金准人工智能 大数据时代下的健康医疗行业报告(精选3篇)
金准人工智能 大数据时代下的健康医疗行业报告 篇1
金准人工智能 大数据时代下的健康医疗行业报告
前言
大数据及AI技术在健康医疗领域应用场景包括、辅助决策、健康/慢病管理、机构智能化管理、基因数据等。预计2019年,辅助决策类中的影像辅助诊断将首先落地,主要因为其90%的准确率,可以快速为医生提供丰富的细节信息。其他应用场景,医疗机构的智能化管理,将在各省市区域信息平台及三大健康医疗数据集团推动下进行。全科辅助决策、健康/慢病管理、人工智能新药研发等,大多处于产品研发中期。针对这三个领域,企业仍需投入大量技术人才,以缩短流程路径,提升产品准确率。
一、大数据在健康医疗行业中应用价值
1.健康医疗行业面临的困境
1.1全球医疗困境
人口的增长和老龄化,发展中国家医疗市场的扩张、医学技术的进步和人力成本的不断上涨将推动支出增长。2017-2021年全球医疗支出预计将以每年4.1%的速度增长,而2012-2016年的增速仅为1.3%。
慢性病发病率提升,变化的饮食习惯以及日益增加的肥胖度加剧了慢性病的上升趋势,特别是癌症、心脏病和糖尿病,目前中国糖尿病患者约有1.14亿,而全球患者人数预计将从目前的4.15亿增加至2040年的6.42亿。
传统研发(R&D)成本上升,产品上市速度慢,2004年至2014年药物开发成本增加了145%。
劳动力不足,在人口结构的变化和技术的迅速发展下,熟练和半熟练医疗保健工作者将大幅减少。1.2中国特色困境 人口老龄化加剧。
供需结构失衡,金准人工智能专家统计2016年我国每千人口执业(助理)医师2.31人。2015年我国每千人口医师数量在OECD统计的国家中排名处于25-30之间。同时,我国医生执业环境较差,促使进入医疗系统的优秀人才逐年趋少。
医疗资源发展失衡,据金准人工智能专家了解,2010-2015年三级医院诊疗人次及住院人次复合增长率分别为14.6%和21.9%,而基层医院仅为3.8%和0.5%。传统就医模式使得三级医院人满为患,导致就医体验差及优质医疗资源浪费严重,因此,我国仍把推行分级诊疗作为当前首要任务。
医保透支,《中国医疗卫生事业发展报告2017》预测,2017年城镇职工基本医疗保险基金将出现当期收不抵支的现象,到2024年将出现累计结余亏空7353亿元的严重赤字。商业健康险的发展可有效弥补医保不足。在成本支出方面,健康险利用市场规律帮助医院合理控费,同时,还可增加社会保障的收入来源,减轻国家医保基金的负担。提升医保控费能力,探索创新支付机制迫在眉睫。
因此,改善现有就医模式,推行分级诊疗势在必行。分级诊疗推行需建立在信息、资源及利益互通上。2015年,国家卫计委提出分级诊疗制度将在2020年全面确立,包括基层首诊、双向转诊、急慢分诊、上下联动分诊诊疗等。新模式的搭建过程中,主要存在以下3个问题。1)信息不流通,各医疗机构间多为信息孤岛,患者信息无法进行快速共享流通;2)资源不流通,优质医生多集中在各大省会的顶级医院,且三甲医院医生精力有限,每年可支援的基层医疗更是有限;3)利益不互通,医院之间缺乏有效的利益捆绑机制,以促进患者在院间的流通。
2.大数据助力我国医疗生态全面升级
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。由于我国医疗体系的强监管性,大数据若要在行业内实现其价值,需由国家建立一套自上而下的战略方针,从而引导医院、药企、民办资本、保险等机构企业构建项目,相互合作,最终实现从“治疗”到“预防”的就医习惯的改变,降低从个人到国家的医疗费用。麦肯锡曾在2013年预测,在美国医疗大数据的应用有望减少3000-4500亿美元/年的医疗费用。
2.1健康医疗大数据宏观利好
宏观环境利好条件满足,静待细分市场突围。我国健康医疗大数据已进入了初步利好阶段,国家作为政策引导方,已出台了50余条“纲要”或“意见”,可穿戴设备、人工智能等技术的发展也为产品研发奠定了基础,且头部资本已进入市场。下一步,各方需静待产品与市场需求相融合,共同探索具备商业化或临床价值的大数据产品。
2.2健康医疗大数据政策利好 政策引导,明确健康医疗大数据战略意义。2015年8月国务院发布了《促进大数据发展行动纲要》,指出发展医疗健康服务大数据,构建综合健康服务应用。随后,国务院、卫计委相继发布了多项政策,以促进各省市政府将健康医疗大数据提升至战略层面。
政策引导,顶层设计推动大数据项目前行。2018年科技部官网发布了14个重点专项2017项目申报指南“精准医学研究”等生物医学领域的5大专项,累计共拨 经费总概算12亿元。其中与健康医疗大数据密切有关的项目有,“重大慢性非传染性疾病防控”4.5亿元,“精准医学研究”1.3亿元,“生殖健康及重大出生缺陷防控研究”0.9亿元。此外,2月科技部发布了“主动健康和老龄化科技应对”2018年申报指南。
2.3健康医疗大数据资本利好
2018年Q1大数据投融资事件35起,行业热潮正式开启。金准人工智能专家将IT桔子中披露的医疗健康投融资数据进行了分类整理,发现2014年起健康医疗类大数据投融资事件增多,2016年最多共66起,2017年略有下降。2018年,健康医疗大数据仅在Q1便发生了35起投融资事件,其中12件来自医疗信息化建设,多为利用AI、语义识别、数据模型,挖掘诊疗信息,连接院内院外平台等类别的企业。受人工智能热潮影响,2017年辅助决策类共发生17次投融资事件,2018Q1共5起,预计未来将会有更多资本进入该领域。
