医疗影像领域人工智能行业分析报告Word文件下载.docx
《医疗影像领域人工智能行业分析报告Word文件下载.docx》由会员分享，可在线阅读，更多相关《医疗影像领域人工智能行业分析报告Word文件下载.docx（14页珍藏版）》请在冰豆网上搜索。
2、AI+医疗影像发展不及预期22
医疗影像海量数据积累使得人工智能应用成为可能。
基于数据的服务智能阶段将在接下来3-5年爆发。
而数据可得性高的医疗、金融、交通等行业人工智能将率先用于解决行业痛点，爆发大量场景应用。
到2020年全球医疗数据量将达40万亿GB，其中80％以上是非结构化影像数据，这是未来人工智能深度学习的金矿。
国内医疗影像行业服务模式创新。
我国医疗影像行业在误诊人数、信息化建设水平全面落后于美国，存在巨大的发展空间。
影像增速与医师增速存在巨大缺口、新的医疗消费趋势形成以及患者“看病难，看病贵”和医生“误诊率高”形成内在力量驱动医疗影像行业服务模式创新，亟待引入智能影像分析。
巨头纷纷加码，资本竞相追逐AI+医疗影像。
IBM、谷歌、微软、阿里、XX、科大讯飞等科技巨头近几年纷纷切入人工智能+医疗影像领域，其中IBMWatson的大数据分析业务有望创收20亿美元。
近年来国内外AI+医疗影像公司融资次数和融资总额双增。
AI+医疗影像应用不断取得突破。
近年来AI+医疗影像应用的准确度、诊断效率和覆盖病种数量都不断取得突破。
皮肤癌的诊断和人类旗鼓相当，但效率更快；
乳腺癌、甲状腺结节等的诊断准确度已经超过人类，并且还有AI分析软件通过FDA认证。
AI+医疗影像应用空间较大。
根据36氪研究院的粗略估算2015年我国医疗影像市场规模在4000亿左右。
基于医疗影像的人工智能产品应用才刚刚开始，未来有望渗透到医疗影像设备和影像服务市场，提高诊断效率和准确度，应用空间较大。
一、医疗影像海量数据积累使得人工智能应用成为可能
阿里云研究中心和BCG的最新合作报告《人工智能：
未来制胜之道》中指出，从技术突破和应用价值两维度分析，未来人工智能会出现服务职能、科技突破、超级智能三个阶段。
而数据可得性高的行业人工智能将率先用于解决行业痛点，爆发大量场景应用。
从应用行业的角度来看，医疗、金融、交通、教育、公共安全、零售、商业服务等行业数据电子化程度较高，因此这些行业将会率先涌现大量的人工智能场景应用，用于解决行业痛点。
从技术的角度来讲，医院的数据归结为两类：
一类是结构化数据，一类是非结构化数据。
检验报告、血常规检查、肝功能检查等以文字加数字的方式呈现的数据可以归类于结构化数据。
而超声和放射科等影像学检查所呈现的数据是没有结构化的影像数据，是非结构化数据。
根据咨询公司IDC的预测数据显示，到2020年全球医疗数据量将达40万亿GB，并且人类每年数据生成和共享的速度还将迅速增长，导致数据加速积累，而这些医疗数据中的80％以上是非结构化影像数据。
海量、精准、高质量的数据为训练人工智能提供了原材料，也是未来人工智能深度学习的金矿。
IDC认为，未来人工智能技术将在医疗领域被广泛应用，尤其在辅助诊断、药物研究、医学影像、基因科学等细分的医疗场景。
二、国内医疗影像行业服务模式创新
我国医疗影像行业各方面全面落后于美国，存在巨大的发展机会。
我国医学影像的误诊人数远高于美国。
美国每年的误诊人数达到了1200万；
而据中国医学会的一份误诊数据资料显示，中国临床医疗中每年的误诊人数约为5700万人，总误诊率为27.8%，其中恶性肿瘤平均误诊率为40%，器官异位误诊率为60%，而这些误诊主要发生在基层医疗机构。
影像的信息化建设水平远低于美国。
根据CHIMA的数据显示，2015年我国医院的PACS系统的建设水平是50%-60%，远低于美国几乎100%的建设水平。
