<menu id="lgoiv"></menu>
  • <output id="lgoiv"></output>
    <big id="lgoiv"><menuitem id="lgoiv"></menuitem></big>

    <blockquote id="lgoiv"><sup id="lgoiv"></sup></blockquote>
      <code id="lgoiv"><ol id="lgoiv"></ol></code><td id="lgoiv"><xmp id="lgoiv"></xmp></td>

        <label id="lgoiv"></label>
        <code id="lgoiv"><menuitem id="lgoiv"></menuitem></code>

          <acronym id="lgoiv"></acronym>

        1. 您现在的位置:中国传动网  >  新闻首页  >  市场分析  >  2018年中国医疗人工智能行业市场分析:市场空间巨大,八大应用场景分析

          2018年中国医疗人工智能行业市场分析:市场空间巨大,八大应用场景分析

          2019年03月15日 11:36:22 来源:前瞻产业研究院

          AI医疗成为人工智能极佳落地场景

          医疗健康与我们的生活息息相关,在美国,AI+医疗健康已经成为AI落地的最热行业之一;而在国内人口老龄化加剧、医疗资源分配不均、国民慢性病频发的当下,AI医疗成为了人工智能的极佳落地场景

          据IDC统计数据,到2025年人工智能应用市场总?#21040;?#36798;到1270亿美元,其中医疗行业将占市场规模的五分之一。

          2012-2017年以来,医疗人工智能领域融资数量和金额快速增长,截止2017年已公开披露的融资事件有93笔,其中有57笔公布融资金额。

          据前瞻产业研究院发布的《中国医疗人工智能行业市场前景预测与投资战略规划分析报告》统计数据显示,2017年中国医疗人工智能融资数量为27个,融资金额为17亿元。人工智能技术的逐步成熟,医疗人工智能应用领域的不断攀升,医疗人工智能行业潜能巨大,截止至2017年中国医疗人工智能行业市场规模达到136.5亿元,增长率为41%,医疗人工智能应用的不断深入,市场规模将进一步增长,初步测算2018年中国医疗人工智能行业市场规模将突破200亿元,达到210亿元左右。

          2012-2017年中国医疗人工智能融资数量及金额统计情况

          医疗设备

          数据来源:前瞻产业研究院整理

          2016-2018年中国医疗人工智能行业市场规模统计及增长情况预测

          医疗设备

          数据来源:前瞻产业研究院整理

          AI医疗市场空间巨大

          整体上看,我国人工智能市场?#28304;?#20110;探索阶段,如?#20301;?#20110;AI技术开拓发展应用场景,已成为当下各大科技公司的主攻方向。人工智能产业链可分为基础层、技术层和应用层。其中基础层和技术层由于技术壁垒较高,其布局主要来自科技巨头,应用层则涌现出多家新型人工智能医疗创业公司。

          国内疾病风险预测、医学影像场景下的公司数量最多,占医疗人工智能公司总数的一半以上,相关产品相对成熟。

          在AI+医疗各细分领域中,辅助诊疗融资金额高居第一,高达20亿元;接下来分别是语音交互融资额13亿元,还有医学影像和健康管理不分伯仲。埃森哲评估了10种人工智能应用的综合分类,确定了到2026年,人工智能应用到各个领域所产生的潜在年收益。其中潜在价值最高的前三个领域分别是机器人辅助手术(400亿美元)、虚拟护理助理(200亿美元)和管理工作流程协助(180亿美元)。

          AI医疗八大应用场景分析

          目前,AI+医疗主要有八大应用场景,其中包括:虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究平台。

          1、虚拟助理提高医疗工作效率

          医疗领域中的虚拟助理,基于特定领域的知?#26029;?#32479;,通过智能语音技术和自然语?#28304;?#29702;技术,实现人机交互,将患者的病症描述与标准的医学指南作对比,为用户提供医疗咨询、自诊、导诊?#30830;?#21153;。

          据统计,目前国内共有15家公司提供“虚拟助理”服务,主要解决语音电子病历、智能导诊、智能问诊、推荐用药等需求,并且有衍生出更多需求的可能性。

          其中虚拟助理的语音电子病历能提供语音识别技术为医生书写病历从而提高工作效率。智能语音录入可以帮助医生通过语音输入完成查阅资?#31995;?#24037;作,并将医生口述的医嘱按照患者基本信息、检查史、病史、检查指标、检查结果等?#38382;?#24418;成结构化的电子病历,大幅提升医生的工作效率。