2.4健康医疗大数据社会结构
老龄化及不良习惯诱导身体不适,提升人均就医次数至5.8。2017年,我国65岁以上人口占比11.4%,出生率12.43%(2016年出生率12.95%),人口结构呈现老龄化趋势。以2013年为基础,65岁以上人群两周就诊率26.4%,且在现代生活习惯的影响下,糖尿病、高血压等慢性病发病率也在不断提升。金准人工智能专家认为诊疗人次仍将持续上升,医疗体系也将面临巨大压力。
2.5健康医疗大数据技术利好
采集技术成熟促使数据爆发性增长,数据价值急需被挖掘。健康医疗大数据领域涉及的相关技术范围非常广,如底层数据采集中包括信息化、物联网、5G技术,处理分析中包括深度学习、认知计算、区块链、生物信息学及医院信息化建设等。据IBM统计,全球大健康数据正以每年48%的速度增长,在2020年数据量将超过2300Exabytes。金准人工智能专家预估2020年,全球健康物联网设备出货量将达到161万台。院内数据方面,金准人工智能专家在2016年统计,医院管理信息系统整体已实施比例在70-80%之间,且集中于三级医疗机构,大量健康医疗数据的积累为算法搭建提供了基础。在处理分析方面,人工智能、生物信息学需要与实际应用场景相结合,以便搭建有效模型。
二、大数据在健康医疗行业中发展概况
1.健康医疗大数据分类及应用
本篇报告将健康医疗大数据分为三大类,院外数据、院内数据以及基因数据。院外数据包括健康档案、智能硬件体征及环境监测/检测,院内数据包括就医行为、临床诊疗等,基因数据包括外显子、全基因等。在具体场景应用方面,多为不同种类的数据相互交叉结合应用,如预防预警,需要结合智能硬件监测、诊疗用药历史等数据才能为用户提供及时的预警监测。
2.多项细分场景同时探索,辅助诊断将首先迎来商业化 健康医疗大数据行业以数据规模为基础,且在政策和资本鼓励下,部分应用场景进入市场启动期,如健康管理、辅助决策(全科辅助决策、影像病理辅助诊断等)、医疗智能化等。下一阶段,随着企业大数据/AI技术长期的应用实践探索,产品不断更新完善,预估2-5年的内,产品将首先在B端客户中进行推广;随后,伴随软件友好度和准确度的上升,在B端客户使用的影响下,C端市场将展开竞争。
3.健康医疗大数据产业链概述
始于用户,终于用户。健康医疗大数据产业链的上游是数据供应商(医疗机构等)或存储计算服务(云服务商。中游为产业链核心企业,多为具有影像识别、深度学习、自然语义分析等核心技术的技术型企业。该类企业可为聚集了大量健康医疗相关数据的机构提供数据处理服务,在分析及可视化后赋予数据价值。下游为应用场景,分为B端和C端。B端包括医院、药企、政府、保险、PBM等企业,其最终的目的是提升医疗服务的效率和质量,降低患者及健康人群的就医费用。
3.1健康医疗大数据上游现状
数据已成规模,院内数据在样本质量与规模中胜出。
健康医疗大数据产业链上游所提供数据的质量与样本量将决定,中游企业是否可以快速有效的进行模型训练。整体来看,院内、院外及基因数据供应方均面临三个问题,质量、样本量及安全。1)院内数据在质量和规模上最具竞争力。各省市TOP级的三级医疗机构多存有高质量的诊疗数据,且已具备一定规模。医院外联系统中多存有大量就医行为数据,然而这类数据的应用将依赖政策指导,且面临隐私安全等文图。2)基因数据为企业的核心资源,已具备一定规模和质量,且多由中游企业自建数据库自行采集,或者通过与实验室合作的方式获取。3)健康类数据多由智能硬件或在线医疗企业采集,该类数据增长快速,但是维度多且缺乏整合,质量参差不一。
3.2健康医疗大数据中游现状
北京大数据先行,上海、广东、浙江紧随。金准人工智能专家就IT桔子中正在进行融资的103家创业公司分析,发现主要集中在北上广深一线城市,该现象受医疗资源、政府态度、医生接受度三方面影响。1)北上广深拥有多家TOP级三甲医院,优质医疗资源丰富且信息化程度高,因此企业能够获得可观的高质量数据样本;2)初期阶段,医疗大数据技术的探索多由地方政府拨款支持,如2018年2月由北京大学医学部和大数据研究院共同筹备建立北京大学健康医疗大数据研究中心。因此地方性政策支持变得尤为重要;3)一线城市的医生对新技术接受程度较高,因此在产品上市后相对较易试运行。
3.3院外数据之应用场景
大数据及AI技术,提升企业用户服务规模及能力平安好医生IPO报告中公布,2017年互联网医疗市场规模达到150亿元人民币,在线咨询量达到23.8千万次。由此可见,互联网医疗可触达的用户规模将越来越大,而仅靠医生或相关从业人员在后台回答问题并不能满足日益增长的用户量。因此,企业需依赖大数据或AI等技术优化问诊、健康/慢病管理等产品的功能,从而有效满足用户需求,最终提升付费率。
此外,对于不断扩张的企业,大数据及AI技术辅助提升服务效率,降低人力成本;使得在付费率低的情况下(好医生IPO披露2017年付费转化率为2.7%),也可以形成稳定的营收与较高的利润率。金准人工智能专家认为,随着企业AI智能分诊、AI健康管理路径等模型成熟且全面应用后,院外数据的应用市场将进入快速成长期。
