人工智能醫學影像行業市場趨勢分析報告SUBTITLEHERE202X-XX-XXCONTENTS行業分析報告人工智能醫學影像行業定義研發探索（2010年至2014年）產業鏈產業鏈政治環境1政治環境2政治環境2經濟環境社會環境1社會環境2行業驅動因素行業驅動因素行業現狀行業現狀行業現狀行業現狀行業熱點行業制約因素行業問題行業發展建議競爭格局行業發展趨勢行業發展趨勢代表企業1代表企業201人工智能醫學影像行業定義人工智能醫學影像行業定義醫學影像指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。它包含以下兩個相對獨立的研究方向:醫學成像系統和醫學圖像處理。前者指圖像成的過程，后者指對已經獲得的圖像做進一步的處理。人工智能醫學影像指在醫學影像的基礎上，人工智能技術在依賴于成像數據的醫學領域如放射學、病理學、皮膚病學和眼科學等學科進行應用。由于人工智能可在數據中進行復雜模式的識別，并以自動化方式提供定量評估，人工智能醫學影像在臨床工作流程中，可為醫生提供輔助，有助于形成更準確的放射學評估。02研發探索（2010年至2014年）研發探索（2010年至2014年）2010年，中國各級醫療機構開始采用電子病歷，患者的病歷資料被保存在醫院系統中，盡管各級醫療機構的系統仍未打通，但電子病歷的實施為醫療大數據的發展帶來數據積累，為后期機器深度學習提供資料輔助。行業爆發（2015年至2017年）理性發展（2018年至今）行業爆發（2015年至2017年）2015年起，在政策利好和人工智能醫學影像技術取得新進展的背景下，人工智能醫學影像企業陸續成立，如圖瑪深維、推想科技等，推出人工智能醫學影像設備。同年，資本開始布局人工智能醫學影像行業，中國市場發生人工智能醫學領域融資交易10起，融資額超6,000萬人民幣，融資企業包括醫聯、云醫、匯醫慧影等。理性發展（2018年至今）2018年，人工智能醫學影像設備的弊端開始顯現，部分醫院認為產品未能實質性降低工作強度，人工智能醫學影像結果呈現許多“假陽性”現象，未能幫助降低誤診率。同時，產品設計過于工程化，與醫生的實際操作需求不符，提升了醫生的使用時間成本。以上問題導致醫生群體以及各級醫療機構對產品的熱情度下降，資本市場同時進入冷靜期。03產業鏈產業鏈產業鏈上游產業鏈中游產業鏈下游產業鏈上游原材料、電路技術、算法數據學術平臺04產業鏈產業鏈產業鏈上游產業鏈中游產業鏈下游產業鏈上游人工智能醫學影像行業上游龍頭企業已開始對產業鏈進行延伸，逐漸進軍原材料生產領域，以規避高額進口原料的成本支出，攫取上游毛利。此外，伴隨著上游原料生產企業的重組進程加快以及中國市場參與者技術水平的提高，人工智能醫學影像行業上游原材料供應有望朝著專業化和規模化的方向繼續發展，逐漸搶奪外資企業在行業內的話語權。產業鏈中游人工智能醫學影像行業中游企業原材料大部分依靠進口，主要原因是下游消費終端為保障科研成果，對行業產品的質量穩定性要求較高，因此，中游科研用制備廠商更傾向于選擇儀器先進、供應鏈穩定的進口原材料供應商。企業產品價格主要受市場供求關系的影響。由于人工智能醫學影像企業的產品毛利較高，原材料價格波動不會對企業的盈利能力產生重大影響。產業鏈下游人工智能醫學影像行業下游企業市場空間廣闊、銷售范圍廣、用戶分散、單批數量少、銷售單價高等特點。隨著全球范圍內生物醫藥行業研究的深入及產業化程度的提升，中國行業產品種類進一步豐富，應用領域持續增加，個性化、高端化的產品將逐漸獲得更廣闊的應用空間。05政治環境1政治環境1《促進新一代人工智能產業發展三年行動計劃了2018-2020年)》《新一代人工智能發展規劃》《關于促進和規范健康醫療大數據應用發展的指導意見》《促進新一代人工智能產業發展三年行動計劃了2018-2020年)》提出要助推人工智能應用場景落地，特別是在智慧醫療領域，支持智能醫療系統等產品的研制及產業化鼓勵開發數字化醫療影像設備、分析系統、診斷系統、健康檢測系統等智能醫療設備。