医学资料 人工智能医疗与生命科学行业研究报告 学习课件.ppt

该【医学资料 人工智能医疗与生命科学行业研究报告 学习课件 】是由【清晨】上传分享，文档一共【79】页，该文档可以免费在线阅读，需要了解更多关于【医学资料 人工智能医疗与生命科学行业研究报告 学习课件 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。人工智能医疗与生命科学行业研究报告
2
摘要
行业开展阶段：人工智能+医疗与生命科学即AI医疗已从起步期迈入开展期，AI医疗应用已从早 期浮现阶段过渡为深入探索阶段。在该时期与阶段内，医疗数据的平安性得到维护，数据互联互 通建设向数据治理与开发转变，AI医疗影像向多疾病横向拓展与纵向深挖，NLP技术产品领先于
KG、ML技术产品，如CDSS领先于AI制药，个别赛道竞争加剧，可行的商业模式浮出水面。
整体市场规模：2022年中国AI医疗核心软件市场规模为29亿元，加上带有重资产性质的AI医疗 机器人，总体规模为59亿元，而到2025年，AI医疗核心软件市场规模将到达179亿元，同样加 上AI医疗机器人，总体规模将到达385亿元，2022-2025年CAGR=%，总体市场呈繁荣增 长态势。
IPO冲刺情况：AI医疗影像与医学数据智能的领跑玩家已进入IPO冲刺前夜，且鹰瞳、医渡云均 已冲刺成功，取得了AI医疗企业在港股上市的历史性胜利。在AI医疗器械三类证红利的释放效应 下，AI医疗企业“先获证后上市“已演变为一股开展潮流。未来，IPO梯队的AI医疗企业将会扩 大销售及效劳本钱，将已研发成功的产品加速投放到院内外市场，以提升企业的自主造血能力。
市场细分情况：在2022年中国AI医疗的核心软件市场规模中，%，AI医 %，而到2023年，AI医疗影像市场规模将首次超越CDSS，成为AI医疗核心软件中 市场占有率最高的产品。此外，因价格高昂、临床稀缺性强，手术机器人在总体规模中始终保持 高市场地位与高市场占有率。
未来方向转变：AI医疗影像的局部诊断类产品已深入红海阶段，产品在三甲医院市场的渗透与覆 盖在未来可能即将封顶，对此，AI医疗影像玩家将继续开拓影像诊断的其他疾病市场，如冠脉、 乳腺、肝脏等，同时开发手术规划与导航这类影像治疗市场，转战新兴的蓝海区。此外，未来AI 医疗的战场将从资本力量雄厚与否的角逐，转为企业自身商业模式的较量。
3
破晓：行业概述
1
日升：赛道商业洞察
2
林立：产业链洞悉
3
枝繁：优秀案例实践
4
日新：行业展望
5
人工智能+医疗与生命科学概念界定
院前
院中〔内〕
预约就诊
预检分诊
药物研发
基因研究
诊前
诊中
诊后
患者随访
康复管理
健康管理
临床诊断
临床治疗 病历录入
药物检索
医学知识库
医保支付
排队取药
报告获取
取号
导诊排队
影像辅助诊断
影像辅助治疗
疾病史关联
CDSS/病案质控
AI医疗机器人
疾病分组
医学数据管理
院后
借助AI技术介入医疗环节，以提高医疗效劳效率为核心目的
人工智能+医疗与生命科学，是在协助人或解放人的状态下，以提升院内外医疗效劳效率效果为目的、以人工智能为核心 干预技术手段介入传统的院内外医疗环节，从而产生相应软硬件产品的新型医疗应用技术，本报告于后文中将人工智能+ 医疗与生命科学简称为AI医疗。因AI医疗需AI技术结合具体的医疗场景方能释放与彰显其具象的原理与作用，故其具有很 强的场景关联性。按应用场景分类，人工智能+医疗与生命科学主要分为AI医疗影像、CDSS、智慧病案、AI制药、医疗数 据智能平台、AI医疗机器人、AI基因分析等细分应用技术。由于AI基因分析在我国的开展处在早期雏形阶段，商业模式与 规模释放尚不清晰，故在本报告中，AI基因分析不予讨论。AI制药的下游效劳市场为药企，而其他应用技术的下游主要覆 盖范围都为医院，少局部应用会在院外市场中使用，如AI医疗效劳机器人应用于康养机构环境消毒，医学数据智能平台应 用于医学研究中心统计数据与疾病研究等。
