大健康产业与金融融合聚焦

文/葛雪刚

伴随“十三五”规划建议落地，健康中国正式升级至“国家战略”。为开辟大健康产业的商业蓝海，国内企业纷纷提出了“再创业”战略，这轮创业就是要顺应全球经济的发展潮流，依托大健康行业，实现提速增量、跨界融合、创新发展。大健康产业已成为全球热点，继蒸汽机引发“机械化时代”以及后来的“电气化时代”“计算机时代”和“信息网络时代”之后，当前已经到来是“健康保健时代”，而健康产业也将成为继IT产业之后的全球新经济焦点。我国正在努力的将大健康产业作为国民经济的重要支柱产业，在新经济常态下稳步发展，构建健康中国。

在发达国家，健康产业增加值占GDP比重超过15%，而在我国，仅占国民生产总值的4%～5%，低于许多发展中国家。目前，中国健康产业的年收益约为900亿美元，而美国健康产业产值已经超过了1万亿美元。

为有效改善这一局面，激发大健康产业巨大潜力，国家提出到2020年，要基本建立覆盖全生命周期、内涵丰富、结构合理的健康服务业体系，打造一批知名品牌和良性循环的健康服务产业集群，并形成一定的国际竞争力，基本满足广大人民群众的健康服务需求。

近两年，大健康产业快速发展，但由于其重资产、回报慢及公益属性等特征，大健康企业多制约于政策监管、资金储备、技术科技等因素，发展较慢。本文针对大健康企业在发展过程中遇到的资金壁垒进行研究剖析，探索产业金融与大健康企业的融合，以寻求解决方案。

大健康从本质上讲是一种广义的健康概念，是随着人们的健康理念的延伸而产生的，它围绕着人的衣食住行和生老病死，关注各类影响健康的危险因素和误区，提倡自我健康管理，即不仅有科学的健康生活，更要有正确的健康观念。大健康产业是随着健康理念的延伸而形成的健康关联产业的集合。大健康产业可分为以产品为主导的大健康产业和以服务为主导的大健康产业两大类，二者均偏重于预防、保健。

中国大健康行业在全球的占有的市场份额越来越大并且重要性越来越强。在过去3～5年间，中国大健康行业可能只占全球市场不到2%的份额。过去的10年，以中国为主的“金砖四国”新兴市场，对全球大健康行业绝对值的贡献只有6%，截止到2008 年，“金砖四国”新兴市场的贡献达了近30%。预测在未来数年内，以中国为首的“金砖四国”在内的高速发展中国家仍然将以高速度增长，并且这样的增长率会增加相应的商机。

同时，中国成为全球医药、医械研发基地之一的趋势越来越明显。有很多在美国工作的中国健康产品制药专家开始回国，随着时间的推移，全球医药研发中心会慢慢从西方发达国家向中国转移，中国就会成为与美国、欧洲研发并列的基地。我国的健康产业及其相关服务业刚刚起步，仅占国内生产总值的5%左右，随着全国城市人口老龄化和城镇化加速，未来市场前景非常广阔。对市场放宽和相关支撑产业的培育，将有效快速的推动健康产业和相关服务业的快速发展。可见健康产业和相关服务业的前景非常广阔，面临着重大发展机遇。纵观产业发展趋势来看，健康产业及其相关产业将会继续保持较为高速的增长，同时，产业融合、产业形态交织，将会为未来5到10年健康产业发展提供强大动力。大健康产业金融融合主要存在于B端，细分领域中融合度最高的是药械制造50-60%，其次是医疗机构15-25%，药械流通10-20%。C端融合发展多为早期，形式有健康险、消费金融等。

从资金壁垒来看，大健康产业上中下游均存在不同程度的账款延期问题，此外上游制造企业因产品线扩建、研发投入，中游流通因存货储备、集中采购，下游服务机构因建设并购，均需要大量资金投入。产业金融的加入可通过融资租赁、产业链金融等形式盘活企业资产，促进企业发展。

医药供应链金融概述：2018年，医药供应链金融市场规模155.4亿元，增速27.4%；在医药应收账款的渗透率不足2成。未来，随着医药产销领域市场集中度、利润率的提升，渗透率将快速成长。趋势与展望：大健康+产业金融的融合路径正在形成，发展于医药供应链金融，伴随信息流、物流、资金流的融合，大健康产业金融将进入3.0时代，最终落地于终端服务场景，如医疗机构、零售药店、互联网医疗等。

大健康产业发展态势及创新机会

现阶段，我国大健康产业仍处于发展初期。一方面，在人口老龄化，人民健康意识的提升下，健康服务/产品的需求日渐增多。另一方面，政策、资本、技术等因素的变化加速大健康产业变革。在需求与环境的共同作用下，大健康产业结构、服务供给模式、产品形态也随之变化，如医疗+互联网形成了在线问诊，医疗+5G促进了远程医疗、健康医疗智能硬件、基因检测等领域发展。此外，产业与产业之间的融合也在加速，如AI+医疗形成的辅助诊断，以及医疗旅游、医药供应链金融等。

大健康产业链主要包括：（1）上游药械制造（医药工业），提供药品、耗材与医疗器械；（2）中游药械流通提供产品的流通与分销服务；（3）下游医疗服务/零售药店直接面向患者，提供医疗服务与产品；（4）此外，还有产业支持类机构或企业，如监管部门提供监督管理功能，科研院校输出医生及先进技术，信息化平台优化机构管理效率连接上下游产业，支付系统如医保支付与商保支付确保居民在疾病来临时有足够的经济来源，以及产业链、融资租赁、地产等多种产业支持角色。

对比发达国家，我国大健康产业细分严重失衡，医院医疗服务及医疗用品占比95%；相比而言发达国家的医疗服务与用品占比仅为20%。因此，与健康相关的细分市场未来将面临高速增长，具体如养老、健康管理或慢病管理等产业。该类市场的增长主要源自需求端的爆发，如人口结构老龄化、环境污染与快节奏的生活习惯导致的亚健康或慢病人群的增多。同时，为应对高速增长的医疗需求，我国也出台了多项政策促进相关产业的发展，如“健康中国2030”、“关于推进养老服务发展的意见”、“创新药研发”、“鼓励社会办医”、“推进互联网医疗”等指导性文件。艾瑞预计未来，养老产业、生物医药、民营医院、医药电商、健康管理等细分领域将成为热点市场。

