<address id="1nlbp"><progress id="1nlbp"><span id="1nlbp"></span></progress></address>

<sub id="1nlbp"></sub>

    <address id="1nlbp"></address>

    <listing id="1nlbp"><dfn id="1nlbp"></dfn></listing>

    <meter id="1nlbp"><sub id="1nlbp"><dfn id="1nlbp"></dfn></sub></meter>
        <track id="1nlbp"></track>

          <del id="1nlbp"></del>

          <del id="1nlbp"><progress id="1nlbp"></progress></del>

          <address id="1nlbp"></address>

            新聞中心

            您現在的位置:? 首頁 >> 新聞中心 >> 行業新聞

            行業新聞

            2018年中國健康醫療大數據行業發展現狀及發展趨 ?

             一、健康醫療行業現狀

                人口的增長和老齡化, 發展中國家醫療市場的擴張、 醫學技術的進步和人力成本的不斷上漲將推動支出增長。2017-2021年全球醫療支出預計將以每年4.1%的速度增長,而2012-2016年的增速僅為1.3%。慢性病發病率提升,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(R&D)成本上升, 產品上市速度慢, 2004年至2014年藥物開發成本增加了145%。勞動力不足, 在人口結構的變化和技術的迅速發展下,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(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,我國醫生執業環境較差, 使得進入醫療系統的優秀人才逐年趨少。醫療資源發展失衡, 2010-2016年三級醫院診療人次及機構數量復合增長率分別為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為患,導致就醫體驗差及優質醫療資源浪費嚴重,因此,我國仍把推行分級診療作為當前首要任務。醫保透支, 《中國醫療衛生事業發展報告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、上下聯動分診診療等。新模式的搭建過程中,主要存在以下3個問題。 1)信息不流通,各醫療機構間多為信息孤島,患者信息無法進行快速共享流通; 2)資源不流通,優質醫生多集中在各大省會的頂級醫院,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,以促進患者在院間的流通。

            2018年分級診療推行中遇到的問題

            數據來源:公開資料整理

                大數據技術的應用,將從體系搭建、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。

            2018年大數據在健康醫療行業中的應用價值

            數據來源:公開資料整理

                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。

            2018年中國健康醫療大數據宏觀利好

            數據來源:公開資料整理

                2015年8月國務院發布了《促進大數據發展行動綱要》 ,指出發展醫療健康服務大數據,構建綜合健康服務應用。 隨后,國務院、衛計委相繼發布了多項政策,以促進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政策

            數據來源:公開資料整理

                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有關的項目有,“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。

            2017-2018年中國健康醫療大數據相關項目梳理

            數據來源:公開資料整理

                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。

            2013-2018Q1中國健康醫療大數據相關領域投資事件梳理

            數據來源:公開資料整理

            2012-2018Q1中國健康醫療大數據投融資事件在大健康中的占比

            數據來源:公開資料整理

                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

            數據來源:公開資料整理

            2008-2017年我國診療人次及人均診療次數

            數據來源:公開資料整理

                健康醫療大數據領域涉及的相關技術范圍非常廣,如底層數據采集中包括信息化、 物聯網、 5G技術,處理分析中包括深度學習、認知計算、 區塊鏈、生物信息學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,在2020年數據量將超過2300Exabytes。預估2020年,全球健康物聯網設備出貨量將達到161萬臺。院內數據方面,2016年醫院管理信息系統整體已實施比例在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、生物信息學需要與實際應用場景相結合,以便搭建有效模型。

            2015-2020年全球健康物聯網設備數預估

            數據來源:公開資料整理

            2016年中國三級醫院醫生工作站系統搭建占比

            數據來源:公開資料整理

                本篇報告將健康醫療大數據分為三大類,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。在具體場景應用方面,多為不同種類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提供及時的預警監測。

            健康醫療大數據分類及應用

            數據來源:公開資料整理

                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。

            2013-2022年中國醫療大數據應用場景市場發展趨勢

            數據來源:公開資料整理

                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。

            2018年健康醫療大數據產業鏈概況

            數據來源:公開資料整理

            2018年健康醫療大數據產業鏈圖譜

            數據來源:公開資料整理

                健康醫療大數據產業鏈上游所提供數據的質量與樣本量將決定,中游企業是否可以快速有效的進行模型訓練。 整體來看,院內、院外及基因數據供應方均面臨三個問題,質量、樣本量及安全。 1)院內數據在質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量的診療數據,且已具備一定規模 。醫院外聯系統中多存有大量就醫行為數據,然而這類數據的應用將依賴政策指導,且面臨隱私安全等文圖。 2)基因數據為企業的核心資源,已具備一定規模和質量,且多由中游企業自建數據庫自行采集,或者通過與實驗室合作的方式獲取。 3)健康類數據多由智能硬件或在線醫療企業采集,該類數據增長快速,但是維度多且缺乏整合,質量參差不一。

            2018年健康醫療數據供應概況

            數據來源:公開資料整理

                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。

            2012-2017年健康醫療大數據相關企業地域分布

            數據來源:公開資料整理

            2018年中國健康醫療大數據細分領域企業分布

            數據來源:公開資料整理

                平安好醫生IPO報告中公布, 2017年互聯網醫療市場規模達到150億元人民幣,在線咨詢量達到23.8千萬次。由此可見,互聯網醫療可觸達的用戶規模將越來越大,而僅靠醫生或相關從業人員在后臺回答問題并不能滿足日益增長的用戶量。因此,企業需依賴大數據或AI等技術優化問診、健康/慢病管理等產品的功能,從而有效滿足用戶需求,最終提升付費率。此外,對于不斷擴張的企業,大數據及AI技術輔助提升服務效率,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收與較高的利潤率。艾瑞認為,隨著企業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將進入快速成長期。

