2018年人工智能+医疗行业现状与发展趋势分析报告
2018年中国医疗卫生行业发展现状，智慧医疗将迎来发展机遇「图」
2018年中国医疗卫生行业发展现状，智慧医疗将迎来发展机遇「图」一、医疗行业概述医疗卫生服务需求是人类的基本需求之一，具有明显的刚性消费特征，因此在居民收入增长的过程中，医疗服务需求通常会优先得到满足。
近年来，随着我国国民经济的发展和人们生活水平的提高，人们的健康意识不断增强，医疗服务需求持续释放。
同时，我国卫生医疗资源持续增长，医疗服务体系进一步健全。
我国是全球人口最多的国家，近年来我国平均寿命持续上升，另外，随着人均 GDP 的增长，人们对健康的投入增大，诊疗服务的需求也随之增加。
人口增长、寿命的延长以及人民收入水平的改善推动了居民医疗卫生服务需求的增长。
2018年末全国共有医疗卫生机构100.4万个，其中医院3.2万个，在医院中有公立医院1.2万个，民营医院2.0万个；基层医疗卫生机构95.0万个，其中乡镇卫生院3.6万个，社区卫生服务中心（站）3.5万个，门诊部（所）24.8万个，村卫生室63.0万个；专业公共卫生机构1.9万个，其中疾病预防控制中心3469个，卫生监督所（中心）3141个。
资料来源：国家统计局二、2018年我国医疗卫生行业发展现状分析2018年，我国共有民营医院2.0万个，同比2017年增长6.6%。
资料来源：国家统计局2018年末卫生技术人员950万人，其中执业医师和执业助理医师358万人，注册护士412万人。
资料来源：国家统计局2018年，我国医疗卫生机构床位845万张，其中医院656万张，乡镇卫生院134万张。
全年总诊疗人次84.2亿人次，出院人数2.6亿人。
资料来源：国家统计局资料来源：国家统计局三、我国医疗行业存在的问题分析目前国内医疗行业总体现状为:医疗体系效率低下、医疗服务质量欠佳、看病难看病贵形势严峻，以药养医、过度医疗、因病致贫、医闹等现象仍较为严重。
主要表现下述五个方面。
一、药品回扣、过度医疗等事件频发;二、医疗资源分布不均、布局不合理。
医院分级而患者就医不分级，80%的医疗资源集中在城市，基层医院病源不足难以发挥作用，使得普通老百姓看病难，同时大医院人满为患，优势资源得不到充分利用;三、转诊制度未能有效执行，重复就医;四、医疗保险水平低、公平性差且管理体系不健全、医保基金严重浪费。
2018年AI+医疗行业分析报告
2018年AI+医疗行业分析报告2018年9月目录一、AI+医疗：应用场景广阔，数据是加速落地关键 (5)二、影像诊断：AI技术应用效果显著，数据是发展的重中之重 (6)1、IBM影像诊断业务面临挫折，数据的获取与标注成本是主要问题 (7)（1）数据获得成本高 (8)（2）数据专业性强，呈现碎片化不易提炼 (8)92、中国的发展趋势 ................................................................................................（1）随着AI图像识别技术的进步，算法结构的技术壁垒在持续下降，已不是难题 9 （2）AI有望发挥自身优势，解决我国医疗行业痛点 (9)（3）我国AI医疗影像产业链上下游融合，市场参与者众多 (10)①医疗影像设备商 (10)②数据采集与汇集 (10)③数据分析 (11)二、语音病例提升工作效率，但系统仍有一定优化空间 (11)1、在美国，病历电子化程度很高，但仍需要人工介入 (11)2、美国语音病历系统借助电子病例建设政策东风推进 (12)3、国内语音电子病历系统处于起步阶段，市场前景广阔 (13)4、国内率先实现语音病历系统试用的企业为科大讯飞和云知声 (13)5、医疗机构间相互独立性强，系统落地过程中拓展市场是关键，数据集仍有14待优化 ....................................................................................................................