医学人工智能产业图谱及 行业趋 势分析 火石创造 2017年7 月人工智能定义 2019/4/20 人工智能是一门综合了计算机科学、 生理学 、哲学 的交叉 学科， 使机器胜任一些通常需要人类智能才 能完成 的复杂 工作 计算智能 感知智能 认知智能 在逻辑能力方面模拟人类，典型应用 ：Alpha Go 主要包括图像识别和声音识别，典型 应用： 无人驾 驶汽车 ，模拟 人对外界的感受和反应 指让机器有自己的语言，能够自我学 习，学 会推理 和决策 ，目前 与人差距较大，未来提升空间大计算机解决 代数问题、 证明几何定 理，学习和 使用英语 计算机性能 瓶颈、计算 复杂性指数 级增长、数 据量缺失等 问题困扰人 工智能发展 “专家系统” 诞生，“知识 处理”成为热 点，大规模项 目获得投资， “Hopfield 网 络”和反向传 播算法被发现 和推广 专家系统受 到成本和实 用性的局限， 风光不再 IBM “深蓝” 战胜国际象 棋世界冠军， 世界感受到 了计算机智 能的飞跃 互联网出现 后，数据驱 动优势越发 明显，带来 了新一轮的 革命智 能革命 1956年达特 矛斯会议， 提出“人工 智能”概念 诞生 1943-1956 繁荣 1980-1987 革命 2005- 现在 第二次低谷 1987-1993 第一次低谷 1974-1980 发展 1956-1974 应用 1993-2005 人工智能的发展伴随计算平台、大数 据积累 、机器 学习、 图像识 别等 核心技术的迭代 从“图灵”到“AlphaGo数据是人工智能的能源 IDC 数据，截止到2020年，医疗数据量将达40万亿GB ， 是2010年的30倍。数据生成和共享的速度迅速增加， 80% 数据为非结构化数据。 海量数据是人工智能的燃料，要实现机器精准视觉识别的第一步，就是获取海量而优质的应用场景数据 得益于互联网、社交媒体、移动设备和传感器，产生并储存的数据量急剧增加，为深度学习提供很好的土壤 人工智能驱动因素-数据AI芯片（GPU 、ASIC 、FPGA 、DSP等）各 领风骚，让大规模的数据效率大大提升， 加速深层神经网络的训练迭代速度，极大促进行业发展 计算能力是人工智能的发动机 人工智能驱动因素-计算能力 2017 年3 月，ARM 宣布推出全新的DynamlQ 技术，据ARM 计算，采用DynamlQ 技术的Cortex-A 系列处理器， 人工智能运算性能相较于目前的设备可提升50倍深度学习的出现突破人工智能算法的 瓶颈， 根据提 供给它 的 大量的实际行为（训练数据集）来自 我调整 规则中 的参数 ， 进而调整规则，因此在类似场景下， 可做出 较精准 的判断 目前语义识别准确率达到83% ，图像识 别率达 到95% 人脸识别准确度99% ，手写数字识别99% 人工神经网络：赋能机器学习深度 人工智能驱动因素-深度学习医学人工智能是解决医疗生产力的根 本之道医学人工智能在中国发展的新机遇 需求巨大 人口老龄化 慢性疾病高速增长 医疗资源供需严重失衡 医疗资源地域分配不均 基础和资源丰富 数据基数大 产业基础好 人才储备相对充分法规名称 发文日期 发文机关 2017版“ 人工智能辅助诊断技术管理规范” 及“ 人工智能 辅助诊断技术临床应用质量控制指标” 2017-02-17 卫计委 为规范人工智能辅助诊断技术临床应 用，保 证医疗 质量和 医疗安 全，制 定本 规范。本规范是医疗机构及其医务人 员开展 人工智 能辅助 诊断技 术的最 低要 求。 