          导诊机器人主要基于人脸识别、语音识别、远场识别等技术,通过人机交互,执行包括挂号、科室分?#25216;?#23601;医流程引导等功能,智能导诊准确率达到95%以上。而且只要在机器人后台嫁接医院信息等知?#26029;?#32479;,机器人便可实现导诊功能,所以国内众多机器人制造厂商均有机会开发医疗市场,进入门槛较低,预期市场竞争激烈。

          与此同时智能问诊在医生端和用户端均发挥了较大的作用。在医生端,智能问诊可以辅助医生诊断;在用户端,人工智能虚拟助手能够帮助普通用户完成健康咨询、导诊?#30830;?#21153;。而推荐用药虚拟助?#21046;?#19994;前期业务模式则以toB为主,向京东到家、妙健康等医药电商及老百姓大药?#24247;?#32447;下药店开放“自测用药”系统接口,推广自测用药服务,了解用户使用习惯,优化算法模型,为后期toC业务模式奠定基础。

          2、医学影像准确率高,预期市场规模较大

          医学影像,是目前人工智能在医疗领域最热门的应用场景之一。目前国内共有43家公司提供“医学影像”服务。“医学影像”应用场景下,主要运用计算机视觉技术解决病灶识别与标注、靶区自动勾画与自适应放疗、影像三维重建三?#20013;?#27714;。

          在病灶识别与标注细分领域,有不少企业参与竞争,如阿里云、腾讯、京东、翼展科技、推想科技等,行业竞争较为激烈。医学影像核心产品的病灶识别准确率高、用时短。

          当下AI+医学影像的产品形态主要以用于影像识别与处理的软件为主,极少数结合硬件。

          而AI+医学影像产品成熟度均处于搭建基础模型向优化模型过渡阶段,产品落地速度较缓慢,主要受以下几方面因素影响:大量医院不愿数据共享造成企业科研数量短期、病灶识别与标注成本较高、AI医学影像门槛较高。目前基本成型的AI+医学影像产品大多正处于医院试用阶段,该领域公司基本没有实现盈利。

          3、辅助诊疗医疗机器人打破国外垄断

          除医学影像以外,“AI+辅助诊疗”的产品还有两大类:医疗大数据辅助诊疗、医疗机器人(主要指针对诊断与治疗?#26041;?#30340;机器人)。

          目前国内有8家公司提供医疗大数据辅助诊疗服务,11家公司提供“医疗机器人”服务。医疗机器人主要包括手术机器人、肠胃检查与诊断机器人、康复机器人等。我国在医疗机器人的研究与政策支持方面,都具有良好的发展环?#22330;?/p>

          目前国内致力于手术机器人的公司主要采用两种业务模式:第一种,面向医?#33322;?#34892;机器人产品的单?#32769;?#21806;,并提供长期维修服务;第二种,是为医院提供手术中心整体工?#25506;?#20915;方案。国内的医疗机器人技术正在不断升级,在多领域逐渐打?#24179;?#21475;机器人的垄断地位(如:哈工大机器人研究所研制的“微创腹腔外科手术机器人系?#22330;保?#25171;破了进口达·芬奇手术机器人的技术垄断,将加快实现国产微创手术机器人辅助外科手术),未来本土化机器人将会更具市场竞争力。

          4、疾病风险预测上游有望打破国外垄断

          疾病风险预测场景,是除“医学影像”以外的另一热门应用场景。疾病风险预测是指通过基因测序与检测,提前预测疾病发生的风险。

          目前国内共有45家公司提供“疾病风险预测”服务。其中基因检测的?#35759;?#36739;高,我国只有不到10%的公司有能力完成基因检测,其余停留在利用基因测序产品提供测序服务的水?#20581;?#32780;基因测序方法的逐渐成熟,推动基因测序技术的商业化进程。

          我国在上游设备技术方面较为落后,基因测序设备及配套生物试剂基本上被国外企业垄断。相较于上游测序设备研发,中游测序服务门槛较低,目前国内提供基因测序服务的第三方机构数量较多,竞争比较激烈,市场?#24418;?#24418;成稳定的格局。

          5、药物挖掘克服传统药物研发缺点

          传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。人工智能与药物挖掘的结合,使得新药研发时间大大缩短,研发成本大大降低;这将有可能根本上改变用药“平均”观念。

