智東西內參（公眾號：zhidxcom）
截至2017年8月，我國83家AI醫療企業的融資額為18億元，歷年融資總額接近42億元，包括晶泰科技、華大基因、推想科技等。
與此同時，互聯網巨頭也積極布局AI+醫療領域，例如百度醫療大腦、阿里ET醫療大腦、騰訊覓影等。
本期的智能內參，我們推薦來自安信證券的AI+醫療報告，詳細解讀互聯網醫療和AI+醫療領域的8大應用場景、發展現狀、競爭格局等。如果想收藏本文的報告（安信證券-人工智能行業科技強國篇之AI+專題系列二：人工智能顯身手，AI+醫療生態遇曙光），可以在智東西公眾號回復關鍵詞“nc334”獲取。
以下為智能內參整理呈現的乾貨：
AI醫療的市場空間與熱門應用
據IDC統計數據，到2025年人工智能應用市場總值將達到1270億美元，其中醫療行業將佔市場規模的五分之一。
2014-2016年，AI+醫療融資數量有了明顯的上升，而且增長速度很快，資本的活躍度逐年走高。AI+醫療公司頻現、投融資市場活躍，體現了AI+醫療在我國具有龐大市場空間和良好未來預期。
整體上看，我國人工智能市場仍處於探索階段，如何基於AI技術開拓發展應用場景，已成為當下各大科技公司的主攻方向。
人工智能產業鏈可分為基礎層、技術層和應用層。其中基礎層和技術層由於技術壁壘較高，其布局主要來自科技巨頭，應用層則湧現出多家新型人工智能醫療創業公司。
國內疾病風險預測、醫學影像場景下的公司數量最多，佔醫療人工智能公司總數的一半以上，相關產品相對成熟。
在AI+醫療各細分領域中，輔助診療融資金額高居第一，高達20億元；接下來分別是語音互動融資額13億元，還有醫學影像和健康管理不分伯仲。
埃森哲評估了10種人工智能應用的綜合分類，確定了到2026年，人工智能應用到各個領域所產生的潛在年收益。其中潛在價值最高的前三個領域分別是機器人輔助手術（400億美元）、虛擬護理助理（200億美元）和管理工作流程協助（180億美元）。
對標美國：AI+醫療市場百花齊放，醫療信息化布局較早
1、醫療信息化布局較早
2004年布什總統提出10年內在全美實現電子病歷，2009年美國總統奧巴馬頒布醫療信息化法案（HITECH），提出醫療信息化項目建設三階段。
由政府出資通過獎懲機制激勵醫療機構建設電子健康檔案有效使用（MU），截至2018年1月，MU獎金已發放379億美元。到2016年，95%以上的美國醫院滿足電子健康檔案MU的要求，電子檔案普及率為法案頒布前的9倍。
2、各路資本大量湧入，AI醫療成熱點
根據CB Insights報告表明，自2011年起，美國醫療健康就逐漸開始受到資本關注，到2014年已經成為美國人工智能應用場景中最熱的投資領域。
2012年，資本投資智能醫療初創公司的披露交易還僅為21宗，在2015年這一數字卻已上升到67宗，佔到美國人工智能領域所有投資交易數量的15%。2016年披露交易已上升至90宗，披露的交易金額達到7.48億，雙創歷史新高。
美國科技巨頭和資本巨頭如IBM、谷歌、微軟、亞馬遜、Facebook、蘋果等近年來也都在美國醫療信息化領域投入大量投資，搶佔市場。
IBM在2013年就與克里夫蘭診所全面合作，研究如何利用IBM的沃森人工智能系統提高互利水準，並在沃森健康部門正式成立後，選擇腫瘤精準治療作為主攻領域，利用沃森系統快速分析各類數據，協助醫生診斷腫瘤。
谷歌自2014年起，風頭資金的1/3進入了醫療健康與生命科學領域，在智能醫療領域研發重點是糖尿病、神經性疾病診療和醫療器械。
微軟2006年開始通過投資、並購進入醫療信息技術領域，2016年公布將人工智能用於醫療健康的最新項目Hanover，通過人工智能深度理解最新醫學專業論文，幫助醫生進行資源整合，尋找有效腫瘤藥物和治療方案。
3、龍頭雲集的醫療信息化（HIT）
與此同時，美國AI+醫療細分領域百花齊放，尤以四大領域發展態勢迅猛，其中包括：洞察與風險分析、生活方式管理與檢測、醫療影像與診斷、藥物挖掘。
美國醫療信息化（HIT）趨勢下的細分領域大致可分為三類：以電子版病例記錄患者數據的電子病歷系統（EHR）企業、提供全面綜合性HIT服務的綜合性醫療信息化服務企業和提供專業第三方服務的藥品福利管理（PBM）企業。
其中，Cerner、Epic的電子病歷系統（EHR）通過以美國政府機構為客戶佔據大量市場份額，Express Scripts作為美國最大的藥品福利管理（PBM）提供商之一，推進綜合性醫藥福利管理服務。