三、新应用：医疗咨询、药物研发、脑机接口 (14)141、医疗咨询 ..........................................................................................................（1）在AI技术的助力下，移动问诊向辅助诊疗方向不断发展 (14)（2）平安好医生是“互联网+”时代移动问诊领域跑出的领军企业，目前正尝试AI技术赋能 (15)（3）目前导诊和预问诊服务产品的AI技术应用处于较为早期的阶段 (16)172、药物研发 ..........................................................................................................（1）机器学习技术的应用有助于降低药物研发成本 (17)（2）目前海外已出现了利用AI来提高药物研发效率的初创公司 (17)173、脑机接口 ..........................................................................................................四、重点公司：万东医疗，神州医疗、依图医疗 (19)191、神州医疗 ..........................................................................................................202、万东医疗 ..........................................................................................................213、依图医疗 ..........................................................................................................医疗是人工智能落地的重要场景之一。
2018年中国智慧医疗行业发展现状及前景分析，医疗行业将往便捷化和高效化发展「图」
2018年中国智慧医疗行业发展现状及前景分析，医疗行业将往便捷化和高效化发展「图」一、智慧医疗行业定义及应用智慧医疗是近几年兴起的专有医疗名词，是一套融合互联网、云计算等技术，以患者数据为中心的医疗服务模式。
智慧医疗功能资料来源：公开资料整理智能分诊、手机挂号、门诊叫号查询、取报告单、化验单解读、在线医生咨询、医院医生查询、医院地理位置导航、院内科室导航、疾病查询、药物使用、急救流程指导、健康资讯播报等等。
实现了从身体不适到完成治疗的“一站式”信息服务。
智慧医疗采用新型传感器、互联网、通信等技术结合现代医学理念，构建出以电子健康档案为中心的区域医疗信息平台，将医院之间的业务流程进行整合，优化了区域医疗资源，实现跨医疗机构的在线预约和双向转诊，缩短病患就诊流程、缩减相关手续，使得医疗资源合理化分配，并做到精准远程医疗，是真正做到以病人为中心的智慧医疗。
二、智慧医疗行业发展现状分析40年来，我国医疗卫生支出比重逐步上升。
1978年医疗卫生支出占GDP的比例为3%，1988年为3.2%，1998年为4.3%，2008年为4.5%，2017年为6.2%。
随着政府、社会对医疗卫生投入持续增长，我国卫生总费用结构不断优化。
2011-2017年我国医疗卫生费用走势资料来源：国家统计局2011-2017年我国人均卫生费用走势资料来源：国家统计局在巨大的医疗费用支出基数下，智慧医疗的市场规模也逐年攀升，2017年，中国智慧医疗的市场规模达到375.2亿元。
同比2016年增长12.4%。
2011-2017年中国智慧医疗行业市场规模及增速资料来源：公开资料整理未来几年将是中国智慧医疗建设飞速发展的时期，在新医改方案的指导下，各地方政府将会加大当地智慧医疗建设方面的投入，将会有更多的医疗机构参与到信息化建设中，一些信息化建设较好的医疗机构也将致力于建设更为先进的医院管理系统，提升自身竞争力，给广大居民带来更好的医疗体验。
智慧医疗技术的发展现状及未来发展趋势分析