《新一代人工智能發展規劃》提出到2020年,人工智能產業競爭力進入國際第一方陣,力爭培育全球領先的人工暫能優秀企業指出要圍繞醫療等關乎民生的剛性需求先行發展,為大眾提供更高效多元的智慧醫療服務，鼓勵了人工智能醫學影像行業的長遠發展。《關于促進和規范健康醫療大數據應用發展的指導意見》提出規范和推動健康醫療大數據融合共享、開放應用明確支持研發健康醫療相關的人工智能技術。06政治環境2政治環境2《"十三五"國家科技創新規劃》《國家驅動創新發展戰略綱要》《"十三五"國家科技創新規劃》發展先進技術,重點加強云計算、智能計算、機器學習等技術研發及應用。重點發展大數據驅動的類人工智能技術方法;在基于大數據分析的類人工智能方向去的重要突破．實現類人視覺、類人聽覺、類人語言處理和類人思維，資產智能產業的發展。《國家驅動創新發展戰略綱要》加強類人智能、自然交互與虛擬現實等技術研究,推動寬帶移動互聯網、云計算、物聯網、大數據、高性能計算、移動智能終端等技術研發和綜合應用.07政治環境2政治環境2《國務院關于積極推進“互聯網+”行動的指導意見》《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》《國務院關于積極推進“互聯網+”行動的指導意見》加快人工智能核心技術突破,促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用，培育若干引領全球人工智能發展的骨千企業和創新團隊，形成創新活躍、開放合作、協同發展的產業生態.《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》加快信息網絡新技術開發應用.重點突破大數據和云計算關鍵技術、自主可控操作系統、高端工業和大型管理軟件、新興領域人工智能技術。08經濟環境經濟環境目前我國醫學影像數據的年增長率約為30%，而放射科醫師數量的年增長率為1%，其間的差距是25.9%，放射科醫師的數量增長遠不及影像數據的增長。以病理切片為例，據國家衛健委統計，我國病理注冊醫生在1萬人左右，按照每百張床配備1-2名病理醫生的標準計算，全國病理科醫生缺口可能達3萬-4萬人，目前，全國有近40%的手術未進行病理切片分析。09社會環境1社會環境1010201而醫學影像已經成為人工智能在醫療應用最熱門的領域之一。國內有83家企業將人工智能應用于醫療領域，主要布局在醫學影像、病歷/文獻分析和虛擬助手三個應用場景，而其中涉足醫學影像類的企業數量達到40家，遠高于其他應用場景的企業數量。02中國醫學影像數據總量巨大，但利用效率較低。據權威調查數據顯示，醫療行業非結構化數據占整個數據量的90%左右，醫療行業的非結構化數據主要包括醫療PACS系統產生的醫學影像，比如DR、CT、MRI等。而且，中國醫學影像數據仍以每年30%以上的增速在增長。010社會環境2社會環境2中國醫學影像數據總量巨大，但利用效率較低。據權威調查數據顯示，醫療行業非結構化數據占整個數據量的90%左右，醫療行業的非結構化數據主要包括醫療PACS系統產生的醫學影像，比如DR、CT、MRI等。而且，中國醫學影像數據仍以每年30%以上的增速在增長。中國每年的基礎數據量超過歐美，特別是根據眾多人口數量獲得的醫療和健康數據，但是這些海量數據缺乏一個統一標準、跨平臺分享的生態環境，大多數都是數據孤島，利用率和利用價值不高。011行業驅動因素行業驅動因素1人工智能醫學影像行業作為人工智能醫療行業的細分行業之一1人工智能與醫學影像的高契合度1人工智能醫學影像行業作為人工智能醫療行業的細分行業之一1屬于新興高新技術產業，相關產業包括醫療大數據產業、醫療互聯網產業等。