            2012-2020年中國在線咨詢量及在線醫療市場規模

            數據來源:公開資料整理

            大數據及AI技術對在線醫療企業的應用價值

            數據來源:公開資料整理

                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。

            2018年健康管理企業服務能力展示

            數據來源:公開資料整理

                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。

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

            數據來源:公開資料整理

            2018年院外數據企業端客戶類型及收費方式

            數據來源:公開資料整理

                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、藥企提供有效的改善運營、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。

            2018年院內數據主要業務及客戶類別

            數據來源:公開資料整理

                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?,F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”幾率。 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。

            2018年大數據企業客戶商業模式概況

            數據來源:公開資料整理

                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?,F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?;蛘咴诙虝r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,快速有效的進行腫瘤的初篩,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。

            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(萬)
            收入(千萬)
            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)
            559

            數據來源:公開資料整理

            2018年輔助決策應用合作醫院及應用案例

            數據來源:公開資料整理

                行業發展初期,企業的主要困境集中在產品研發落地階段。在研發落地過程中,企業需要不斷豐富數據庫,發現CornerCase。目前,大多企業進行數據標注主要來源以下三種形式,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量的標注數據, 但也面臨著高成本的問題。原因是, 數據標注人員多為醫生或具備臨床經驗的執業醫生或醫學生,該類人員收費較高每人每天在百元以上, 且一張圖標注時長多達半小時 。 2)機器標注,體素科技提出了AFT*標注法,將主動學習和遷移學習整合成單一框架。在腸鏡檢查幀分類、息肉監測和肺帥塞檢測中表明該類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,針對新技術的應用,醫療機構缺乏相應的上線流程,因此,企業在模型訓練過程中,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景提供有效解決方案是關鍵所在。

            2018年輔助診斷數據模型搭建及應用中的主要問題

            數據來源:公開資料整理

                全球基因測序數據分析市場規模發展迅速, 2012 年市場規模不超過 2 億美元, 預計 2018 年將接近 6 億美元,復合增長率為 22.7%。艾瑞分析認為,隨著高通量測序設備的廣泛應用,基因數據量也呈倍數增長。數據量的增長,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的支付方。 因此在應用終端的推動下,中游數據分析產業將迎來快速增長,現階段生物信息公司業務往往大而雜,而專注某一醫療領域的生物信息公司(如精準癌癥)少之又少。國內市場專注基因組數據分析的生物信息公司并不多,該領域值得期待。

            個人基因組測序市場推廣利好

            數據來源:公開資料整理

            2012-2018全球基因測序信息學市場規模

            數據來源:公開資料整理

                二、發展趨勢

                AI技術填補大數據到信息轉化路徑的空白,完善產品價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行研發應用。人工智能(自然語義處理、卷積神經技術、機器學習等)技術的成熟與應用,開啟了健康醫療的“大數據時代”,為如影像類的非結構化數據應用提供了可能性。

            數據+AI技術構建疾病模型,實現應用價值

            數據來源:公開資料整理

                在行業發展初期,企業端客戶的購買需求、支付意愿和能力遠大于用戶端,因此企業端客戶是健康醫療大數據企業主要支付方。醫院藥企是最早的支付方,如湘雅, 2014年圍繞數據互聯互通、區域信息、精細化管理進行系統搭建。 2016年,21家醫院的腫瘤專家與IBM Watson進行合作獲得個性化服務。藥企,如默沙東, 2015年將人工智能技術應用到藥品研發中。隨后,在2016、 2017年,更多的藥企、體檢機構通過合作、收購等方式先后進入市場。艾瑞認為,在市場初步探索后,政府、醫院、藥企、體檢等企業將成為健康醫療大數據的主要支付方。

            醫院藥企為先行者,國家隊進入引導市場發展

            數據來源:公開資料整理

            正在或即將進入市場的支付方

            數據來源:公開資料整理

                隨著行業發展,產品、 用戶教育及上下游產業的逐漸成熟,服務于用戶端的企業將迎來無限商機。 如,影像識別、 基因測序在經過臨床驗證后,作為常規檢測項目,將列入醫?;蚪】惦U的可報銷項目。健康慢病管理場景下,用戶線上進行的建議、干預、上下轉診等健康或輕醫療服務的收費模式也將更加靈活多變,形成以按次、按會員、按年卡等多種收費形式。

            健康醫療大數據應用發展路徑

            數據來源:公開資料整理

                在健康管理、慢病管理以及診前、診中、診后環節打通的場景下,單家企業或機構的服務供給能力有限。只有依賴多方角色協同合作,配合提供健康醫療服務,才能滿足用戶需求。未來健康醫療產業中的勝出方,不單再是個體,而是不同領域的企業共同合作完成的生態體系。因此,企業在構建核心優勢的同時,還需要具備戰略眼光,及發現投資優秀合作伙伴的能力。該體系的核心產業包括健康醫療大數據公司、醫生、健康醫療服務提供方,輔助產業包括數據采集方(智能硬件等、區域信息平臺)、運營商、物流服務、云服務等。

            健康醫療服務生態布局

            數據來源:公開資料整理

            聯系我們

            聯系電話:
            孫總監 18905254268
            譚經理 18362572402
            劉經理 15105166630
            趙經理 18051058993
            郵箱:service@dsusoft.com
            公司地址:
            揚州市高郵城南經濟新區珠光南路88號智慧大廈A座12樓
            秋霞影院18禁止进入免费_欧美熟妇牲交另类zozo_好湿好紧好痛a级是免费视频_丰满丰满肉欲少妇a片