智慧医疗技术的发展现状及未来发展趋势分析随着科技的不断进步和人们对健康的重视，智慧医疗技术正成为医疗行业的一大发展趋势。
智慧医疗技术通过整合信息技术、人工智能以及大数据分析等领域的成果，为患者提供更加高效便捷、智能化的医疗服务。
本文将对智慧医疗技术的发展现状以及未来的发展趋势进行分析和展望。
智慧医疗技术的发展现状目前，智慧医疗技术在预防、诊断、治疗和康复等方面取得了一系列突破。
首先，在预防领域，智能穿戴设备的广泛应用使得个人能够实时监测自身的健康状况，及时采取相应措施以预防疾病的发生。
其次，在诊断方面，人工智能的应用能够从大量的医学数据中快速识别出疾病特征，提供准确的诊断结果。
此外，虚拟现实技术的发展使得医生能够进行远程会诊，共享资源，提高医疗服务的效率。
而在治疗和康复方面，智慧医疗技术结合传感器、机器人等设备，为患者提供个性化的治疗方案和疗程，提高治疗效果。
未来发展趋势分析随着智慧医疗技术的不断推进，未来的发展趋势将更加多元化和智能化。
第一，移动互联网的普及将进一步促进智慧医疗技术的发展。
人们可以通过手机等移动设备随时随地接受医疗服务，不再受时空限制。
第二，大数据和人工智能的应用将深入到医疗行业的方方面面。
大数据分析能够提供更精确的医疗决策支持，通过数据模型和算法进行疾病预测和临床决策，有效地提高医疗质量和效率。
第三，虚拟现实和增强现实技术的进一步发展将改变医疗教育和手术模拟的方式。
医生和学生可以通过虚拟现实技术进行仿真操作和场景模拟，并实时获得反馈，提高专业水平。
第四，医疗机器人的应用将推动医疗服务的智能化和自动化。
机器人可以承担一些繁重、重复、易出错的工作，如药物分发、病历整理等，从而减轻医生的负担，提高工作效率。
然而，智慧医疗技术的发展也面临一些挑战。
首先，隐私和数据安全问题是值得关注的。
医疗数据的泄露可能导致信息安全风险，对个人隐私造成侵害。
因此，在发展智慧医疗技术的同时，应加强数据保护措施，保证患者个人信息的安全性。
医疗人工智能行业发展概述分析
医疗人工智能行业发展概述分析一、市场规模全球人工智能医疗器械市场规模从2016年的0.87亿美元增长至2020年的3.56亿美元，2016至2020年的年复合增长率为42.4队预计未来五年将增长至2025年的177.02亿美元，2020年至2025年的年复合增长率将为118.5%,2030年将进一步达1,136.77亿美元。
我国人工智能影像医疗器械处于初期起步的快速发展阶段，随着市场需求不断增加，2020年底药监局启动了对影像辅助诊断医疗器械的注册批准，开启了我国医学影像人工智能辅助诊断产品从研发到落地的商业化推进之路。
伴随监管审批效率的逐渐提高，近两年我国的人工智能医学影像诊断市场将进入爆发式增长。
在国家政策对医疗产业与前沿技术融合的持续推动下，我国医疗产业正由医疗信息化阶段逐渐步入医疗数据智能化阶段。
预计2020年至2024年我国医疗大数据解决方案市场将保持快速增长。
预计将由2019年的105亿元增长至2024年的577亿元，复合年增长率达40.5%o二、行业发展趋势1、政策推动标准体系建设医疗Al行业的相关政策频出，推动技术研发成果加速落地及标准化体系建立。
2017年7月国务院发布的《新一代人工智能发展规划》，首次在国家层面对人工智能技术内容进行全盘布局，重点对2030年我国新人工智能发展的总体思路、战略目标和主要任务、保障措施进行系统的规划和部署。
2018年4月国务院发布《关于促进“互联网+医疗健康”发展的意见》，明确将健全“互联网医疗健康”服务体系。
从医疗、公共卫生、家庭医生签约、药品供应保障、医保结算、医学教育和科普、人工智能应用等方面推动互联网与医疗健康服务相融合，同年政府提出人工智能向基层医疗进行渗透。
2019年8月科技部发布《国家新一代人工智能开放创新平台建设工作指引》提出推广人工智能治疗新模式新手段，探索人机协同智能诊疗体系的建设。
明确了2020年进一步提出未来的建设指南，期望在2023年率先在医疗等领域初步建成人工智能标准体系，智能医疗将围绕医疗数据、医疗诊断、医疗服务和医疗监管建立标准体系规范。