中国的医学影像正在逐渐从传统的胶片过渡到电子影像胶片，并且影像数据的共享程度低；
而美国传统胶片已经成为历史，几乎所有医院都可以提供影像数据，并且支持共享。
影像数据和放射科医生增长速度的不匹配带来人工智能影像诊断的需求。
在政策鼓励和电子胶片趋势的带动下，医学影像数据将迎来大幅度增长。
根据相关部门和动脉网的数据，美国和中国的影像数据年增长率将分别达到63.1%和30%。
但美国和中国放射科医生的年增长率仅有2.2%和4.1%，远远低于影像数据的增长，存在巨大的缺口。
这将大大增加影像医师的工作量，并有可能会引起影像医师的判断准确性下降。
鉴于人工智能对医疗影像进行诊断可以很好的弥补两者之间速度的不匹配，医疗影像的智能诊断的需求有望被带动起来。
而且我国医疗信息化还有很大的提升空间，影像数据的共享程度低，这也使得跨平台的影像云有巨大市场需求。
患者和医生诉求驱动医疗影像行业服务模式改变：
对患者来说，考虑到我国特殊国情，“看病难、看病贵”是其主要的面临的问题。
看病难是由我国优质医疗资源过于集中和医师的水平参次不奇所导致基层医院误诊率高、大医院排队时间又长等问题所引起的；
看病贵则归咎于医疗影像数据不能共享且过往影像资料存储难，导致重复拍片，增加患者就医的成本。
对于影像医师来说，最大的痛点在于误诊率高和收入较低。
与此同时，医疗影像行业新的市场趋势正在形成。
包括新一代医疗消费行为趋势、以患者为中心的医疗服务变革趋势、对数据价值挖掘的预期、对影像数据进行存储管理的需求等。
既往痛点结合新的市场需求趋势，形成了产业创新的内在驱动力。
而影像智能诊断分析、影像远程诊断、第三方独立影像中心等能很好地解决患者所面临的“看病难、看病贵”问题和影像医师“误诊率高”的痛点。
三、巨头纷纷加码，资本竞相角逐AI+医疗影像
提到AI+医疗影像，就必须提到已经在这个领域深耕多年的IBMWaston。
Watson是自2007年开始，由IBM公司的首席研究员DavidFerrucci所领导的DeepQA计划小组开发的人工智能系统。
其认知智能的核心在于对非结构化数据的理解，即医嘱、图像等信息。
而医疗行业中的非结构化数据包含了绝大多数的信息量。
IBMWatson可以在17秒内阅读248000篇论文，106000份临床报告，61540次试验数据，3469本医学专著，69种治疗方案，通过海量汲取医学知识，IBMWatson可以在短时间内通过学习快速成为肿瘤专家。
相比于人类研究人员每年平均200至300篇论文的阅读量有巨大的优势。
IBMWatson是目前全球较为成熟的案例。
IBMWatson将基础能力与人类医生的一般医疗诊断模型进行融合，提供辅助诊疗的处理逻辑能力。
Watson已通过了美国职业医师资格考试，目前WatsonforOncology已于全球7个国家落地，分别是中国、美国、韩国、泰国、新加坡、印度、荷兰，这7个国家已经正式进入商业化对外服务患者。
在服务病种方面，目前沃森提供的肿瘤治疗方案覆盖了乳腺癌、肺癌、直肠癌、结肠癌、胃癌、宫颈癌、卵巢癌，预计2017年底会扩展到8~12个癌种。
截止2017年3月25日，WatsonforOncology已经在全球服务了2万多名患者。
2016年8月，IBMWatson的癌症诊断机器人登陆中国，至2017年7月份，已经在11家医院落地，预计年底覆盖150家三级综合医院。
根据JPMorgan估计，2017年Watson的大数据分析可以为IBM带来20亿美元的收入（注：
2016年以Watson为主的IBM认知解决方案业务营收186亿美元，占总营收的22.76%）。
IBMWatson还在不断拓展医学影像领域的优势。