3.4院外数据的商业路径 核心能力提升用户健康,延伸能力创造商业价值。能够提供健康管理服务的企业主要分类两类。一类是偏健康数据收集类企业,针对健康或慢病人群提供饮食、运动等个性化健康方案。另一类是偏轻问诊类,提供智能分诊、轻问诊、预约、转诊等服务。目前,C端服务盈利能力有限,部分企业依托其健康管理或问诊能力,为企业端客户服务。如妙健康依托其多维度健康数据及平台搭建能力,为雇主提供内部员工的健康管理服务,为疾控慢病中心搭建健康信息平台提供技术服务。如平安好医生结合其终端智能应用,为用户提供智能分诊,为医生提供辅助决策等服务,辅助政府搭建区域信息化。
数据到行为干预仍需过程,企业付费是首选。大部分移动医疗公司在经历了4-5年数据沉淀后,积累了大量的数据样本,然而如何通过技术将其转化为可被解读的报告仍需时间。目前,健康医疗大数据行业的支付方主要集中在B端,包括医院、药企、药店、保险、政府等多类企业;且在主要支付方中,药企、保险已形成了一定的支付习惯。健康医疗大数据的收费方式有多种,包括项目制、Saas服务收费、软件租赁费、增值服务费等;前三种为现阶段主要的收费方式,而增值服务费将随着大数据及AI应用场景的增多而增加。
3.5院内数据之应用场景
大数据技术应用广泛,以提升诊疗及管理效率为主。在研发成本、运营成本的不断提升下,医疗机构、药企、药店、保险等机构或企业均急需一套解决方案,以便在降低临床研发、运营管理、营销成本的同时提升顾客满意度,最终增加营收。该类企业利用人工智能技术分析挖掘已有信息,为医疗机构、药企提供有效的改善运营、提升服务效率的解决方案。目前,提供相关业务的企业主要来自三种,1)创业型,多为AI技术公司,如推想、羽医甘蓝、博识医疗语音等技术型企业;2)信息化/互联网等企业新业务拓展,如东软医疗的区域信息化、微医的微医云业务等;3)政府主导的健康医疗大数据集团,如中电集团将在程度规划、建设和运营国家健康医疗大数据平台,开展健康医疗领域的数据汇集、治理、共享开放和应用生态建设。
3.6院内数据的商业路径
依托技术与数据,收费模式玩法多。就院内数据付费方来看,药企、体检的付费意愿及能力最强;医院、保险、药店等机构企业的付费意愿较弱,需要时间进行市场培育。此外,在商业化道路上,医学影像类公司也可以针对器械、美容等高端机构进行产品研发,满足其高端用户的服务及心理需求。现阶段,针对不同客户常见收费方式有三种,1)软件租赁或解决方案,企业为医院机构或政府(省市卫计委)搭建系统或软件服务(语音录入、电子病历搜索等),获取一定技术服务费或软件租赁费。2)数据分析收入,企业为体检机构提供影像识别服务,提高影像读取效率;或利用机器学习为药企提供服务,以便提高药物发现的“命中”几率。3)产品绑定,将成熟模型与健康医疗器械绑定,辅助提升其市场竞争力。大数据企业将获得一定比例的提成或资源。4)按使用次数收费,未来AI技术在获得三类器械认证后,患者可在就医时实现按次付费。
细分之辅助决策
辅助诊断替代医生重复性工作,减少近八成工作量。辅助决策类企业采用的技术多为认知计算、深度学习、计算机视觉、自然语言处理。针对科室或疾病领域的不同,其领域也不同,包括影像辅助诊断、病理辅助诊断及全科辅助决策等。其中全科辅助决策准确率85%左右,仍有较大提升空间;影像和病理辅助诊断的准确率超过90%,其产品正在落地中。现阶段,各企业主认为辅助诊断的价值在于为医生提供病灶性状描述、自动生成报告、精准定位病灶,降低漏检风险。1)针对三甲医院医生,辅助诊断将替代医生重复性工作,为其提供更多的信息,以便医生制定最佳的治疗方案。或者在短时间内监测患者的肿瘤变化,以便医生及时观察患者术后恢复情况。该类解决方案单价较高,从几十万到上百万均有。2)针对基层医疗机构,系统将直接给出结果,快速有效的进行肿瘤的初筛,提高基层医生的诊疗效率及质量,释放医疗资源。针对基层医疗机构的解决方案价格相对低一些,未来可能以按次收费为主。3)全科辅助决策,将帮助大型三级医院或在线医疗公司实现快速分诊,提升效率。其价格将在几万到几十万之间。
细分之辅助诊断
降低数据标注成本,构建临床应用流程。行业发展初期,企业的主要困境集中在产品研发落地阶段。在研发落地过程中,企业需要不断丰富数据库,发现CornerCase。目前,大多企业进行数据标注主要来源以下三种形式,人工标注、机器标注以及医院已有结构化数据。1)人工标注为主流方式,该方式能够提供较高质量的标注数据,但也面临着高成本的问题。原因是,数据标注人员多为医生或具备临床经验的执业医生或医学生,该类人员收费较高每人每天在百元以上,且一张图标注时长多达半小时。2)机器标注,体素科技提出了AFT*标注法,将主动学习和迁移学习整合成单一框架。在肠镜检查帧分类、息肉监测和肺帅塞检测中表明该类标注成本至少可以减少一半。3)已有结构化数据,医院本身会存储一定量的结构数据,然而该部分数据仍要在处理筛选后才可使用。此外,针对新技术的应用,医疗机构缺乏相应的上线流程,因此,企业在模型训练过程中,建立可复制的临床流程与标准,针对不同层级医疗机构的应用场景提供有效解决方案是关键所在。
基因数据的快速发展