中國政府及有關部門已陸續出臺關于扶持人工智能醫學影像產業及其相關產業的政策，為人工智能醫學影像產業的發展構建良好的宏觀環境。1人工智能與醫學影像的高契合度1使人工智能技術落地實際應用場景成為可能，推動人工智能醫學影像行業的開創和發展。在中國市場內，不僅有多家人工智能技術領先企業組建醫學影像應用開發團隊，行業內多家初創企業集中開發人工智能醫學影像設備，也引來資本市場的關注。醫學影像成為人工智能技術落地醫療領域的主要突破口，人工智能醫學影像迎來增長契機.012行業驅動因素行業驅動因素2016年是人工智能+醫療在國內形成投資風口的元年早期醫療圖像診斷設備大多是采用FPGA處理器進行運算2016年是人工智能+醫療在國內形成投資風口的元年有27家企業在2016年進行融資，其中16家企業融資金額在千萬級人民幣或美元以上，醫療大數據公司碳云智能融資金額高達10億人民幣。截至2017年8月31日，國內83家企業的融資總額已經接近42億人民幣。早期醫療圖像診斷設備大多是采用FPGA處理器進行運算低功耗優勢顯著。過去一般使用MCU或DSP來處理醫療圖像，由于MCU和DSP都是串行器件，開發人員需要使用FPGA來進行硬件加速以獲得醫療成像應用所需的處理能力和清晰度，FPGA能處理圖像算法里大規模的并行處理需求。目前國內也有一些企業利用FPGA+深度學習技術，實現醫學影像智能診斷，例如醫學影像AI企業健培科技自主研發了基于FPGA架構的影像分析，在滿足性能要求的前提下具備低功耗的優勢。013行業現狀行業現狀自2003年，中國電子病歷系統開始在全國范圍內覆蓋以來，中國醫療行業數據開始積累，數字化的實驗室幻燈片，高分辨率的放射圖像、視頻形成的數據量增長迅速，為機器學習在醫療行業落地提供了數據支持。2014年，全球醫療保健數據量為226.4EB，數據量年增長率為48%。這意味著到2023年，這個數字將達到7,715EB。醫療數據量的持續性高速增長，意味醫學影像數據的積累不斷增加，將加速人工智能醫學影像的技術升級。014行業現狀行業現狀20頁行業現狀標題描述220頁行業現狀標題描述1015行業現狀行業現狀人工智能與醫學領域的結合點眾多，AI醫學影像是AI醫療發展的重要組成部分，AI醫學影像是AI醫療的第二細分市場，市場占比約為25%。Al醫學影像的主要用在醫療健康市場和大健康場景中，醫療健康場景主要應用于協助醫生進行疾病監測及診斷,大健康場景主要用于健康風險評估。總體來說:中國AI醫學影像市場規模將從2021年的8.2億元增至2025年1376億元，2021年至2025年的復合增長率為104%。如果計算2021年到2030年的中國AI醫學影像市場規模,其復合增長率則為60%，至2030年中國AI醫學影像市場規模為9231億元。016行業現狀行業現狀2020年人工智能醫學影像在醫院的的市場規模為12億元，2021年將達到5.94億元，增速為96%。當前AI產品商業落地的主要場景為三級醫院，基層醫院市場空間大，但落地仍需很長時間。人工智能醫學影像企業當前60%-70%的營收來自同醫學影像設備廠商合作，30%-40%來自企業層面自建團隊銷售。017行業熱點行業熱點熱點一人工智能醫學影像應用領域廣泛熱點二科研服務市場持續增長熱點三行業產品質量整體提高熱點一人工智能醫學影像應用領域廣泛熱點二科研服務市場持續增長人工智能醫學影像行業具有市場空間廣闊、銷售范圍廣、用戶分散、單批數量少、銷售單價高等特點。熱點三行業產品質量整體提高人工智能醫學影像行業技術提升，多元化科研服務平臺持續擴張，促進高價值服務企業品牌形成。行業產品化發展，集研發、生產、銷售于一體的綜合性科研服務企業逐漸增多。