IBMWatson先后于2015年10月和2016年2月分别斥资10亿美元和26亿美元收购医疗影像分析公司MergeHealthcare和医疗数据公司TruvenHealthAnalytics，加大Watson的数据训练量并增强其在医疗影像的诊断能力。
除了IBM在人工智能+医疗影像领域广泛布局外，谷歌、微软、阿里、XX、科大讯飞等科技巨头也在近几年纷纷积极切入。
除了巨头加速布局之外，依托资源或者技术优势，近年来许多创业公司也纷纷成立，成为了资本的新宠儿。
自2006年起，国内便有工程师将创业目光放在了医学影像+人工智能领域，发展至今，根据亿欧的不完全统计，国内共有27家将人工智能技术应用于医学影像的公司，其中有11家是成立于2015年和2016年，且大多数公司尚处于天使轮或者A轮，具体如下表。
根据火石创造HSMAP的数据统计，截至2016年年底，国内医疗人工智能领域已有公开披露的融资事件有81笔，其中有50笔左右明确公布了融资金额。
从时间上来看，2014-2016年融资数量出现了明显的上升，而且增长速度很快，数量从2014年的12次增加到2016年的32次。
2014-2016年融资金额也有了明显的上升，金额从2014年的4.2亿元增长到2016年的25.8亿元，资本的活跃度逐年走高，医疗人工智能领域深受资本青睐。
在国内医疗人工智能各细分领域中，辅助诊疗和医学影像最受资本青睐，融资金额高居第一和第三，分别为20.6亿和11.6亿元。
四、AI+医疗影像应用不断取得突破
人工智能在医疗影像领域的创业公司发展模式有两种比较突出的模式：
1、平台类公司；
2、诊断类公司。
因模式的不同，公司的产品形态也有一定差异。
1、以数据分析，图像识别算法为核心的平台公司
第一种是做平台类的公司，提供底层云服务或者影像平台，切入API。
相关公司如华润万里云（提供医学影像大数据云平台和“DoctorYou”医疗AI）、汇医慧影（提供医疗影像云平台，国内首家提供线上第三方影像中心的公司）、医众影像（致力于打造第三方医学影像数据中心及影像诊断平台）、海纳医信（提供PACS系统和远程医疗平台）、翼展科技（提供诊断平台和第三方医学影像中心）。
2、垂直病种领域检测标准,争取CFDA认证
第二类就是做垂直病种领域检测和判断的公司，尤其在单一细分病种和规律较为明显的病种，如肺栓塞诊断、脑血流诊断、心血管疾病、甲状腺疾病诊断、早期肿瘤诊断（特别是肺癌、乳腺癌领域）、精神类疾病诊断等。
这类公司主要以提高准确度、诊断效率和增加覆盖病种数量为发展目标。
相关公司如雅森科技（专注于脑、甲状腺、心脏、肺、肾及全身骨的医疗影像分析）、医拍智能（覆盖肿瘤、乳腺癌、皮肤病变等病种）、图玛深维（计划推出6-8类针对肿瘤、心血管疾病、脑血管疾病的自动化诊断产品）、DeepCare（识别和预判断子宫颈癌抹片，尿检血检的细胞识别、乳腺癌等）、推想科技（集中在胸部的肺、心脏等方面的疾病）。
人工智能在医疗影像领域效果显著，突破不断：
目前，人工智能在医学影像的国内外前沿研究都取得了比较好的成果，例如在基于乳腺钼靶影像的病变检测、基于脑部MRI的白质高信号灶分割（帕金森预测）、基于皮肤镜照片的皮肤癌分类诊断等均显示，机器的分类效能已经达到了人类专家的水平。
近一年来，人工智能在医疗影像领域又是突破不断，在多个病种和多领域相对熟练的人类医师有不熟表现甚至大大领先人类医师，具体如下表：
五、市场规模巨大，有望带动上下游产业发展
医疗影像诊断市场潜在客户很多，市场规模巨大。
潜在客户主要分为以下几类：
（1）为医疗机构提供影像诊断应用，帮助医师提高判断的准确度或者效率；
（2）为医疗影像设备商提供算法模型，使医疗影像设备更加智能化；
（3）为医疗影像云提供商提供影像诊断能力及服务；
（4）为医药研发企业提供模拟药效分析，节约临床试验成本；
