2022医疗人工智能行业研究报告.pdf

2022医疗AI行业报告长期主义的坚持与守望医疗AI盈利破局PREFACE引言从 海伯利安 到 赛博朋克2077，每一个描述AI时代的视听作品都在不厌其烦地绘制科技时代的技术、建筑、生活，乐于讨论赛博时代与生存、发展、共生相关哲学的问题。但当AI褪下虚幻的面纱，以潜移默化的方式真正进入人们的生活时，更为必要的是跳出技术的表现形式，追溯它的发展动力。过往的五年时间，近千亿资金注入医疗人工智能赛道，AI影像、AI新药研发、AI机器人、智慧医院等细分赛道以前所未有的速度向前发展。外界的持续滋养下，AI已经在医疗中的方方面面落地生根，成为媲美互联网技术一样存在。问题也出在此。超千家企业入局，但少有企业实现盈利。下一个五年，当资本的涓流不再馈赠，围绕AI的企业们能否筑起成熟的造血系统，依靠自身的力量活下去？带着问题，我们与超过30家企业进行沟通、对近100位专家进行采访。2022医疗人工智能报告便是为了回答“医疗人工智能如何盈利”这一行业难题。引言目录第一章 医疗AI的价值本质：降本增效的根基与重塑医疗体系的潜力1.1 初始AI：智慧赋能下的降本增效1.2 进阶AI：颠覆式的价值创造1.2.1 影像设备功能扩展1.2.2“老技术”新用1.2.3 通过影像学量化分析探索可能的病症变化1.2.4 蛋白质结构预测1.3 高壁垒、长积累，医疗AI大有可为第二章 数倍营收增长，距离盈利仅一步之遥2.1 影像相继IPO，新药研发成一级市场主要标的2.2 多家企业步入二级市场，AI影像仍是主流2.2.1交表企业主营收入分析 2.2.2净利润分析2.2.3研发支出分析2.2.4前五大客户集中度分析2.2.5最大客户分析2.2.6新药AI代表企业财务的变动趋势第三章 IPO之外，多因素影响商业变现，盈利需要突破这些槛3.1 影像AI 发展现状及商业化影响因素3.1.1 参与者骤增，审评审批逐步完善 3.1.2 审评审批加速，人工智能注册成本逐步可控.126788910101114151818192021212324252527CONTENTS目录3.1.3 投身生态，影像AI有望尽快盈利 3.2 院内信息化AI 发展现状及商业化影响因素3.2.1 政策驱动，智慧医院建设期已于2020年来临3.2.2 低等级评级日趋饱和后，高等级评级打开AI新机遇3.2.3 市场开启分化，企业需寻找政策外动力3.3 新药AI 发展现状及商业化影响因素3.3.1 多维因素，驱动新药AI快速生长3.3.2 应用场景拓展，覆盖药物发现全流程3.3.3 3种主要商业模式，从单一到混合3.3.4 从场景到模式，赛道潜在发展趋势渐明晰3.4 医疗机器人AI 发展现状及商业化影响因素3.4.1“十四五”规划发布，医疗机器人迎来最大政策红利3.4.2 硬件深度结合人工智能，智能化重构诊疗、制造场景第四章 新场景、新模式，开启医疗AI发展新篇章4.1 寻找医疗人工智能新蓝海4.1.1 弱化医疗器械属性，影像AI跃入新场景4.1.2 智能化风控，AI切入医疗保险的两个角度4.1.3 7个潜力领域，AI引领新药创新 4.2 医疗人工智能企业的未来形态4.3 扬帆出海寻找市场增量4.4 以公益作为连接点，社会价值与商业价值融合第五章 企业案例.29323234394041434548494950545555565759616267引言目录第一章 医疗AI的价值本质：降本增效的根基与重塑医疗体系的潜力1.1 初始AI：智慧赋能下的降本增效1.2 进阶AI：颠覆式的价值创造1.2.1 影像设备功能扩展1.2.2“老技术”新用1.2.3 通过影像学量化分析探索可能的病症变化1.2.4 蛋白质结构预测1.3 高壁垒、长积累，医疗AI大有可为第二章 数倍营收增长，距离盈利仅一步之遥2.1 影像相继IPO，新药研发成一级市场主要标的2.2 多家企业步入二级市场，AI影像仍是主流2.2.1交表企业主营收入分析 2.2.2净利润分析2.2.3研发支出分析2.2.4前五大客户集中度分析2.2.5最大客户分析2.2.6新药AI代表企业财务的变动趋势第三章 IPO之外，多因素影响商业变现，盈利需要突破这些槛3.1 影像AI 发展现状及商业化影响因素3.1.1 参与者骤增，审评审批逐步完善 3.1.2 审评审批加速，人工智能注册成本逐步可控3.1.3 投身生态，影像AI有望尽快盈利 3.2 院内信息化AI 发展现状及商业化影响因素3.2.1 