          目前国内AI+药物挖掘已经在逐步落地,但研发周期仍相对较长,且算法需要大?#24247;?#26102;间和数据积累,短期内很难产生营收数据。国内有7家公司提供“药物挖掘”服务。

          而据蛋壳研究院统计,目前在北美地区已经出现了数家技术领先的初创企业,他们借助深度学?#22467;?#19982;默克等传统药企及医药研究机构合作,在心血管药物、抗肿瘤药物、?#38706;?#33647;和经?#20204;?#21457;达地区常见传染病(如埃博拉)治疗药等多领域取得新突破。

          6、健康管理面向营养学场景

          “健康管理”应用场景,主要包含营养学、身体健康管理、精神健康管理三大子场景。目前国内共有14家公司提供“健康管理”服务,公司大多集中于身体健康管理场景。

          国内在营养学场景的人工智能公司较少,国人?#24418;?#26222;遍树立营养饮食意识;碳云智能和Air-doc的产品分别通过血糖监测和菜品识别指导用户合理用餐。致力于身体健康管理场景的公司,国内以碳云智能和妙健康为典型代表,海外则有IBM、Validic、Welltok等公司。

          国际上,爱尔?#32423;及?#26519;的创业公司Nuritas是营养学应用场景中的典型代表。Nuritas将人工智能与生物分子学相结合,进行肽的识别;根据每个人的身体情况,使用特定的肽来激活健康抗菌分子,改变食物成分,消除食物副作用,从而帮助个人预防糖尿病等疾病的发生、杀死抗生素耐药菌。

          7、医院管理病历结构化服务发展较好

          医院管理,主要指针对医院内部、医院之间各项工作的管理,主要包括病历结构化、分级诊疗、DRGs(诊断相关分类)智能系?#22330;?#21307;院决策支持的专家系统等。目前国内共有21家公司提供“医院管理”服务,业务大多集中于病历结构化服务。

          在分级诊疗的政策推动之下,国内陆续出现促进分级诊疗的企业服务,行业前景广阔。分级诊疗的实现,离不开医联体与智能?#21697;?#21153;,二者相辅相成。

          声明:本文为转载类文章,如涉及版权问题,请及时联系我们删除(QQ:2737591964),不便之处,敬请谅解!

          本文在【传动网?#24247;?#22266;定链接:http://www.ynfl.icu/news/news.aspx?id=230205

          中国传动网

          官方微信

          扫一扫,中国传动网信息随手掌控

          直驱与传动

          官方微信

          扫一扫,直驱与传动信息随手掌控

          伺服与运动控制

          官方微信

          扫一扫,伺服与运动控制信息随手掌控

          联系我们

          广告联系:0755-82048561
          展会合作:0755-83736589
          杂志投稿:0755-82048562

          网站简介|会员服务|联系方式|帮助信息|版权信息|网站地图|友情链接|法律支持|意见反馈

          版权所有 2006-2016 中国传动网(ChuanDong.com)

          • 经营许可证
            粤B2-20150019

          • 粤ICP备
            14004826号

          • 不良信息
            举报中心

          • 网络110
            报警服务

          网?#31350;头?#28909;线

          0755-82949061

          网站问题?#22836;?/p>

          2737591964

          甘肃11选5今日任三推荐
          <menu id="lgoiv"></menu>
        2. <output id="lgoiv"></output>
          <big id="lgoiv"><menuitem id="lgoiv"></menuitem></big>

          <blockquote id="lgoiv"><sup id="lgoiv"></sup></blockquote>
            <code id="lgoiv"><ol id="lgoiv"></ol></code><td id="lgoiv"><xmp id="lgoiv"></xmp></td>

              <label id="lgoiv"></label>
              <code id="lgoiv"><menuitem id="lgoiv"></menuitem></code>

                <acronym id="lgoiv"></acronym>

              1. <menu id="lgoiv"></menu>
              2. <output id="lgoiv"></output>
                <big id="lgoiv"><menuitem id="lgoiv"></menuitem></big>

                <blockquote id="lgoiv"><sup id="lgoiv"></sup></blockquote>
                  <code id="lgoiv"><ol id="lgoiv"></ol></code><td id="lgoiv"><xmp id="lgoiv"></xmp></td>

                    <label id="lgoiv"></label>
                    <code id="lgoiv"><menuitem id="lgoiv"></menuitem></code>

                      <acronym id="lgoiv"></acronym>