我国在药械流通领域的政策主要以降低药品费用、提升产业效率、优化商业模式为目的。一方面，“加成取消”“两票制”在药品与耗材领域全面推行，迫使企业改善销售模式，挤压价格水分。另一方面，在优化药品器械销售终端上，受处方外流、医药电商等政策影响，终端渠道也呈现多元化等趋势。

据公开信息显示，2019上半年大健康行业融资事件共发生207起，融资金额43.4亿美元，预期整年事件数量将略低于2018，融资金额基本持平。2018年医疗健康行业VC/PE融资案例数量和规模大幅增加，融资案例数量695起，较2017年增长52.7%，融资规模79.1亿美元。大规模交易（1亿以上融资占比45%）频发，带动医疗健康领域融资规模稳中提升。2019上半年，投融资事件主要发生在制药、肿瘤药，体外诊断、基因检测，医疗器械，AI，互联网医疗等几大板块。随着药品保障供应制度日益完善，政策上医药研发创新类，社会办医利好类，以及互联网、AI等科技医疗类政策的加速推进，资本市场将更加青睐医疗行业创新领域与非公医疗机构。此外，科创板也为大健康产业上市提供了新的平台，截止到2019年末，共有如心脉医疗与南微医学等16家企业上市科创板。目前，还有31家医疗健康企业申请科创板，分布于创新药研发、生物医药、体外诊断、医疗器械、医学影像、CRO等多个领域。

2016年中国每千人口医生数量1.8位，低于发达国家1-2位。在医疗健康供给数量不足、资源不均的环境下，我国很难依靠原有模式满足日益增长的需求。因此，技术的成熟将赋能医疗产业，优化产业效率，提升供给能力，以大数据和AI为例：

如大数据技术：大数据技术的应用，将从体系搭建、机构运作、临床研发、诊断治疗、生活方式五个方面带来变革性的改善。在就医流程方面，将实现从“治疗”到“预防”的习惯的改变，最终降低从个人到国家的医疗费用。在产业层面，医疗大数据的介入，可以优化医疗体系，通过区域信息化、在线问诊、远程医疗等技术连接上下级医院机构，实现电子病历/医疗资源共享等架构，最终提升医药供给效率和能力。麦肯锡也曾在2013年预测，医疗大数据的应用，有望减少美国3000-4500亿美元/年的医疗费用。AI辅助药物研发：主要服务于新药研发。整体来看，国外创新药市场比较成熟，国内制药企业主要是仿制药和改良药，不过近年来，恒瑞、海正、复星等国内药企研发投入力度加大、研发领域也逐渐向肿瘤等复杂疾病集中，提升了创新药研发市场景气度，为国内AI制药的发展提供了较好的环境。

在新药研发过程中，最初筛选的近万个化合物可能最终只有1个通过审批，新药研发平均总耗时10-15年，花费80亿元。新药研发周期长、成本高、失败率高等特点促使深度学习、知识图谱等技术被药企接受。部分案例表明，AI可使单个研发环节周期缩短80%。

中国大健康+产业金融现状分析

若要探索金融服务对大健康产业的影响，就需要剖析大健康产业的资金来源。医药产业的资金来源包括医保、政府支持、个人支付、商业健康险，其中医保占比50%以上。一般情况下，我国的医保结算制度是，医院先垫付费用，医保再与医院进行结算。因此，一旦出现医保没有及时结算的问题，再加之医疗救助、看病乱象等问题的出现，医院资金运转就会受到影响，继而造成医院回款周期长等问题，同时波及制造商与配送商的资金运转。

此外，针对产业效率提升、渠道多元化、创新药研发等方向的鼓励也促使企业投入更多的资金以适应新的医疗环境。从单个产业环节来看，痛点集中如下：（1）制造端痛点主要集中在存货回款周期长，转型期间产生的高额业务线扩张费用以及新药研发费用；（2）药械流通资金痛点集中在上下游资金垫付、利润率等方面；（3）医院及药店资金痛点多集中在“建设扩张成本高、医保结算周期长”等方面。

痛点1：上游面临转型与账期长等压力。制造端资金储备需求提升首先，上游研发制造企业受终端医保支付影响，面临应收账款周转天数延长等困境。其次，一方面受“一致性评价”、“飞行检查”等政策严管影响，企业自查与合规成本提升。另一方面，企业生产线扩张与改革也需要大量资金投入。最后，我国药械制造企业多以仿制药为主，研发投入远不如全球领先企业，因此在转型新药研发过程中必然面临资金压力。

痛点2：下游支付决定中游回款账期，流转压力加重。大中型药械流通企业的业务通常以药械分销、药械物流、药械零售为主；收入多来自医院、药店等终端服务机构。因此，其应收账款也多来自医院、药店端，其应付账款多面向上游医药研发、药械制造类企业。因此，终端的回款速度将影响药械流通企业的现金流。一般来看，医疗机构在6个月回款时给企业开具银行承兑汇票（通常承兑期为半年）。但下游医疗机构受医保结算回款速度减慢也将推迟其向中游企业的付款速度，因此制约了药品流通企业流通及运营效率的提高。

痛点3：医疗服务市场竞争加剧，运营与建设扩张成本提升一方面，医院建设和扩张期需要大量资金支持，这样体量的资金需求很难由自有资金满足，需要通过银行贷款、国际贷款、商业信用、融资租赁、发行债券、股权融资等方式实现。另一方面，医保基金面临透支、医院收入结构调整、医保中心付款周期延长等现象，迫使医院面临资金缺口。本来盈利能力不足的医疗服务行业，将面临更加严峻的问题。因此，探索新的收入来源，引入商保等C端金融服务，以应对面临日趋变革的大健康市场。除医疗服务机构外，其他民营健康服务机构，如体检、互联网医疗企业面临着融资难、流水少等问题。