政策驱动，智慧医院建设期已于2020年来临3.2.2 低等级评级日趋饱和后，高等级评级打开AI新机遇3.2.3 市场开启分化，企业需寻找政策外动力3.3 新药AI 发展现状及商业化影响因素3.3.1 多维因素，驱动新药AI快速生长3.3.2 应用场景拓展，覆盖药物发现全流程3.3.3 3种主要商业模式，从单一到混合3.3.4 从场景到模式，赛道潜在发展趋势渐明晰3.4 医疗机器人AI 发展现状及商业化影响因素3.4.1“十四五”规划发布，医疗机器人迎来最大政策红利3.4.2 硬件深度结合人工智能，智能化重构诊疗、制造场景第四章 新场景、新模式，开启医疗AI发展新篇章4.1 寻找医疗人工智能新蓝海4.1.1 弱化医疗器械属性，影像AI跃入新场景4.1.2 智能化风控，AI切入医疗保险的两个角度4.1.3 7个潜力领域，AI引领新药创新 4.2 医疗人工智能企业的未来形态4.3 扬帆出海寻找市场增量4.4 以公益作为连接点，社会价值与商业价值融合第五章 企业案例图表目录图表 1 医疗AI四种主要类型 图表 2 各类AI算法的内容与监管图表 3 政策的推进历程图表 4 医疗AI不同领域的融资情况 图表 5 2021年及2022年新药AI融资轮次情况图表 6 新药项目融资体量分布情况 图表 7 交表企业主营收入分析图表 8 交表企业净利润数据对比分析图表 9 交表企业研发支出分析图表 10 前五大客户集中度分析图表 11 最大客户分析图表 12 SCHRDINGER年报收入趋势图表 13 视网膜病症数据图表 14 2022年度放射影像数据库立项课题名单图表 15 放射影像数据库储备课题名单图表 16 获证数量按照年份统计图表 17 获证数量按照企业统计图表 18 三类证获取按照病种分类统计图表 19 医疗人工智能作用设备分类统计图表 20 LUNIT INSIGHT 签约合作设备厂商伙伴增长趋势图表 21 部分医学设备影像公司各生态功能能力对比图表 22 信息化政策汇总.7121315171718192021222325262627272828303132引言目录第一章 医疗AI的价值本质：降本增效的根基与重塑医疗体系的潜力1.1 初始AI：智慧赋能下的降本增效1.2 进阶AI：颠覆式的价值创造1.2.1 影像设备功能扩展1.2.2“老技术”新用1.2.3 通过影像学量化分析探索可能的病症变化1.2.4 蛋白质结构预测1.3 高壁垒、长积累，医疗AI大有可为第二章 数倍营收增长，距离盈利仅一步之遥2.1 影像相继IPO，新药研发成一级市场主要标的2.2 多家企业步入二级市场，AI影像仍是主流2.2.1交表企业主营收入分析 2.2.2净利润分析2.2.3研发支出分析2.2.4前五大客户集中度分析2.2.5最大客户分析2.2.6新药AI代表企业财务的变动趋势第三章 IPO之外，多因素影响商业变现，盈利需要突破这些槛3.1 影像AI 发展现状及商业化影响因素3.1.1 参与者骤增，审评审批逐步完善 3.1.2 审评审批加速，人工智能注册成本逐步可控3.1.3 投身生态，影像AI有望尽快盈利 3.2 院内信息化AI 发展现状及商业化影响因素3.2.1 政策驱动，智慧医院建设期已于2020年来临3.2.2 低等级评级日趋饱和后，高等级评级打开AI新机遇3.2.3 市场开启分化，企业需寻找政策外动力3.3 新药AI 发展现状及商业化影响因素3.3.1 多维因素，驱动新药AI快速生长3.3.2 应用场景拓展，覆盖药物发现全流程3.3.3 3种主要商业模式，从单一到混合3.3.4 从场景到模式，赛道潜在发展趋势渐明晰3.4 医疗机器人AI 发展现状及商业化影响因素3.4.1“十四五”规划发布，医疗机器人迎来最大政策红利3.4.2 硬件深度结合人工智能，智能化重构诊疗、制造场景第四章 新场景、新模式，开启医疗AI发展新篇章4.1 寻找医疗人工智能新蓝海4.1.1 弱化医疗器械属性，影像AI跃入新场景4.1.2 智能化风控，AI切入医疗保险的两个角度4.1.3 7个潜力领域，AI引领新药创新 4.2 医疗人工智能企业的未来形态4.3 扬帆出海寻找市场增量4.4 以公益作为连接点，社会价值与商业价值融合第五章 企业案例图表 1 医疗AI四种主要类型 图表 2 各类AI算法的内容与监管图表 3 政策的推进历程图表 4 医疗AI不同领域的融资情况 图表 5 2021年及2022年新药AI融资轮次情况图表 6 