<thead id="lvlfn"></thead>
<menuitem id="lvlfn"><ruby id="lvlfn"></ruby></menuitem>
<menuitem id="lvlfn"></menuitem><thead id="lvlfn"><i id="lvlfn"></i></thead><menuitem id="lvlfn"></menuitem>
<thead id="lvlfn"></thead> <thead id="lvlfn"><i id="lvlfn"></i></thead>
<thead id="lvlfn"></thead><menuitem id="lvlfn"><i id="lvlfn"><noframes id="lvlfn"> <menuitem id="lvlfn"></menuitem>
<menuitem id="lvlfn"></menuitem>
<menuitem id="lvlfn"><ruby id="lvlfn"></ruby></menuitem>
<menuitem id="lvlfn"></menuitem><menuitem id="lvlfn"><i id="lvlfn"></i></menuitem>
<thead id="lvlfn"></thead>

新聞中心

您現在的位置:? 首頁(yè) >> 新聞中心 >> 行業(yè)新聞

行業(yè)新聞

2018年中國健康醫療大數據行業(yè)發(fā)展現狀及發(fā)展趨 ?

 一、健康醫療行業(yè)現狀

    人口的增長(cháng)和老齡化, 發(fā)展中國家醫療市場(chǎng)的擴張、 醫學(xué)技術(shù)的進(jìn)步和人力成本的不斷上漲將推動(dòng)支出增長(cháng)。2017-2021年全球醫療支出預計將以每年4.1%的速度增長(cháng),而2012-2016年的增速僅為1.3%。慢性病發(fā)病率提升,變化的飲食習慣以及日益增加的肥胖度加劇了慢性病的上升趨勢,特別是癌癥、心臟病和糖尿病,目前中國糖尿病患者約有1.14億, 而全球患者人數預計將從目前的4.15億增加至2040年的6.42億。傳統研發(fā)(R&D)成本上升, 產(chǎn)品上市速度慢, 2004年至2014年藥物開(kāi)發(fā)成本增加了145%。勞動(dòng)力不足, 在人口結構的變化和技術(shù)的迅速發(fā)展下,熟練和半熟練醫療保健工作者將大幅減少。

    中國特色困境*供需結構失衡, 2016年我國每千人口執業(yè)(助理)醫師2.31人。2015年我國每千人口醫師數量在OECD統計的國家中排名處于25-30之間。此外,我國醫生執業(yè)環(huán)境較差, 使得進(jìn)入醫療系統的優(yōu)秀人才逐年趨少。醫療資源發(fā)展失衡, 2010-2016年三級醫院診療人次及機構數量復合增長(cháng)率分別為10.7%和8.3%,而基層醫院僅為1.5%和0.4%。傳統就醫模式使得三級醫院人滿(mǎn)為患,導致就醫體驗差及優(yōu)質(zhì)醫療資源浪費嚴重,因此,我國仍把推行分級診療作為當前首要任務(wù)。醫保透支, 《中國醫療衛生事業(yè)發(fā)展報告2017》 預測,到2024年將出現累計結余虧空7353億元的赤字。提升醫??刭M能力,探索創(chuàng )新支付機制迫在眉睫。因此,改善現有就醫模式,推行分級診療勢在必行。

    2015年,國家衛計委提出分級診療制度將在2020年全面確立,包括基層首診、雙向轉診、急慢分診、上下聯(lián)動(dòng)分診診療等。新模式的搭建過(guò)程中,主要存在以下3個(gè)問(wèn)題。 1)信息不流通,各醫療機構間多為信息孤島,患者信息無(wú)法進(jìn)行快速共享流通; 2)資源不流通,優(yōu)質(zhì)醫生多集中在各大省會(huì )的頂級醫院,且三甲醫院醫生精力有限,每年可支援的基層醫療更是有限; 3)利益不互通,醫院之間缺乏有效的利益捆綁機制,以促進(jìn)患者在院間的流通。