痛点4：行业整合加速企业扩张，估值合理化或提升收购频次近年来，我国零售药店连锁率和市场集中度提升明显，但仍存较大整合空间，2017年我国药店连锁率达50.5%，前6家龙头企业市场份额占比12.7%，而美国前7家处方药零售市场份额占比达65%。因此，零售药店仍处于门店扩张期。此外，受政策严管影响（“药店分级”严控售药范围，打击执业药师挂证行为等），行业进入门槛、经营成本提升，中小药店面临倒闭或被出售的命运。在此行业变革下，零售药店的扩张途径包括自建门店及并购两种，而此两种途径受政策影响，导致企业资金需求进一步增加。最后，随着资本力量的介入（如高瓴资本的高济医药和基石资本的全亿健康），也导致行业收购估值逐年提升，使得零售药企扩张资金需求大幅增加，企业扩张速度较往年略有下降。未来，在药店分级影响下，中小药店出售意愿增强，PS估值下降或推动大企业收购频次。

大健康产业金融融合现状

大健康+产业金融融合是指金融机构（银行、券商、融资租赁、商业保理、基金、保险、小贷等）以大健康产业链上的企业为客户，提供与健康产业深入融合的金融服务，如股权融资、融资租赁、供应链金融、票据、结算等。目前，渗透最高的金融服务是融资租赁，主要针对药械制造与医疗机构；其次是药械流通领域，主要服务形式为供应链金融。C端细分有健康险、信用医疗、消费医疗金融等，发展尚处于早期。

医药产业链是指围绕货品流通，由上游供货商生产制造，中游流通企业物流配送分销，下游医院、零售药店销售而形成的体系。在整个流程中，以企业贸易行为所产生的确定的未来现金流为直接还款来源，为产业链上企业提供金融解决方案，从而达到优化现金流提高产业链效率的目的。而传统医药产业链体系因终端支付慢、确权难以及信息不对称产生的应收账款延期，将降低该模式的效率。因此，医药产业链需要金融机构与信息化平台接入，使得物流、资金流、信息流三流合一，才能真正发挥医药产业链作用。在这其中，信息流将起到越来越重要的作用。

医药供应链金融业务的形态主要有反向保理、保理融资、订单/仓单融资三种，其风险随着企业规模、交易流程等方式的不同而发生变化。在大健康领域，保理融资（应收账款融资）是主要的供应链金融产品，主要原因有两点，（1）医药产业链上下游的交易付款形式为应收和应付账款，占比近100%。（2）核心企业（现阶段为大型医药制造流通企业，未来上游规模连锁药店也可称为核心企业）一般需要对接众多上下游企业。假设一家核心企业年收入50亿，其50%的应收和应付拿来做融资，贷款利息5%，金融机构一年营业收入1.25亿元。通常来说，一家核心企业可能有多个金融机构。（3）核心企业授信额度高，风险低，一旦金融机构与核心企业打通财务ERP系统，便可第一时间确权，并通过手机银行快速出款。

2018年中国医药产业链金融市场规模155.4亿元，渗透率不足2成。主要原因在于，（1）医药行业市场认知低、确权难、信息不对称等问题，导致业务推行速度较慢；（2）客户主要来自药械制造和药械流通两类企业，制造类企业净利率、毛利率相对较高，虽然与金融机构合作能力高，但由于市场较为分散，导致金融业务拓展较慢。分别来看，针对药械流通领域，虽然行业集中度高、需求大，但是行业毛利率、净利率低（净利率通常在2-6%之间），因此现阶段与金融机构合作能力有限。此外，药械流通头部企业相对强势，多自行获取商业保理资质来服务其产业链上下游，金融机构利润空间较小。未来，受行业监管，新增细分领域及集中度提升等趋势影响下，医药产业链金融市场渗透率将快速提升。随着数据分析技术的不断发展，未来医药产业链融资将呈现如下两个趋势：一是借款主体从核心企业真正渗透到产业链上下游；二是真正的核心竞争要素将从核心企业的主体信用转移到数据分析能力上来。

从供给端来看，提供服务的机构有银行、券商、商业保理、小贷公司等。银行因利息低、风控严等优势，占市场份额最高，可达35-45%以上，剩余市场被券商、保理、小贷、互联网金融等融资机构瓜分。从需求端来看，2017年中国药品批发企业13146家，前100位占医药总规模70.7%，30家区域龙头企业主占比24.5%；药械制造企业20000多家，分散度高。因此，不同规模、性质、地位、地域的企业需求差异大，对所需金融机构的能力要求不一。然而，优质客户有限，年收入规模在10亿以上的流通企业仅100多家，因此金融机构之间竞争度仍较激烈。医药产业链金融服务中，银行占比达到35-45%，且医药机构多会选择与商业银行、保理等金融机构进行合作。整体来看，金融机构只有在资源、牌照以及风控上具备优势，才能脱颖而出。

（1）资源优势决定其获客能力，作为政策主导的大健康行业，具备国有背景、政府资源的机构具备明显优势。

（2）牌照资质决定业务覆盖范围，金融业务一般被严格管制，提供产业链金融业务需要有相应的牌照。其中最难获取的是银行、券商；商业保理获取相对容易。

（3）风控能力决定业务效率。业务效率又体现在两个方面，第一是业务办理速度：医药企业在解决资金流转问题上，需要金融机构快速出款。因此，金融机构需要平衡审核时间与出款速度，构建高效的风险把控体系。在风控创新下，可以通过风险把控更好的数据分析来替代繁琐的确权环节，从而在流程上提升业务效率。第二是产品类型，在数据分析、风险建模、数据积累下，从风控角度可以从多个环节进行产品的创新，比如三湘银行经营E贷的“520模式”，也即“5分钟审核，2秒钟到账，0人工干预”，相比传统模式，在业务效率上是量级的提升。

【案例分析】 湖南三湘银行

民营银行中的创新者，产业链普惠金融领先者

基本信息：2019年6月，湖南三湘银行已服务产业核心企业客户24户、产业链客户1669户。发展普惠，向96.03万户普惠客户发放普惠贷款173.99亿元，普惠贷款余额91.39亿元，占总贷款余额的44.01%。湖南三湘银行产业链业务力推的“产业链普惠金融项目”，已为唐人神、道道全集团、澳优乳业、绝味食品、养天和大药房、隆平高科、克明面业、正邦集团、大汉物流等企业提供整体金融服务方案，并获得“湖南省2018年银行机构融资创新考评一等奖”。

