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

 

注:除标明原创外,均为网友或机构投稿分享,如有宣发需求请联系dongxizhiku@163.com。