018行業制約因素行業制約因素醫學影像醫生缺口大，加之需求差異化，影像診斷效率低誤診率較美國高出500%以上高端產品發展落后醫學影像醫生缺口大，加之需求差異化，影像診斷效率低從人均上來說，中國大概平均七萬人才有一位醫生,而在美國是平均兩千人一位醫生，兩者差距明顯。美國的醫學影像數據年增長率達到了61%，中國增速也達到了40%。美國和中國放射科醫生的年增長率分別僅僅只有2%和1%，遠遠低于影像數據的增長。與日俱增的AI醫學影像崗位需求和緩慢增速的，與能夠專業操作和看懂AI醫學影像的醫生兩者存在較大的差距。誤診率較美國高出500%以上有報道顯示，從影像誤診人數來看，美國每年的誤診人數達到了200萬，中國每年誤診人數高達570萬/年。根據中國醫學協會公布的一則誤診數據顯示，中國臨床醫療總誤診率為27.8%，其中鼻咽癌為37.5%，胰腺癌則為38%，惡性腫瘤、白血病和肺結核平均誤診率為40%，胃結核為41%，器官異位誤診率則高達6O%。此外，這些誤診主要發生在基層醫療機構，醫生缺口大且質量參次不齊，造成如此高的誤診率，侵害了患者健康和利益。高端產品發展落后在中低端產品領域，仍然有較大比例的產品依賴于進口渠道。此外，人工智能醫學影像行業企業缺乏創新研發能力以及仿制能力，加重下游消費端對進口科研用檢測試劑的依賴，不利于人工智能醫學影像行業的發展019行業問題行業問題質量參差不齊行業監管難度大高端產品發展落后質量參差不齊人工智能醫學影像行業缺乏完備的質量控制和質量保證體系，生產商缺乏統一的生產標準，行業內產品質量良莠不齊，導致產品的可靠性難以保證，喪失產品市場競爭力。行業監管難度大高端產品發展落后020行業發展建議行業發展建議2缺乏標準化高質量訓練集2缺乏統一行業標準2缺乏有效保護和監督2缺乏標準化高質量訓練集2人工智能醫學影像模型要求大量數據訓練以輸出高質量結果，盡管當前中國醫學影像數據量多，但大部分數據來源不明。三甲醫院數據開放因政策原因仍存在一定難度，導致標準化、高質量、高量級的醫學影像數據獲取難度大。醫學影像數據涉及病種單一，部分疾病數據量不足，數據庫各學科分布不均衡，皆成為人工智能醫學影像設備技術升級的阻礙；2缺乏統一行業標準2當前行業對基于病種的醫學影像及疾病征象缺乏統一認識，各家人工智能醫學影像企業采用的數據訓練集標準多樣，系統偏差較大，不利于同行業間交流；2缺乏有效保護和監督2醫學影像數據的使用不可追溯來源，因此缺乏合法性和可分享性，業內缺乏對醫學影像數據使用標準的判斷依據，在現有的法律基礎上尋找合規使用和分享數據的渠道迫在眉睫。021競爭格局競爭格局競爭格局1競爭格局2競爭格局1獨立研發團隊組成的創業企業，如圖瑪深維、推想科技、深睿醫療等，主要聚焦于應用層建設，基于場景或行業數據，提供解決方案。2016年下半年以來，此類初創企業廣受資本市場青睞。競爭格局2資金實力較為雄厚的科技企業，如IBMWatson、谷歌、騰訊、阿里、科大訊飛等。此類企業在人工智能基礎技術上有長期的布局和投資，開始在醫療領域尋求落地場景，針對人工智能醫學影像進行產品研發；022行業發展趨勢行業發展趨勢加快行業標準和法律法規的制定加速應用場景落地加快行業標準和法律法規的制定人工智能醫學影像行業作為新興行業，中國政府及有關部門仍未出臺具體的行業標準及監管政策。未來，政府及有關部分需加快制定和完善相關行業標準及法律法規，規范人工智能醫學影像產品的研發、生產、推廣、銷售和使用全過程，促進人工智能醫學影像行業有序、長遠發展。加速應用場景落地人工智能醫學影像行業技術發展已日趨成熟，進入穩定發展階段，當前市場對人工智能醫學影像企業的評判重點由技術轉移至產品的應用場景落地。優化人工智能醫學影像設備功能，豐富產品的場景落地經驗，提升場景應用影響力，成為未來人工智能醫學影像企業的發展重點。023行業發展趨勢行業發展趨勢明確商業模式和盈利模式市場需求提升、技術進步、政策支持明確商業模式和盈利模式人工智能醫學影像技術日漸完善，產品的應用場景落地能力