人工智能+医疗与生命科学范围界定
院外
4
……
…… 远程医疗
技术原理解析〔1/3〕
5
总体介绍
机器学习将现实中的医疗问题抽 象为数学问题，利用现有的医学 数据构建出针对某一医用场景的 模型，而后用该模型解决现实问 题
CNN
卷积神经网络，现阶段常常嵌套在 CV技术中。卷积层提取医学图像 的根本特征，池化层降低图像的参 数维度，全连接层输出结果。因降 维效果显著被广泛用于海量各类像 素的图片处理
GNN
图神经网络，是学习包含大量连接 的图的联结主义模型，处理非欧几 里得数据，捕捉节点之间的关系， 可与KG结合使用。药物分子属于 典 型的 非 欧 几 里 得数 据 ， 因此
GNN常用于AI制药研发
主要算法种类：线性模型、决策树、支 持向量机、半监督学习、强化学习、聚 类等
主要应用：医学数据智能平台的数据清 洗、统计分析、信息查询、病理检索等
RNN
循环神经网络，可以将前一次的输出结 果带到下一次输出结果的隐藏层中，可 结合NLP技术使用。该算法适用于患者 数据的生命周期管理、长达多年的电子 病历或医保记录等序列数据分析场景
深度RL
智能体为执行某一任务，反复与环境交互 后产生数据，获取奖励，再利用新数据去 修改自身动作决策，经过数次迭代，学会 完成任务所需的策略。其强调反复训练而 非数据喂养，用于AI医疗机器人中
深度学习
从大脑神经元网 络得到启发而获 得开展的机器学 习技术
特别的是，假设需要进行更为复杂与 精准的AI医疗诊断或治疗，可定制 化开发特有的神经网络
人工智能
模仿人或其他生命体
思考或行为的技术
机器学习
让计算机从数据中学 习而无需使用明确编 程的人工智能技术
深度学习为机器学习的子集，有多种神经网络算法
人工智能、机器学习与深度学习的关系及原理介绍
广义概念
人工智能是制造智能机器的科学 与工程，尤其是指生成智能计算
程序
神经网络
神经网络是人工智能常用的一种形式， 由输入层、隐藏层和输出层构成
算法种类与应用
计算机视觉〔CV〕
技术原理解析〔2/3〕
AI技术与特定医学场景结合，衍生通用或定制化模型
计算机视觉与知识图谱在医疗中的应用
该技术是基于深度学习机器视觉算法的集合，其通过构 造多层神经网络，逐层完成图像特征的提取，最终将多 层级的特征组合，在顶层做出分类。CT、X光、PET、
MRI、超声波等影像技术手段创造出丰富的医学影像数 据，使AI医学影像模型拥有大量的训练数据集，这成为
AI医疗影像的应用广度领先于其他赛道的原因之一
图像识别
目标定位与检测
语义分割
三维重建
以肺结节筛查为例， 通过分割、提取肺部 CT中的结节特征，汇 总结节特征、完成识 别，辅助医生判断患 者是否有恶性结节
以脑部CT筛查为例， 依据指令分割出假设干 个图像， 分割出脑溢 血、脑部肿瘤等病灶 区域
以眼底筛查为例，先 增强图像特征，定位 出疑似病灶区域，后 在该区域进一步细化 筛查，检测病灶是否 为微血管瘤、出血或 渗出物
以心脏病手术方案规 划为例， 依据滤波处 理、坐标变换等方法 进行三维图像重建， 辅助医生多角度观察 分析心脏结构， 设计 精确的手术方案
知识图谱〔KG〕
