2018年中国健康医疗大数据行业研究报告
开篇摘要
? 大数据及AI技术在健康医疗领域应用场景包括、辅助决策、健康/慢病管理、机构智能化 管理、基因数据*等。预计2019年，辅助决策类中的影像辅助诊断将首先落地，主要因为 其90%的准确率，可以快速为医生提供丰富的细节信息。其他应用场景，医疗机构的智能 化管理，将在各省市区域信息平台及三大健康医疗数据集团推动下进行。全科辅助决策、 健康/慢病管理、人工智能新药研发等，大多处于产品研发中期。针对这三个领域，企业 仍需投入大量技术人才，以缩短流程路径，提升产品准确率。
? 艾瑞认为，假设2022年人工智能技术辅助决策应用应用落地，市场规模将达到55.86亿元 人民币*，其收费模式将包括软硬件解决方案、软件搭载、按次收取等多种方式。
? 健康医疗大数据快速发展的先决条件有三条，1）政策支持，顶层政策推动的同时，各类细 节管理办法也要及时跟上市场发展；如，CFDA需要就基于人工智能技术的临床应用，开发 新的监管框架，为申请三类证开通通道。2）市场认可，健康医疗大数据及AI技术的临床及 商业价值快速被市场认同，即企业客户与患者用户均具备一定的数据消费意愿与能力。3） 资本支持，大数据及AI技术的应用研发需要大量资金支持，在产品尚未全面铺开时，市场 需要资本不断的注入以维持研发能力。
大数据在健康医疗行业中应用价值 大数据在健康医疗行业中发展概况
1 2 3 4 5
典型企业案例分析 挑战及未来趋势 附录
健康医疗行业面临的困境
中国及全球健康医疗行业面临的主要问题 1 全球医疗困境
??人口的增长和老龄化，发展中国家医疗市场的扩张、医学技术的进步和人力成本的不断上涨将推动支出增长。 2017-2021年全球医疗支出预计将以每年4.1%的速度增长，而2012-2016年的增速仅为1.3%。 ??慢性病发病率提升，变化的饮食习惯以及日益增加的肥胖度加剧了慢性病的上升趋势，特别是癌症、心脏病 和糖
尿病，目前中国糖尿病患者约有1.14亿，而全球患者人数预计将从目前的4.15亿增加至2040年的6.42亿。
??传统研发（R&D）成本上升，产品上市速度慢，2004年至2014年药物开发成本增加了145%。 ??劳动力不足，在人口结构的变化和技术的迅速发展下，熟练和半熟练医疗保健工作者将大幅减少。
2 中国特色困境*
??供需结构失衡，2016年我国每千人口执业（助理）医师2.31人。2015年我国每千人口医师数量在OECD统计
的国家中排名处于25-30之间。此外，我国医生执业环境较差，使得进入医疗系统的优秀人才逐年趋少。
??医疗资源发展失衡，2010-2016年三级医院诊疗人次及机构数量复合增长率分别为10.7%和8.3%，而基层医
院仅为1.5%和0.4%。传统就医模式使得三级医院人满为患，导致就医体验差及优质医疗资源浪费严重，因此， 我国仍把推行分级诊疗作为当前首要任务。
??医保透支，《中国医疗卫生事业发展报告2017》预测，到2024年将出现累计结余亏空7353亿元的赤字。提升
医保控费能力，探索创新支付机制迫在眉睫。 ??因此，改善现有就医模式，推行分级诊疗势在必行。
注明：中国特色困境数据说明请参考附录部分。 来源：德勤2018年全球医疗行业展望，IBM重塑生命科学，IBM
发展前景一片光明，艾瑞研究院自主研究整理。
健康医疗行业面临的困境
分级诊疗推行需建立在信息、资源及利益互通上
2015年，国家卫计委提出分级诊疗制度将在2020年全面确立，包括基层首诊、双向转诊、急慢分诊、上下联动分诊诊疗 等。新模式的搭建过程中，主要存在以下3个问题。1）信息不流通，各医疗机构间多为信息孤岛，患者信息无法进行快速 共享流通；2）资源不流通，优质医生多集中在各大省会的顶级医院，且三甲医院医生精力有限，每年可支援的基层医疗 更是有限；3）利益不互通，医院之间缺乏有效的利益捆绑机制，以促进患者在院间的流通。
2018年分级诊疗推行中遇到的问题
信息不流通
? 诊疗记录、患者信息、电 子病历等不互通、不共享
资源不流通
? 优质医生集中三甲医院，且多为 专科医生；全科医生多集中基层 数量少且能力弱
利益不互通
? 不同层级间医院为竞争关系， 需建立有效的利益捆绑机制
??提升医药服务供给能力与效率，降低医疗费用
分级诊疗
来源：艾瑞研究院自主研究整理。
2018年中国健康医疗大数据行业研究报告