新药项目融资体量分布情况 图表 7 交表企业主营收入分析图表 8 交表企业净利润数据对比分析图表 9 交表企业研发支出分析图表 10 前五大客户集中度分析图表 11 最大客户分析图表 12 SCHRDINGER年报收入趋势图表 13 视网膜病症数据图表 14 2022年度放射影像数据库立项课题名单图表 15 放射影像数据库储备课题名单图表 16 获证数量按照年份统计图表 17 获证数量按照企业统计图表 18 三类证获取按照病种分类统计图表 19 医疗人工智能作用设备分类统计图表 20 LUNIT INSIGHT 签约合作设备厂商伙伴增长趋势图表 21 部分医学设备影像公司各生态功能能力对比图表 22 信息化政策汇总图表 23 电子病历分级评价与AI相关要求图表 24 电子病历等级发展图表 25 智慧预约系统结合因素 图表 26 国家医疗质量安全改进目标图表 27 AI病案质控功能及价值图表 28 各技术层级及相关政策图表 29 生成张力强化学习（GENTRL）的AI系统从靶点到候选分子仅用21天图表 30 新药AI领域部分国家重点政策图表 31 政策助力新药AI向多环节拓展图表 32 应用于新药AI的算法模型及其作用图表 33 新药AI商业模式不断涌现，从单一到混合图表 34 新药AI研发各类应用场景发展能力分布图表 35 医疗机器人相关政策列表图表 36 手术机器人分类图表 37 医院传统运输方式与医院物流机器人配送对比图表 38 手术机器人检查及治疗图表 39 企业属性转型发展对比图表 40 CE、FDA、PMDA获证情况统计（不包含医疗影像设备制造商）图表 41 医疗AI企业的公益路径日趋多元图表 42 企业的ESG闭环图表 43 商业价值与社会价值的双向作用图表 44 社会价值对企业商业模式创新的驱动图表 45 部分医疗AI企业图谱3334353638384041424346485052536060616265666668.CORE VIEWPOINTS核心观点越过滞后的价值验证期，医疗AI发展大跨步。医疗AI市场规模于2022年首次超过百亿，并在预计在3-5年内维持40%的高增长率。2020年前医疗AI价值验证滞后的原因主要包括信任缺失、商业路径模糊、临床价值不足，但如今已有49个AI医疗器械获得NMPA颁布的三类证，多家医疗AI企业营收过亿，数十篇高分论文验证AI临床价值与经济学价值。突破局限，医疗AI将在短期内维持指数增长价值跃迁，医疗AI价值从降本增效增至全方位革新医疗相关流程。常规的AI重在帮助医院、医生、保险等主体降本增效，而新一代的AI应用则考虑是否能够将知识与算法深度融合，对已有医疗流程进行重构。目前AI已在FFR、心功能评估、蛋白质结构预测等场景给出了与传统流程截然不同且临床价值较高的解法，此类创新将与“降本增效”类AI共同助力医学发展，将同质化的医疗AI带入差异化时代，带来新的增量市场。四大赛道跑通商业路径，或能率先大规模扭亏为盈。影像、信息化、新药研发、机器人四个场景逐步解决审批、数据孤岛、算法局限等问题，建立起主流的价值体系与商业路径。目前各大场景仍需考虑研发效益、用户开发、商业路径拓宽等要素，尽可能在成本控制、市场空间上实现突破。跨界、出海、公益医疗AI全力探索落地路径创新。医疗AI赛道通常可以通过两种方式拓宽市场规模，一方面是不断渗透既有市场，提高目标用户的覆盖率，另一方面是开辟新市场，包括跨界及进军海外，获取增量市场，由”AI+“转变为”+AI“。此趋势下，医疗AI企业未来的形态将不是一个单独的软件公司，而是一个拥有设备制造供应链能力搭配智慧化技术开发优势的科技综合体。5医疗AI的价值本质降本增效的根基与重塑医疗体系的潜力The value essence of medical AI:the foundation of cost reduction and efficiency increase and the potential of reshaping the medical systemCHAPTER01作为一项创新性技术，医疗AI的足迹遍布医疗领域的方方面面。根据其应用场景，大致将其划分为决策支持类软件、影像/数据处理类软件、分析和挖掘类产品、医疗助理类产品四个方面。AI赋能下的医学影像、新药研发、信息化与机器人是现阶段产业发展趋于完善、具备较强增长空间的四类细分场景，亦形成了相对成熟的商业模式与资本退出路径。本篇报告正是围绕上述四个场景进行分析，探讨医疗AI的价值与盈利潜力。