临床与消费基因需求增长,促使数据分析产业前行。金准人工智能专家整理公开数据显示,全球基因测序数据分析市场规模发展迅速,2012年市场规模不超过2亿美元,预计2018年将接近6亿美元,复合增长率为22.7%。金准人工智能专家分析认为,随着高通量测序设备的广泛应用,基因数据量也呈倍数增长。数据量的增长,也使得基因测序的工作重心从繁重的人工测序转到了中游的数据分析上。下游临床应用及消费基因的成熟,为数据分析提供了客观的支付方。因此在应用终端的推动下,中游数据分析产业将迎来快速增长,现阶段生物信息公司业务往往大而杂,而专注某一医疗领域的生物信息公司(如精准癌症)少之又少。国内市场专注基因组数据分析的生物信息公司并不多,该领域值得期待。
三、典型企业案例分析 1.平安好医生:探索AI应用落地,提升服务效率与能力
平安好医生创建于2014年8月,自成立之初便开始布局AI+医疗项目。目前,好医生涉及的主要项目包括“AI助手”、“现代华佗计划”、“家庭医生”和“一分钟诊所”,“AI助手”主要应用于线上辅助问诊环节,“现代华佗计划”致力于中医行业的标准化、信息化、智能化,“家庭医生”运用智能问诊等技术,运用于家庭端医疗健康管理,“一分钟诊所”除智能问诊外、还推出智能诊断、智能药方,协助医生问诊。平安好医生已于2018年5月于港交所挂牌上市,成为互联网医疗第一股,股票代码01833.HK,融资11亿美元。
平安好医生依托其AI+医疗技术,能大幅提升医疗服务效率及能力,以便覆盖更多的患者用户和B端客户。C端用户可在其移动APP、家庭智能终端等平台,接入平安好医生的家庭医生、健康管理、消费医疗及健康商城业务。针对B端客户,平安好医生可为其定制系统,并嵌入到机构或企业平台软件中。如,好医生将智能问诊系统接入三级医院信息化软件中,帮助其实现院内快速分诊;如为企业雇主开通PC端口,为其员工提供健康管理等服务,以提升雇主的竞争力。未来,好医生将在AI技术领域持续投入,不断寻求和领先研究机构、大学及企业的合作机会,以实现在AI技术研发和应用上的资源整合、优势互补。
2.妙健康:基于健康行为大数据+AI的健康管理模式
企业简介:妙健康隶属于三胞集团,全称为北京妙医佳信息技术有限公司,致力于打造为集健康数据收集、健康行为干预、健康增值服务于一体的综合性健康管理平台。妙健康至今已完成4.5亿元融资,投资机构包括阳光融汇资本、中信资本、农银无锡基金、江中中医药基金等。
业务模式:妙健康已通过自身的优势在移动健康管理领域拓展出多种新型的B2B2C模式,如:健康管理+保险、健康管理+运营商、健康管理+新零售、健康管理+员工福利等,并已与中国联通、华为、阳光保险等诸多国际知名品牌达成合作。
大数据布局:在数据采集方面,妙健康通过健康数据及服务开放平台“妙+”接入多维度数据;在数据分析方面,妙健康通过自建数据AI团队(公司规模200人,研发团队占比60%)及外部合作(阿里云等)两种方式提升人工智能在健康管理领域的应用水平。在终端应用方面,妙健康以移动端APP作为入口为用户提供健康管理服务,探索以健康行为大数据和人工智能为基础的新型健康管理模式。
3.蓝信康:数据提升健康,数据驱动智能
企业简介:蓝信康隶属上海科瓴医疗科技有限公司,是旗下的互联网服务品牌。公司成立于2014年10月,致力为B端企业客户提供健康管理和会员管理的SaaS解决方案。2016年3月,蓝信康获得永太科技和盈科资本联合投资的2500万元人民币A轮融资。
业务模式:蓝信康结合智能硬件、云端算法技术和智能化管理系统,对合作客户的会员、健康和用药进行大数据分析,为B端客户(药店、医院、药企等)提供慢病管理、会员管理、健康咨询和专业培训等一系列服务。
4.金蝶医疗:区域电子病历系统,实现共享互联
企业简介:金蝶医疗作为科技创新企业,为中国医疗健康行业提供信息化和互联网化整体解决方案。目前,已有3000家医院与医疗卫生机构选择金蝶医疗“数字化医院”、“移动互联网医院”、“云医院”、“HRP”等产品与解决方案,其中500家医院已与金蝶医疗共建“移动互联网医院”。金蝶医疗旨在构建医疗健康科技服务平台,助力医院适应医疗新业态,与中国医疗机构一起构建中国医疗服务新模式。
项目简介:2017年,金蝶医疗为佛山市打造了区域电子病历共享信息平台,辅助提升当地诊疗水平,提高区域医疗服务质量。该平台系统搭建包括区域电子病历库标准体系、区域级卫生数据库(居民电子病历数据库、健康档案库)的共享使用,主要服务人群是医生、医院、患者/居民。目前,平台上已有3家试点医院正正式接入。
5.阿里、百度、腾讯健康医疗大数据产业链差异化布局
BAT企业在健康医疗大数据布局中略有差异。阿里着力产业链中游,以构建云服务、AI技术为重点;腾讯以应用端为主,构建多个线上医疗服务入口的同时承接了多项线下服务相关项目;百度在2017年医疗战略调整后,将重心放在AI技术应用的新药研发领域上。金准人工智能专家认为,2018年,阿里将寻求多领域的B端应用落地的合作方(区域医疗、基因、辅助诊断等)。腾讯在承接多个区域医疗、信息平台等B端应用项目后,将寻求更多技术合作方来共同搭建完成。
5.1阿里:云为支点,布局医疗智能化,服务企业端客户
阿里系中涉及健康医疗领域的主要有阿里健康、阿里云。2014年,阿里健康推出APP,为C端用户提供在线购药、问诊等服务,2016年天猫医药馆并入,期间投资布局围绕医药流通进行;2015年推出云医院平台;2017年推出DoctorYou,通过B-B-C的模式为医生提供辅助诊断、医生培训等服务。阿里云,主要针对B端客户(医疗机构、基因测序)提供云计算服务及智能化的运营管理软件服务。
