医疗科技：把握终端场景变革，数字化，科技赋能的投资机会（附报告）
医疗科技：把握终端场景变革，数字化，科技赋能的投资机会
报告目录：
疫情期间，医药产业终端场景变革催生格局重构
疫情期间，“医+药+险”全链路在线化模式初步落地
终端场景发生变革，催生医药产业整体格局重构
疫后时代，医药产业拉开数字化发展序幕
信息化基建提速，大健康全域数据网络有望形成，医药产业进入数据时代
“医”端信息化基建提速，医疗大数据中心有望形成
“药”端信息化基建提速，药品大数据中心有望形成
“险”端信息化基建提速，医保大数据中心有望形成
“医+药+险”全链路在线化实现场景击穿，推进医药产业进入健康数据时代
数据资产“积累+运营”二位一体，成为新时代的企业核心竞争力
以C 端为中心的数据资产，在诸多领域均体现重要价值
医药产业新时代，数据资产“积累+运营”能力将成为企业核心竞争力
Health-tech 不断渗透，多场景赋能医药产业
医疗领域：医疗科技贯穿“诊前-诊中-诊后”全流程
预防、康养等环节：可穿戴设备、康复机器人
问诊环节：语音识别、人机对话（智能导诊/预问诊）
诊断环节：影像诊断、脑机接口、远程会诊、胶囊机器人
治疗环节：远程手术、手术机器人
医药领域：药物研发、药品追溯
监管领域：电子票据、医保电子凭证、健康码
其他领域：体温快检、远程教学（VR 教学等）
报告要点：
疫情期间，医药产业终端场景变革催生格局重构。“医+药+险”全链路在线化模式于疫情期间初步落地，患者与医疗/医药机构、医师/药师、处方、医保卡及药品等实现全面分离，终端场景从face-to-face 走向face-to-screen。我们认为，这将进一步催生医药产业格局重构：health-tech 的渗透、物流体系的联结、各核心要素的终端场景分离使得医药产业格局重构，向平台型发展模式升级。
疫后时代，医药产业拉开数字化发展序幕。疫情期间，国家大力推进“互联网+医疗健康”发展，“医”、“药”、“险”三端信息化基建全面提速。我们认为，医药产业全域数据网络有望形成，监管能力将实现指数级提升，正式拉开健康数据时代序幕。随着药品数据化、运营数据化、就医购药行为数据化等产生海量数据，数据资产“积累+运营”能力或将成为企业的核心竞争力。
Health-tech 不断渗透，多场景赋能医药产业。我们认为，随着Health-tech 加速向医药产业渗透，人工智能、区块链、物联网、5G、机器人等科学技术正逐步与医疗、医药、监管等环节融合，催生了可穿戴装备、康复机器人、脑机接口、胶囊机器人等新兴科技医疗装备，医药产业或将面临重要变革。
内容精选：
疫情期间，医药产业终端场景变革催生格局重构
疫情期间，“医+药+险”全链路在线化模式初步落地 医药产业具有特殊性。由于医药产业中消费方（通常为患者本人）、支付方（以国家医保为主的多层次支付体系）、决策方（通常为医师/药师）三方互异，所以终端消费场景较传统消费领域更为复杂，参与方更多，共同影响终端消费行为。
图表1: 医药产业具有特殊性，消费方、支付方、决策方三方互异
“互联网+医”及“互联网+药”进一步向“互联网+医+药”发展。早期，“互联网+医”及“互联网+药”的独立发展使得患者出现“诊药分离”现象。2017 年开始，医疗、医药、运力等多方开始联结，以患者就医需求为中心实现功能融合，线上线下逐步融为一体，“互联网+医+药”模式出现。
图表2: Health-tech 协同国内发达物流体系，“互联网+药”的场景不断演变
疫后时代，医药产业拉开数字化发展序幕
2018，重要里程碑；2020，加速器。我们认为，2018 年4 月，国务院办公厅正式发布《关于促进“互联网+医疗健康”发展的意见》，从基调上明确了对“互联网+医疗健康”发展的高度重视，成为行业发展的重要里程碑；2020 年，新冠疫情的发生，成为“互联网+医疗健康”加速发展的拐点，不论从国家频出的政策支持力度而言，还是从全民自行的习惯培养而言，都成为行业发展的加速器。