（5）为保险机构提供影像数据分析、患者健康状况分析，帮助保险定价等。
其中
（1）和
（2）类客户规模较大。
美国医疗影像诊断市场规模2018年将达到110.7亿美元。
美国医疗影像诊断已初具规模，相关数据显示，2015年大约进行了1100万人次的远程医疗服务，其中包括了大约500万次的医院之间的影像诊断（包括X线、CT、MRI）。
根据Frost&
Sullivan的预测显示。
美国医疗影像诊断市场规模1从2009年的46.6亿美元增长到2015年的87.1亿美元，预计2018年将达到110.7亿美元，十年的复合增长率高达10.09%。
其中60%的市场贡献来自于医疗机构；
40%的市场贡献来自于独立影像中心。
（注：
美国拥有影像中心6800多个）
我国医院信息化建设较晚，导致之前影像数据不可用，但是我国影像数据快速积累，已具有开发应用规模。
我国影像智能诊断市场稍晚于美国，考虑到政策和数据驱动，未来市场规模可期。
根据CHIMA2015年数据显示，我国医院中的60-70%、50-60%、15-40%和10-20%分别建设了科室级PACS、院级PACS系统、远程医疗信息系统、区域性信息系统。
我国信息系统尚未饱和，未来上升空间大。
我国现有大型医疗影像设备如PET-CT、CT、核磁等的数量已超过4万台，小型影像设备则更多。
基于巨大人口基数产生的需求，这些设备每天产生的影像数据以PB计算。
另外随着影像信息系统发展和我国医疗机构信息化建设继续推进，我国影像设备每天产生的影像数据还将增加，影像数据规模快速积累。
2016年6月，国务院办公厅印发《关于促进和规范健康医疗大数据应用发展指导意见》，明确指出健康医疗大数据是国家重要的基础性战略资源，要深化医疗大数据在临床诊疗、器械药品研发、医疗保险等方面的应用，助推医疗大数据产业形成及快速发展，包括医疗信息化以及医疗数据收集、融合、共享、分析应用等领域。
影像数据是医疗大数据中量级最大的一类数据，占比超过80%，因此影像数据的开发应用在医疗大数据产业中具有重要地位，预计相关领域应用将会持续受到政策关注。
我国医疗影像市场大部分集中在各级医院，第三方影像中心刚刚兴起。
而在医院拍片收费，阅片免费，远程阅片等单独的医疗影像诊断市场也是刚刚兴起。
注：
（1）信息截止于2016年7月30日，行业公司并未全部列出；
（2）图中公司名称为蓝色字体的表示一级市场公司、灰色字体的表示二级市场公司、橙色融资渠道不明确。
六、行业相关公司
类似于其他人工智能领域，医疗影像人工智能的核心竞争力是获取不断更新的高质量数据库、优良的算法、方便可及的应用场景。
医疗信息化龙头企业，并在医疗影像产业链的上中下游都有布局的东软集团；
拥有独特医疗影像数据库并与阿里健康深度合作的万东医疗；
看好与多家医疗机构深度合作的科大讯飞。
1、东软集团
国内医疗信息化龙头，承建和运营“辽宁省医学影像云”健康医疗服务平台。
公司在医疗信息化领域深耕多年，先后为2500多个医疗服务机构、近400个三甲医院提供东软数字化医院解决方案，市场份额超过10%遥遥领先，同时在社保核心业务解决方案市场占据超过50%的份额。
公司此前联合联众医疗拿下总投资金额16.45亿元的“辽宁省医学影像云”健康医疗服务平台建设与运营合同，该项目是覆盖辽宁全省的健康医疗服务平台，公司作为主导建设与运营方，并以全新商业模式拓展市场，将给公司带来长期稳定回报并带来良好的标杆效应。
汽车电子在手订单超过200亿元，订单释放有望带来业绩持续高增长。
公司在汽车电子领域有25年的经验积累，车载娱乐系统覆盖全球60多个国家，销量累计达5000多万套，服务85%的全球TOP30汽车品牌。
在中国市场，公司全面拓展长安、吉利、奇瑞、沃尔沃等整车厂的车载量产业务；
