欢迎访问智慧医疗网 | 网站首页
 
当前位置:首页 > 研究 > 行情

​2023年医疗服务市场规模近9万亿,AI医疗迎来投资热潮

发布时间:2024-09-03 来源:OMAHA联盟 浏览量: 字号:【加大】【减小】 手机上观看

打开手机扫描二维码
即可在手机端查看

2023年,中国人口数量的负增长成为新常态,这一重大转折点背后是快速老龄化和极低生育率的双重影响。这一人口结构的长期改变不仅对医疗服务市场规模和健康产业产生了深远影响,同时也催生了新的机遇。

日前,易凯资本发布白皮书,探讨了2023年中国人口负增长带来的变化、市场表现,并对2024年的市场机会进行了预测。

根据中国卫生统计年鉴以及国家卫健委统计数据显示,我国 2022 年医疗服务市场整体规模估算值在 8.3 万亿元左右,在后疫情时期,我国医疗服务整体呈现出积极复苏的态势。但是,白皮书认为,综合考量下,医疗服务市场规模整体增长率大致在 4.5%左右,因此,2023 年医疗服务市场规模接近 9 万亿,比国家卫健委于 2017 年颁布的《“健康中国2030”规划纲要》中提到的 9.1 万亿略低。
微信图片_20240903160522.png
“一老一小”的问题造成人口结构的长期改变,影响着医疗服务市场规模乃至整个健康产业的外延,同时也迸发出新的商业机会。

医疗服务行业正在重塑



1.人口负增长与“一老一小”问题
中国的人口发展呈现出新的趋势。连续两年的人口负增长,无疑给社会带来了新的挑战。这种趋势要求我们必须高度关注“一老一小”问题,即养老服务和生育优化。随着老龄化程度的加深,养老服务产业正迎来其发展的元年,如何提供高质量、多样化的养老服务成为关键。同时,生育问题也从家庭事务上升到了国家事务的高度,如何优化生育环境、提高生育率成为亟待解决的问题。
2.医疗服务企业的经营与资本市场
虽然医疗服务企业在疫情后的业绩有所改善,但资本市场的下行趋势,以及医疗行业集采、DRGS 等医保改革政策端影响,使得投资机构在投资和退出方面变得更加谨慎。这种变化对医疗服务企业的经营策略产生了深远影响,企业需要更加注重自身的盈利能力和风险控制。同时,“医疗反腐”的积极效应开始显现,这无疑是对医疗行业的一次深刻洗礼,客观上延缓了 ToB 类医疗服务企业经营业绩的增长。体系的重塑并非一蹴而就,需要各方的共同努力和时间的沉淀。
3.AI技术在医疗服务领域的应用
随着ChatGPT面世,掀起“千模大战”,AI医疗正步入新的发展阶段。头部企业纷纷在第一时间将视角转向医疗垂类大模型落地,AI医疗进入新的投资周期,迎来热潮。
自 2023 年起,国产医疗大模型全面开花,以百度、华为、腾讯为首的传统互联网巨头;以卫宁健康、东软等为代表的医疗信息化平台企业;以医渡、左手医生等为代表的互联网医疗新秀等众多企业摩拳擦掌,在近一年时间内陆续有近 40 个大模型问世。多模态大模型正在全面赋能服务诊疗等产业生态圈发展。

新的需求逐步崛起



基于以上变化,白皮书认为,“银发经济”下,涉及养老概念的医疗服务投资机会越发显现。我国养老服务体系当前正逐步从机构养老转向社区居家养老,围绕养老服务体系建设,老年用品、康复辅具、人才教育、适老化建设、智慧养老、老年金融等领域逐步起步。医疗、医药、医械、康复等业态正逐渐成为重点。同时,中低龄老年群体“新消费”的崛起,对智慧化、科技化、智能化产品的需求日益增长。
此外,白皮书提到,后疫情时期的消费医疗复苏,新生儿数量及结构变化带动新妇产和辅助生殖行业的发展、以及眼科连锁服务、传统中医与现代就医消费理念融合的“新中医”,将受到市场关注。
更重要的是,生成式 AI 及其背后的大模型技术对 B 端、G 端、C 端均具有颠覆性的影响,有望催生新一轮医疗数字化的变革。白皮书指出,大模型可能在辅助诊断/治疗/方案生成,患者服务,医院管理/质控,医疗科研,公共卫生等多个领域发挥重大作用。
举例来看,在辅助诊断/决策/方案生成领域,相较于传统 CDSS(临床决策支持系统)而言,大模型的训练数据来源更为广泛,自我净化能力更为高效,因而能为 CDSS 带来较大幅度的提升。此外在交互方式及自主辅助方面,也能提升医生的使用体验。同时,大模型可以在急救药学服务、骨科、细菌感染等领域接受患者后迅速生成治疗方案。

行业更需要垂类大模型



白皮书也强调,由于医疗场景的特殊性和高标准要求,现有的通用大模型往往难以满足医疗行业的具体需求,这就要求开发专门针对医疗领域的垂类模型,以适应该领域的特定需求和挑战。
首先,医疗行业的场景需求具有高度的专业性和技术性,对错误容忍度极低,这就要求模型在提供医疗建议时必须具备更高的准确性和专业性AI 系统需要依托丰富的医疗专业数据,才能生成符合医疗标准的高质量建议。
其次,医疗数据的多模态特性要求大模型能够处理和分析包括医学影像、文本、语音和视频在内的多种数据类型。为了在医疗领域中实现有效的决策支持,大型模型必须能够综合这些不同类型的数据,以提供全面的医疗解决方案。
再者,考虑到医院的实际操作环境和对数据安全的要求,大模型在规模和可实施性上需要做出平衡。模型的规模并非越大越好,而是要确保其能够在医院环境中有效部署和运行。
在训练数据方面,医疗数据的多样性和复杂性对大模型的训练提出了额外的挑战。为了实现大模型在医疗领域的有效应用,需要大量的高质量医疗影像数据支持。同时,随着计算机视觉和隐私保护技术的发展,算力分配和数据管理成为了推动模型发展的关键因素。因此,需要进一步建设和完善相关的基础设施,并构建跨医院的数据集,以促进医疗数据的有效整合和利用。
最后,在应用对象方面,医疗大模型主要服务于医疗机构和政府部门,这些用户对模型的准确性和可靠性有着极高的要求。因此,医疗大模型在提供决策支持时,必须确保其结论的精确性,并能够提供充分的证据支持其建议,以满足医疗领域的严格要求。

结语



中国人口负增长的新常态为医疗服务行业带来了前所未有的挑战与机遇,医疗领域各细分赛道也涌现出新的投资热潮。值得注意的是,生成式AI及其背后的大模型技术对医疗行业数字化产生了颠覆性影响,AI医疗赛道正快速显现出广阔的市场空间,医疗领域垂类大模型将展现出更多可能性。


智慧医疗网 © 2022 版权所有   ICP备案号:沪ICP备17004559号-5