国家卫生计划委关于印发“ 十三五” 全国人口健康信 息化 发展规划的通知 2017-01-24 卫计委 充分发挥人工智能、虚拟现实、增强 现实、 生物三 维打印 、医用 机器人 、可 穿戴设备等先进技术和装备产品在人 口健康 信息化 和健康 医疗大 数据应 用发 展中的引领作用 国务院关于加快发展康复辅助器具产 业的若 干意见 2016-10-23 国务院 推动“ 医工结合” ，支持人工智能、脑机接口、虚拟 现实等 新技术 在康复 辅助器 具产品中的集成应用 关于促进和规范健康医疗大数据应用 发展的 实施意 见 2017-02-08 广东省人民政府办公厅 支持研发健康医疗相关的人工智能技 术、生 物三位 打印技 术、医 用机器 人、 大型医疗设备、健康和康复辅助器械 、可穿 戴设备 以及相 关微型 传感器 件 关于印发 关于 促进上 海医 学科技创 新发展 的实施 意见 的通知 2017-01-23 上海市卫生和计划生育 委员会 在脑科学、类脑与人工智能方面，围 绕认识 脑、保 护脑、 模拟脑 的主线 ，开 展大脑工作机理、重大脑疾病智能诊 断，类 脑智能 算法和 硬件等 研究， 推动 脑疾病诊疗方式和类脑人工智能产业 发展 国务院办公厅关于促进和规范健康医 疗大数 据应用 发展 的指导意见 2016-06-21 国务院办公厅 支持研发健康医疗相关的人工智能技 术、生 物三位 打印技 术、医 用机器 人、 大型医疗设备、健康和康复辅助器械 、可穿 戴设备 以及相 关微型 传感器 件 80+ 全国性政策 医学人工智能相关政策扫描 密集政策发布，有助于产业的快速发 展3 1 0 0 2 3 1 3 2 0 5 1 5 10 4 23 37 36 0 5 10 15 20 25 30 35 40 国内历年新成立公司数 国内医疗人工智能的公司（不包括BAT ）相 较于国 外起步 较晚， 但是近 三年 来增长迅速，创业公司层出不穷 数据来源：hsmap中国已经成为全球领先的AI 研发中心（ 全球两 个引擎美国 、中国 ） 国内企业主要分布在北京、广州以及 长三角 地区 数据来源：hsmap 国内医疗人工智能企业区域分布图 目前国内可统计的医学 人工智能公司144家创业公司扎堆应用层 变现能力强 行业巨头偏底层 技术壁垒较高、但是具有高投入高收益的特点 基础层 技术层 应用层 海量数据 算法框架 存储与计算能力 字符识别 语音识别 自然语言处理 图像识别 机器学习 深度学习 预测类API 药物研发 辅助诊疗 健康管理 医疗机器人 可穿戴设备 虚拟助手 计算智能 感知智能 认知智能 医学人工智能产业链辅助诊疗（41家） 医学影像（25家） 信息化管理（25家） 健康管理（37家） 药物研发（3 家） 虚拟助手（5 家） 智能机器人（9 家） 其他（3 家） 语音交互（8 家） 速瑞医疗 治疗前 治疗 康复 扫描获取更多信息 国内医疗人工智能企业图谱药物研 发 虚拟助 手 健康管理 医学影像 可穿戴设备 辅助诊疗与决策支持 患者数据与风险预测 治疗前 治疗 康复 其他 医院管理和病人照护 扫 描 获取更 多信息 国外医疗人工智能企业图谱注：数据均为公开披露， 不包含 数百万 、数千 万等信 息 数据来源：hsmap 0.1 0.1 0.2 0.4 4.5 11.3 11.6 13.2 20.6 0.0 5.0 10.0 15.0 20.0 25.0 虚拟助手 其他 药物研发 智能医疗机器人 信息化管理 健康管理 医学影像 语音交互 辅助诊疗 融资金额（亿元） 各细分领域融资总额 国内共93笔融资记录 ，57笔披露明确金额 、辅助 诊疗获 投最多1 2 1 5 12 28 32 12 1 4 4 7 10 23 36 59 69 74 24 0 10 20 30 40 50 60 70 80 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 融资数量 国内 国外 近三年全球医疗+AI 融资活 跃度逐 年升高 数据来源：hsmap 国内外医疗人工智能历年融资事件变 化情况大多处于初创阶段，资本 活 跃程度较高 行业集中度较低，尚未形 成 垄断或者出现“独角兽” 数据来源：hsmap 历年各轮次融资数量 国内外投融资轮次及时间分布热力图 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 种子轮 0 1 天使轮 1 3 5 15 12 2 P r e -A 轮 1 2 2 4 A轮 2 2 3 8 12 5 A+ 轮 2 B轮 1 2 1 3 C轮 1 1 1 种子轮 2 4 11 