在ADAS领域，公司的专利产品“识别图像中障碍物的方法和装置”荣获“中国专利优秀奖”，初步实现在园区人、车混行路况下的完全自动驾驶技术；
在新能源汽车领域，公司的智能充电产品、动力电池包和管理系统进展顺利，与多家车厂展开密切合作，探索以新能源化、共享化为特征的出行服务模式。
随着公司在手订单的逐步释放，业绩持续高增长可期。
2、万东医疗
国内医疗影像设备龙头。
公司主要从事X射线和磁共振全系产品阵列的业务，是国内自主研发能力最强、产品线最丰富的医用放射影像设备专业制造厂家之一，是国内唯一一家掌握X射线和磁共振领域全部核心技术的企业。
研发制造生产服务超过60年，积累了大量的医疗机构客户。
2015年引入战略股东鱼跃医疗，变身为民营企业，并启动了员工持股计划，对员工进行充分激励。
全国最大的远程影像服务平台。
公司2009年成立华润万里云，于2016年3月获得了阿里健康增资的2.25亿元，提供影像读片分析服务，加快打造互联网独立医学影像实验室进程，开展2B、2C远程医学影像诊断及相关服务，构建医学影像大平台。
根据公开媒体报道目前万里云医学影像平台已为全国包括河南、湖北、新疆、江西、四川在内的20多个省区市的1600余家基层医院提供远程咨询服务。
携手阿里健康加速AI+医疗影像发展。
2017年7月11日，由阿里健康研发的医疗AI“DoctorYou”，在北京万里云医学影像中心正式对外发布。
万里云有望成为首个将医疗AI引入实际应用的远程影像诊断平台。
万里云积累的经过专业医生标注的医疗影像资料是个十分宝贵的数据库，这个数据库随着万里云业务的发展还会不断累积，是公司开展医疗影像人工智能研究的重要基础和核心优势之一。
携手阿里健康将有望借力阿里集团在人工智能技术的积累加速发展。
而公司本身万里云的业务又是未来医疗影像人工智能产品较好的应用场景，一方面如果产品能大幅提高医生的效率，将给万里云直接带来经济效益；
另一方又可以不断检验和改进人工智能产品的准确度。
3、科大讯飞
深耕AI+行业应用落地，医疗领域大力布局。
公司面向医疗行业积极布局智能语音、医学影像、基于认知计算的辅助诊疗系统三大领域，其中语音电子病历系统已在北京大学口腔医院、华西医院、安贞医院等医院的口腔和超声科室应用；
导诊导医机器人“晓医”在301医院、瑞金医院和广州军区总医院落地应用，日均导诊服务量达500次；
医疗影像方面，公司在由国际医疗影像大会组织的权威测评LUNA比赛中获得全球最好成绩，结节检出率达到三甲医院医生水平。
此外，公司先后与安徽省立医院共建、北京协和医学院、解放军总医院等国内顶尖医院达成战略合作协议，与安徽省立医院联合打造的首家“智慧医院”在国内率先落地。
语音交互时代最受益标的。
语音是最自然最方便的交互方式，整个链条从前端声学到中间的语音识别、合成及语义理解都达到了可用的门槛，同时以亚马逊Echo为代表的交互产品表现亮眼，市场加速发展。
据VoiceLabs预计2017年语音交互设备的出货量将达到2450万台，相比2015年增长超过10倍，市场规模将超过200亿美元，在触屏等传统近场交互手段不能很好满足用户需求的场景下，语音将成为主流的交互方式。
公司作为国内语音识别与合成龙头，行业应用经验丰富，从前端的麦克风阵列到后端的内容合作整个语音交互产业链形成完整布局，将直接受益于语音交互产业爆发，具备长期战略价值。
七、主要风险
1、商业落地不及预期的风险
目前国内大多数关于AI+医疗影像的应用还都是刚刚从实验室走出来，大部分还处于试点阶段，是否能够商用存在很大的不确定性。
2、AI+医疗影像发展不及预期
像任何之前在医疗领域推进的新技术一样，AI技术在医疗影像领域的应用也需要面临政策监管和现有利益集团的阻挡等困难，导致发展速度放缓。
升级会员 