1.1 初始AI：智慧赋能下的降本增效伴随AI而来的智能化是自动化的一种新形式，可扩大机器设备、系统或过程（生产、管理过程）的自动化范畴，进而实现降低单位劳动成本、提升工作制造效率。进入医疗领域后，初始阶段的AI同样以降本增效为核心卖点，服务医生、医院、患者、药企四大主体。医生端医生是当前医疗独立软件（SiMD，SOFTWARE IS MEDICAL DEVICE）的主要服务方，大量治疗计划软件与决策支持类软件这一领域进行布局。这类AI归属于医疗器械范畴，需通过国家药监局第三类医疗器械审评审批。早期SiMD产品的具体形式包含一个特定的病种与一个特定的影像设备，因而也被称为单病种AI。以最为常见的肺炎辅助诊断软件为例，该品类AI能够对“CT影像”进行智能处理，找出影像数据中可能存在的肺炎病灶。这个过程中，AI能够大幅缩短医生阅片时间、自动生成报告，有效提升影像科效率。单病种AI日趋成熟后，许多AI企业开始尝试多病种AI的研发，希望破除“1对1”的关系，通过单一影像7图表 1 医疗AI四种主要类型数据来源：蛋壳研究院设备产生的数据诊断多个病种。这一趋势下，多病种AI与单病种AI之间不是替代关系，两种算法适用于不同的场景，现阶段的多病种AI可补充基层医疗筛查场景。医院端面向医院的AI主要围绕“智慧管理”、“智慧服务”展开，可应用在客服、导诊、监管、绩效评估、经营数据分析等场景，如替代医生、护士完成对于患者的引导工作；辅助监管人员对医疗过程中医患行为的合理性、合法性进行监督；协助医院管理人员对医院各项经营数据进行收集分析，缓解医疗资源缺失问题。上述场景中的AI通常不形成独立软件，而是以软件组件的形式嵌入HIS、EMR、EHR、CDR等既有信息化系统中，或与机器人、扫描仪等硬件结合，主要表现形式为分析和挖掘类产品与医疗助理类产品。在专科CDSS这一场景中，也有企业获批第二类医疗器械，提前规避可能到来的监管要求。药企&患者人工智能药物发现与设计（AI DRUG DISCOVERY&DESIGN，简称AIDD）的本质是通过数据去提取和学习，最重要的特点是数据驱动。AIDD进行的前提是有数据，然后再基于数据进行归纳凝结成方法论，再把方法论应用到新的样例中去做相关预测。具体作用于药企时，AI的基础作用在于基于知识图谱代替研究人员从大量文献中寻找可能的生物标志物、靶点；挖掘潜在的药物新分子；对患者信息进行分析处理以帮助临床试验进行匹配等，通过提升药物研发单一环节的效率，缩短研发所用时间投入与资本投入。受制于数据获取方式的限制，直接面向患者的医疗AI应用较少，主要用于皮肤病检测、慢病管理服务时的智能交互。2021年起有部分企业将AI与特定的管理模式集成形成数字疗法，可应用于慢病管理时患者的用药支持与用药监督。总的来说，初始医疗AI作用方式在于对于过往人类活动的“替代”与“优化”，实现智慧赋能下的降本增效，本报告以AI1.0定义上述应用的集合。该集合下，AI为医疗体系带来改变的传导模式基于效率，没有对医疗体系本身带来显著改变。1.2 进阶AI：颠覆式的价值创造AI2.0是AI1.0应用场景范畴的延展，与AI1.0的差异判别在于：是否能够将知识与算法深度融合，对已有医疗流程进行颠覆。简单来说，初始的AI注重于强化作用主体的效率，而进阶的AI有能力将流程进行推倒重建，围绕AI能力建立新的秩序。两种AI以各自的方式赋能医疗体系，为协同关系而非竞争关系。目前医疗AI行业已有不少成熟的AI2.0式应用，在这背后，日益丰富的高质量医疗数据与逐步多元的算法为AI创新提供了重要支撑。1.2.1 影像设备功能扩展8在影像设备的发展史中常常会出现设备之间的应用场景替代现象。譬如，传统放疗常用锥形束CT（CBCT）对直线加速器进行引导，而磁共振成像可以提供常规CT难以比拟的分辨率和组织结构呈现，有能力在某些特定场景对CT引导进行替代。AI技术同样有能力促成替代现象的发生，这项技术既有可能推动特定场景下某一设备对原有设备进行替代，亦有可能帮助已被替代的设备重新获得特定场景的使用权。心功能分级是一种评估心功能受损程度的临床方法，可以大体上反映患者病情严重程度，对治疗措施的选择、劳动能力的评定、预后的判断等有实用价值，通常采用心电图、心脏超声、心脏磁共振等手段进行评估心脏病变的严重程度。理论上讲，利用CT也能完成评估作用，并获取维度更多的信息。但在实际之中，CT不能测量血流信息，基于冠脉CT的心功能评估流程复杂验证困难，相较心电图、心脏超声的方式成本、效率均不占优势。