优势：围绕股东资源优势，布局全产业链

产业金融服务案例：“丰农贷”是基于唐人神集团与其下游经销商的真实贸易背景，为下游经销商提供融资服务的产业金融服务。在该案例中，依赖三湘银行自行研发的经销商在线融资贷款系统，实现了企业快速融资的需求。具体流程为，下游经销商可通过手机银行直接申请，查询资质、征信、审核、提款等服务；且一年内信用贷款只需一次授信，该次授信可循环使用。目前正在开发产品的同样业务模式的企业还有澳优乳业和道道全集团。同时也正在针对绝味食品以及连锁药房的加盟模式，积极探索业务方向。

布局大健康产业全产业链，以本地客户辐射全国

大健康产业战略布局：第一步，服务产业。依托专业，营销开拓细分领域核心企业，建立常态化合作，提供融资与融智服务。第二步，依托高品质服务和高效率业务，与核心企业进行深度融合，开拓上下游，对产业链上物流、资金流及信息流进行分析，打通上下游采购、流通、销售各个环节。在数据分析的基础上，不断积累数据表现，设计基于场景化的产品方案，建立风险模型，实现纯信用智能化融资。第三步，依托不断积累的数据，开发风控更好、流程更优的产品，从而拓展到医药产业链终端消费者，发展普惠业务，为个人客户提供随手可得的银行服务，打造大健康产业闭环金融服务。

中国大健康产业金融趋势与展望

大健康产业金融的发展起始于融资租赁，发展于医药产业链金融，最终会走向产业金融的深度融合。（1）医药产业链金融基于其上下游关系，又可以被认为是产业金融的1.0版本。在该阶段，产业金融存在的问题较多，如信息不对称、虚假等风险、服务终端拖欠付款以及药品器械运输中产生的物流风险。（2）产业金融2.0阶段，是指在信息化企业的协助下，解决上下游之间的确权问题后，同时加入区块链技术和大数据技术，实现数据智能，从而提高三流合一（物流、信息流、资金流）下的金融与产业的融合度，以实现“1+N”的多企业的实时金融服务。（3）产业金融3.0阶段，是指核心企业的变迁，核心企业由“药械制造/流通”类，转为终端服务机构与零售药店。进而从终端监控资金流，加深金融机构与大健康产业的深度融合，形成真正的生态融合；才能真正实现让银行成为随手可得的服务。

资金流、物流（货品流）、信息流对于产业链金融及其业务发展至关重要。现阶段，资金提供方主要来自金融机构，物流（货品流）提供方主要来自药械流通企业，而信息提供方相对不足。据艾瑞观察，目前政府侧和企业侧都在积极推动产业前行，改善票据信息不对称、虚假等风险。尽管产业链金融可更好的协助企业盘活资产、提升运营效率，但由于医药产业链金融服务还存在：（1）企业信息处于孤岛状态；（2）非核心企业经营情况获取人力成本与时间成本高，增加授信难度；（3）贷后资金流动与用途金融机构无法有效监督等情况。因此，业内已尝试通过区块链与人工智能技术介入，提高三流合一（包括：物流、信息流、资金流）的产业链金融与产业的融合度。一方面，通过上链确保信息真实性与加速流程与量级审批时间；另一方面，通过信用与行为技术风控，设立不同维度的风控评估体系，在完善风控的同时降低执行成本。

现阶段，大健康产业金融中大部分金融机构仍围绕核心企业进行业务挖掘与能力提升，小部分机构已开始布局销售终端与用户端，如平安银行、微众银行、支付宝、三湘银行等金融机构，通过与政府、医院和药店合作，向用户/患者提供健康险、住院押金、消费金融等形式打造产业金融闭环。

人工智能开启医疗健康新时代

· AI医疗，亦称为”AI+医疗”或“医疗人工智能”，泛指人工智能技术在医疗行业的应用及赋能。

· 目前，人工智能技术广泛应用在我国各个医疗细分领域，主要报告医疗影像、辅助诊断、药物研发、健康管理、疾病风险预测、医院管理、虚拟助理、医疗机器人和医学研究平台等。

· 人工智能对医疗行业形成了颠覆性变革。从技术层面 来讲，人工智能作为一种技术创新，改变了医疗领域的供给端，对传统医疗机构运作方式带来变革；从市场层面来看，人工智能技术为现有医疗工作带来流程 改进与效率提升，催生巨大增量市场。2018年我国医疗人工智能市场规模达到200亿元，CAGR超过40%，随着智能化程度不断提升，潜在市场空间巨大。

AI医疗领域早期同质化竞争严重，迁移复制较容易，商业化程度较低

整体而言，我国医疗人工智能行业有几大特征，如细分领域较多，早期同质化竞争严重，迁移复制壁垒较低，商业化程度相对偏低等。一般来说，2016年是国内医疗人工智能形成投资风口的元年，开源和低门槛框架的存在使得大量玩家涌入人工智能行业，在医疗人工智能领域不仅有医疗设备商，还有学校教授、软件开发人员及金融从业者等。从市场情况来看，大量玩家布局在静态影像的人工智能领域，虽然拥有大量公开数据集，但是起步门槛相对较低，早期同质化竞争严重。

此外，在医疗各细分领域所采用的算法和框架差异化有限，病种间模型迁移和复制技术要求较低，技术团队通用性强，主要壁垒在于数据的获取。以医疗影像的人工智能为例，无论跨病种还是跨设备，基本都采用TENSOR FLOW（开源并基于数据流编程）和CAFFE框架（即开源与核心语言C++）和CNN卷积神经网络算法等（但超声除外，超声对性能要求更高），整体复制壁垒较低。

目前，医疗人工智能服务商多处于规模化数据获取阶段，商业化程度偏低，但商业的最终价值在于实现技术与应用的结合。未来医疗人工智能的价值主要体现在两个方面，一方面在于提升三甲医院医生效率，另一方面在于提升基层医疗机构的诊疗水平。我国医疗人工智能发展速度较快，商业化落地迟滞的一大主要原因在于医疗产品的注册审批制。目前，相关产品取得三类医疗器械注册的数量仍然为零，相关审核标准尚未正式确立。

