醫(yī)療健康與我們的生活息息相關，在美國，AI+醫(yī)療健康已經(jīng)成為AI落地的最熱行業(yè)之一；而在國內人口老齡化加劇、醫(yī)療資源分配不均、國民慢性病頻發(fā)的當下，AI醫(yī)療成為了人工智能的極佳落地場景。

據(jù)IDC統(tǒng)計數(shù)據(jù)，到2025年人工智能應用市場總值將達到1270億美元，其中醫(yī)療行業(yè)將占市場規(guī)模的五分之一。

2014-2016年，AI+醫(yī)療融資數(shù)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(yī)療公司頻現(xiàn)、投融資市場活躍，體現(xiàn)了AI+醫(yī)療在我國具有龐大市場空間和良好未來預期。

有數(shù)據(jù)表明，我國83家AI醫(yī)療企業(yè)的融資額為18億元，歷年融資總額接近42億元。雖然市場一片欣欣向榮，目前我國AI醫(yī)療創(chuàng)業(yè)集中在虛擬助手與醫(yī)療影像方面，技術門檻相對較低，市場競爭激烈；而在對于藥物研發(fā)、醫(yī)療機器人、輔助診療等方面，仍舊是一片有待挖掘的藍海市場。

AI醫(yī)療的市場空間與熱門應用

整體上看，我國人工智能市場仍處于探索階段，如何基于AI技術開拓發(fā)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(yè)鏈可分為基礎層、技術層和應用層。其中基礎層和技術層由于技術壁壘較高，其布局主要來自科技巨頭，應用層則涌現(xiàn)出多家新型人工智能醫(yī)療創(chuàng)業(yè)公司。

國內疾病風險預測、醫(yī)學影像場景下的公司數(shù)量最多，占醫(yī)療人工智能公司總數(shù)的一半以上，相關產品相對成熟。

在AI+醫(yī)療各細分領域中，輔助診療融資金額高居第一，高達20億元； 接下來分別是語音交互融資額13億元，還有醫(yī)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(xié)助（180億美元）。

虛擬助理提高醫(yī)療工作效率

目前，AI+醫(yī)療主要有八大應用場景，其中包括：虛擬助理、醫(yī)學影像、輔助診療、疾病風險預測、藥物挖掘、健康管理、醫(yī)院管理、輔助醫(yī)學研究平臺。

醫(yī)療領域中的虛擬助理，基于特定領域的知識系統(tǒng)，通過智能語音技術和自然語言處理技術，實現(xiàn)人機交互，將患者的病癥描述與標準的醫(yī)學指南作對比，為用戶提供醫(yī)療咨詢、自診、導診等服務。

據(jù)統(tǒng)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，并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(yī)生書寫病歷從而提高工作效率。智能語音錄入可以幫助醫(yī)生通過語音輸入完成查閱資料等工作，并將醫(yī)生口述的醫(yī)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(yī)生的工作效率。

導診機器人主要基于人臉識別、語音識別、遠場識別等技術，通過人機交互，執(zhí)行包括掛號、科室分布及就醫(yī)流程引導等功能，智能導診準確率達到95%以上。而且只要在機器人后臺嫁接醫(yī)院信息等知識系統(tǒng)，機器人便可實現(xiàn)導診功能，所以國內眾多機器人制造廠商均有機會開發(fā)醫(yī)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(yī)生端和用戶端均發(fā)揮了較大的作用。在醫(yī)生端，智能問診可以輔助醫(yī)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咨詢、導診等服務。而推薦用藥虛擬助手企業(yè)前期業(yè)務模式則以to B為主，向京東到家、妙健康等醫(yī)藥電商及老百姓大藥房等線下藥店開放“自測用藥”系統(tǒng)接口，推廣自測用藥服務，了解用戶使用習慣，優(yōu)化算法模型，為后期to C業(yè)務模式奠定基礎。

醫(yī)學影像準確率高，預期市場規(guī)模較大

醫(yī)學影像，是目前人工智能在醫(yī)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(yī)學影像”服務?！搬t(yī)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(qū)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(yè)參與競爭，如阿里云、騰訊、京東、翼展科技、推想科技等，行業(yè)競爭較為激烈。醫(yī)學影像核心產品的病灶識別準確率高、用時短。