AI介入之后，CT繁杂的心功能评估过程能在CTA重建中实现，患者可以在螺旋CT辅以心电门控技术的组合下获得4D数据显示心脏解剖及功能，无需独立进行超声检查。通过这一路径，AI通过CTA间接优化了心功能检查流程，医生能够更精准地通过分级判断患者预后，进而规划更有效的治疗方案。基于冠脉CT的心功能评估目前尚未广泛应用，但这一案例显示了一种可能，即AI有可能增强医学影像设备的作用半径，进而合并多项检查，为临床流程优化提供新思路。1.2.2“老技术”新用FFR是一种功能学评价冠脉血流动力学的指标，可通过进行冠脉狭窄功能性评价，辅助医生进行冠心病诊断，精准判定心血管血流功能的好坏，减少不必要的冠脉造影，帮助医生更好规划冠脉治疗方案。基于导丝的 FFR 测量主要应用压力导丝得出 FFR 值，测量过程中需要配合采用三磷酸腺苷等血管扩张药物诱导最大充血反应，对于不适用相关药物的患者无法进行检测。而且由于测量插入压力导丝，时间较长，患者比较痛苦，每次压力导丝的费用在1 万元左右，费用较高。因此，有创 FFR 普及率不高。影像 FFR 测量利用AI、流体力学等技术，用算法替代了压力导丝介入血管，消除压力导丝为病人造成的痛苦，且测量过程中无需使用血管扩张药物。同时，无创FFR 的费用在2000-3000元，相比有创FFR，费用较低。在保证准确度的前提下，把介入式诊断变为无创诊断。因此，无创FFR应用更广。CT-FFR是影像FFR测量方式中一种，由美国企业HEARTFLOW开创，在全球范围内实现广泛应用。国内科亚医疗、睿心医疗、数坤科技等企业基于CTA检查与其自研的AI，为患者提供智能化的无创FFR分析，替代有创的导管FFR。AI支持下的CT-FFR进一步延展FFR的功能，如通过功能性心肌缺血评估，减少不必要的诊断性冠状动脉造影检查和支架置入数量，有效避免有创 FFR 造成的药物副作用及并发症，在DRG支付下具备显著的卫生经济学价值。9对于后者，医疗AI的介入能够将耗时量大、重复劳动率高的影像后处理过程交由智能化的算法进行处理，将处理时间缩短为数分钟，实现更为精准、高效的FFR计算。到目前为止，国内已有科亚医疗、睿心医疗、博动医疗等企业获得了AI支持下的CT-FFR、OCT-FFR三类证。总的来说，AI在特定条件下的数据分析能力可以跨过常规步骤获取结果，其计算过程等价于借助耗材获得数据后进行的分析。在这种情况下，充分发挥AI的数据分析能力，有望减少部分疾病诊断过程中对于耗材的使用，进而重构临床流程，减少检查过程中患者支付的费用及诊疗受到的伤害。1.2.3 通过影像学量化分析探索可能的病症变化在常规诊断流程中，放射科医生通过翻阅CT影像评估患者病灶，可以获得的信息包括病灶密度、病灶形态、病灶数量与病灶大小，但由于缺乏精准量化分析，诊断过程中忽视的一些细节，可能成为左右患者病情的关键所在。因此，AI的介入能够对医学影像进行更为细致地量化分析，甚至能够借助大数据找到一些过去不曾存在的联系。新冠肺炎疫情初期的患者往往存在较为严重的肺部病变，其不同时期的胸部CT有着不同的影像征象，这些征象部分具备特异性。但是如何对征象进行鉴别区分，如何设立评估标准，如何进行后续治疗，在2020年初期尚未存在明确答案。借助于AI，联影智能曾在当时进行了一项新冠肺炎回顾性实验，结果显示：新冠病毒患者的CT影像中，存在较多磨玻璃影，呈铺路石征，而细菌性肺炎患者的CT影像中实性病变较多且有时伴有胸腔积液的情况。借助这些信息，联影智能已经能够给出一个所患肺炎类型的概率结果，帮助医院及时判断患者病情。在实验过程中，联影智能通过AI辅助分析系统将肺部分成不同的肺段，把其中的病灶勾勒出来，计算每一个肺段病灶区的感染比例，从而为诊断感染情况提供参考。利用AI算法可以精准地计算感染区域在不同肺叶、肺段的分布。新冠疫情期间，联影智能曾基于1294个肺炎病例进行空间结构归一化与统计分析，形成新冠肺炎在全治疗过程中的图谱结构，可一目了然地看到疾病进展与治疗过程中的变化结果。通过大数据分析，联影智能能够找到某些鉴别诊断的规律，对征象进行精准量化分析，医生也能够对新冠肺炎患者进行轻中重病情程度划分，制定个体化的隔离、治疗方案，对紧缺医疗资源的调度以及患者治疗进行一定程度上的优化。透过这个案例可知，通过特定方式处理影像，并借助AI进行分析，有可能得到肉眼无法观测到的诊断结果。