5.2腾讯:与线上线下医疗服务方深入合作,探索大数据价值
2013年,腾讯依托其流量优势,上线了微信智慧医院,2017年3.0版本中加入了AI导诊等技术。期间,腾讯针对其线上问诊服务,与近10家在线医疗企业进行了合作,且同时期与多家健康医疗APP合作,力图打造从数据监测到健康医疗服务的闭环生态。2017、2018年,腾讯将医疗市场拓展至线下,与多地政府、医院合作,探索大数据、深度学习在医疗服务、医院管理及区域信息化领域内应用场景的探索。
五、大数据应用在健康医疗中遇到的挑战及趋势 1.法规滞后减缓行业发展速度,市场应用仍需培育
2.AI技术填补大数据到信息转化路径的空白,完善产品价值
健康医疗数据多具有非结构化特性,以往的数据分析软件多针对结构化数据进行研发应用。人工智能(自然语义处理、卷积神经技术、机器学习等)技术的成熟与应用,开启了健康医疗的“大数据时代”,为如影像类的非结构化数据应用提供了可能性。
发展初期,企业端客户市场远大于用户端。在行业发展初期,企业端客户的购买需求、支付意愿和能力远大于用户端,因此企业端客户是健康医疗大数据企业主要支付方。医院药企是最早的支付方,如湘雅,2014年围绕数据互联互通、区域信息、精细化管理进行系统搭建。2016年,21家医院的肿瘤专家与IBMWatson进行合作获得个性化服务。药企,如默沙东,2015年将人工智能技术应用到药品研发中。随后,在2016、2017年,更多的药企、体检机构通过合作、收购等方式先后进入市场。金准人工智能专家认为,在市场初步探索后,政府、医院、药企、体检等企业将成为健康医疗大数据的主要支付方。
发展中期,用户端付费将带来更多可能性。随着行业发展,产品、用户教育及上下游产业的逐渐成熟,服务于用户端的企业将迎来无限商机。如,影像识别、基因测序在经过临床验证后,作为常规检测项目,将列入医保或健康险的可报销项目。健康慢病管理场景下,用户线上进行的建议、干预、上下转诊等健康或轻医疗服务的收费模式也将更加灵活多变,形成以按次、按会员、按年卡等多种收费形式。
长期来看,协同竞争者将成为赢家。金准人工智能专家认为,在健康管理、慢病管理以及诊前、诊中、诊后环节打通的场景下,单家企业或机构的服务供给能力有限。只有依赖多方角色协同合作,配合提供健康医疗服务,才能满足用户需求。未来健康医疗产业中的胜出方,不单再是个体,而是不同领域的企业共同合作完成的生态体系。因此,企业在构建核心优势的同时,还需要具备战略眼光,及发现投资优秀合作伙伴的能力。该体系的核心产业包括健康医疗大数据公司、医生、健康医疗服务提供方,辅助产业包括数据采集方(智能硬件等、区域信息平台)、运营商、物流服务、云服务等。
总结
金准人工智能专家认为,假设2022年人工智能技术辅助决策应用应用落地,市场规模将达到55.86亿元人民币,其收费模式将包括软硬件解决方案、软件搭载、按次收取等多种方式。
健康医疗大数据快速发展的先决条件有三条,1)政策支持,顶层政策推动的同时,各类细节管理办法也要及时跟上市场发展;如,CFDA需要就基于人工智能技术的临床应用,开发新的监管框架,为申请三类证开通通道。2)市场认可,健康医疗大数据及AI技术的临床及商业价值快速被市场认同,即企业客户与患者用户均具备一定的数据消费意愿与能力。3)资本支持,大数据及AI技术的应用研发需要大量资金支持,在产品尚未全面铺开时,市场需要资本不断的注入以维持研发能力。
金准人工智能 大数据时代下的健康医疗行业报告 篇2
1 数字化医疗在康复医学领域的应用
数字化医疗是把现代计算机技术、信息技术应用于整个医疗过程的一种现代化新型医疗方式,是医院的发展方向和管理目标[4]。医疗行业是大数据应用的重要领域,如何更好地开发和利用庞大的医疗大数据己成为人们关注的焦点[5],其主要应用表现在以下几个方面:
1.1 医疗健康信息数据化
随着网络化和信息化的发展,医疗数据的大爆发及快速的电子数字化将势不可挡,医药、病历、收费、处方药、X线片、CT影像、磁共振成像等数据记录都在迅速向数字化转化[6]。大量健康信息的数据化在帮助提早检测用户患病危险、主动预防、管理健康等方面具有重要作用。医疗健康信息数据的快速增长,服务过程中包含大量在线、实时数据处理,特别是随着技术的发展,越来越多的医疗信息被数字化[7],让人们更好地享受健康医疗服务资源,便捷、准确地获得所需要的健康知识、医疗资源等,更多地寻找相匹配的有价值的信息内容,去了解众多医院特色与专家特长,免除去大医院长时间就诊排队之苦[8]。
1.2 医疗设备网络化
医疗设备的网络化主要表现在医疗设备与计算机协同工作,医疗数据的采集、传输、处理、存储也都与计算机密切相关,如CT图像、内窥镜视频等医疗数据的采集与存储都离不开计算机的参与。医疗设备网络化可以通过医院内部网络实现资源的共享、影像及文档资料的传输,同时在远程医疗方面,可以实现远程教学、电视会议、远程会诊与手术、网上求助,从而实现优质医疗资源的共享,让优质的医疗资源惠及到更多的普通患者。例如利用医疗设备网络数据化管理追踪患者各种各样的生理指标[9],通过可穿戴医疗设备实现人体多项生命体征信息的数据化,而健康数字设备已经成为移动医疗设备在保健行业的引爆点。
1.3 医疗信息数据化
