拟助理。患者在医院就医一般按如下流程：挂号-候诊-诊断-处方-支付-配药，AI辅助诊断可以在上述各个环节切入，提高医生诊断速度和质量，降低医院运营成本。现在大多数落地方案集中在为某个特定问题提供解决方案上。

智慧导诊的目的是减轻医院运营压力，及时响应高峰期患者需求。依赖专业的医学知识图谱和本地医院信息系统，利用传感器和人机交互获取患者体温、心率等人体参数，表情、舌苔等患者特征以及病情特点，对患者情况进行判断并完成导诊建议。当前部分产品的准确率为90%左右。同时机器人响应及时，节省患者时间。

尽管导诊机器人已经落地全国多家医院，但是否对运营有效率提升还未可知，主要还是受限于医学知识图谱的丰富度和专业度。患者在医院就诊时，医生需要通过历史病历了解患者基本信息，此环节需要占用医生大量时间，且由于时间关系，对历史病历的检查和病情总结也欠缺系统性。人工智能技术即可沉淀患者大量详实的历史病历信息，又可结合疾病大数据和疾病模型给医生提供诊断帮助，从而提高了医生效率。

2018 年国内医学影像存量市场规模约 2000 亿元，且主要在二级以上医院市场，基层相对空白。2000亿元算法：2018 年国内医疗机构总收入将达 4.4 万亿元。按检查费占比 10%，其中影像检查占比 1/3 到 1/2 的比例测算，2018 年国内影像存量市场规模 1，500-2，200 亿元。

2017 年，全国医疗卫生机构总诊疗人次达 81.8 亿，居民平均就诊 5.9 次，高于美国人均就诊次数。但影像检查转化率 20%，相比美国 50% 的转化率，还有较大提升空间；同时随着药占比压缩，医院影像收入有望继续增长，理论上长期潜在市场规模高达 3000-5000 亿元。当前，大型三甲医院影像科处于超负荷运转状态；普通三级医院、以及二级医院医学影像需求与供给较为匹配；而基层影像科整体服务能力不足。

AI医学影像与传统人工识别影像相比有较明显优势：在肺结核、眼底病变、乳腺癌、宫颈癌、肺部、心脏的疾病或脏器上已有多项可行且高效的AI技术落地，提高了早期发现疾病病灶的可能性、更明确的界定疾病阶段，为医生确定治疗方案提供了准确度高的建议。针对具体场景的的AI算法能够高效完成任务。AI医疗服务提供商的主要成本包括生产成本和运营成本，生产成本是占比高，又可细分为算力成本、数据成本、人力成本。

其中数据成本就是各类脱敏的医学病历和医学图像，经过细致标注的医学数据价格不菲。于是AI辅助诊断多与医院等数据生产方建立紧密合作关系，以获得脱敏的病历数据，用于AI算法的训练和迭代。当AI算法效果稳定后，再向医院收费方收取一定的使用费。

医疗是民生产业，合理分配、高效利用有限的医疗资源，提升基层医院的诊疗实力，加速医生的经验积累与学习，更快速的响应患者诉求和准确诊断，对于医疗系统运营效率和国家医保财政等有重要作用。而随着AI 技术的发展与落地，AI算法可以更准确的识别复杂模式，构建多参数模型，发现处于早期阶段的病灶特征，从而提早发现疾病，增加可治疗的时间。

同时，AI结合医生诊断或医院运营的大数据，提速医疗信息化，打通了数据在医疗产业各个环节的流通。除了BAT等巨头，在AI赋能医疗上，科大讯飞、依图科技、森亿智能、云知声等一大批人工智能企业都在不断探索可落地的应用场景和发展AI技术，在不断产品迭代优化中，赋予了医疗产业崭新的面貌。