如果把人工智能产品看作医疗器械产品，根据2018年公布的医疗器械分类目录，对其分类约定为：二类医疗器械——诊断软件通过算法，提供诊断建议，仅有辅助诊断功能，不直接给出诊断结论，有临床试验豁免目录，是否能够享受CNDA还没有做出具体规范；和三类医疗器械——如果对病变部位进行自动识别，并提供明确诊断提示，需要做临床试验。为加速医疗人工智能产品审核进程，中国食品药品检定研究院（简称“中检院”）光机电室专门成立人工智能小组，展开产品分析及技术研讨，目前已完成数据库构建流程，并初步完成构建眼底影像及肺部影像标注数据库的构建工作。

相比之下，美国医疗人工智能产品的注册审批快于中国。FDA自2017年7月发布数字健康创新行动计划以来，已相继批准九款医疗人工智能相关产品。FDA近期批复的几款人工智能产品均遵循CLASS Ⅱ的认证流程，通过与传统CDSS（临床决策支持系统）做等同对比证明安全性，而CADX软件监管历来是CLASS Ⅲ。由此可见，通过降低门槛来加快审批，或成一大趋势。

需求端：人口老龄化加剧，慢性疾病数量增多形成大量医疗需求根据国家统计局数据显示，我国2018年65岁以上老人为1.6亿人，约占中国人口总数11.9%，我国人口老龄化程度愈发加剧。在人口老龄化社会下，现代生活节奏加快，慢性疾病数量也随之增加，我国糖尿病和高血压2016年发病率分别为5%和18%，预计到2026年将分别增加至14%和28%，随之催生大量医疗需求。

供给端：优质医生及医疗资源不足，且医疗资源分布不均从供给方面来看，优质医生及医疗资源不足，且资源分布不均，难以承受快速增长的医疗需求。供给与需求矛盾突出，是我国医疗行业的根本问题。

· 我国优质医疗资源供给不足。我国医师与人口比例约为1:70000，而在美国这一数字为1:2000，我国每十万名患者拥有医师数量与美国相比差35倍。我国独立上岗医生培养周期长达8年，较长的培养周期将会带来医疗人力成本提高，难以满足持续增长的医疗需求。

· 我国医疗资源分布不均。据统计，2018年我国医院数量超3.2万家，三级医院仅占总数量19%，却承接了全国49.8%的医疗需求。我国优质医生资源多分布在一二线城市三级医院，基层医院医生素质参差不齐，优质医生资源短缺是困扰医疗发展的痛点之一。

大数据积累和深度学习算法进步使得医疗人工智能发挥作用

· 根据IDC预测，到2020年全球医疗数据量将达到40万亿GB，是2010年的30倍，数据生成和共享速度迅速增长，其中80%为非结构化数据。在数据方面，我国拥有得天独厚的优势，我国人口众多，数据基数大，同时多样性丰富，为大数据分析提供了丰富的数据来源，也为人工智能不断训练与优化算法模型提供了广泛数据集。

· 深度学习是人工智能技术的重要一支，目前语音识别和计算机视觉都基于深度学习技术来完成。随着图像领域深度学习RESNET网络结构发展，计算机视觉和综合图像处理技术取得长足进步，医疗图像分析在诊疗过程中发挥更大作用。例如，应用计算机视觉技术进行结肠镜检查，可以获得更为有效可靠的数据，以降低结肠癌死亡率；在外科手术中，计算机视觉对脑瘤病人进行3D头骨建模，有利于后续神经外科治疗。

在政策引导下，我国医疗产业有望释放人工智能红利

· 近年来，我国出台了一系列全国性政策及医疗人工智能专项政策，鼓励“AI+医疗”行业发展。在政策引导下，医疗产业有望释放互联网及人工智能红利。

· 根据鲸准数据库，截至2019年11月，我国目前拥有融资记录的医疗人工智能项目约有154个，其中70%以上项目处于天使轮和A轮阶段，B轮及以后项目较少。从细分领域来看，项目集中分布于医疗影像、辅助诊断和疾病风险预测领域，其他领域项目较少，近两年人工智能医疗影像和辅助诊断成为热门领域。

互联网巨头、传统医疗巨头、传统企业纷纷布局医疗人工智能

· 除了初创型企业，包括IBM、GOOGLE、BAT在内的互联网企业巨头以及GPS在内的传统医疗企业巨头，以及众多跨界拓展业务边界的传统企业也纷纷布局医疗人工智能领域。主要进入方式为自主研发相关产品， 开发相关领域针对性技术赋能行业应用，或者通过外延并购扩张业务版图。

· 对互联网企业来说，更倾向于利用自身的互联网基础与平台优势来进行技术布局。IBM WATSON在医疗方面主要应用于癌症诊断和治疗，此外在慢病、医疗影像、大健康、体外检测、精准医疗、机器人和疾病研究治疗也有所布局。GOOGLE布局领域最广，科研与风险投资并行，覆盖远程医疗、新药研发、器械、药品配送、患者管理等关键环节。百度于2019年收购医疗人工智能领域康夫子公司，重启医疗领域布局，并发布“百度灵医”发力智能分诊、眼底筛查、临床辅助决策支持系统。2018年阿里健康与阿里云共同建设阿里医疗人工智能系统——ET大脑，并推出“DOCTOR YOU”人工智能辅助诊断系统，率先应用于CT肺结节辅助检测，并于2018年扩展到糖尿病慢病管理领域。腾讯觅影于2017年面世，目前该产品已经具备AI医学 图像分析和AI辅助诊疗两项核心能力。此外，腾讯通过投资方式在三年间对互联网医疗进行产业布局，投资金额达到数百亿元*。

· 对于传统医疗巨头来说，在医疗人工智能领域来说更侧重于布局医疗属性。GE着力于研发智慧型创新的技术和数字医疗产品，通过资产云管家、云影像解决方案和云心电解着力决方案三大主力产品开启数字化转型之路。2019年9月，FDA已经批准了GE重症监护套件（CRITICAL CARE SUITE ICU气胸预判AI解决方案），这是GE医疗首个嵌入移动X射线设备中的人工智能算法。PHILIPS在医疗人工智能领域凭借临床经验和数字化及人工智能技术，推出整合型解决方案，其“星云影像平台”目前已经通过FDA和CFDA认证。SIEMENS在医疗领域布局影像诊断、临床诊疗和实验室诊断领域，并积极推进在数字健康服务与医疗企业管理方案领域的业务延伸。现已推出医疗智能化平台的磁共振产品MAGNETOM SEMPRA和数字化医用X射线产品 MULTIX IMPACT等多项产品和解决方案