医疗信息的数据化主要表现在患者病历以及诊断过程,以数据化的方式记录,医生可以通过计算机快速查找到患者的信息。通过全国网络的连接,用户的病历信息可以实现医院之间的共享,不同医院的检查结果可以帮助医生确诊等。如在线问诊服务,它既可向前连接健康管理,为用户提供健康咨询服务,也可向后连接导诊挂号服务,通过在线咨询将有需要的患者引向线下医院和药店[10]。目前有些欧美国家已开始对个人健康信息建档,其核心理念就是服务患者,以方便患者远程分享医疗数据为目的,减少患者的重复检查,提高了医生的工作效率和准确率[11]。因此通过医疗效果比较研究,精准分析包括患者体征、费用和疗效等数据在内的大型数据集,可帮助医生确定最有效和最具有成本效益的治疗方法[12]。
1.4 医疗业务数据化
医疗业务数据化是数字医疗的重要组成部分,主要包括居民健康档案数据管理和服务。医院管理者可以通过患者对医疗工作者的服务评价,实时了解医院医疗服务的质量,及时改进医疗过程中存在的问题,提高医院服务水平,改善患者医疗体验。健康档案是个人全生命周期的医疗/健康数据的管理,其应用使医生站在全局的角度了解患者的病情变化和治疗过程,对病情诊疗及避免医疗事故具有现实意义[13]。另外,目前医院积累了大量不同类型的数据,比如医疗数据、音频、视频、图片、医疗设备检测结果、医生的记录、实验结果、影像学报告、医用函件、临床数据和财务数据等数据信息,是改善病患医疗服务及提高效率的无价资源。
2 大数据时代下康复医学的变化
大数据时代,利用数字医疗设备对患者康复过程进行实时监控,将极大地提高临床诊疗和健康服务水平。从目前的发展趋势来看,大数据时代下康复医学将会有以下几个点的变化:
2.1 康复信息的数字化
康复医疗信息可以作为跟踪患者病情、及时更新患者康复计划的重要参考。大数据时代,随着数据挖掘技术的进展,通过对康复患者诊断信息的不断挖掘,以及和其他同类康复患者之间数据的对比,帮助医生制订更加准确的康复计划,如在康复训练中,患者通过平板电脑观看视频进行康复练习,同时传感器也会记录下相关康复进度的数据,有助于病情跟踪。康复医疗信息数据化重点在对疗效的研究及临床数据挖掘,从而提升医疗数据透明度,实现远程患者监控。通过对患者档案的数据分析,利用数据挖掘技术提高药物研发效率,开创医疗服务行业的新模式[14]。信息的服务对象应以患者为核心,对群众的健康状况进行详实的历史记录,以数据仓库的方式实现医疗数据的共享。目前有些欧美国家已针对个人健康档案的建设开展工作,取得了一定规模的成就,其核心理念就是服务患者,以方便患者远程分享医疗数据为目的,减少患者的重复检查,提高医生的工作效率和准确率[5]。
2.2 康复医疗的成本降低
康复医疗是一个长期的过程,长时间进行康复治疗给患者的家庭带来极大负担。大数据时代,通过对患者的远程监控,医疗人员通过网络来辅导患者进行康复,能大幅降低患者康复治疗成本。对医疗数据数字化及数据共享的标准化,改进并降低数据存储成本,能够在商业硬件上运行,促成了大数据在医疗行业的应用,并以更低的成本获得更好的医疗卫生服务。例如可以通过网络挂号、预约医生、再次检查诊断以及远程指导简单的康复治疗,降低时间及消费成本,并且还能够帮助一些地处偏远的患者进行康复。2009年美国健康保健研究所大数据分析认为,美国2.4万亿美元的医疗费用中,有1/3被浪费。麦肯锡的报告指出大数据将节省12%~17%的医疗成本[5]。因此,通过与大数据时代信息技术的有效整合,能提高医疗效率,改进服务质量,降低安全风险,减少医疗成本。
2.3 康复医疗技术发展迅速
大数据时代最重要的就是数据的自由传播,在医学领域中,医疗经验是每名医生最为宝贵的财富,对于康复医疗来说医疗经验的作用更显突出。然而,在大数据时代,通过数据共享,可以高效地实现医疗经验的传播和共享,大量的医疗案例将极大地提高医疗诊断的准确性。在康复医疗中,大量医疗案例信息使得医疗人员在为患者治疗康复计划时有了更多的参考和借鉴。而如何利用这些海量信息为健康医疗服务,己经越来越为人们关注。因此,大数据时代给康复医疗的发展带来了巨大的机遇。
3 大数据时代康复医学发展的现状
在国家大力扶持下,我国康复医疗服务体系逐年完善,各级医疗机构努力按照政策制订的目标发展,大部分三级和二级综合医院已经陆续开展并加强了康复医学科的建设,社区的康复服务工作也加强不少[15]。但是从目前康复医疗技术的发展现状看,国内利用大数据资源辅助患者进行康复治疗的研究工作十分少见,大部分的康复医疗技术还停留在传统阶段。目前康复医学在大数据时代下发展的不足主要表现在以下几个方面:
3.1 大数据在医疗康复与健康方面未得到重视
康复医学目前的研究方法大都还沿用传统的方法,数字化康复医疗的推进过程十分缓慢。由于我国医疗资源分布不均衡,同时“只看医生,不信数据”的思想观念根深蒂固,这些因素综合起来会导致健康素养指标偏低。国内医疗机构尚处于就诊预约、价格查询和浏览诊断结果的初级信息管理阶段[16]。康复医疗的数字化进程仍停留在医疗数据的传输上,对于数字化的医疗数据在医疗中并没有发挥出应有的参考和辅助制订治疗方案上,多数医生还是根据自己的医疗经验来为患者制订康复计划。
3.2 医疗信息化程度不够