全面基建时代开始，拉开健康数据时代序幕。我们认为，2020-2022 年，国内医疗/医药/医保体系将全面进入信息化建设时代，各地互联网医院（平台）的建设、药品信息化追溯体系的落地、全国医保电子凭证的应用等将为“互联网+医疗健康”在全国范围内实现“医+药+险”联动发展打下坚实基础。随着“医+药+险”各环节实现全流程数字化，以及多层次支付体系日益完善，我们认为，2023 年开始，医药产业或将进入健康数据时代，各核心要素实现数据互联互通，国家监管能力实现指数级提升，以消费者为中心的多入口、无边界、个性化、全生命周期健康管理模式有望落地。
图表5:“互联网+医疗健康”发展提速，2020 年进入全面基建时代，拉开健康数据时代序幕
图表6：“医”端信息化基建提速——省市级医疗/医药机构信息化建设推进医药分家、分级诊疗进一步落地
Health-tech 不断渗透，多场景赋能医药产业
医疗领域：医疗科技贯穿“诊前-诊中-诊后”全流程
问诊环节：语音识别、人机对话（智能导诊/预问诊）
语音病例：提升工作效率，但系统仍有一定优化空间手工病历录入中有着诸多痛点：1）病历录入耗时过长，根据丁香园调查，50%以上的住院医生每天用于写病历的平均时间达4 小时以上，其中一部分甚至超过7 小时；据美国医学会（AMA）统计，医生职业生涯约15~20%的时间用在病历书写等文档工作上，而正在接受训练的医生（如住院医师）所耗费的时间更是高达30%。2）由于需要使用器材进行诊断，绝大部分医生无法立刻记录病人情况，事后补记往往会遗忘一些信息，影响后续治疗。3）病例录入工作过于繁琐，部分医生无法拿出大量时间进行详细病历记录，过于简化的记录不利于医院和研究机构进行病案的回溯性研究。
通过AI 算法及硬件的辅助，语音识别到文字转换可以在很短的时间内完成，在保证识别率的前提下，大大减少了医生的工作负担，也保证了病人档案的完备性和更新的实时性。
语音识别系统一般通过以下环节实现声波信号到文本的转换：预处理环节、提取声学特征环节和确定用词环节。首先，在预处理阶段通过传统的算法降低声波信号的噪声干扰，并将整段声音分割成毫秒级别长度的音频帧。其次，针对每一段音频帧提取声学特征，用一个多维向量表示每一帧波形。最后确定用词环节中，根据特征向量，通过循环神经网络模型（RNN）将音频帧识别成状态1，进而将状态组合成音素2，音素组合成单词，最终确定声音信号表达的语句文本。
图表14: AI 语音电子病历解决方案
图表15: AI 语音电子病历解决方案
AI 的优势仍受制于标记数据的有效性。如上所述，以卷积神经网络（CNN）为基础的网络结构在图像识别上取得了不错的效果，但这基于深度学习模型在大量数据的输入后进行的训练。医疗影像识别中起作用的是“标记数据”，需要资深医生长期的经验与完备的思考才能获得。与已经实现不依靠人类棋谱学习的“AlphaZero”截然不同，AI 医疗暂时不能去像学习围棋规则一般，来抛开人类直接获得医学影像识别能力的提高。因此，我们认为，AI 将与人类在医学影像识别中一同进步，大多时间AI 会承担辅助诊疗的任务。
医疗影像产业链上下游融合，市场参与者众多。医疗影像市场参与者可以分为以下三类：医疗影像设备商，通过AI 技术使医疗影像设备更加智能化；科技巨头，如IBM、Google、BAT 等，整合多种疾病检测算法，在AI+医疗领域全面布局；初创企业，专注于某类或某几类疾病的AI 辅助诊疗（如放射科的肿瘤检测、心血管影像检测等），部分公司的产品已经商业化阶段。
图表17: 医疗影像产业链参与者（截至2020 年5 月）
图表19: 依图新型肺炎智能影像评价系统
本文来自 中金公司医疗科技：把握终端场景变革，数字化，科技赋能的投资机会