· 对于传统企业来说，主要通过对外投资并购的方式来拓展业务边界，进入医疗人工智能领域。比如复星集团和中国平安于2018年B轮入局AIRDOC，专注于眼科的辅助诊断AI医疗平台；英伟达于2018年6月投资以色列AI医疗影像服务商ZEBRA MEDICAL VISION；手机硬件起家的小米，也在生态链布局一系列针对身体健康监测的小米手环和体重秤等产品，探索医疗健康大数据应用的更多可能性。

临床专业医生缺口大 AI医疗影像市场需求迫切

· “AI+医疗影像”，是指将人工智能技术应用于医疗影像诊断中。现代医学建立于循证医学的基础之上，医疗影像是临床医生一项重要的诊断依据。主要对患者的影像资料进行定性和定量分析，不同阶段历史比较等。目前，AI医疗影像已成为我国AI医疗领域最为成熟的细分领域。

· 从诊断路径来看，人工智能基于图像识别和深度学习技术作用于医疗影像，在临床诊断中主要可分为两个阶段：其一，图像识别阶段，应用于感知环节，对影像进行读取和梳理，从中获取有价值的信息；其二，深度学习阶段，应用于学习和分析环节，通过对海量影像数据和诊断数据的输入，对神经元网络进行深度学习训练，使人工智能掌握诊断能力。

· 从临床需求来看，我国专业医生缺口大，工作繁琐重复，诊断效率较低，服务模式亟待创新。目前，我国医疗影像数据以每年30%的速度持续增长，而影像科医生的年增速仅为4%，加之医生培养周期较长，医生资源流失率较高，我国每年培养60万医学生，只有10万人走上临床岗位，远不能满足临床实际医疗需求。以宁波大学附属医院（三甲医院）为例，影像科医生平均每天需要完成80-100份CT，或60-80份磁共振，或120-150个超声部位的影像诊断。即使每份报告只用七八分钟，也需要10个小时才能完成。

人工智能用以解决病灶识别与标注等多种医疗影像需求

· AI主要解决三种影像需求：（1）病灶识别与标注。针对X线、CT、MRI等影像进行图像分割、特征提取、定量分析和对比分析，识别与标注病灶，帮助医生发生肉眼难以发觉的病灶，降低假阴性诊断发生率，提高医生诊断效率；（2）靶区自动勾画与自适应放疗。针对肿瘤放疗环节进行影像处理，帮助放射科医生对200450张CT片进行自动勾画，时间缩短到30分钟一套；在患者15-20次上机照射过程中不断识别病灶位置变化以达到自适应放疗，减少射线对病人健康组织的辐 射与上海。（3）影像三维重建。基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，有效节约配准时间，在手术环节有重要应用。

· 头部企业通常针对某一病种，在病灶识别与标注功能基础上，依照医学诊断路径开发其他功能，真正为医生诊断决策提供帮助。以肺结节为例，系统识别结节后，将筛查结果生成结构化报告，并对比分析，自动搜索历史影像资料，对比不同时期结节变化。

市场竞争格局未定，高质量数据获取与标注能力成为核心竞争力

· 从市场竞争格局来看，目前中国AI医疗影像领域百家争鸣，尚未出现占据垄断性优势地位的企业。IBM、GOOGLE、阿里、腾讯、GE医疗、乐普医疗以及众多初创公司均在这一领域进行业务布局。此外，自2016年以来，专注于不同病种与技术方向的AI医疗影像初创公司受到资本热捧，一定程度上推动行业发展。

· 中国医疗影像数据量巨大，但利用效率较低，且其中非结构化数据占据总量90%左右。这些海量数据缺乏结构化数据梳理，标准化呈现体系，以及跨平台分享的生态环境，大部分数据都处于孤立且非标准化存在的状态，可利用价值不高。因此，AI医疗影像企业在高质量数据获取和标注上存在较大挑战。

· 高质量数据获取难度大。一方面，高质量影像数据集中在三甲医院，仅对内流通，缺乏共享机制，难以获取；另一方面，过往的医学影像数据及临床诊断报告信息，缺乏统一的标准化记录，数据质量参差不齐。

· 数据标注成本高。在数据处理流程中，重点环节在于数据预处理工作，数据标注的准确性将直接影响最终诊断结果。在机器学习过程中，参与训练的每张图片都要经过专业人员标注。尽管未来五年内小样本学习在理论层面或将有所突破，但目前数据处理和学习方法仍需要消耗大量时间和精力。高质量数据获取和数据标注能力成为企业核心竞争力之一。

平台分成和技术解决方案两种商业模式正在不断探索与尝试中

· 从落地情况来看，目前中国AI医疗影像产品主要应用在疾病筛查方面，以肿瘤和慢病领域为主。其中，肺癌和眼底筛查领域介入企业最多，近两年乳腺癌也成为热门布局领域之一。此外，不同企业针对客户群体也有所差别，除三甲医院和基层医院外，也有面向C端和保险公司等产品。

· 目前AI医疗影像的商业模式仍在不断探索与尝试中，主要可分为以下两种商业模式：

· 第一，平台分成模式。与基层医院合作，提供影像资料诊断服务，按照诊断数量收取费用，相当于与医院共同提供医疗影像服务，并从中获得分成。

· 第二，提供技术解决方案。与大型医院、体检中心、第三方医学影像中心及医疗影像器械服务商合作，提供技术解决方案。（1）面向大型医院、体检中心及第三方医学影像中心一次性出售“AI+医疗影像”解决方案的使用权或使用期间定期收取使用费。三级医院由于采购预算较高，设备更新意识较强，通常以这种模式与AI医疗影像公司进行合作。目前DEEPCARE正在 探索这种商业模式，开发不同病种智能模块放在云平台上，客户根据自己需求进行选择并付费。（2）与医疗器械厂商合作，在医疗设备中加入智能模块，硬件捆绑软件销售，将产品功能嵌入到硬件设备当中。例如 GE、PHILIPS、ROCHE等公司都在发力器械智能化，并在相关领域取得技术进展及产品化应用。