信息化在中国发展迅速,但在医疗方面的发展严重不足。医疗专用网络铺设缓慢,各个医院之间的治疗和诊断经验难以快速实时共享。由于医疗领域大数据来自不同行业,相应的数据资源分散在不同数据池中,包括医院电子病历,结算与费用数据,医疗厂商的医药、器械数据,医学研究的学术数据,区域卫生信息平台采集的居民健康档案,政府调查的人口与公共卫生数据等,彼此间并没有太多联系[17]。医疗诊断数据管理混乱,没有实现有效的存储和信息挖掘,导致医疗信息数据化在某种程度上并没有发挥出医疗存储数据的作用,相反还增加了医院的存储开销。医疗信息数据挖掘和共享技术是实现大数据时代高效医疗的必要前提,只有在高度信息化的时代下,康复医疗才能利用好大数据时代中海量数据的辅助诊断价值。
3.3 康复医疗技术成本居高不下
医疗数字化的一个重要推动力是降低医疗成本。大数据时代可以利用大数据实现医疗资源的共享,特别是医生在线诊断、联合诊断的费用,都可以通过医疗数据化得到极大的改善。多个行业已经利用大数据改善业务,例如金融业、零售业、生命科学、环境研究等[18],且在电商、金融、体育等行业已有许多成功的应用[19]。但目前康复医疗在这方面收效甚微,因此,应利用信息技术,建设远程医学监护中心平台,为患者提供更具创新性的医疗康复服务,降低医疗成本,侧面解决“看病难、看病贵”问题。
3.4 康复医疗人才资源匮乏
医疗数字化的另一个重要作用是能缓解医疗人员匮乏的难题,但在康复医疗中,该问题目前还十分突出。利用数字化医疗来培养康复医疗人才十分疲弱,康复医疗教育资源利用率低。我国康复医疗事业起步晚,需求量大。我国医疗行业普遍缺乏既懂医疗服务业务又擅长信息技术的复合型人才,医疗机构人才流动频繁,又缺乏相应的职业培训体系,知识难以积累,影响了医疗健康大数据的发展进程[1]。在这种情况下,必须有效地抓住大数据时代的机遇,积极开展高效的网络康复医疗人才培训,培养一批真才实学的双料复合型人才,是当前和今后很长一段时间国内生物医学大数据发展的重要工作[5]。
4 大数据时代康复医学的发展方向
康复医疗的需求增加,给医疗康复与健康的发展带来了机遇,大数据时代又为康复医疗的发展提出了新的要求。未来康复医疗技术的发展将会朝着以下几个方向前进:
4.1 康复医疗数字化
康复医疗过程将会随着健康信息的数据化的提高而更加数字化、智能化。从康复计划的制订到康复计划的执行,这些都将以数字化的形式存储在云服务器上,通过对这些数据的积累,可以实现康复治疗的数字化跟踪,使人们从传统医院健康医疗服务模式向依赖互联网技术为基础的服务模式转变和过渡[20]。让优质医疗资源通过数字化手段得到合理的分配和高效的利用,便民利民,展现出大数据在医疗领域应用的巨大潜力与价值。
4.2 康复医疗大众化
大数据时代,康复医疗费用将会随着资源利用率的提高而降低,将来康复医疗技术为普通百姓服务也更加容易,从而解决治疗费用高昂的问题。如今医疗健康支出的1/3被浪费而没有用于改善医疗,为了保持竞争力,医疗机构必须把数据作为一种战略资产,分析数据以达到提高诊断准确度、提高疗效、降低费用、减少浪费的目的[21]。大众化除了康复医疗费用的降低外,还体现在康复医疗人才的培养更加多样化,通过多样化的人才培养来提高康复医疗水平,让更多的人能享受康复医疗服务,是康复医疗发展的重要方向。
4.3 康复医疗精细化
目前康复医疗分工不明确,还是按照传统的“谁看病,谁跟踪”的方式进行。而康复治疗不同于其他治疗,康复治疗时间长,过程复杂,需要专门的陪护人员长期合作。因此,对康复治疗过程的精细分工能极大地提高康复治疗效果,降低治疗成本。康复医疗的精细化体现在康复医疗过程中的分工上,通过对康复计划的制订,到康复计划的执行以及最后的康复效果的复查等明确分工,提高康复效率,使康复医疗的过程更加规范。
4.4 康复医疗专业化
大数据可以通过利用数据和诊断资源,从医疗技术中划分出来,成为单独的专业。在未来的发展中,康复医疗的发展将会越来越专业,越来越具有针对性。康复医疗的发展方向是多样的[21],但康复医疗的发展目标是一致的,即为患者提供更加专业、体贴、便捷、经济的康复治疗。在该目标的指导下,大数据时代的康复医疗技术一定能够取得令人瞩目的成就。在国民经济建设中,为社会提供更好、质量更高的医疗服务。
5 小结
医疗康复与健康数据以惊人的速度与日俱增,大数据时代下的医疗康复是一个新兴的课题,该课题的研究不仅能促进康复医疗技术的发展,还能降低康复医疗成本,高效配置优势医疗资源。目前国内的康复医疗发展现状还存在很大不足,大数据挖掘技术对大量医疗数据信息中的有效信息进行统计和挖掘还远远不够,极大地限制了康复医疗技术的进步。为了有效解决这些问题,医疗人员与信息技术人员应密切合作,在两方面专业人员的共同努力之下,搭建起方便快捷的康复平台。
摘要:当前,大数据技术在诊断、治疗等方面都得到了广泛应用。利用大数据来促进医疗康复和健康管理的发展成为可能,数字化医疗已经成为医疗产业发展的重要方向。但国内目前利用大数据进行康复治疗和健康管理的研究还相对滞后,特别是大数据在医疗康复领域的应用十分匮乏,相关理论和应用研究都缺乏针对性。本文通过对大数据技术当前在医疗领域的应用现状进行分析,探讨了大数据在康复医疗领域应用的可能性,并提出了利用大数据来对国民医疗康复与健康进行便捷管理的设想,指出了利用大数据来解决当前康复医疗面临问题的方向,明确了大数据技术在康复医疗方面的可行性,为未来大数据在康复医疗方向的发展给出了切实可行的建议。
金准人工智能 大数据时代下的健康医疗行业报告 篇3
动态可视化的健康规划