AI+醫療八大應用場景
目前，AI+醫療主要有八大應用場景，其中包括：虛擬助理、醫學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫院管理、輔助醫學研究平台。
我國醫療人工智能企業主要集中在醫學影像和虛擬助手領域。
1、虛擬助理：提高醫療工作效率
醫療領域中的虛擬助理，基於特定領域的知識系統，通過智能語音技術和自然語言處理技術，實現人機互動，將患者的病症描述與標準的醫學指南作對比，為用戶提供醫療谘詢、自診、導診等服務。
根據億歐統計，目前國內共有15家公司提供“虛擬助理”服務，主要解決語音電子病歷、智能導診、智能問診、推薦用藥等需求，並且有衍生出更多需求的可能性。
其中虛擬助理的語音電子病歷能提供語音識別技術為醫生書寫病歷從而提高工作效率。
智能語音錄入可以幫助醫生通過語音輸入完成查閱資料等工作，並將醫生口述的醫囑按照患者基本信息、檢查史、病史、檢查指標、檢查結果等形式形成結構化的電子病歷，大幅提升醫生的工作效率。
導診機器人主要基於人臉識別、語音識別、遠場識別等技術，通過人機互動，執行包括掛號、科室分布及就醫流程引導等功能，智能導診準確率達到95%以上。
而且只要在機器人後台嫁接醫院信息等知識系統，機器人便可實現導診功能，所以國內眾多機器人製造廠商均有機會開發醫療市場，進入門檻較低，預期市場競爭激烈。
與此同時智能問診在醫生端和用戶端均發揮了較大的作用。在醫生端，智能問診可以輔助醫生診斷；在用戶端，人工智能虛擬助手能夠幫助普通用戶完成健康谘詢、導診等服務。
而推薦用藥虛擬助手企業前期業務模式則以to B為主，向京東到家、妙健康等醫藥電商及老百姓大藥房等線下藥店開放“自測用藥”系統接口，推廣自測用藥服務，了解用戶使用習慣，優化算法模型，為後期to C業務模式奠定基礎。
2、醫學影像：準確率高，預期市場規模較大
醫學影像，是目前人工智能在醫療領域最熱門的應用場景之一。目前國內共有43家公司提供“醫學影像”服務。“醫學影像”應用場景下，主要運用計算機視覺技術解決病灶識別與標注、靶區自動勾畫與自適應放療、影像三維重建三種需求。
在病灶識別與標注細分領域，有不少企業參與競爭，如阿里雲、騰訊、京東、翼展科技、推想科技等，行業競爭較為激烈。醫學影像核心產品的病灶識別準確率高、用時短。
靶區自動勾畫和自適應放療軟體通過算法幫助放療科醫生對200-450張CT片進行自動勾畫，30分鐘即可完成一套CT片子的勾畫，遠低於醫生手動勾畫平均耗時（4小時）。
當下AI+醫學影像的產品形態主要以用於影像識別與處理的軟體為主，極少數結合硬體。
而AI+醫學影像產品成熟度均處於搭建基礎模型向優化模型過渡階段，產品落地速度較緩慢，主要受以下幾方面因素影響：大量醫院不願數據共享造成企業科研數量短期、病灶識別與標注成本較高、AI醫學影像門檻較高。
目前基本成型的AI+醫學影像產品大多正處於醫院試用階段，該領域公司基本沒有實現盈利。
3、輔助診療：我國發展取得一定進步，醫療機器人打破國外壟斷
除醫學影像以外，“AI+輔助診療”的產品還有兩大類：醫療大數據輔助診療、醫療機器人（主要指針對診斷與治療環節的機器人）。
目前國內有8家公司提供醫療大數據輔助診療服務，11家公司提供“醫療機器人”服務。
醫療機器人主要包括手術機器人、腸胃檢查與診斷機器人、康復機器人等。我國在醫療機器人的研究與政策支持方面，都具有良好的發展環境。
目前國內致力於手術機器人的公司主要採用兩種業務模式：第一種，面向醫院進行機器人產品的單獨銷售，並提供長期維修服務；
第二種，是為醫院提供手術中心整體工程解決方案。國內的醫療機器人技術正在不斷升級，在多領域逐漸打破進口機器人的壟斷地位（如：哈工大機器人研究所研製的“微創腹腔外科手術機器人系統”，打破了進口達·芬奇手術機器人的技術壟斷，將加快實現國產微創手術機器人輔助外科手術），未來本土化機器人將會更具市場競爭力。
國外，IBM和Google均已布局輔助診療，並構建完整系統。IBM Watson for Oncology 是基於認知計算（讀懂大數據背後的含義）的醫療大數據輔助診療解決方案，為全球首家將認知計算運用於醫療臨床工作中。
Google研發的DeepMind Health系統將機器學習和系統神經科學結合，通過強大的通用學習算法模擬構建人腦神經網絡，以便更好的解決醫療保健問題；DeepMind系統於2016年在英國的一家醫院使用。