16 23 24 28 4 天使轮 1 1 2 4 6 6 5 1 A轮 1 3 3 1 3 6 5 12 13 20 11 B轮 1 1 2 4 1 4 2 C轮 1 1 4 3 1 1 D轮 2 2 E轮 2 未披露轮次 1 1 3 6 6 4 2 债务融资 1 1 2 2 6 1 1 政府拨款 2 1 3 1 2 2 其他 1 1 6 5 2 国内 国外 这一次的医学人工智能创新，全球同步性更高亿级, 17 千万级, 42 百万级, 24 其他, 9 国内融资按金额分布情况（单位：笔 ） 数据来源：hsmap 1.4 0.9 4.9 5.7 4.0 1.2 0.7 0.2 0.3 1.0 0.7 0.0 2.0 4.0 6.0 种子轮 天使轮 A 轮 B 轮 C 轮 D 轮 E 轮 政府拨款 债务融资 其他 未披露 金额（亿美元） 国外各轮次融资总金额 市场还在跨越鸿沟，大量项目处于早期阶段4.7 3.6 4.2 8.8 25.8 8.7 0.0 5.0 10.0 15.0 20.0 25.0 30.0 2012 2013 2014 2015 2016 2017 亿元 国内历年融资总额 国内 0.3 0.2 1.1 4.1 4.5 7.7 2.9 0.0 2.0 4.0 6.0 8.0 10.0 2011 2012 2013 2014 2015 2016 2017 亿美元 国外历年融资总额 资本对于医学人工智能，毫不吝啬 注：部分融资没有披露具体金额治疗前 影像辅助诊断结合病理分析准确率高 达99.5% 市场空间巨大（至少万亿），融资金 额达到30多 亿，创 业公司 活跃度 高 涵盖辅助诊断、医学影像、虚拟助手等2019/4/20 借助图像识别和深度学习，诊断效果显著提高 对患者、医师和医院而言 ，结合 人工智 能的医 学影像 均是巨 大帮助2019/4/20 医学影像领域中美均有应用人工智能的巨大空间输入层 隐藏层 输出实例 Traits Distinguishes ER+/- breast cancer with 96% accuracy Distinguishes squamous vs adenocarcinoma lung cancer with 99% accuracy Predicts responder/non- responder to shelved drug with 100% accuracy RNA DNA Array Metabolome Expression AI 成功分类TCGA 数据库27种人类肿瘤 的约9000个肿瘤数据，准确率超过95% 人工智能结合精准医疗，在复杂数据 中寻找 疾病的 因果关 系， 预测相互联系，为精准治疗提供基础治疗阶段 涵盖药物研发、智能医疗机器人等 新药研发国内案例较少（产业发展需 求量大 、数千 亿级市 场） 医疗机器人结合AI 市场前景广泛看好2019/4/20 25 临床前研究：通过深度学习，模拟构 效关系 ，提高 筛选效 率 临床研究：结合医院数据，快速找到 符合条 件的病 人 AI在药物 挖掘 的 应用 药物类型 特点 AI 主要作用 抗肿瘤类 药物 市场规模大，2015年约 1011亿美元， 年均增速5.5% 备受重视，所有新药研发 中 约1/3 是肿瘤类药物 难度高，到临床II期仅剩9% 的药物还是肿瘤类药物 降低研发难 度 降低成本 心血管类 药物 市场规模大，2015年1518 亿美元 增速快，平均年增速15% 降低成本 孤儿药及 经济欠发 达地区常 见传染病 药 使用者数量非常少或支付 能 力极弱 药企的收益不足以覆盖其 研 发成本 降低成本 为罕见病及 欠发达地区 传染病患者 提供药物 公司 融资 （百万美元） Numerate 17.5 Atomwise 6.12 twoXAR 3.4 Cloud Pharma 1.73 Insillico Medicine 0.8 Globavir 0.15 主要AI+ 药物挖 掘的初 创公司 人工智能药物 挖 掘主 要 领域 借超级计算机辅助药物挖掘，让药物 研究的 