人工智能在辅助医生进行疾病检测和诊断方面的应用快速发展

· 目前，人工智能在辅助医生进行疾病检测和诊断方面的应用快速发展，包括在医疗影像领域的突破，基于电子病历的临床辅助决策系统，以及诊断后手术治疗等。未来经过更加丰富的数据标注及模型优化，将影像、病历、检查检验等多模态数据进行整合，人工智能可以检测和诊断的疾病类型将随之增多，提高疾病早期发现率，帮助医生提高诊断效率及诊断准确性。

· AI医疗影像是辅助诊断的主要应用领域，影像之外的电子病历、导诊机器人、虚拟助理、手术机器人等其他应用方向。

· 电子病历。在电子病历领域，人工智能利用自然语言处理技术以及语音识别技术，来处理大量文本与语音信息，将病历语言标准化、结构化、统一化，使病种数据更加专业，病历输入更加简单，病历展现形式更加直观，辅助医生进行临床决策判断

· 导诊机器人。导诊机器人能有效解决医院人满为患，患者无法及时获得就医指导的行业痛点。导诊机器人可以基于人脸识别、语音识别和人机交互技术，为患者提供挂号和就医引导，进行身份识别，信息收集，数据分析等，有效引导患者分流，帮助医生提高问诊及诊断效率。

· 虚拟助理。人工智能可基于历史问诊信息大数据，帮助医生回复患者问诊，并有针对性的提出相关问题，节约医生的时间和精力。

手术机器人已成为人工智能辅助诊断领域比较活跃的应用

· 目前在辅助医疗方面，人工智能已经形成了一些实质性应用，手术机器人和医疗机器人就是比较活跃的尝试。手术机器人已经在胃肠外科、泌尿、妇科和心外科等外科手术中渗透与应用。手术机器人通过高分辨率3D立体视觉以及器械自由度，在狭小的手术空间内提供超越人类的视觉系统，更大的操作灵活性与精准度，拓展了腹腔镜手术的适应症，增强手术效果。

· 美国直觉外科公司（ISRG）的“达芬奇手术机器人”已被FDA批准用于泌尿外科、妇科、心胸外科、腹部等外科手术，在美国院内渗透率达60%。ISRG公司由此高速发展，2015-2018年营收平均增速16%，2018年营收达到37.24亿美元，并始终保持着高达30%的净利率，总市值超600亿美元。目前单台达芬奇手术机器人在我国售价约1800万元，每年维护费200万元，已有约400家医疗机构拥有该设备的配置证，但仍未大规模推广应用。

· 据BCG波士顿咨询测算，预计2021年全球医疗机器人规模将达到207亿美元，其中60%市场份额为手术机器人。美敦力、强生、西门子和史赛克是四大重要设备服务商，近两年通过收购不断扩大自身医疗机器人版图。例如，2018年美敦力以17亿美元收购以色列MAZOR ROBOTICS及其机器人辅助手术平台，研发脊椎手术机器人引导系统。2019年强生以34亿美元收购瑞士AURIS MEDICAL，加强外科微创手术业务研发。

人工智能临床决策系统的行业壁垒较高，临床知识库是关键

· 人工智能技术还可用于临床辅助决策，临床决策系统（CDSS）相当于一个不断更新的医学知识库，是基于人机交互的医疗信息技术应用系统，通过数据和模型辅助医生完成临床决策。CDSS的使用场景涵盖诊前决策、诊中支持和诊后评价全流程，帮助临床医生做出最为恰当的诊疗决策，提高诊断效率与诊断质量。

· 目前，世界上绝大多数CDSS都由三部分组成：即知识库、推理机和人机交流接口部分，其中庞大可靠的临床知识库是CDSS的行业壁垒。目前大部分企业的知识库都难以满足医生的临床需求。而由于医院内部系统之间的信息隔离，大多数CDSS与医生临床工作脱节，导致CDSS的决策方式与医生的决策习惯相悖，降低临床医生的使用积极性。

一个完整的临床知识库应当包含各种最新临床指南、循证医学证据、医学文献、医学辞典、医学图谱计算工具、大量电子病历等海量数据，还应当交互良好，方便临床医生从数据库获取信息。此外，数据库必须是开放的，动态更新的。对第三方信息化企业来说，行业壁垒较高。

· 我国CFDA目前还未对人工智能临床决策系统建立明确标准，国家食药监局正在制定评审《深度学习辅助决策医疗器械软件评审要点》。美国FDA已经批准一些CDSS产品，有针对单病种的，有专家知识库系统。比较典型的包括荷兰科威集团的UPTODATE临床决策支持系统，IBM WATSON在肿瘤辅助诊断治疗的应用。

新药研发面临研发周期长、研发成功率低和研发费用高三大问题

· 新药研发主要包括药物发现、临床前研究、临床研究以及审批与上市四个阶段。一款药物从靶点发现到批准上市需要经历复杂且漫长的流程，需要大量人力、物力和财力投入。正因如此，新药研发面临研发周期长、研发成功率低和研发费用高三大痛点问题。

· 研发周期长。据FROST & SULLIVAN统计，新药研发需要历经10-15年。药物发现和临床前研究耗时6-7年，提交上市申请后经过0.5-2年时间方可获批并规模生产。

· 研发成功率低。据HARRIS WILLIAMS MIDDLE MARKET统计，在进入药物研发管道的5000至10000个先导化合物中，平均只有250个能够进入临床，平均只有1个才能最终获得监管部门的新药批准，风险伴随新药研发全流程。原研化药成功率最低，仅为6.2%。

· 研发费用高。据TUFTS统计，新药研发平均成本不断上升，从1970年代1.8亿美元，到1990年代10亿美元，再到至今26亿美元。2018年，全球前十大制药公司新药研发预算占销售额平均比重为19%。

人工智能因其算法和算力优势，应用于新药研发多个环节

· 人工智能因其算法和算力优势，在新药研发流程中应用于多个环节，帮助解决新药研发的三大痛点。人工智能的优势主要体现在发现关系和计算两方面。

· 发现关系方面，人工智能具有语言处理、图像识别和深度学习能力，能够快速发现不易被专家发现的隐藏的药物与疾病连接关系和疾病与基因的连接关系等，通过对数据进行深度挖掘与分析，构建药物、疾病和基因之间的深层关系。