如果能将AI带来的智能化能力赋能医院，医生或能借助回顾性研究找到更多规律，并借助发现的规律重塑诊断标准与诊断流程。1.2.4 蛋白质结构预测蛋白分子是生物系统发挥功能的核心，获取了蛋白结构，我们便可以利用计算方法进行口袋检测、分子对接、虚拟筛选等来辅助药物设计过程。但蛋白分子的真实三维结构获取复杂且昂贵，往往是10通过X射线晶体学、冷冻电镜与NMR等实验手段获得，目前解得蛋白质结构约18万种，远低于UNIREF90中10亿条蛋白序列。GOOGLE旗下DEEPMIND的ALPHAFOLD系列技术通过多序列比对（MSA）挖掘共进化信息，找到蛋白质序列特征结构，加之不变点的注意力机制的应用，实现了2.14亿个蛋白质序列的预测，并且得分已经接近于实验技术获得的结构水平。其中，58%单个氨基酸位点的蛋白预测结果达到了足够的置信度，36%的预测为药物开发提供了详细的原子特征。从ALPHAFOLD到ALPHAFOLD2，DEEPMIND两代ALPHAFOLD算法带来的技术突破正深刻地影响着新药AI领域的发展，解决了生物学界长达50年的蛋白质空间结构预测难题，极大推动了新药AI领域的发展进程，尤其是在AI+大分子药物领域的研发。基于ALPHAFOLD2对蛋白质结构的精准预测，研究人员能够更加高效进行基于结构的药物设计，也为靶点发现和药物设计打开了新的思路。ALPHAFOLD2的推出对药物研发领域的意义在于：预测出的蛋白质结构信息能阐明蛋白质结构活性关系（SAR），揭示结合模式和生物活性构象，并揭示新的结合口袋或变构结合位点。不过也需注意，ALPHAFOLD2仅仅完成了蛋白质的结构解析，从蛋白质结构预测到新药研发实践，还有很多问题待解决。如果AI能够对蛋白质的功能进行预测，必将加速这项技术的商业化落地。1.3高壁垒、长积累，医疗AI大有可为医疗AI2.0的价值创造方式与AI1.0有所不同。1.0时代是覆盖式创新，即肺部做完了转向脑、心、肝等脏器，而2.0时代的创新是以1.0创新成果为基础的单点式创新，即各企业在各自领域探索AI的深层次价值，没有形成1.0时代的AI产品矩阵规模。那么从1.0到2.0时代的跃迁什么最重要？决定AI品质的算法、算力、数据三要素，真正能够形成壁垒的还是算法与数据。以辅助诊断类AI为例。AI1.0时全球范围内均缺少开源的医疗大数据，AI企业能够直接获得的数据很少，存在数据量小、标准化低、标准成功率低、数据类型有限（以肺结节为主）。在这个阶段，企业获取有效数据集必须与医院进行合作，在取得脱敏数据后对其进行分类、标注、训练。由于整个过程均需人工进行，单个数据标注成本在10-30元不等，耗时20-40分钟，投入有限但耗时极长，尤其要获得高质量的标注，企业/医院必须找到资深医生进行标注，标注的难度由此大大提升。伴随AI技术愈发成熟，2020年开始，大量医院自发加入的单病种影像数据库、第三方测试数据库的构建中，数据量呈现指数增长，AI企业进行新适应症开发面临的难度骤减，加之第三方数据库逐渐形成规模，医疗AI的产品丰富程度随之增长，AI企业打造的数据壁垒开始削弱，算法壁垒的作用开始凸显。另一方面，国家药监局器审中心于2022年3月7日发布了的 人工智能医疗器械注册审查指导原则（后简称 指导原则）重新描述了人工智能医疗器械的概念、注册基本原则、人工智能医疗器械生存11过去，深睿医疗、联影智能、腾讯医疗、医准智能等企业曾在小样本学习、无监督学习等新式AI算法等方向进行尝试研究，这些新的研究结果同样属于当前定义下的AI，但却未被当年的审评审批包含其中。在文件发布后，更多创新算法审评审批流程得到确认后，医疗AI的壁垒逐渐向算法偏移，更为丰富的算法将进入市场，以更为有效的方式赋能诊疗流程。总的来说，无论是AI1.0时代还是AI2.0时代，医疗AI的价值都在于通过智能化重塑数字化医疗，这是一个缓慢而持续的过程。目前，AI+辅助诊断与新药AI研发等主流AI产品处于商业化的过渡期，即具备高准确度、可复制的模型；NMPA给出的医疗器械认证；完备的知识图谱；稳固的合作伙伴等等商业化组件，但由于市场对于新技术认可的滞后性，大部分目标医院/药企因对智能化产品效益、创业公司能否持续经营运维持怀疑态度，因此付费率仍有提升空间。随着市场对于AI价值的不断认可，医疗AI企业们的商业化能力将逐步增强，或在数年之内实现扭亏为盈。周期过程、技术考量等部分。值得注意的是，该政策对人工智能审批适用的算法进行了完善，在深度学习的基础上加上了迁移学习、集成学习、联邦学习、强化学习、生成对抗网络、自适应学习。