2018年分級診療推行中遇到的問(wèn)題

數據來(lái)源:公開(kāi)資料整理

    大數據技術(shù)的應用,將從體系搭建、機構運作、臨床研發(fā)、診斷治療、生活方式五個(gè)方面帶來(lái)變革性的改善。由于我國醫療體系的強監管性,大數據若要在行業(yè)內實(shí)現其價(jià)值,需由國家建立一套自上而下的戰略方針,從而引導醫院、藥企、民辦資本、保險等機構企業(yè)構建項目,相互合作,最終實(shí)現從“治療”到“預防”的就醫習慣的改變,降低從個(gè)人到國家的醫療費用。麥肯錫曾在2013年預測, 在美國醫療大數據的應用有望減少3000-4500億美元/年的醫療費用。

2018年大數據在健康醫療行業(yè)中的應用價(jià)值

數據來(lái)源:公開(kāi)資料整理

    我國健康醫療大數據已進(jìn)入了初步利好階段,國家作為政策引導方,已出臺了50余條“綱要”或“意見(jiàn)”,可穿戴設備、人工智能等技術(shù)的發(fā)展也為產(chǎn)品研發(fā)奠定了基礎,且頭部資本已進(jìn)入市場(chǎng)。下一步,各方需靜待產(chǎn)品與市場(chǎng)需求相融合,共同探索具備商業(yè)化或臨床價(jià)值的大數據產(chǎn)品。

2018年中國健康醫療大數據宏觀(guān)利好

數據來(lái)源:公開(kāi)資料整理

    2015年8月國務(wù)院發(fā)布了《促進(jìn)大數據發(fā)展行動(dòng)綱要》 ,指出發(fā)展醫療健康服務(wù)大數據,構建綜合健康服務(wù)應用。 隨后,國務(wù)院、衛計委相繼發(fā)布了多項政策,以促進(jìn)各省市政府將健康醫療大數據提升至戰略層面。

2015-2017年中國健康醫療大數據相關(guān)政策

數據來(lái)源:公開(kāi)資料整理

    2018年科技部官網(wǎng)發(fā)布了14個(gè)重點(diǎn)專(zhuān)項2017年度項目申報指南“精準醫學(xué)研究”等生物醫學(xué)領(lǐng)域的5大專(zhuān)項,累計共撥經(jīng)費總概算12億元。其中與健康醫療大數據密切有關(guān)的項目有,“重大慢性非傳染性疾病防控” 4.5億元,“精準醫學(xué)研究” 1.3億元,“生殖健康及重大出生缺陷防控研究” 0.9億元。此外, 2月科技部發(fā)布了“主動(dòng)健康和老齡化科技應對” 2018年申報指南。

2017-2018年中國健康醫療大數據相關(guān)項目梳理

數據來(lái)源:公開(kāi)資料整理

    2014年起健康醫療類(lèi)大數據投融資事件增多, 2016年最多共66起, 2017年略有下降。 2018年,健康醫療大數據僅在Q1便發(fā)生了35起投融資事件,其中12件來(lái)自醫療信息化建設,多為利用AI、語(yǔ)義識別、數據模型,挖掘診療信息,連接院內院外平臺等類(lèi)別的企業(yè)。受人工智能熱潮影響, 2017年輔助決策類(lèi)共發(fā)生17次投融資事件, 2018Q1共5起,預計未來(lái)將會(huì )有更多資本進(jìn)入該領(lǐng)域。

2013-2018Q1中國健康醫療大數據相關(guān)領(lǐng)域投資事件梳理

數據來(lái)源:公開(kāi)資料整理

2012-2018Q1中國健康醫療大數據投融資事件在大健康中的占比

數據來(lái)源:公開(kāi)資料整理

    2017年,我國65歲以上人口占比11.4%,出生率12.43%(2016年出生率12.95%),人口結構呈現老齡化趨勢。以2013年為基礎, 65歲以上人群兩周就診率26.4%,且在現代生活習慣的影響下,糖尿病、高血壓等慢性病發(fā)病率也在不斷提升。診療人次仍將持續上升,醫療體系也將面臨巨大壓力。