· 计算方面，AI以其强大的算力，可以对候选化合物进行虚拟筛选，更快筛选出活性较高的化合物，平均节约40-50%时间，年均节约260亿化合物筛选成本。

AI新技术公司、研究机构和大型药企纷纷入局AI新药研发

· 目前人工智能药物研发市场主要有三类玩家，包括AI新技术公司、药物研究机构和大型药企。

· AI新技术公司以人工智能各项技术为核心竞争力，在不同技术领域各有所长，从不同环节切入药物研发产业链，并努力切入上下游研发环节，向药企或医疗机构提供技术服务。

· 药物研究机构基于自身的高研究水平，从平台建设的角度进行数字化转型，搭建自己的大数据平台，并尝试对外输出研究服务，进行商业化变现。

· 大型药企与市场联系最为紧密，利用本身技术和研发 基础以及多年积累的药物研发数据，进行外延并购或合作，拓展业务边界，通过新技术为药物研发赋能。目前，全球前十大药企均已入局。2018年罗氏以19亿美元收购肿瘤大数据公司FLATIRON HEALTH，为其提供研发所需的数据与技术支持，加速新药上市。

· 从国内市场来看，2018年6月，药明康德投资了将强化学习和生成对抗网络（GA N）相结合进行分子发现的INSILICO MEDICINE。2018年9月，正大天晴与阿里云医疗AI合作，获得一种全新的基于机器学习模型的化合物筛选方法，与传统计算机辅助药物设计方法相比，这套模型的筛选准确率可提高20%。2019年9月江苏豪森与ATOMWISE达成合作，双方将合作设计并发现多个治疗领域中多达11种未公开靶蛋白的潜在候选药物。

AI可改善健康管理数据关联性薄弱和人员专业性不足的痛点问题

· 传统健康管理领域存在行业标准不足、公众认知和接受程度不高、数据关联性薄弱、人员专业素质不足、支付机制不健全和现有服务链条不完整等诸多问题。其中，以下两个痛点问题是可以利用人工智能技术去发力解决的方向。

· 智能设备的数据关联性薄弱。目前，可穿戴设备和家用医疗器械设备等智能设备仅停留在对于体征数据的采集、提取和趋势分析层面，不同身体器官及不同平台的数据之间不具备整体关联性，从而使许多数据成为数据孤岛，无法有效发挥数据的联合分析作用，不能为用户提供基于多项综合检测数据的整体身体健康状况画像，进而不能满足用户的健康管理需要。人工智能可以对数据进行综合提取与交叉分析，学习医疗病历数据，根据用户的健康数据提供合理建议。

· 健康管理人员专业性不足。目前，绝大多数健康管理人员都是非医学背景，素质参差不齐，专业性有所欠缺，很少能为客户制定一份科学的健康管理计划。而利用人工智能技术开发健康管理平台，拥有更为完整的知识图谱，可以在一定程度上保证健康建议的专业性。一方面，通过智能设备和体检中心等平台收集用户的健康体征数据，结合强大的计算能力对数据进行分析决策，提高疾病预测的准确性；另一方面，人工智能通过高效计算和精准匹配使个性化健康管理成为可能，推动健康管理的系统化与精细化。

AI在健康管理领域应用广泛，包括风险识别、虚拟护士等多场景

· AI+健康管理是将人工智能技术应用到健康管理的具体场景之中，通常与互联网医疗概念相结合，被归类 为互联网医疗的一种应用方向。目前，AI+健康管理主要集中应用于风险识别、虚拟护士、精神健康、移动医疗、可穿戴设备、健康干预以及基于精准医学的健康管理等。

· 风险识别，利用人工智能进行数据获取与数据分析，在诊疗过程或治疗周期中识别疾病的潜在风险，及时给与预警及预防措施。例如，LUMIATA公司利用其核心预测分析产品“风险矩阵（RISK MATRIX）”，采集大量的健康计划成员或患者的数据点，然后为每个人绘制出患病风险岁时间变化的轨迹；同时，利用大数据构建医疗图谱，分析人群健康状态及患者的个性化需要，帮助医生提高诊疗的准确性。

· 虚拟护士，了解病人的身体状况、饮食、运动和用药习惯，运用人工智能技术进行数据分析，对病人作出身体状态评估及调整意见，协助患者规划个人生活。例如，AICURE通过智能手机摄像头获取用户信息，利用人工智能面部识别技术提高患者服药依从性。

· 精神健康，运用人工智能技术对用户的语言、表情和声音等信息进行挖掘，识别用户的情绪与精神状态，发现用户精神健康方面的波动情况。例如，AFFECTIVA公司利用人工智能技术，让机器能够实时感知并剖析使用者的情绪，并为其提出合理的见解与分析。

· 移动医疗，将互联网及人工智能技术应用于医疗服务场景。在患者端，为患者提供在线挂号、远程问诊、在线就诊等新的便捷医疗服务，将在一定程度上改变传统医疗服务的提供方式，改善患者就医体验。在医院端，基于医院信息化系统和大数据积累，利用人工智能构建智慧医疗院内服务体系，打破诊疗各环节及各科室间的信息同步与沟通壁垒，提高医疗效率。

· 可穿戴设备，正在从简单的健身追踪器转变为家用及临床检测器，应用于医疗领域。根据IDTECHEX行业报告《2019-2029可穿戴技术预测》，在未来十年可预测的48种不同穿戴技术产品中，有20种是可穿戴医疗设备。包括助听器、心脏设备和胰岛素泵等较为传统的医疗产品，也报告针对糖尿病患者的连续血糖监测仪、新型电子皮肤贴片和其他具有潜力的新型可穿戴医疗设备。基于传感技术、大数据和人工智能深度学习技术，对实时健康数据进行分析预测，解决部分医疗需求。

· 健康干预，运用人工智能技术对用户的各项健康指标和体征数据进行定量分析，制定适合个体的健康管理计划。例如，WELLTOK通过旗下的CAFEWELL HEALTH健康优化平台，利用人工智能技术对FITBIT等合作方提供的可穿戴设备用户体征数据进行分析与挖掘，提供专业化健康管理建议。同时，该平台亦能利用机器学习识别患者的非医疗需求，为其对接相应服务。