作者 | 高级分析师 张家祺
AI在医疗场景中技术积累越发成熟，应用场景日益丰富。近2年AI技术的突破不断引燃市场关于AI+医疗的讨论。我们认为AI+医疗未来空间广阔，当下值得重点关注，因此我们重点梳理了AI技术在主要医疗领域的应用，以供探讨。
AI医疗经历较长的验证期后，迎来快速兑现。中国对于医疗AI的研究始于1980年代，经过了算法由雏形初现到快速迭代、深度学习拓展等阶段，在多年沉淀后迎来注册审批与市场过渡阶段。2020年前，由于商业路径不清晰、落地场景未被验证、临床价值不足等原因，医疗AI的价值未被市场认知，但时至今日，多家医疗AI企业具备可落地的软件和可兑现的收入，医疗AI迎来快速发展阶段。在人工智能的所有应用中，医疗行业位列头部。据IDC数据，预计到2025年AI应用市场将达1270亿美元，其中医疗行业将占市场规模的1/5。从基础层到应用层，医疗AI广阔市场大有所为。据动脉网数据统计，2020年中国医疗AI市场规模已达66.25亿元，预计2020-2025年复合年增长率（CAGR）为39.4%，2025年将突破300亿元。
AI从“扩容、增效、降本”三个维度赋能医疗全产业链AI赋能，多维触达医药全产业链。AI技术对于研发、制造、医疗终端消费等多个场景都能够实现触达和价值赋能。从技术维度看，AI从供给端改变了医疗领域的发展轨迹和运行模式；从市场维度看，人工智能技术为现有医疗工作带来流程改进与效率提升。医药产业链按上中下游划分可分为：1）上游：医药研发、中药材、医药中间体等原材料；2）中游：各类生物药、化学药、中药、医疗设备及器械制造；3）下游：医药机构、零售终端、线上诊疗、医药流通等。而每一条产业链都有需要提升空间。1）上游研发端：研发效率、研发周期、研发费用等；2）中游制造端：生产效率、新产品迭代、生产成本等；3）下游医疗端：流通效率、医院管理效率、医疗资源分布、患者医疗可及性等。通过AI为传统的医药产业链赋能，带来产业变革，而其价值体现在扩容（新产品）、降本（减少费用）、增效（提高效率）这三个方面。而商业模式分为平台服务、硬件设备、软件服务三个方向，各自有各自的核心壁垒。医疗AI始终需要走向商业化，体现其应用价值。目前，从AI为医药产业链赋能的价值角度，考虑商业化落地的场景、进程以及节奏上看，我们认为医疗AI在以下三个大方向大有可为，并且已经有成功的商业化成果。-医疗端：AI+医疗服务（检验诊断、院内信息化、AI医疗助理、医疗解决方案）-制造端：AI+医疗器械（FFR、AI-ECG、影像AI、AI消融、AI放疗、医疗机器人AI）-研发端：AI+医药研发（AI+制药、AI+CRO）
AI医疗在“医疗服务、医疗器械、医药研发”领域率先落地场景AI检验/病理诊断：高精度高质量AI识别，重塑医疗体系AI检验诊断：检验医学是现代医学的重要组成部分，临床决策所需信息70%来自检验，而以数据挖掘、机器学习（machinelearning，ML）、专家系统为支撑的AI技术正在成为强大的辅助工具。AI可以自动验证报告，进行初步审核；全实验室智慧互联，质量控制将更为精细、快速、简便，节约质控成本的同时，提高检验质量。AI病理诊断：计算机视觉、分子病理学、基因组学和生物信息学的快速进步促进了计算病理学的发展。计算病理学允许研究人员和临床医生以前所未有的方式，通过量化癌症组织病理学提取大量的生物学和临床相关信息。AI算法提供了从大量数据中提取信息的框架，因此支持的计算病理学有望改变未来癌症的诊断、研究和治疗方式。需求推动，医疗信息化野蛮生长。医疗行业进入大数据时代，传统的医院管理、医保收支结算、质控等环节对于数据处理的需求快速增加，各类企业在洞察到医院业务发展面临的痛点，在不同的细分领域内探索，逐步在电子病历、各科室数据互通、医院评级、药房自动化等领域形成可落地的应用，院内信息化逐步形成独立赛道。医院作为我国医疗服务体系的核心，目前仍然处于智能化管理的初级阶段。随着医疗信息化、大数据、人工智能等技术进步，医院数字化转型进程加速，通过人工智能加速医疗机构管理变革的时刻悄然来临。通过智能化的病历管理、患者信息管理和医疗资源调度，人工智能能够为医疗机构赋能，为患者缩短诊疗流程，提高效率。根据十四五规划，下一步到2025年，二级医院需实现电子病历应用3级到4级的升级，三级医院则需达到5级及以上。预计会带来大量现有系统的升级换代以及新系统建设的增量需求，医院IT建设需求有望加速释放。在超声、放射、内镜、病理等检查科室，智慧预约系统能够通过AI自动识别患者检查电子申请单，结合与检查相关的环境/医学/时间等多种因素，为患者推荐最合理的检查预约时间，提高就诊效率。智能预警系统能够实时监测患者情况，为医护人员提供实时反馈，进一步提高医疗质量。基于NLP算法，AI能够及时发现各类医疗文本信息错误并上报，高效及时发现高危问题。此外，政策重点强调单病种质控，覆盖病种和数量均增加，利用AI进行数字化和信息化监控和上报是最佳解决方式。