2010-2017年中國65歲及以上人口占比

數據來(lái)源:公開(kāi)資料整理

2008-2017年我國診療人次及人均診療次數

數據來(lái)源:公開(kāi)資料整理

    健康醫療大數據領(lǐng)域涉及的相關(guān)技術(shù)范圍非常廣,如底層數據采集中包括信息化、 物聯(lián)網(wǎng)、 5G技術(shù),處理分析中包括深度學(xué)習、認知計算、 區塊鏈、生物信息學(xué)及醫院信息化建設等。全球大健康數據正以每年48%的速度增長(cháng),在2020年數據量將超過(guò)2300Exabytes。預估2020年,全球健康物聯(lián)網(wǎng)設備出貨量將達到161萬(wàn)臺。院內數據方面,2016年醫院管理信息系統整體已實(shí)施比例在70-80%之間,且集中于三級醫療機構,大量健康醫療數據的積累為算法搭建提供了基礎。在處理分析方面,人工智能、生物信息學(xué)需要與實(shí)際應用場(chǎng)景相結合,以便搭建有效模型。

2015-2020年全球健康物聯(lián)網(wǎng)設備數預估

數據來(lái)源:公開(kāi)資料整理

2016年中國三級醫院醫生工作站系統搭建占比

數據來(lái)源:公開(kāi)資料整理

    本篇報告將健康醫療大數據分為三大類(lèi),院外數據、院內數據以及基因數據。院外數據包括健康檔案、智能硬件體征及環(huán)境監測/檢測,院內數據包括就醫行為、臨床診療等,基因數據包括外顯子、全基因等。在具體場(chǎng)景應用方面,多為不同種類(lèi)的數據相互交叉結合應用,如預防預警,需要結合智能硬件監測、診療用藥歷史等數據才能為用戶(hù)提供及時(shí)的預警監測。

健康醫療大數據分類(lèi)及應用

數據來(lái)源:公開(kāi)資料整理

    健康醫療大數據行業(yè)以數據規模為基礎,且在政策和資本鼓勵下,部分應用場(chǎng)景進(jìn)入市場(chǎng)啟動(dòng)期,如健康管理、輔助決策(全科輔助決策、影像病理輔助診斷等)、醫療智能化等。下一階段,隨著(zhù)企業(yè)大數據/AI技術(shù)長(cháng)期的應用實(shí)踐探索,產(chǎn)品不斷更新完善,預估2-5年的內,產(chǎn)品將首先在B端客戶(hù)中進(jìn)行推廣;隨后,伴隨軟件友好度和準確度的上升,在B端客戶(hù)使用的影響下, C端市場(chǎng)將展開(kāi)競爭。

2013-2022年中國醫療大數據應用場(chǎng)景市場(chǎng)發(fā)展趨勢

數據來(lái)源:公開(kāi)資料整理

    健康醫療大數據產(chǎn)業(yè)鏈的上游是數據供應商(醫療機構等)或存儲計算服務(wù)(云服務(wù)商。中游為產(chǎn)業(yè)鏈核心企業(yè),多為具有影像識別、深度學(xué)習、自然語(yǔ)義分析等核心技術(shù)的技術(shù)型企業(yè)。該類(lèi)企業(yè)可為聚集了大量健康醫療相關(guān)數據的機構提供數據處理服務(wù),在分析及可視化后賦予數據價(jià)值。下游為應用場(chǎng)景,分為B端和C端。 B端包括醫院、藥企、政府、保險、PBM等企業(yè),其最終的目的是提升醫療服務(wù)的效率和質(zhì)量,降低患者及健康人群的就醫費用。

2018年健康醫療大數據產(chǎn)業(yè)鏈概況

數據來(lái)源:公開(kāi)資料整理

2018年健康醫療大數據產(chǎn)業(yè)鏈圖譜

數據來(lái)源:公開(kāi)資料整理

    健康醫療大數據產(chǎn)業(yè)鏈上游所提供數據的質(zhì)量與樣本量將決定,中游企業(yè)是否可以快速有效的進(jìn)行模型訓練。 整體來(lái)看,院內、院外及基因數據供應方均面臨三個(gè)問(wèn)題,質(zhì)量、樣本量及安全。 1)院內數據在質(zhì)量和規模上最具競爭力。各省市TOP級的三級醫療機構多存有高質(zhì)量的診療數據,且已具備一定規模 。醫院外聯(lián)系統中多存有大量就醫行為數據,然而這類(lèi)數據的應用將依賴(lài)政策指導,且面臨隱私安全等文圖。 2)基因數據為企業(yè)的核心資源,已具備一定規模和質(zhì)量,且多由中游企業(yè)自建數據庫自行采集,或者通過(guò)與實(shí)驗室合作的方式獲取。 3)健康類(lèi)數據多由智能硬件或在線(xiàn)醫療企業(yè)采集,該類(lèi)數據增長(cháng)快速,但是維度多且缺乏整合,質(zhì)量參差不一。

