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)
9
2、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)
14
1、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)
17
2、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)
17
3、脑机接口 ..........................................................................................................
四、重点公司：万东医疗，神州医疗、依图医疗 (19)
19
1、神州医疗 ..........................................................................................................
20
2、万东医疗 ..........................................................................................................
21
3、依图医疗 ..........................................................................................................
医疗是人工智能落地的重要场景之一。
过去一年，我们既看到，
随着语音识别、计算机视觉等技术的不断进步，越来越多的公司开始
加码AI+医疗业务；但同样也发现，医疗数据获取相对困难，对AI+
医疗的发展造成暂时性拖累。
鉴于人工智能为医疗行业带来的实质性
效率提升，看好AI+医疗的长期发展。
IBM Watson医疗发展低于预期。
IBM Watson 是全球AI医疗行
业的领导者。
Watson 系统2015年开始商用，提供包括乳腺癌、肺癌、直肠癌、宫颈癌、卵巢癌和胃癌在内六种癌症的辅助诊疗服务。
但是，2017年2月，休斯敦安德森癌症研究中心（MD Anderson Cancer Center）取消与IBM Watson 的合作，称其辅助诊疗效果始终不达预期。
2018年5月，IBM 对其医疗业务进行部分裁员。
数据是发展的主要瓶颈，中国有弯道超车机会。
影像诊断需要大
量经过专业医师标注的数据进行模型训练。
并且每种疾病所需要的数
据不同，数据碎片化问题严重。
此外，北美对医疗数据还有严格的隐
私保护。
这些因素导致了数据获得的成本高昂，成为影像诊断行业发
展的瓶颈。
在我国，数据归医疗机构和患者共同所有，三家医疗大数
据公司在政策支持下积极建设医疗数据库，这都可能为AI影像诊断在
中国发展提供有利条件。
语音电子病历专业性要求高，是语音识别技术很好的落地场景。
和一般的语音识别相比，语音电子病历对专业性及准确性要求更高，
更能凸显科大讯飞，Nuance 等语音识别算法公司技术上的优势，实
现变现。
未来语音电子病历与知识图谱，医疗影像诊断相结合，更能
催生新业务。
新应用：层出不穷，有望在未来继续带来亮点。
由平安健康推广的“平安好医生”医疗咨询APP 正尝试AI技术赋能。
智能问诊系统可为患者提供初步诊断，缓解了医院的分诊压力。
除此之外，AI也有望对药品研发进行模拟，充分利用早期药物开发的经验和仿真技术能够
极大的减少试错成本、缩短研发周期。
脑机接口应用仍处于研发阶段，AI有望在未来将神经信号进行解读，进而帮助患者进行康复训练。
一、AI+医疗：应用场景广阔，数据是加速落地关键
AI在语音识别、机器视觉、自然语言处理等方面的突出能力，使其在医疗领域被寄予厚望，人们期待AI能真正减轻医生工作负担，并在更大程度上对漏诊误诊加以避免。
从患者角度来看，AI已开始向诊前、诊中、诊后等各个环节进行渗透。
而细分应用中，以诊中环节的
影像诊断和语音识别（语音病历）最为成熟。
一方面，由于这两个细
分领域具有一定的数据产生和积累，如CT 影像、病历文档等，能够被用于AI模型的训练；此外，由于相关算法在其他领域（如人脸识别、语音识别）的应用已相对成熟，能够直接类比进行应用。
但是，目前
医疗数据能否成功获取仍是AI+医疗加速落地的关键。
不同于其他领域应用，医疗数据专业性强，受保护程度高，获得大量的优质数据存
在一定难度。