4、疾病風險預測：上遊有望打破國外壟斷，中下遊發展加速
疾病風險預測場景，是除“醫學影像”以外的另一熱門應用場景。疾病風險預測是指通過基因測序與檢測，提前預測疾病發生的風險。
目前國內共有45家公司提供“疾病風險預測”服務。
其中基因檢測的難度較高，我國只有不到10%的公司有能力完成基因檢測，其余停留在利用基因測序產品提供測序服務的水準。而基因測序方法的逐漸成熟，推動基因測序技術的商業化進程。
我國在上遊設備技術方面較為落後，基因測序設備及配套生物試劑基本上被國外企業壟斷。
相較於上遊測序設備研發，中遊測序服務門檻較低，目前國內提供基因測序服務的第三方機構數量較多，競爭比較激烈，市場尚未形成穩定的格局。
目前全球7389台基因測序設備分布在60多個國家，主要出自Illunima、Thermo Fisher、 Roche、Pacific Biosciences、Oxford Nanopore，五家公司佔市場份額99%以上，其中，Illunima公司基於第二代基因測序技術的基因測序儀，全球市場份額最大（83.9%）。
5、藥物挖掘：克服傳統藥物研發缺點
傳統的藥物研發存在研發周期長、研發成本高、研發成功率低等痛點。人工智能與藥物挖掘的結合，使得新藥研發時間大大縮短，研發成本大大降低；這將有可能根本上改變用藥“平均”觀念。
目前國內AI+藥物挖掘已經在逐步落地，但研發周期仍相對較長，且算法需要大量的時間和數據積累，短期內很難產生營收數據。國內有7家公司提供“藥物挖掘”服務。
而據蛋殼研究院統計，目前在北美地區已經出現了數家技術領先的初創企業，他們借助深度學習，與默克等傳統藥企及醫藥研究機構合作，在心血管藥物、抗腫瘤藥物、孤兒藥和經濟欠發達地區常見傳染病（如埃博拉）治療藥等多領域取得新突破，並吸引了諸如Y Combinator和Khosla Ventures等優秀孵化器或風險投資機構的青睞。
6、健康管理：因居民健康意識不足發展緩慢，市場潛力大
“健康管理”應用場景，主要包含營養學、身體健康管理、精神健康管理三大子場景。目前國內共有14家公司提供“健康管理”服務，公司大多集中於身體健康管理場景。
國內在營養學場景的人工智能公司較少，國人尚未普遍樹立營養飲食意識；碳雲智能和Airdoc的產品分別通過血糖監測和菜品識別指導用戶合理用餐。
致力於身體健康管理場景的公司，國內以碳雲智能和妙健康為典型代表，海外則有IBM、Validic、Welltok等公司。
國際上，愛爾蘭都柏林的創業公司Nuritas是營養學應用場景中的典型代表。Nuritas將人工智能與生物分子學相結合，進行肽的識別；根據每個人的身體情況，使用特定的肽來激活健康抗菌分子，改變食物成分，消除食物副作用，從而幫助個人預防糖尿病等疾病的發生、殺死抗生素耐藥菌。
7、醫院管理：受益政策支持，病歷結構化服務發展較好
醫院管理，主要指針對醫院內部、醫院之間各項工作的管理，主要包括病歷結構化、分級診療、DRGs（診斷相關分類）智能系統、醫院決策支持的專家系統等。
目前國內共有21家公司提供“醫院管理”服務，業務大多集中於病歷結構化服務。
在分級診療的政策推動之下，國內陸續出現促進帳級診療的企業服務，行業前景廣闊。分級診療的實現，離不開醫聯體與智能雲服務，二者相輔相成。
8、輔助醫學研究平台：共享科研成果，醫療人員與企業實現雙贏
輔助醫學研究平台，是利用人工智能技術輔助生物醫學相關研究者進行醫學研究的技術平台。2014年以來，國家衛計委、國務院先後頒布相關文件，鼓勵醫療機構及醫生進行科學研究。
目前國內共有14家人工智能公司建立輔助醫學研究平台。
然而，SCI收錄的我國醫學研究論文中，臨床研究論文的佔比很小，一方面與臨床醫生時間較少有關，另一方面與我國結構化數據較少、醫生數據統計與分析能力有限、科研經費不足相關。線上科研平台為科研人員在數據、資金、軟體試用等很多方面提供了便利條件。
智東西認為，醫療健康與我們的生活息息相關，在美國，AI+醫療健康已經成為AI落地的最熱行業之一；而在國內人口老齡化加劇、醫療資源分配不均、國民慢性病頻發的當下，AI醫療無疑也是人工智能的極佳落地場景。
目前我國AI醫療創業集中在虛擬助手與醫療影像方面，技術門檻相對較低，市場競爭激烈；而在對於藥物研發、醫療機器人、輔助診療等方面，由於前沿技術的欠缺，仍舊是一片有待挖掘的藍海市場。
香港九龍灣馬來街興發大廈15樓D室