2018年健康醫療數據供應概況

數據來(lái)源:公開(kāi)資料整理

    主要集中在北上廣深一線(xiàn)城市,該現象受醫療資源、政府態(tài)度、醫生接受度三方面影響。 1)北上廣深擁有多家TOP級三甲醫院,優(yōu)質(zhì)醫療資源豐富且信息化程度高,因此企業(yè)能夠獲得可觀(guān)的高質(zhì)量數據樣本; 2)初期階段,醫療大數據技術(shù)的探索多由地方政府撥款支持,如2018年2月由北京大學(xué)醫學(xué)部和大數據研究院共同籌備建立北京大學(xué)健康醫療大數據研究中心。因此地方性政策支持變得尤為重要; 3)一線(xiàn)城市的醫生對新技術(shù)接受程度較高,因此在產(chǎn)品上市后相對較易試運行。

2012-2017年健康醫療大數據相關(guān)企業(yè)地域分布

數據來(lái)源:公開(kāi)資料整理

2018年中國健康醫療大數據細分領(lǐng)域企業(yè)分布

數據來(lái)源:公開(kāi)資料整理

    平安好醫生IPO報告中公布, 2017年互聯(lián)網(wǎng)醫療市場(chǎng)規模達到150億元人民幣,在線(xiàn)咨詢(xún)量達到23.8千萬(wàn)次。由此可見(jiàn),互聯(lián)網(wǎng)醫療可觸達的用戶(hù)規模將越來(lái)越大,而僅靠醫生或相關(guān)從業(yè)人員在后臺回答問(wèn)題并不能滿(mǎn)足日益增長(cháng)的用戶(hù)量。因此,企業(yè)需依賴(lài)大數據或AI等技術(shù)優(yōu)化問(wèn)診、健康/慢病管理等產(chǎn)品的功能,從而有效滿(mǎn)足用戶(hù)需求,最終提升付費率。此外,對于不斷擴張的企業(yè),大數據及AI技術(shù)輔助提升服務(wù)效率,降低人力成本;使得在付費率低的情況下(好醫生IPO披露2017年付費轉化率為2.7%),也可以形成穩定的營(yíng)收與較高的利潤率。艾瑞認為,隨著(zhù)企業(yè)AI智能分診、 AI健康管理路徑等模型成熟且全面應用后,院外數據的應用市場(chǎng)將進(jìn)入快速成長(cháng)期。

2012-2020年中國在線(xiàn)咨詢(xún)量及在線(xiàn)醫療市場(chǎng)規模

數據來(lái)源:公開(kāi)資料整理

大數據及AI技術(shù)對在線(xiàn)醫療企業(yè)的應用價(jià)值

數據來(lái)源:公開(kāi)資料整理

    能夠提供健康管理服務(wù)的企業(yè)主要分類(lèi)兩類(lèi)。一類(lèi)是偏健康數據收集類(lèi)企業(yè),針對健康或慢病人群提供飲食、運動(dòng)等個(gè)性化健康方案。另一類(lèi)是偏輕問(wèn)診類(lèi),提供智能分診、輕問(wèn)診、預約、轉診等服務(wù)。目前, C端服務(wù)盈利能力有限,部分企業(yè)依托其健康管理或問(wèn)診能力,為企業(yè)端客戶(hù)服務(wù)。如妙健康依托其多維度健康數據及平臺搭建能力,為雇主提供內部員工的健康管理服務(wù),為疾控慢病中心搭建健康信息平臺提供技術(shù)服務(wù)。如平安好醫生結合其終端智能應用,為用戶(hù)提供智能分診,為醫生提供輔助決策等服務(wù),輔助政府搭建區域信息化。

2018年健康管理企業(yè)服務(wù)能力展示

數據來(lái)源:公開(kāi)資料整理

    大部分移動(dòng)醫療公司在經(jīng)歷了4-5年數據沉淀后,積累了大量的數據樣本,然而如何通過(guò)技術(shù)將其轉化為可被解讀的報告仍需時(shí)間。目前,健康醫療大數據行業(yè)的支付方主要集中在B端,包括醫院、藥企、藥店、保險、政府等多類(lèi)企業(yè);且在主要支付方中,藥企、保險已形成了一定的支付習慣。健康醫療大數據的收費方式有多種,包括項目制、 Saas服務(wù)收費、軟件租賃費、增值服務(wù)費等;前三種為現階段主要的收費方式,而增值服務(wù)費將隨著(zhù)大數據及AI應用場(chǎng)景的增多而增加。