在医药分开为导向、智慧医院建设持续推进的公立医院改革背景下，医院对医疗物资智能管理和智慧药房系统的需求越发急迫，在软件系统的管理和控制下，智慧药房项目通过自动发药机、智能针剂管理柜、智能毒麻药品管理柜、智能预配货架、智能存取货架等设备，实现药房药品的自动化存储、调配、传送和发放。通过智化药品管理系统对药房工作进行流程再造，提升药品调配效率、有效防范人为差错，实现药品库存效期智能管理，进而提升药事服务质量，改善药房工作条件，缩短患者取药等候时间，实现药房药品的智能化管理。根据OpenAI于2023年3月20日发布的一篇有关GPT-4在解决医学挑战方面的论文展示，GPT-4在官方USMLE（美国执业医师资格考试）考试题目上表现出了显著的进步，与GPT-3.5相比，在两个考试中的表现提高了30个百分点以上，性能极大提升。作为测试，我们通过向ChatGPT（GPT-4）提供真实高血压案例进行咨询，发现ChatGPT能够给出基本的回答，并提供相关依据。可以看出，ChatGPT的回答和建议具有很强的可读性和专业性，使患者对医疗的可及性大大增强。2019年中国医疗行业内医疗信息化投资总额为人民币1,456亿元，预计到2024年将增长至人民币3,567亿元，复合年增长率达19.6%。其中生命科学公司CRO投资（38%），生命科学公司数字营销投资（28%）和医院IT投资（25%）占比较高。中国医疗大数据解决方案市场2015年的规模（根据健康医疗大数据解决方案服务供应商的销量而计算）为人民币18.67亿元，到2019年增长为105.42亿元，2015-2019年复合年增长率为54.2%；预计到2024年将增长至人民币577亿元，预计复合年增长率达40.5%。医疗大数据解决方案整体渗透率（指医疗大数据解决方案的销售收入占中国医疗信息化投资总额的百分比）有望从2019年的7.2%增长到2024年的16.2%。
AI制药的发展是一个随着底层基础理论从“0”到“1”的发展过程，随着理论到实践的突破性应用，AI制药的发展经历了几次“AlphaGo”般重大突破发展时期。AI制药的快速发展集中在2018伊始，国外以谷歌DeepMind，国内以英矽智能为首的公司相继为业内熟知，2020年行业进入加速发展期，资本开始大量涌入赛道，催化公司发展，业内合作纷纷建立。相较于传统的药物发现过程，AI赋能在临床前发现阶段缩短药物研发周期，根据Exscientia的数据，可平均节约药物合成时间40~60%，降低研发成本，并提高研发成功率12%~14%。例如国内的AI制药龙头公司，英矽智能在临床前发现阶段的靶点发现到先导化合物的优化，只需要约18个月完成，总体投入不超过270万美金，而这个过程过去往往需要五年甚至更长，并需要投入数亿美金。AI制药公司的商业模式可分为三类：1）软件供应商：提供算法进行软件产品授权，医药专业性较低，产品溢价低可快速切入市场并创造营收，如OpenEye、ChemicalComputingGroup等计算机公司采取此模式；另外也有一些公司采取向软件整合延申，提供“电脑内服务”如Atomwise等。2）AI+CRO：提供新药研发服务，集中在临床前靶点发现、先导化合物发现，更加偏向CRO模式，临床前阶段进行向外授权，用一定新药研发风险换取较多上行空间收益，如Exscientia、Absci等。3）AI+Biotech：自研新药研发并推进临床研究，偏向创新药企模式，专业性高，进入门槛高，可在临床一定阶段向外授权或自主商业化，创造更高价值，如薛定谔、英矽智能、RelayTherapeutics、BenevolentAI、Cyclica等。而采用多种商业模式，从软件授权到新药研发“端到端”AI赋能制药的公司，以薛定谔、英矽智能为代表。底层AI自主的新药研发，随着临床管线的推进，AI赋能制药实际价值得以显现，切实加快药物研发，解决未满足临床需求。在商业模式上，AI药物研发企业有三种主流模式：AIbiotech、AICRO和AISaaS，即研发药物、承接服务和售卖软件。国内多数AI药物研发企业都会在SaaS服务商、AICRO和AIbiotech的商业模式中兼容两种或者三种。“自研+外部合作”已经成为主流，这也是很多传统药企倾向的合作模式，降低liscencein的风险。-AICRO：是指初创公司通过人工智能的辅助，为客户更好地交付先导化合物或者PCC，再由药企进行后续的开发，或者合作推进药物管线。-AIbiotech：则是以推进自研管线为主，较少进行外部合作的公司。-AISaaS服务：是指为客户提供AI辅助药物开发平台，最主要为用一套标准化的产品，通过平台为企业赋能，帮助企业加速研发流程，节省成本与时间。随着AI技术的不断发展和应用的深入，AI医疗产业将迎来更快速的增长。AI将在医疗领域实现更广泛的应用，推动医疗服务的创新和转型，提高医疗服务的质量和效率，实现医疗资源的优化配置，成为解决医疗资源不平衡的重要工具。随着商业场景的持续迭代和应用，其渗透将持续加速，成为未来5年成长最快的AI赛道之一，值得持续关注和跟踪。