當下AI+醫(yī)學影像的產品形態(tài)主要以用于影像識別與處理的軟件為主，極少數(shù)結合硬件。

而AI+醫(yī)學影像產品成熟度均處于搭建基礎模型向優(yōu)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(yī)院不愿數(shù)據(jù)共享造成企業(yè)科研數(shù)量短期、病灶識別與標注成本較高、AI醫(yī)學影像門檻較高。目前基本成型的AI+醫(yī)學影像產品大多正處于醫(yī)院試用階段，該領域公司基本沒有實現(xiàn)盈利。

輔助診療醫(yī)療機器人打破國外壟斷

除醫(yī)學影像以外，“AI+輔助診療”的產品還有兩大類：醫(yī)療大數(shù)據(jù)輔助診療、醫(yī)療機器人（主要指針對診斷與治療環(huán)節(jié)的機器人）。

目前國內有8家公司提供醫(yī)療大數(shù)據(jù)輔助診療服務，11家公司提供“醫(yī)療機器人”服務。醫(yī)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(yī)療機器人的研究與政策支持方面，都具有良好的發(fā)展環(huán)境。

目前國內致力于手術機器人的公司主要采用兩種業(yè)務模式：第一種，面向醫(yī)院進行機器人產品的單獨銷售，并提供長期維修服務；第二種，是為醫(yī)院提供手術中心整體工程解決方案。國內的醫(yī)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制的“微創(chuàng)腹腔外科手術機器人系統(tǒng)”，打破了進口達·芬奇手術機器人的技術壟斷，將加快實現(xiàn)國產微創(chuàng)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。

疾病風險預測上游有望打破國外壟斷

疾病風險預測場景，是除“醫(yī)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(fā)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平。而基因測序方法的逐漸成熟，推動基因測序技術的商業(yè)化進程。

我國在上游設備技術方面較為落后，基因測序設備及配套生物試劑基本上被國外企業(yè)壟斷。相較于上游測序設備研發(fā)，中游測序服務門檻較低，目前國內提供基因測序服務的第三方機構數(shù)量較多，競爭比較激烈，市場尚未形成穩(wěn)定的格局。

藥物挖掘克服傳統(tǒng)藥物研發(fā)缺點

傳統(tǒng)的藥物研發(fā)存在研發(fā)周期長、研發(fā)成本高、研發(fā)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(fā)時間大大縮短，研發(fā)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(jīng)在逐步落地，但研發(fā)周期仍相對較長，且算法需要大量的時間和數(shù)據(jù)積累，短期內很難產生營收數(shù)據(jù)。國內有7家公司提供“藥物挖掘”服務。

而據(jù)蛋殼研究院統(tǒng)計，目前在北美地區(qū)已經(jīng)出現(xiàn)了數(shù)家技術領先的初創(chuàng)企業(yè)，他們借助深度學習，與默克等傳統(tǒng)藥企及醫(yī)藥研究機構合作，在心血管藥物、抗腫瘤藥物、孤兒藥和經(jīng)濟欠發(fā)達地區(qū)常見傳染病（如埃博拉）治療藥等多領域取得新突破。

健康管理面向營養(yǎng)學場景

“健康管理”應用場景，主要包含營養(yǎng)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，公司大多集中于身體健康管理場景。

國內在營養(yǎng)學場景的人工智能公司較少，國人尚未普遍樹立營養(yǎng)飲食意識； 碳云智能和Air-doc 的產品分別通過血糖監(jiān)測和菜品識別指導用戶合理用餐。致力于身體健康管理場景的公司，國內以碳云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(chuàng)業(yè)公司 Nuritas 是營養(yǎng)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(jù)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(fā)生、殺死抗生素耐藥菌。

醫(yī)院管理病歷結構化服務發(fā)展較好

醫(yī)院管理，主要指針對醫(yī)院內部、醫(yī)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(tǒng)、醫(yī)院決策支持的專家系統(tǒng)等。目前國內共有21家公司提供“醫(yī)院管理”服務，業(yè)務大多集中于病歷結構化服務。

在分級診療的政策推動之下，國內陸續(xù)出現(xiàn)促進分級診療的企業(yè)服務，行業(yè)前景廣闊。分級診療的實現(xiàn)，離不開醫(yī)聯(lián)體與智能云服務，二者相輔相成。