201703-201802中國健康醫療排名前10的APP月度設備數及占全行業(yè)設備數比例

數據來(lái)源:公開(kāi)資料整理

2018年院外數據企業(yè)端客戶(hù)類(lèi)型及收費方式

數據來(lái)源:公開(kāi)資料整理

    在研發(fā)成本、運營(yíng)成本的不斷提升下,醫療機構、藥企、藥店、保險等機構或企業(yè)均急需一套解決方案, 以便在降低臨床研發(fā)、運營(yíng)管理、 營(yíng)銷(xiāo)成本的同時(shí)提升顧客滿(mǎn)意度,最終增加營(yíng)收。該類(lèi)企業(yè)利用人工智能技術(shù)分析挖掘已有信息,為醫療機構、藥企提供有效的改善運營(yíng)、提升服務(wù)效率的解決方案。目前,提供相關(guān)業(yè)務(wù)的企業(yè)主要來(lái)自三種, 1)創(chuàng )業(yè)型,多為AI技術(shù)公司,如推想、羽醫甘藍、博識醫療語(yǔ)音等技術(shù)型企業(yè); 2)信息化/互聯(lián)網(wǎng)等企業(yè)新業(yè)務(wù)拓展,如東軟醫療的區域信息化、微醫的微醫云業(yè)務(wù)等; 3)政府主導的健康醫療大數據集團,如中電集團將在程度規劃、建設和運營(yíng)國家健康醫療大數據平臺,開(kāi)展健康醫療領(lǐng)域的數據匯集、治理、共享開(kāi)放和應用生態(tài)建設。

2018年院內數據主要業(yè)務(wù)及客戶(hù)類(lèi)別

數據來(lái)源:公開(kāi)資料整理

    就院內數據付費方來(lái)看, 藥企、體檢的付費意愿及能力最強;醫院、保險、藥店等機構企業(yè)的付費意愿較弱,需要時(shí)間進(jìn)行市場(chǎng)培育。此外,在商業(yè)化道路上,醫學(xué)影像類(lèi)公司也可以針對器械、美容等高端機構進(jìn)行產(chǎn)品研發(fā),滿(mǎn)足其高端用戶(hù)的服務(wù)及心理需求?,F階段,針對不同客戶(hù)常見(jiàn)收費方式有三種, 1)軟件租賃或解決方案,企業(yè)為醫院機構或政府(省市衛計委)搭建系統或軟件服務(wù)(語(yǔ)音錄入、電子病歷搜索等), 獲取一定技術(shù)服務(wù)費或軟件租賃費。 2)數據分析收入,企業(yè)為體檢機構提供影像識別服務(wù),提高影像讀取效率;或利用機器學(xué)習為藥企提供服務(wù),以便提高藥物發(fā)現的“命中”幾率。 3)產(chǎn)品綁定,將成熟模型與健康醫療器械綁定,輔助提升其市場(chǎng)競爭力。大數據企業(yè)將獲得一定比例的提成或資源。 4)按使用次數收費, 未來(lái)AI技術(shù)在獲得三類(lèi)器械認證后,患者可在就醫時(shí)實(shí)現按次付費。

