我國健康醫療大數據已進入了初步利好階段，國家作為政策引導方，已出臺了50余條“綱要”或“意見”，可穿戴設備、人工智能等技術的發展也為產品研發奠定了基礎，且頭部資本已進入市場。政策支持、市場認可、資本支持成為醫療大數據快速發展的先覺條件。

大數據在健康醫療中的應用價值

大數據助力我國醫療生態全面升級

大數據技術的應，將用從體系搭建、機構運作、臨床研發、診斷治療、生活方式五個方面帶來變革性的改善。由于我國醫療體系的強監管性，大數據若要在行業內實現其價值，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、保險等機構企業構建項目，相互合作，最終實現從“治療”到“預防”的就醫習慣的改變，降低從個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。

健康醫療大數據宏觀利好

宏觀環境利好條件滿足，靜待細分市場突圍

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

健康醫療大數據政策利好

政策引導，頂層設計推動大數據項目前行

2018年科技部官網發布了14個重點專項2017年度項目申報指南“精準醫學研究”等生物醫學領域的5大專項，累計共撥經費總概算12億元。其中與健康醫療大數據密切相關的項目有，“重大慢性非傳染性疾病防控”4.5億元，“精準醫學研究”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月科技部發布了“主動健康和老齡化科技應對”2018年申報指南。

健康醫療大數據資本利好

以2018年Q1大數據投融資事件35起，行業熱潮正式開啟

艾瑞在對醫療健康投融資數據進行分類整理中發現，2014年起健康醫療類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便發生了35起投融資事件，其中12件來自醫療信息化建設，多為利用AI、語義識別、數據模型，挖掘診療信息，連接院內院外平臺等類別的企業。受人工智能熱潮影響，2017年輔助決策類共發生17次投融資事件，2018Q1共5起，預計未來將會有更多資本進入該領域。

健康醫療大數據發展概況

多項細分場景同時探索，輔助診斷將首先迎來商業化

健康醫療大數據行業以數據規模為基礎，且在政策和資本鼓勵下，部分應用場景進入市場啟動期，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，隨著企業大數據/AI技術長期的應用實踐探索，產品不斷更新完善，預估2-5年的內，產品將首先在B端客戶中進行推廣；隨后，伴隨軟件友好度和準確度的上升，在B端客戶使用的影響下，C端市場將展開競爭。

健康醫療大數據產業鏈概述

始于用戶，終于用戶

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

健康醫療大數據產業鏈圖譜

健康醫療大數據中游現狀

北京大數據先行，上海、廣東、浙江緊隨

艾瑞從正在進行融資的103家創業公司中發現，企業主要集中在北上廣深一線城市，該現象受醫療資源、政府態度、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，優質醫療資源豐富且信息化程度高，因此企業能夠獲得可觀的高質量數據樣本；2）初期階段，醫療大數據技術的探索多由地方政府撥款支持，如2018年2月由北京大學醫學部和大數據研究院共同籌備建立北京大學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）一線城市的醫生對新技術接受程度較高，因此在產品上市后相對較易試運行。

院外數據的商業路徑

核心能力提升用戶健康，延伸能力創造商業價值

能夠提供健康管理服務的企業主要分類兩類。一類是偏健康數據收集類企業，針對健康或慢病人群提供飲食、運動等個性化健康方案。另一類是偏輕問診類，提供智能分診、輕問診、預約、轉診等服務。目前，C端服務盈利能力有限，部分企業依托其健康管理或問診能力，為企業端客戶服務。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，為疾控慢病中心搭建健康信息平臺提供技術服務。如平安好醫生結合其終端智能應用，為用戶提供智能分診，為醫生提供輔助決策等服務，輔助政府搭建區域信息化。

數據到行為干預仍需過程，企業付費是首選

大部分移動醫療公司在經歷了4-5年數據沉淀后，積累了大量的數據樣本，然而如何通過技術將其轉化為可被解讀的報告仍需時間。目前，健康醫療大數據行業的支付方主要集中在B端，包括醫院、藥企、藥店、保險、政府等多類企業；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服務收費、軟件租賃費、增值服務費等；前三種為現階段主要的收費方式，而增值服務費將隨著大數據及AI應用場景的增多而增加。

院內數據的應用場景

大數據技術應用廣泛，以提升診療及管理效率為主

在研發成本、運營成本的不斷提升下，醫療機構、藥企、藥店、保險等機構或企業均急需一套解決方案，以便在降低臨床研發、運營管理、營銷成本的同時提升顧客滿意度，最終增加營收。該類企業利用人工智能技術分析挖掘已有信息，為醫療機構、藥企提供有效地改善運營、提升服務效率的解決方案。目前，提供相關業務的企業主要來自三種，1）創業型，多為AI技術公司，如推想、羽醫甘藍、博識醫療語音等技術型企業；2）信息化/互聯網等企業新業務拓展，如東軟醫療的區域信息化、微醫的微醫云業務等；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、建設和運營國家健康醫療大數據平臺，開展健康醫療領域的數據匯集、治理、共享開放和應用生態建設。

院內數據的商業路徑

依托技術與數據，收費模式玩法多

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

細分之輔助決策

輔助診斷替代醫生重復性工作，減少近八成工作量

輔助決策類企業采用的技術多為認知計算、深度學習、計算機視覺、自然語言處理。針對科室或疾病領域的不同，其領域也不同，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90%，其產品正在落地中。現階段，各企業主認為輔助診斷的價值在于為醫生提供病灶性狀描述、自動生成報告、精準定位病灶，降低漏檢風險。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。或者在短時間內監測患者的腫瘤變化，以便醫生及時觀察患者術后恢復情況。該類解決方案單價較高，從幾十萬到上百萬均有。2）針對基層醫療機構，系統將直接給出結果，快速有效地進行腫瘤的初篩，提高基層醫生的診療效率及質量，釋放醫療資源。針對基層醫療機構的解決方案價格相對低一些，未來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醫療公司實現快速分診，提升效率。其價格將在幾萬到幾十萬之間。

健康醫療大數據應用案例分析

發展初期，企業核心能力淺析

在行業發展初期，艾瑞認為領導力、研發能力、復合型團隊