成本降 至数千 美元 典型公司： Atomwise人工智能对海量临床数据采集、智能 分析， 为肿瘤治疗提供大数据和技术支持， 助对力 精准治 疗 Flatiron 的产品OncologyCloud ，致力 于打造 真实的 肿瘤数 据云平 台 Flatiron Health 是一家肿瘤数据分析公司，对临床数据进行采集和智能分析，为肿瘤治疗提供强大数据和技术支持 切入点：从电子病历入手，抓取数据并进行分类整合，通过搭建专门用于肿瘤数据分析的云平台模型，对不同类型的癌 症数据针对性的进行大数据分析 融资：融到C 轮，共融资3.1 亿美元，投资机构包括Google Ventures康复/健康管理 涵盖健康管理、可穿戴设备、风险预测、病历数据管理等 覆盖范围广，应用场景多 ，切入 点多， 未来会 最大规 模增长 的领域2019/4/20 28 下游广泛 的 服务提供 商 医院 制药 食品生产 农业种植 碳云智能通过智能化方式构建基因数 据解析 平台， 实现基 因解析 的自动 化、 批量化和个性化，提高基因数据的解 析准确 度和速 度2019/4/20 Welltok 通过人工智能，结合生命科学大 数据 最终可以实现人们对健康的前瞻性管 理产业公司名字 人工智能布局 IBM Watson Health ；收购Explorys；收购Truven 谷歌 收购DeepMind 成立DeepMind health ；与英国NHS 、皇家自 由意愿合作布局辅助决策、视觉疾病机器学习 微软 医健计划Hanvoer ，辅助精准用药、精准治疗 百度 百度医疗大脑 阿里巴巴 2017 年发布阿里ET 医疗大脑 腾讯 投资碳云智能、思派网络等医疗人工智能公司 医疗人工智能跨界融合加速 国内有8 家新三板和上市公司布局医疗人 工智能应用类企 业 71% 技术类企 业 26% 基础资源 类企业 3% 资本青睐的国内人工智能公司类型 巨头布局基础、技术类企业，应用类市场巨大 按照互联网、移动互联网的比率 1: 10000 基础平台公司：应用公司人工智能模型训练流程 数据收 集 数据脱 敏 数据预 处理 图像增 强 模型训 练 持续优 化 应用场景 医疗人工智能需要结合场景应用，注 重多学 科交叉 ，多资 源整合 以单点为突破口，先行先试基于数据的人工智能价值链微笑曲线 数据交易市场的完善与分析算法的趋 同使这 两个环 节的附 加价值 不断降 低； 而数据的供给测与最后的解决方案则 会成为 附加价 值最高 处数据缺失：AI 在医疗领域发展的前提是有大量积压的医疗信息数据化 标准格式：由于格式零散，无统一标准，即使有大量数据沉淀，也无法应用 数据质量可能是中国大数据和人工智 能面临 的最特 殊挑战 临床数据如何合法、合理利用是解决 数据质 量的关 键 AI 与医院IT 基础架构如何结合现行电子病历系统的结构化录入数据，导致医生比非结构化文本录入多花至少3 倍以上时间； 医疗数据80% 为非结构化数据，如何分析和利用？医学命名实体识别(NER) 是关键路径； 利用NER技术，能够让机器后结构化处理和自主学习医疗文本，自动构建CDSS 。 应 用 背 景 系 统 流 程 算 法 实 例 基于模型的同 义词字典 建立最终混合 模型 基于字典规则快 速识别关键词 基于Deep Learning 的医学命名实体识别 识别准确率达94% 临床数据文本结构化技术是医疗人工 智能的 难点 目前计算机不能应付复杂的环境，无法处理模糊的、连续的、不完美的数据， 认知层面的知识表达、信息补足瓶颈仍待突破人工智能在医疗目前仅限于轻症的辅助诊断，无法出具医疗结论，尚未得到医 护和患者的信任 医护与患者信任是医疗人工智能推向 市场的 关键目前对医疗人工智能的监管绝大多数处于空白，尚未有明 晰的法规，未来类似23 and me被叫停的事件可能重演 医疗人工智能监管大多空白由于医疗人工智能尚处于早期，仍存在着较多的技术壁垒尚未突破，实际应用尚存在不确定性， 目前亦无清晰的盈利模式，买单方不明确 盈利模式清晰是医疗人工智能持续发 展的根 本 智能医健大数据服务平台