2018年大數據企業(yè)客戶(hù)商業(yè)模式概況

數據來(lái)源:公開(kāi)資料整理

    輔助決策類(lèi)企業(yè)采用的技術(shù)多為認知計算、深度學(xué)習、計算機視覺(jué)、 自然語(yǔ)言處理。針對科室或疾病領(lǐng)域的不同,其領(lǐng)域也不同,包括影像輔助診斷、病理輔助診斷及全科輔助決策等。其中全科輔助決策準確率85%左右,仍有較大提升空間;影像和病理輔助診斷的準確率超過(guò)90%,其產(chǎn)品正在落地中?,F階段,各企業(yè)主認為輔助診斷的價(jià)值在于為醫生提供病灶性狀描述、 自動(dòng)生成報告、精準定位病灶,降低漏檢風(fēng)險。 1)針對三甲醫院醫生,輔助診斷將替代醫生重復性工作,為其提供更多的信息,以便醫生制定最佳的治療方案?;蛘咴诙虝r(shí)間內監測患者的腫瘤變化,以便醫生及時(shí)觀(guān)察患者術(shù)后恢復情況。該類(lèi)解決方案單價(jià)較高,從幾十萬(wàn)到上百萬(wàn)均有。 2)針對基層醫療機構,系統將直接給出結果,快速有效的進(jìn)行腫瘤的初篩,提高基層醫生的診療效率及質(zhì)量,釋放醫療資源。針對基層醫療機構的解決方案價(jià)格相對低一些,未來(lái)可能以按次收費為主。 3)全科輔助決策,將幫助大型三級醫院或在線(xiàn)醫療公司實(shí)現快速分診,提升效率。其價(jià)格將在幾萬(wàn)到幾十萬(wàn)之間。

2022年輔助決策醫療機構付費規模預估

-
醫療機構數量預估
均價(jià)(萬(wàn))
收入(千萬(wàn))
三級醫院
3289
50
16
二級醫院
10177
20
31
一級醫院
14834
15
30
基層醫療衛生機構
963885
5
482
總計(千萬(wàn))
559

數據來(lái)源:公開(kāi)資料整理

2018年輔助決策應用合作醫院及應用案例

數據來(lái)源:公開(kāi)資料整理

    行業(yè)發(fā)展初期,企業(yè)的主要困境集中在產(chǎn)品研發(fā)落地階段。在研發(fā)落地過(guò)程中,企業(yè)需要不斷豐富數據庫,發(fā)現CornerCase。目前,大多企業(yè)進(jìn)行數據標注主要來(lái)源以下三種形式,人工標注、機器標注以及醫院已有結構化數據。 1)人工標注為主流方式,該方式能夠提供較高質(zhì)量的標注數據, 但也面臨著(zhù)高成本的問(wèn)題。原因是, 數據標注人員多為醫生或具備臨床經(jīng)驗的執業(yè)醫生或醫學(xué)生,該類(lèi)人員收費較高每人每天在百元以上, 且一張圖標注時(shí)長(cháng)多達半小時(shí) 。 2)機器標注,體素科技提出了AFT*標注法,將主動(dòng)學(xué)習和遷移學(xué)習整合成單一框架。在腸鏡檢查幀分類(lèi)、息肉監測和肺帥塞檢測中表明該類(lèi)標注成本至少可以減少一半。 3)已有結構化數據,醫院本身會(huì )存儲一定量的結構數據,然而該部分數據仍要在處理篩選后才可使用。此外,針對新技術(shù)的應用,醫療機構缺乏相應的上線(xiàn)流程,因此,企業(yè)在模型訓練過(guò)程中,建立可復制的臨床流程與標準,針對不同層級醫療機構的應用場(chǎng)景提供有效解決方案是關(guān)鍵所在。

2018年輔助診斷數據模型搭建及應用中的主要問(wèn)題

數據來(lái)源:公開(kāi)資料整理

    全球基因測序數據分析市場(chǎng)規模發(fā)展迅速, 2012 年市場(chǎng)規模不超過(guò) 2 億美元, 預計 2018 年將接近 6 億美元,復合增長(cháng)率為 22.7%。艾瑞分析認為,隨著(zhù)高通量測序設備的廣泛應用,基因數據量也呈倍數增長(cháng)。數據量的增長(cháng),也使得基因測序的工作重心從繁重的人工測序轉到了中游的數據分析上。下游臨床應用及消費基因的成熟,為數據分析提供了客觀(guān)的支付方。 因此在應用終端的推動(dòng)下,中游數據分析產(chǎn)業(yè)將迎來(lái)快速增長(cháng),現階段生物信息公司業(yè)務(wù)往往大而雜,而專(zhuān)注某一醫療領(lǐng)域的生物信息公司(如精準癌癥)少之又少。國內市場(chǎng)專(zhuān)注基因組數據分析的生物信息公司并不多,該領(lǐng)域值得期待。

