截至2017年8月，我国83家AI医疗企业的融资额为18亿元，历年融资总额接近42亿元，包括晶泰科技、华大基因、推想科技等。
与此同时，互联网巨头也积极布局AI+医疗领域，例如百度医疗大脑、阿里ET医疗大脑、腾讯觅影等。
本期的智能内参，我们推荐来自安信证券的AI+医疗报告，详细解读互联网医疗和AI+医疗领域的8大应用场景、发展现状、竞争格局等。
以下为智能内参整理呈现的干货：
一、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。
2014-2016年，AI+医疗融资数量有了明显的上升，而且增长速度很快，资本的活跃度逐年走高。AI+医疗公司频现、投融资市场活跃，体现了AI+医疗在我国具有庞大市场空间和良好未来预期。
整体上看，我国人工智能市场仍处于探索阶段，如何基于AI技术开拓发展应用场景，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。
在AI+医疗各细分领域中，辅助诊疗融资金额高居第一，高达20亿元；接下来分别是语音交互融资额13亿元，还有医学影像和健康管理不分伯仲。
埃森哲评估了10种人工智能应用的综合分类，确定了到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）。
二、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CB Insights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。
2012年，资本投资智能医疗初创公司的披露交易还仅为21宗，在2015年这一数字却已上升到67宗，占到美国人工智能领域所有投资交易数量的15%。2016年披露交易已上升至90宗，披露的交易金额达到7.48亿，双创历史新高。
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。
其中，Cerner、Epic的电子病历系统（EHR）通过以美国政府机构为客户占据大量市场份额，Express Scripts作为美国最大的药品福利管理（PBM）提供商之一，推进综合性医药福利管理服务。
三、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。
根据亿欧统计，目前国内共有15家公司提供“虚拟助理”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。
而推荐用药虚拟助手企业前期业务模式则以to B为主，向京东到家、妙健康等医药电商及老百姓大药房等线下药店开放“自测用药”系统接口，推广自测用药服务，了解用户使用习惯，优化算法模型，为后期to C业务模式奠定基础。
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。目前国内共有43家公司提供“医学影像”服务。“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。
靶区自动勾画和自适应放疗软件通过算法帮助放疗科医生对200-450张CT片进行自动勾画，30分钟即可完成一套CT片子的勾画，远低于医生手动勾画平均耗时（4小时）。
当下AI+医学影像的产品形态主要以用于影像识别与处理的软件为主，极少数结合硬件。
而AI+医学影像产品成熟度均处于搭建基础模型向优化模型过渡阶段，产品落地速度较缓慢，主要受以下几方面因素影响：大量医院不愿数据共享造成企业科研数量短期、病灶识别与标注成本较高、AI医学影像门槛较高。
目前基本成型的AI+医学影像产品大多正处于医院试用阶段，该领域公司基本没有实现盈利。
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）。
目前国内有8家公司提供医疗大数据辅助诊疗服务，11家公司提供“医疗机器人”服务。
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。IBM Watson for Oncology 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DeepMind Health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。
目前国内共有45家公司提供“疾病风险预测”服务。
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，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。
目前全球7389台基因测序设备分布在60多个国家，主要出自Illunima、Thermo Fisher、 Roche、Pacific Biosciences、Oxford Nanopore，五家公司占市场份额99%以上，其中，Illunima公司基于第二代基因测序技术的基因测序仪，全球市场份额最大（83.9%）。
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。国内有7家公司提供“药物挖掘”服务。
而据蛋壳研究院统计，目前在北美地区已经出现了数家技术领先的初创企业，他们借助深度学习，与默克等传统药企及医药研究机构合作，在心血管药物、抗肿瘤药物、孤儿药和经济欠发达地区常见传染病（如埃博拉）治疗药等多领域取得新突破，并吸引了诸如Y Combinator和Khosla Ventures等优秀孵化器或风险投资机构的青睐。
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。目前国内共有14家公司提供“健康管理”服务，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。
致力于身体健康管理场景的公司，国内以碳云智能和妙健康为典型代表，海外则有IBM、Validic、Welltok等公司。
国际上，爱尔兰都柏林的创业公司Nuritas是营养学应用场景中的典型代表。Nuritas将人工智能与生物分子学相结合，进行肽的识别；根据每个人的身体情况，使用特定的肽来激活健康抗菌分子，改变食物成分，消除食物副作用，从而帮助个人预防糖尿病等疾病的发生、杀死抗生素耐药菌。
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。
目前国内共有21家公司提供“医院管理”服务，业务大多集中于病历结构化服务。
在分级诊疗的政策推动之下，国内陆续出现促进分级诊疗的企业服务，行业前景广阔。分级诊疗的实现，离不开医联体与智能云服务，二者相辅相成。
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。
目前国内共有14家人工智能公司建立辅助医学研究平台。
然而，SCI收录的我国医学研究论文中，临床研究论文的占比很小，一方面与临床医生时间较少有关，另一方面与我国结构化数据较少、医生数据统计与分析能力有限、科研经费不足相关。线上科研平台为科研人员在数据、资金、软件试用等很多方面提供了便利条件。
智东西认为，医疗健康与我们的生活息息相关，在美国，AI+医疗健康已经成为AI落地的最热行业之一；而在国内人口老龄化加剧、医疗资源分配不均、国民慢性病频发的当下，AI医疗无疑也是人工智能的极佳落地场景。
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。