2017-2018人工智能+医疗产业研究报告
人工智能+医疗产业研究报告人工智能技术能给医疗行业带来哪些改变？“人工智能对于医疗行业来说，可以让患者通过直接和间接感知到便利与高效，最终推动医疗行业不断发展。
”直接感知主要是指现在一些医院已有智能导诊平台，就是基于对于医疗大数据样本的机器学习，通过人工智能设备人体识别分析后，告知患者该去哪个科室就诊，大大节约了医院排队等待时间。
人工智能目前在医疗临床应用主要包括以下四种：智能影像、智能语音、医学机器人、临床智能决策。
其中，智能影像和智能语音是基于图像和语音识别技术发展起来的，由于医学影像资料获取门槛较低、且更为标准化，语音数据识别技术成熟。
所以，智能医学影像目前发展最为成熟，临床接受程度也最高。
在不少业界人士看来，人工智能医疗只是辅助医生的手段，并不是主要医疗方式。
人工智能只是拟人化机器，如果用人工智能看诊，出错后谁来担责就是值得探讨的问题。
“医学是一个需要医生直接经验的累积和医学研究做支撑的实用科学，医生对患者看诊完后，才能对患者病情诊治得出准确结论；而人工智能医疗最大作用在于通过对大量真实、有效的医疗样本分析学习，最后推动整个医疗行业向前发展。
”在今年的数博会期间，国际计算机学会知识发现专委会主席认为，目前面临的最大挑战和最大机会就用什么样的人工智能，管理、把握、经营不确定性。
比如，在医学上用人工智能技术能使医疗效率提高且更有针对性，这不但带来了医疗技术的改变，还会带来新的挑战和机会。
“面对不确定性改变，企业和社会需要做出很多调整。
我们倡导建立一个共生协同的平台和生态，实现计算和智能深度融合，让用户聚焦业务和模式的创新”。
医学科研的发展需要用医疗过程中临床真实案例作为依据，对于案例样本数据的真实性和有效性有很高要求。
机器的算法、算力和大数据可以突破传统医学领域数据规模的局限性和地域数据偏差问题。
人工智能+医疗不是简单的用技术去找医院合作。
而是要让技术落地，就要历经千辛万苦找对场景，还要说服政策制定者、监管部门、医院采购者、科室主任、临床医生、病人等，证明技术的有效性、安全性和可行性。
健康点飞利浦：2018中国医疗人工智能产业报告
健康点飞利浦：2018中国医疗人工智能产业报告2018中国医疗人工智能产业报告！健康点联合飞利浦发布了《中国医疗人工智能产业报告》(CHINA AI+ HEALTHCARE INDUSTRY REPORT)（以下简称“报告”），基于过往的采访以及研究成果对医疗人工智能产业进行了深入的研究。
具体来说，在梳理当下医疗人工智能产业现状的同时，健康点调研了国内数十家医疗人工智能企业，一方面对典型企业进行深入的分析，另一方面对调研的医疗人工智能企业进行综合分析研究，从而总结行业共性，了解行业最新发展动态与趋势。
报告总体分为四个部分，分别从市场环境、产业格局、商业模式、机遇与挑战等方面对中国医疗人工智能产业进行分析。
无论是对中国还是对世界来说，人口老龄化加剧、慢性病患者群体增长、优质医疗资源紧缺、公共医疗费用攀升等都是必须要面对的问题。
而随着技术的发展，人们逐渐开始寄希望于通过人工智能来解决医疗行业的痛点。
此前，美国咨询公司弗罗斯特- 沙利文公司就曾提到，“人工智能可将医疗效果提高30% 到40%，减少多达50% 的医疗成本”。
在中国，医疗人工智能有着先天的发展优势。
一方面，中国人口数量庞大，有充足的医疗数据，为医疗人工智能的发展提供了基石。
另一方面，中国足够大的医疗市场也为人工智能企业创新提供了动力。
不负人们所期，近年来中国医疗人工智能市场正如火如荼地发展着。
数据显示，自2013年到2017 年，中国医疗人工智能行业共获得241 笔融资。
其中，2017 年国内医疗人工智能行业公布的融资事件近30 起，融资总额超过18 亿元。
2018 年，医疗人工智能市场火热依旧。
一方面，资本热情不减，大额融资频发，医疗人工智能融资总额再创新高，仅2018 上半年就有18 家公司获投，总金额超过31 亿元。
另一方面，已然成熟的互联网巨头，如BAT 等，以及传统医疗相关企业，如飞利浦等也早已重金布局医疗人工智能，大手笔向产业链扩展业务。
2018年中国智慧医疗行业市场前景研究报告