Schema与图是知识图谱中重要的根本概念。Schema规定 特定领域下实体对象的各种属性。图由节点与边构成，边 是节点即特定Schema下的实体对象之间的联系。在医疗领 域，医学知识图谱的构建包括医学实体命名识别、关系抽 取、实体统一、知识推理与质量评估5个环节。当前，医学、 基因或药物知识库、临床诊断信息库、电子病历信息库、 健康档案中存在大量待开掘的结构化或非结构化的医学数 据，这些数据的图与Schema也未提取出来，医学知识图谱 构建仍是医学界尚未突破的重大挑战之一
左：包含一种类型的边和节点 右：包含多种类型的边和节点
知识图谱的图类型
系拓展至整个制药知识库
6
知识图谱+医疗例如
电子病历标准化时，需提取患者 与医生等医学实体，并对其属性 进行定义与归一，完成指代消除
病例信息实体对齐
01
02
药物-标靶关系推演
在药物发现阶段，需要构建与靶 蛋白相关的药物信息网络即KG， 后对该KG进行表征学习，得到药 物和靶点的向量表示，预测药物 和标靶是否存在关联性，并将关
计算机视觉+医疗例如
技术原理解析〔3/3〕
AI技术与特定医学场景结合，衍生通用或定制化模型
自然语言处理、智能语音与AI医疗机器人在医疗中的应用
自然语言处理〔NLP〕
该技术主要是通过计算机技术对自然语言进行加工使用， 便于人与机器的准确交流。具体而言，它可以从非结构 化自然语言中提取信息，处理信息并将其映射到结构化 变量。现有的医学信息大多数以非结构或半结构的形式 储存在医疗信息系统中，NLP可通过机器翻译将这些数 据转化为AI模型可用的结构化数据语言，构造医学词林， 实现人机交互、数据管理等
智能语音处理
AI医疗机器人
生物命名实体识别， 即从生物医学文本中 识别出指定类型的名 称。生物医学文献规 模庞大，人工识别费 时费力，可应用NLP 进行文本挖掘
抽取信息形成结构化 的数据储存在数据库 中，如将病理报告转 换为编码数据、对医 学文献复方名称进行 抽取，便于临床诊疗
如在挂号阶段， 通过
AI 交互对话平台， 可 对患者提供的语音或 文本进行病症记录、 病症生成、病症分析 等
运用NLP 将归档的病 历抽取成数据， 然后 查找逻辑错误， 把错 误项与原始病历核对， 最后由医生确认， 进 行质量控制
临床决策支持
医学实体分析 智慧病案质控
智能辅诊
该技术在语音处理算法或系统中全部或局部采用智能化，可通过 分层的深度神经网络结构提取并学习数据深度层次化抽象特征。 医疗领域对智能语音的需求主要在于通过语音输入生成结构化病 历、执行病历检索，节约医师时间，在其他医疗领域也有应用
硬件耗材、传感器、控制器与搭载了
AI技术的软件系统等构件共同组成AI 医疗机器人，是物理技术与AI技术的 集合。硬件局部，传感器用于捕捉图
像、温度等信息；芯片、导线等硬件
耗材作为软件载体和正常运行的保证；
局部机器人拥有手臂，便于手术场景 的效劳。软件局部，GPS定位病灶， 确定手术部位；智能语音等技术实现 人机交互；计算机视觉确定病灶区域
2
1
通过智能语音识别生成结 构化病历，一般专业术语 如药品、病症均可以口述 生成，便于高效记录医患 沟通
以导诊机器人为例，其 可以通过语音交互帮助 患者挂号，根据病症描 述预诊断或推荐科室， 并对科室位置导航
语音录入病历 智能导诊
常见医疗机器人
一， 能够读取人体神 经信号的可穿戴型机 器人， 即假肢与外骨 骼机器人
二， 能够承担手术功 能的机器人， 包括神 外机器人、骨科机器 人、血管介入机器人 等
NLP+医疗例如
7
开展阶段解读
数据建设、算法开发、商业化进展为进阶突破重难点
基于数据建设、算法开发与产品商业化的角度，将中国AI医疗的开展轨迹分为四个阶段：1〕AI初步介入医疗阶段，