12图表 2 各类AI算法的内容与监管数据来源：蛋壳研究院13图表 3 政策的推进历程数据来源：蛋壳研究院数倍营收增长，距离盈利仅一步之遥Multiple revenue growth,just one step away from profitabilityCHAPTER02技术的发展前景一定程度取决于应用该技术的场景的活跃状况。虽说以神经卷积网络为核心支撑的AI早在上个世纪便已应用于处理大型数据集，但这项技术真正进入市场并得到资本的青睐，已是21世纪的第二个十年。从全球范围看，基于计算机视觉的AI辅助诊断与基于NLP的医疗知识图谱构建是医疗AI之中跑得最快的两个领域。尤其是AI辅助诊断，在2015-2020年这个区间之内，数百家企业涌入这个赛道，超过百家企业从一级市场获得融资。2020年1月，科亚医疗率先凭借深脉分数取得首张影像AI三类医疗器械注册证，标志着影像AI商业化时代的到来。而后两年时间，影像AI频频获批医疗三类器械，找到可行盈利路径的头部影像AI厂商开始陆续交表，驶向二级市场。与此同时，技术可行性得到确认的新药AI研发赛道开始逐渐取代AI影像成为新的创业公司聚集地，医疗信息化也凭借新概念数字疗法的崛起而重新引入新鲜血液。本章将逐一对医疗AI的一级市场、二级市场表现状况进行分析，逐一解读医疗AI各赛道的投资热点、发展状态与未来盈利的可行性。2.1 影像相继IPO，新药研发成一级市场主要标的2021年9月1日-2022年8月31日（后简称2022统计年）总计发生医疗AI相关融资事件112起，相较2020年9月1日-2021年8月31日（后简称2021统计年）融资事件总量略有减少。将2021统计年融资事件进行拆分可见，新药AI研发以43起名列第一，AI影像37起位居第二。但到了2022统计年，AI影像企业大量递交招股书导致一级市场融资数量骤降至26起，造成融资总量有所下滑。15图表 4 医疗AI不同领域的融资情况数据来源：蛋壳研究院AI影像在2018年攀至投融资的巅峰，随即在次年开始逐步滑落。减少的企业以天使轮创业公司为主，以2021统计年为例，没有新的项目获得天使投资人的青睐，A轮融资也仅有4起。相比之下，位于头部的AI企业，如科亚医疗、睿心医疗、鹰瞳科技、数坤科技、深睿医疗、推想医疗、医准智能、强联智创、汇医慧影等，均在统计时间内进行了多轮亿级融资，市场资本高度聚集。在2022统计年中，主要融资数据贡献者科亚医疗、推想医疗、数坤科技已相继提交招股书，而天使轮/A轮融资表现与2021年相仿，仅4家企业构成5起融资。AI放疗企业柏视医疗在这一年中完成了两次融资，但该企业自2017年成立起已在AI放疗领域进行了广泛研发与落地，2022年的融资可能更注重于商业化落地。以康复机器人、手术机器人为主的AI机器人赛道融资数量同样有所下滑。我们认为，宏观层面下AI机器人赛道中的企业多以设备制造为主，AI解决方案为辅，因而资金投入较其他赛道规模更大，人才更为聚集，整体数量较少。微观方面可分为三点。其一，近年市场表现中传统康复机器人企业已在存量市场之中占据有利地位，以AI解决方案作为新价值输出点不足以构建一个有力的增量市场。其二，国产手术机器人发展受挫，微创、天智航等头部企业虽有完成NMPA注册的产品，但因缺乏市场教育不能有效落地，投资人对于手术机器人未来商业化的可行性存在顾虑。其三，血管介入手术机器人等赛道仍处于探索之中，虽有潜力但未能充分验明AI临床价值与商业价值。因此在2022统计年，AI机器人的融资数量由19起减至10起，出现较为显著的减幅。信息化在2021年通过“数字疗法”找到新的增长点。从融资数据来看，2021-2022年两个统计年该领域变化不大，区别在于2022年更多数字疗法企业获得了融资。具体而言，惠每科技、森亿智能等企业已经属于后期项目，南栗科技、望里科技等瞄准慢病管理及心理健康管理的领域则存在更多不可估量的发展可能。新药AI研发方面，尽管还没有一款由AI研发的新药上市，但新药AI已经跨过了讲概念的阶段，步入快速发展期。据蛋壳研究院不完全统计，目前已有近40款AI药物管线已经步入临床阶段，其中2款获得FDA紧急授权批准，11款处于临床2期，24款处于临床1期。换句话说，无论是否将AI用于药物研发，生物制药企业已普遍将AI视作一种常态化工具，这意味着AI已经有了市场基础，因而能够一定程度上解释新药AI融资的全面爆发。