中国智慧医疗行业市场前景研究报告目录CONTENTS 前言1.智慧医疗行业概况1.1 智慧医疗的定义1.2 智慧医疗组成部分1.3 智慧医疗产业链1.4 智慧医疗相关政策2.4 医疗资源分布不均2.智慧医疗行业背景分析2.3 慢性病患病率提高2.1 国民健康意识提升2.2 人口老龄化医疗需求增加2.5 卫生技术人员缺口大2.6 5G加速大数据和人工智能发展目录CONTENTS 3.智慧医疗行业市场现状3.1 智慧医疗市场规模3.2 智慧医疗投资规模3.3 智慧医疗发展格局3.4 智慧医疗四大产业3.5 智慧医疗发展短板4.产业一：智能硬件4.1 智能硬件市场规模5.产业二：远程医疗5.1 远程医疗市场规模5.2 远程医疗发展趋势目录CONTENTS 8.智慧医疗行业发展趋势8.1 开发AI医生缓解医护人员不足8.2 助力药物挖掘效率8.3 利用精准医疗治疗癌症7.产业四：医疗信息化7.1 医疗信息化市场规模7.2 医疗信息化硬件市场7.3 医疗信息化软件市场7.4 医疗信息化服务市场6. 产业三：移动医疗6.1 移动医疗市场规模6.2 移动医疗用户规模6.3 远程医疗发展趋势01智慧医疗行业概况智慧医疗的定义智慧医疗英文简称WIT120，通过打造健康档案区域医疗信息平台，利用最先进的物联网技术，实现患者与医务人员、医疗机构、医疗设备之间的互动，逐步达到信息化。
智慧医疗主要表现Ø在恰当的时间和地点为恰当的病人提供恰当的治疗Ø临床医生利用技术更准确地进行疾病诊疗与提供医疗服务Ø临床医生利用技术更准确地进行疾病诊疗与提供医疗服务Ø患者数据集中于一个便于获取的地方Ø合适的人员开展合适的工作Ø患者知悉并积极参与治疗计划Ø患者知悉并积极参与治疗计划Ø让缺乏医疗服务的地区和人群获得医疗服务Ø提高效率，减少浪费智慧医疗组成部分智慧医疗由三部分组成，分别为智慧医院系统、区域卫生系统、以及家庭健康系统。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人工智能＋医疗行业现状与发展趋势分析报告内容目录1.前言：从互联网医疗升级到医疗人工智能 (4)2.临界点已至，医疗人工智能站上风口 (5)2.1.技术：已走出实验室，商业化加速落地 (5)2.2.资本：一级市场持续火爆，巨头加速布局 (7)2.3.产业环境：供需不平衡仍将延续，消费升级产生新的付费方 (8)2.3.1.供需总量分析：供给不平衡仍将延续 (8)2.3.2.供需结构分析：分级诊疗趋势下，基层面临智能化升级的强需求 (8)2.3.3.付费方：消费者有望成为智能医疗服务的重要付费方 (9)2.4.政策：需“持证”上岗，收费政策尚未明晰 (9)2.5.商业前景：技术赋能是当下，医疗服务是未来 (10)3.医疗影像：人工智能在医疗领域应用的第一站 (11)3.1.人工智能在医疗影像的应用场景 (11)3.2.市场机遇：医疗影像是千亿级的市场 (12)3.3.技术实现路径和竞争壁垒分析 (14)3.4.二级市场参与医疗影像+人工智能产业的路径 (15)4.智能辅助诊断：现代医学皇冠上的明珠 (16)4.1.技术实现路径：打造“医疗大脑”的5个步骤 (16)4.2.竞争壁垒分析：医疗数据规模&数据结构化技术 (17)4.3.商业化路径：智能辅助诊断系统面临的三个定位选择 (18)4.3.1. to B or to C？ (19)4.3.2. to B领域：选择基层、专科还是大三甲？ (20)4.3.3.常见病or垂直病种？ (21)4.4.二级市场参与智能辅助诊疗产业的路径 (21)4.4.1.路径一：发挥通道优势，联合技术方共同推广 (21)4.4.2.路径二：补齐数据结构化能力，自研医疗大脑 (22)5.精准医疗：AI+基因组学解读生命大数据 (23)6.投资建议与重点推荐公司 (25)6.1.思创医惠：IBM沃森中国战略合作伙伴，打造自主医疗AI技术 (26)6.2.科大讯飞：人工智能龙头开辟新战场，医疗AI业务快速崛起 (26)6.3.东软集团：人工智能有望成为医疗业务二次腾飞的助推器 (27)6.4.万东医疗：战略合作阿里健康，打造人工智能医疗影像平台 (27)7.