医疗数据零散地储存在各类医院信息系统中，AI技术在医疗领域的探索更偏向试探性的测试，标准化产品尚未出现。2〕
AI医疗应用浮现阶段，院内外数据建设工作展开，眼底、肺部影像的标准数据库率先建立，为AI医疗影像产品领跑奠定了 根底，眼底、肺部影像产品跑出，其他产品还不明确，商业化还在起步，商业模式并不明朗，还处在多元、混沌的尝试阶 段；3〕AI医疗应用深入探索阶段，医疗数据的平安性得到维护，数据互联互通建设向数据治理与开发转变，AI医疗影像 向多疾病多科室横向拓展与纵向深挖，NLP技术产品跑出，个别赛道竞争加剧，可行的商业模式浮出水面；4〕AI医疗应 用稳定完备阶段，数据互联互通建设根本告一段落，数据共享初步实现，以KG为主的认知智能技术迈向成熟，与感知智能 协同推进各类应用的均衡互补开展，总体赛道的竞争格局与商业模式形成并稳定，头部聚集效应长期存在。
中国AI医疗开展阶段概览
AI初步介入医疗阶段
AI医疗应用浮现阶段
AI医疗应用稳定完备阶段
此阶段的AI医疗产品以辅助
医生诊疗的程序或系统为主，
几乎没有应用于临床，整体 产业仅出现一个初步的形态
开展 轨迹
时间
医疗数据孤岛林立、数 据治理有待展开
临床AI应用稀缺
赛道孵化中
数据互联互通建设根本告一 段落，数据可实现初步共享， 但基于AI应用的数据治理长 尾需求不断增加
以KG为主的认知智能技术迈 向成熟，感知与认知双重赋 能医疗，医疗器械类与非医 疗器械类应用实现均衡开展、 优势互补
总体赛道竞争格局形成， 头 部企业聚集效应长期存在， 商业模式根本确定且长时间 内难以突破
现 阶 段 正 处 于 发 展 期
医疗大数据建设展开，信息 系统升级改造，眼底与肺部 影像的标准数据库建立
基于深度学习的影像应用走 到感知应用开展的前端， NLP、KG等其他应用在慢跑
商业模式处于混沌的初步尝 试阶段，可行模式未确定
医院内部各科室、医院与医 院、医院与当地卫健委之间 的数据互联互通建设由信息 系统改造转向数据治理阶段
领跑的影像应用往尚未覆盖 的疾病诊疗领域横向拓展与 深度挖掘，NLP应用追赶至 前端，KG、ML蓄力慢跑
个别赛道的竞争加剧，个别 赛道的可行性强的商业模式 击败可行性差的商业模式
AI医疗应用深入探索阶段
数据建设初步展开，局部疾 病标准数据库建立
基于深度学习的感知智能应 用兴起
赛道浮现，商业模式探索中
医疗数据互联互通建设进一步展开
感知应用算法迭代、应用横纵开拓
赛道竞争加剧，可行的商业模式胜出
应用导向的数据治理长尾需求蔓延
医疗认知智能应用涌现
竞争格局与商业模式稳定且难以撼动
雏形期
1978-2022
起步期
2022-2022
开展期
2022-未来
成熟期
未来
8
开展环境观察一：C端需求潜力巨大
291
324
%
2022 2022
次均门诊费用〔元〕 年同比增长〔%〕
9848
10619
%
% %
2022 2022
人均住院费用〔元〕
年同比增长〔%〕
分科诊疗与保健人口基数庞大，付费意愿与能力增强
我国的C端用户出于被动或主动的检查与治疗动机，越发重视医疗保健，对医院诊疗与保健资源的刚性、柔性消费需求程 度持续加强。诊疗与入院数据方面，2022-2022年，我国的诊疗人次与入院人数都呈稳步上升趋势，2022年因疫情影响， 相应数据有所回落，总体来说，我国诊疗、住院人口基数庞大。医疗费用数据方面，2022-2022年中国人均卫生费用呈逐 步上升态势，且在2022-2022年的细分卫生费用中，次均门诊费用与人均住院费用的价格与同比增长都在提升，反映出居 民卫生付费意愿与消费能力增强。就诊科室与癌症情况方面，2022年我国内科急诊人数高达亿人次，2022年我国癌 症发病数TOP6相关发病总人数高达301万人，病种治疗人口基数巨大；体检情况方面，2022-2022年我国各类医疗卫生 机构健康检查人数总体呈上升趋势，体检覆盖率有待提升。假设引入AI，医疗AI应用有望进一步落地，诊疗效劳有望实现质 量与数量的改善，从而满足居民不断增长的医疗保健需求。