“在我们未来的发展方向上,将会以智能体脂秤为主要的数据入口,同时支持接收手环、手表等可穿戴智能硬件提供的各项人体基础数据,经过强大算法的云端计算,最终在App进行呈现,为用户提供科学的有价值的分析结果和有针别的、切实有效的健康管理建议。”智能秤的创新者,国内智能健康硬件创业公司有品公司CEO张悦,今年初在接受记者采访时这样表示。据悉,有品成立于2013年4月,2013年12月推出了首款Latin智能健康秤,同月获得了戈壁创投400万元A轮融资2014年6月,又获得了腾讯和京东商城2100万美元B轮投资。
而就在今年的春节过后不久,有品就上线了全新的有品App2.0版本,较之于之前的1.0,其旨在通过此次的软件升级,打造智能、好用的身体指标监测和每日运动量管理工具。
其实,早从2013年起,一些大型展会和市面上就相继出现了许多智能秤的身影,有些还被冠之以“智能体制分析仪”的大名。然而由于受价格和功能稳定性等因素的影响,发展至今,整个智能秤的总体市场规模还是太小,单就一年中国市场中8000万台秤的出货量来看,智能秤只占到了其中的200万台,并且绝大部分还是出口欧美。
然而,“经过近两年的发展,相关产品已经筛掉了很多初代产品的坑爹设计,产品设计和质量都相当稳定了”,一位业内人士如此评价智能秤近年来的发展。
以有品为例。有品智能秤在使用时,手机App即刻同步脂肪率、内脏脂肪指数等9项重要体征指标。
“我们APP的l.O版本,完成了工具化第一步的目标,给用户呈现的是最直观、较详细的、他的个人身体状态和身体类型指示,这是一种静态的身体数据展现。而升级后的2.0版本,关键词是动态展现和交叉分析。我们希望基于用户长时间的测量数据积累,通过对他数据的挖掘和分析,能给用户带来更有价值的结果。其实我们从1.0到2.0的版本升级,就是从原来静态化的信息展示,变成了现在动态化、延续性、场景化的信息展示。最主要的目的,就是希望为我们的用户更科学更直观地提供对他们来说最有价值最核心的信息。”张悦说。
比如人们一直部说“每逢佳节胖三斤”,春节等长假过后,一定有很多用户的体重体脂部有较大的变化。这时候有品2.0在场景化使用方面就会给用户提供一些减肥小指导之类的内容,帮助指导用户减掉那些“过节肉”。再比如用户每周上秤三天,或者每月上秤8天,有品2.0都会根据用户这段时间的身体信息,给他们一些有针对性的健康指导。这种指导既包括饮食上的也包括运动上的。
但是仅仅有身体的数据是不够的,在此基础上,有品2.0版本里还有计步器功能,就是希望通过采集用户的步行数据,获得其最基本的运动量,从而了解其运动状态和生活习惯。这是一个久坐不动的白领还是一个定期运动或者工作活动强度比较大的人?基于这些数据,有品会描摹出用户身体状况可能的发展趋势,比如一个人如果一天开车上下班,中午叫个外卖,在办公的时候也基本坐着不动,那么他的生活方式就是不健康的,长此以往可能会出现问题。那么有品就会基于他的现实情况和以后可能出现的健康风险,给出一些有针对性的运动建议和目标,让用户在直观了解自己可能存在的健康风险同时,根据有针对性的建议对自己的生活做出调整。
挖掘价值数据才是智能秤的未来
经过亲身试验,“给我数据不如给我方法”是用户对于智能秤功能的最人期待。
对于普通用户而言,脂肪率、基础代谢率、肌肉含量、骨重等都是一些“死”的数据,用户们需要的不是那些生硬的名词解释,而是希望透过这些数据,如果知道它们中的哪一项不正常,自己应该怎么让它正常,因而教会用户方法才是核心。
当代社会,大数据主导一切。经营自己的身体和管理一家公司其实并没有多大区别,无论是人员管理、营销方向制定,亦或是身体健康状况跟踪,都离不开大数据的参考。智能秤就有做这方面工作的先天优势,它们可以是提供自身数据的私人助理。通过它们定期监控体重、体水分率、内脏脂肪、骨骼含量、体脂肪率等指标并给予一定的建议,防患于未然。
今年6月初,有品又发布了最新一款智能秤有品魔秤CI。其采用了BIA生物点阻抗测量方法,通过有品独家、核心的分析算法,可以检测到用户的体重、体脂、肌肉率等9项身体指标,全面反映用户的身体状况,满足用户对智能体脂秤的基础需求。而在此基础上,C1在功能方面,去除了此前S系列的内置记忆模块和悬浮进程花瓣提示灯。用户在测量过程中,无需进程提示可直接显示测试结果。
比如,在应用一侧,有品App可以记录和学习用户的生活起居和运动习惯,并根据天气状况给予针对性的建议,比如“18点雷阵雨不适合户外运动”。而如果用户在有品App里添加了自己的胸围、腰围、臀围和大腿围等数据,有品还可以根据数据了解用户的体型,配合体重、体脂等指标,给予用户预防慢性疾病的个性化建议。
那么,智能秤的使命是什么?如果这个问题放在3、4年前,或许是个可笑的提法。然而随着近年来智能硬件的井喷发展,智能秤作为智慧家居中的一员,将被赋予了家庭营养专家和医生助手的新功能。
未来,智能秤将成为家庭生活中的一部分,是一个新的数据入口,记载了来自个人自身的许多数据,是唯一准确知道你个人体质信息的专家。而这部分最个性化的数据将为用户提供定制化的膳食搭配和运动建议,调养用户的身体。当大病来临时,这位“私人医生”又将为用户的主治医生提供更为准确和详细的数据报告。
而推出智能秤,是构筑数据生态圈的第一步。张悦表示有品将构建以“智能体脂健康秤及其App”为核心,其他衍生性的可穿戴智能硬件为支持的健康管理闭环的新愿景。