风险提示 (28)图表目录图1：从边缘革命到战场中心 (4)图2：医疗人工智能时代的投资逻辑变化 (5)图3：现代医学是数据驱动的学科 (5)图4：医疗人工智能发展史大事件整理 (6)图6：医疗人工智能创业在2014、2015年开始激增 (7)图7：医疗人工智能融资已经超过180亿 (7)图8：医疗供需严重不平衡 (8)图9：国内人口以及60岁以上人口的统计，单位（万） (8)图10：分级诊疗流程 (9)图11：AI+医疗影像产品认证流程 (10)图12：未来医疗人工智能的商业模式 (11)图13：人工智能在医疗影像领域的应用场景 (12)图14：病理科医生的供需缺口 (13)图15：放射科医生的供需缺口 (13)图16：乳腺癌淋巴转移数字病理切片诊断准确率比赛 (13)图17：医疗影像市场 (14)图18：“机器看片”的技术原理 (14)图19：人工智能医疗影像产业链 (15)图20：打造医疗大脑的流程 (16)图21：医疗知识图谱的简单示意 (17)图22：临床数据结构化的流程图 (18)图23：Babylon的APP界面（对话由患者与机器完成） (19)图24：IBM沃森“看病”流程 (20)图25：医疗信息化公司与核心技术公司合作是较好的选择 (21)图26：医疗信息化公司与核心技术公司合作是较好的选择 (22)图27：数据流的视角下的医疗信息化上市公司划分 (23)图28：基因组数据解读分析的核心就是找到基因组和表型/疾病组之间的规律 (24)图29：基因预测疾病风险的经典案例 (24)图30：基因检测产业链 (24)图31：2001-2016年平均每兆数据量基因测序成本 (25)图32：2001-2016年基因测序成本 (25)表1：医疗影像领域人工智能技术突破“人类水平”的案例 (6)表2：国内巨头医疗人工智能产业布局概览 (7)表3：医疗影像在众多病种的应用，已经成为最重要的临床诊断工具 (11)表4：医疗数据结构化的三种路径 (18)表5：智能辅助诊断系统的市场定位 (20)表6：医疗+人工智能股票池 (26)1. 前言：从互联网医疗升级到医疗人工智能从2014年互联网医疗崛起至今，我们经历了一个完整的医疗产业技术渗透周期，享受过牛市的甜蜜期，也体会过商业模式迟迟未能兑现所带来的阵痛。
看当下，以春雨医生、微医为代表的互联网医疗平台，继续在政策的夹缝中艰难摸索商业模式；传统的医疗IT厂商们仍然埋头做着医院、政府的项目。
当颠覆医疗的口号慢慢平息，医疗健康产业似乎重新归于平静之时，新一轮人工智能的风暴开始向医疗产业袭来，我们观察到医疗这个号称最难被颠覆的产业，正在出现新的变化。
1）影响范围升级：从边缘到中心互联网医疗到医疗人工智能，是对医疗行业从表层到实质、从边缘到中心的全面升级。
医疗是一个人力、智力密集型行业，医疗服务供给与需求的严重失调是我国医改面临的根本问题。
为了变革升级产业，解决看病难的问题。
1.0时期的互联网医疗，大部分商家都将自身定位为平台，强调平台的连接属性、放大互联网的流量优势。
典型的商业模式就是轻问诊平台，以挂号为切入口，希望通过更高效的链接患者和医生，提升医疗服务的资源配臵效率。
2.0时期，互联网医疗平台尝试通过开通互联网医院、或者到线下开诊所的形式来提供医疗服务，从增加医疗服务供给的角度去变革产业，但受限于人力的瓶颈，变革仍然是有限度的。
到了医疗人工智能时期，AI对医疗的渗透有望大幅变革医疗服务的成本和效率，从根本上解决医疗服务资源的供给瓶颈，彻底改善看病难的问题。
图1：从边缘革命到战场中心2）产业布局思维升级：从“圈人”到圈“数据”医疗人工智能创造了全新的医疗服务供给，医疗投资回归技术驱动路径。
总结过去几年互联网医疗行业的热潮，人是商家争夺的核心要素，技术暂处于边缘辅助角色，技术和人力两个生产要素的抉择中，资本更偏好人力。
其表现形式为，投资者以及创业者均认为医疗行业还处于人力驱动的逻辑，即如何圈住医生、医院这些医疗服务的供给方才是核心所在。
而人工智能技术的成熟和普及将让医疗行业步入技术驱动的轨道，从基于医生经验医学到循证医学（统计学+小样本数据）的阶段再进一步进化到基于人工智能的诊疗，医疗行业的投资逻辑将发生根本性的变革。