2022-2022年中国院端消费者诊疗概况
79
82
83
2022-2022年中国卫生机构诊疗人次
87
77
2022 2022 2022 2022 2022
全国医疗卫生机构诊疗人次〔亿人次〕
2022-2022年中国入院人数
24436
22728
25453 26596
23013
2022 2022 2022 2022 2022
全国入院人数〔万人〕
诊疗与入院数据
医疗费用数据 就诊科室数据
2022-2022年中国人均卫生费用
2022-2022年中国次均门诊费用与人均住院费用
2022年中国主要分科门 急诊情况
2022年中国癌症发病
TOP6情况
2981
3352
3784
4237
4703
2022
2022
2022 2022 2022
中国人均卫生费用〔元〕


内科 儿科妇 产科外 科口腔 科眼科
32
42
41
48
56
82
胃癌 乳腺癌 肝癌食 道癌
结直肠癌
肺癌
各科室急诊人次〔亿人次〕 癌症发病人数〔万人〕
2022-2022年中国各类医疗卫生机构健康
38458
41856
45290 检查人数 43535
44353
2022 2022 2022 2022 2022
9
开展环境观察二：院端资源供给紧张
三甲医院覆盖率低，院间资源分布不均，医生诊疗负担加重
从医院数量看，2022年我国医疗卫生机构总数约为102万，%，且作为诊疗首选机构的三级医院数量 仅有2996个，在所有医院中占比仅达9%。而在三级医院中，三甲医院的覆盖率为53%，覆盖空间有待提升。从医院技术 人员情况看，2022年我国卫生人员总数约为1348万人，其中注册护士占比为35%，执业〔助理〕医师占比为30%。尽管
2022年的每千人口注册护士数量增长为人、每千人执业〔助理〕医师数量增长为人，但该数量仍然难以满足庞大的 病患基数的诊疗需求。此外，2022年医院医师的日负担人次比之去年有所下降，但各级医院医生的诊疗负担依然严重。假设 医疗引入AI，不仅可提高现阶段医院的信息化与自动化能力，改善繁琐低效的就医流程，让占少数的三甲医院有效效劳更 多的患者、缩小非三甲医院与三甲医院之间的医疗资源差距，而且可减轻医生的工作负担、提升医生的工作效率。
2022年中国医疗卫生机构与卫生人员概况
全国医疗卫生机构总数：
1,022,922
基层医疗卫生 机构, %
医院, %
其他, %
二级医院： 数量10404， 占比29%
一级及未定级 医 院 ： 数 量 21994 ， 占比
62%
三级医院： 数量
2996，占比9%
三甲医院：
数量1580， 占比53%
其他三级医院： 数
量1416，占比47%
2022 2022
每千人口执业〔助理〕医师〔人〕
三级医院〔人次〕
二级医院〔人次〕
一级医院〔人次〕
2022 2022
每千人口注册护士〔人〕
每千人口注册护士
注册护士：数 ， 占比35%
执业〔 助理〕 医 师 ： 数 量
，占 比30%
技师： 数量 万 人，占比4%
其他：数量
万人 ， 占比29%
每千人口执业〔助理〕医师
药师：数量
，
全国卫生人员总数〔人〕： 占比2%
13,475,000
医院医师日负担
医 院 技 术 人 员 情 况
医 院 数 量
2022
2022
10