個(gè)人基因組測序市場(chǎng)推廣利好

數據來(lái)源:公開(kāi)資料整理

2012-2018全球基因測序信息學(xué)市場(chǎng)規模

數據來(lái)源:公開(kāi)資料整理

    二、發(fā)展趨勢

    AI技術(shù)填補大數據到信息轉化路徑的空白,完善產(chǎn)品價(jià)值健康醫療數據多具有非結構化特性,以往的數據分析軟件多針對結構化數據進(jìn)行研發(fā)應用。人工智能(自然語(yǔ)義處理、卷積神經(jīng)技術(shù)、機器學(xué)習等)技術(shù)的成熟與應用,開(kāi)啟了健康醫療的“大數據時(shí)代”,為如影像類(lèi)的非結構化數據應用提供了可能性。

數據+AI技術(shù)構建疾病模型,實(shí)現應用價(jià)值

數據來(lái)源:公開(kāi)資料整理

    在行業(yè)發(fā)展初期,企業(yè)端客戶(hù)的購買(mǎi)需求、支付意愿和能力遠大于用戶(hù)端,因此企業(yè)端客戶(hù)是健康醫療大數據企業(yè)主要支付方。醫院藥企是最早的支付方,如湘雅, 2014年圍繞數據互聯(lián)互通、區域信息、精細化管理進(jìn)行系統搭建。 2016年,21家醫院的腫瘤專(zhuān)家與IBM Watson進(jìn)行合作獲得個(gè)性化服務(wù)。藥企,如默沙東, 2015年將人工智能技術(shù)應用到藥品研發(fā)中。隨后,在2016、 2017年,更多的藥企、體檢機構通過(guò)合作、收購等方式先后進(jìn)入市場(chǎng)。艾瑞認為,在市場(chǎng)初步探索后,政府、醫院、藥企、體檢等企業(yè)將成為健康醫療大數據的主要支付方。

醫院藥企為先行者,國家隊進(jìn)入引導市場(chǎng)發(fā)展

數據來(lái)源:公開(kāi)資料整理

正在或即將進(jìn)入市場(chǎng)的支付方

數據來(lái)源:公開(kāi)資料整理

    隨著(zhù)行業(yè)發(fā)展,產(chǎn)品、 用戶(hù)教育及上下游產(chǎn)業(yè)的逐漸成熟,服務(wù)于用戶(hù)端的企業(yè)將迎來(lái)無(wú)限商機。 如,影像識別、 基因測序在經(jīng)過(guò)臨床驗證后,作為常規檢測項目,將列入醫?;蚪】惦U的可報銷(xiāo)項目。健康慢病管理場(chǎng)景下,用戶(hù)線(xiàn)上進(jìn)行的建議、干預、上下轉診等健康或輕醫療服務(wù)的收費模式也將更加靈活多變,形成以按次、按會(huì )員、按年卡等多種收費形式。

健康醫療大數據應用發(fā)展路徑

數據來(lái)源:公開(kāi)資料整理

    在健康管理、慢病管理以及診前、診中、診后環(huán)節打通的場(chǎng)景下,單家企業(yè)或機構的服務(wù)供給能力有限。只有依賴(lài)多方角色協(xié)同合作,配合提供健康醫療服務(wù),才能滿(mǎn)足用戶(hù)需求。未來(lái)健康醫療產(chǎn)業(yè)中的勝出方,不單再是個(gè)體,而是不同領(lǐng)域的企業(yè)共同合作完成的生態(tài)體系。因此,企業(yè)在構建核心優(yōu)勢的同時(shí),還需要具備戰略眼光,及發(fā)現投資優(yōu)秀合作伙伴的能力。該體系的核心產(chǎn)業(yè)包括健康醫療大數據公司、醫生、健康醫療服務(wù)提供方,輔助產(chǎn)業(yè)包括數據采集方(智能硬件等、區域信息平臺)、運營(yíng)商、物流服務(wù)、云服務(wù)等。

健康醫療服務(wù)生態(tài)布局

數據來(lái)源:公開(kāi)資料整理

    關(guān)注微信
郵箱:service@dsusoft.com
公司地址:
揚州市高郵城南經(jīng)濟新區珠光南路88號智慧大廈A座12樓
国产caowo17在线观看,国产精品午夜无码AV体验区,久青草国产在线视频原版加长,中国国产小u女在线观看视频