以医生和医院为代表的医疗服务资源将不再稀缺，数据成为了新的生产要素，人工智能技术创造了全新的医疗服务供给。
数据来源：安信证券研究中心整理制作2. 临界点已至，医疗人工智能站上风口2.1. 技术：已走出实验室，商业化加速落地现代医学是数据驱动的学科。
一提到技术对于医学的作用，可能大家的第一反应就是医疗是一门手艺活，靠的是经验和实践，技术本身并没那么重要。
我们认为这是一种偏见或者无解，事实上，中西医分科治学后，现代医学已经是一门数据驱动的学科了。
传统医学的底层驱动其实是经验医学；到了现代医学，特别是西医，强调的是循证医学，其背后的支撑是基础理论的研究+临床经验（以数据的形式呈现）。
循证医学会采集大样本的临床数据，进行系统性的评价，最后把临床数据总结成临床诊疗指南、临床路径；循证医学发展到精准医疗时代，数据的重要性更加明显。
精准医疗在循证医学的基础上，更加强调患者个体的个性化诊疗，通过对患者的数据的分析结合临床经验，给出最佳的治疗方式，甚至会出现“同病不同治”、“同治不同病”的情况。
因此，如果我们承认数据是现代医学的基础，那么将人工智能技术引入医疗领域显然是历史发展的必然。
人工智能在医疗领域的尝试最早可以追溯到80年代。
最早的一波在医疗领域进行人工智能探索的尝试，出现在1972年。
由利兹大学研发的AAPHelp，这是医疗领域最早出现的人工智能系统。
AAPHelp系统基于贝叶斯理论开发，主要是用于腹部剧痛的辅助诊断以及手术的相关需求。
1976年美国斯坦福大学开发了一个用于细菌感染病诊断的专家咨询系统-MYCIN，它是世界上第一个功能较全面的专家系统。
1980年，已经有一些商业化应用系统的出现，比如哈佛医学院开发的DXplain，主要是依据临床表现提供诊断方案。
DXplain的知识库中，已经收录了2200种疾病，和5000多种症状。
同时期，我国的医学专家系统也开始进入研究阶段。
总体来说，早期的医疗人工智能的厂商并不成功，技术本身也存在很大的局限性，包括在医疗辅助诊断领域的CDSS（临床辅助决策系统）、医疗影像领域的CAD（计算机辅助诊断），均没有获得理想的商业效果，在实际的应用过程中，也并不受医疗从业者的欢迎。
主要的原因在于，无论从算法、算力或者数据来看，人工智能技术本身并不成熟。
医疗的高度复杂性对于过去的人工智能而言还是一个不可逾越的行业。
图4：医疗人工智能发展史大事件整理在人工智能基础技术突飞猛进提供了持续的技术红利的大背景下，医疗+AI开始突破早期的技术瓶颈，获得新的发展契机。
以医疗影像为例，新一代人工智能技术在精确度上已经实现了“超越人类水平”的技术临界点。
以前的医疗影像CAD（计算机辅助诊断）依旧主要表现为事先输入的预先假设和病例特征结构之间的判断程序，计算机识别不够精确，敏感度和特异性不够，漏诊（假阴性）和误诊（假阳性）的可能性还是比较大，因此对于一个放射科医师还是临床专业医师都无法起到很好的辅助作用，反而可能在使用的时候拖慢效率，极大地阻碍了CAD在临床医疗实践中的推广和发展。
引入深度学习之后的医疗人工智能与过去传统的人工智能模型的区别在于，传统人工智能模型的成本非常高，需要一大批的专家来教机器某一种疾病的各种类型的特征。
这种模型准确率本身不高，而且能够做出来的病种也非常有限。
但深度学习的模型，本质上有点类似一个普通医学生的自学习过程，只要有足够的数据量作为学习材料，就能实现更精准、覆盖病种更多的模型。
从2013年开始，已经有多个医疗影像人工智能的学术研究以及商业化的案例，通过引入深度学习算法，在某些病种的识别和诊断上，达到“超越人类水平”的技术临界点。
实际上，医疗人工智能在众多应用场景已经走出了实验室，进入了商业化落地阶段。
除了上文提到的了医疗影像之外，医疗人工智能商业化落地的案例中，最为大家所熟知的就是IBM沃森肿瘤医生。
2012年，沃森肿瘤医生通过了美国职业医师资格考试，并部署在美国多家医院提供辅助诊疗的服务。
从2016年起，IBM正式全线发力推广沃森肿瘤医生，截止至2017年3月底，在全球7个国家服务的病患数量已达到数万名。
2.2. 资本：一级市场持续火爆，巨头加速布局医疗人工智能在一级市场已经融资超过180亿。