另一方面，EXSCIENTIA、SCHRDINGER等海外企业亿级的订单与SAAS模式下提供技术服务稳定收入，也为创业者与投资人注入强心剂。资本持续加持下，新药AI迎来创业高峰。这一趋势很好反应了2021统计年的融资数据中。2021统计年总计发生的35起披露轮次新药AI研发融资中，早期项目（B轮以下，不包括B轮）占据了80%，2022统计年整体数量由28起增至32起，早期项目仍维持有76%的比例。2021年前，资金往往聚集于晶泰科技这样的头部企业，新药AI初创公司融资项目极为有限，但从16近两年新药AI一级市场表现可知，新药AI已经成为AI中最具可投性的赛道，大量投资机构蜂拥入场，将AI的应用场景从晶体发现、临床患者筛选引向了制药流程的方方面面。图表 5 2021年及2022年新药AI融资轮次情况数据来源：蛋壳研究院图表 6 新药项目融资体量分布情况数据来源：蛋壳研究院同为软件开发，新药AI研发的估值要比AI支持下的其他赛道贵上不少。统计数据显示，处于天使轮的项目均需千万元以上，A轮（包括PRE-A轮、A+轮）企业募集的资金超过半数已过亿元。投资人对于新药AI研发赛道非常乐观，晶泰科技后期单轮3-4亿元的募资额，新合生物5亿元A+轮融资、百图生科1亿美元A轮融资均充分显示一级市场相信新药AI有着美好的图景。172.2 多家企业步入二级市场，AI影像仍是主流二级市场对于上市医疗AI企业的价值包括提供现金流以供企业进行新项目研发；揭示营运数据展示公司发展潜力；提升品牌影响力便于更好的执行产品销售等，而对于医疗AI这个赛道，登录二级市场，还多了一层“技术真实可行”的含义。医疗人工智能在2021年掀起上市潮，医渡云、科亚医疗、零氪科技、鹰瞳科技、推想医疗、数坤科技相继递交招股书；医渡云、鹰瞳科技成功上市。但这波势头在2022年戛然而止，大部分头部AI企业现金流较为稳定，资金储备充足，出于处于经济压力下行下破发的忧虑，截至9月15日，国内仅博动医学递交招股书。值得注意的是，该企业以冠脉介入精准诊断为主攻方向，AI支持下的QFR仅是其产线之一。2.2.1交表企业主营收入分析为了更好地反应中国AI技术发展状况，我们选择了亚洲交易所中6家已上市及拟上市的企业作为标的进行对比分析，他们包括专注于提供泛血管介入手术数字化诊疗解决方案的博动医疗、布局医学影像平台打造数字医生产品矩阵的数坤科技、围绕AI开展全科室数字产品的推想医疗、主打AI眼底筛查的鹰瞳科技与韩国主打AI影像和AI病理的LUNIT。总体呈现旺盛的营收增长态势五家企业的营收均呈现出不同幅度的正增长，表明市场进一步拓展，其中数坤科技2021年上半年同比增长达681%。收入已成规模的鹰瞳科技仍然录得142%。图表 7 交表企业主营收入分析 数据来源：各公司招股书、年报、LUNIT BP，蛋壳研究院18根据灼识报告，中国主要医学影像模态的扫描量从2015年的19亿次扫描增长至2020年的25亿次扫描，预计于2030年将达40亿次扫描，年均增长率约30%。尽管中国医学影像扫描量基础庞大，中国每百万人次的扫描量仍较低，于2019年，中国每百万人次中，四种主要医学图像模态DR、CT、MRI及超声的扫描次数仅为约1.7百万次，预计于2025年将增至约2.3百万次，表明中国的医学影像市场具有巨大的增长潜质。营收结构来看。博动医疗基于软硬件一体化（包含AI技术）带来的设备销售额占比为89%，技术服务占比为8.9%，对比鹰瞳科技收入中数字化软件解决方案部分贡献4285万元，占比89.9%，硬件部分(眼底相机产品为主)销售额度为334万元，仅占7%。2.2.2净利润分析AI影像毛利率总体维持在高位，前景可观在四家中国企业中，毛利率值除鹰瞳科技在65%左右以外，博动医疗、数坤科技、推想医疗三家企业的毛利率均维持在80%-90%的极高区间，前者较后三家较低的原因之一是，后三家企业更多的选择分销与直销的商业模式，鹰瞳科技更偏重直销模式，增加相应的产品服务成本。高毛利也映射出目前AI影像行业的发展前景乐观。从净利润中看行业仍处在早期尽管如此，5家企业净利润数据仍然为负，且部分亏损在2021数据中持扩大，仅一家实现净利润同比的增长，与同期相比，推想医疗在2021年一季度大幅收窄，但主要是由于其2020的亏损基数较大所致，2020年其亏损数额相对较高。图表 8 交表企业净利润数据对比分析数据来源：蛋壳研究院19从交表企业的净利润数据对比来看，5家企业中4家在选取的财报期间均存在亏损持续扩大的情况。其中博