从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如：远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。

一、人工智能在医疗行业的主要应用领域

人工智能的优点是高效计算与精准分析，因而它可以有效解决医疗的行业痛点，给医疗行业多个领域的发展带来机会，我们认为人工智能在医疗行业主要的应用领域有：

（1）基因测序；

（2）药物发现；

（3）医疗智能语音；

（4）医疗智能视觉；

（5）医疗机器人；

（6）可穿戴医疗设备；

（7）远程医疗；

（8）医疗智能决策；

（9）智能诊断等。

二、医疗行业生态链以病人的需求为核心

病人为整个医疗生态链诊疗的出发点和落脚点。智能医疗产生态链应该紧紧围绕病人展开，从和人的交互角度来看，其主要由云和端构成，其中，云是医疗生态链的顶层环节，是为了解决医疗信息的存储汇总管理、发掘与决策的云端应用层，如谷歌的医疗大脑，它一般是不和人们直接接触；端是医疗行业的落地点，是智能医疗设备和人的交互环节，是获取与反馈病人信息、检测与治疗的设备终端，如核磁共振检测仪、手术机器人等均属于端的范围，医疗生态链的端作为人机交互的终端设备拥有着最广阔的市场空间，其未来的演化路径是便捷化、实时化、智能化。

三、人工智能颠覆医疗行业生态链

我们认为，人工智能对医疗行业的颠覆是全方位的。首先，颠覆传统的药企，颠覆传统药企主要体现在药物发现环节，可以提供精准化、个性化药品；其次，颠覆传统的医院，颠覆的路径是促使传统医院从固定到移动、从近程到远程；再者，颠覆医生的诊断方式，促使医生从繁琐的事物中解脱出来，转变成诊疗规则的制定者和诊疗过程的监督者；最后，颠覆病人的看病方式，病人将逐步实现足不出户得到精准的、个性化的解决方案，从而拥有更好的治疗体验。

四、智能医疗行业发展逻辑

我们认为智能医疗行业的爆发顺序应为计算智能→感知智能→认知智能，但这三者的发展并不是严格的先后顺序关系，医疗生态链三个智能的融合与协同并进。从未来5-7年的中期来看，我们认为计算智能和部分感知智能将迎来机会，计算智能的基因检测和药物发现、感知智能中的医疗智能语音、医疗智能视觉、可穿戴医疗设备等将迎来爆发；从未来8-10年的长期来看，部分感知智能如远程医疗和医疗机器人、认知智能的智能决策和智能诊断将迎来爆发。

五、主要结论

我们认为人工智能在医疗行业诸多领域将迎来爆发。其中，人工智能的云端将以医疗信息存储管理和医疗数据挖掘决策的方式同医疗行业深度融合，它是是整个生态链的顶层，是为了解决医疗信息的存储汇总、大数据挖掘、信息管理与决策等的网络应用层。人工智能的端部分是智能设备终端，它通过人机交互的方式参与疾病诊断治疗的方式融入医疗行业，一方面，有些智能终端通过其内部集成的各种智能传感器来实时获取病人的医疗信息作为医疗检测的判断基础；另一方面，有些智能设备终端是帮助治疗的机器人，可以根据病人的信息提供更精准的、个性化的治疗；最后，有些设备终端主要起到辅助作用，可以辅助、医生、病人等，可以帮助医院及医生辅助治疗又可以辅助病人如：帮助老人活动、助听、助视等。

对人工智能按不同医疗领域的应用可阶段性划分为初级计算智能、中级感知智能、和高级认知智能三个阶段。

从中期来看，我们认为，未来5-7年计算智能将迎来全面发展：随着大数据、云计算的发展，人工智能在计算领域的计算智能可以依靠云计算对大数据的高效分析与智能计算，布局计算智能的国内外公司非常多，已经形成小部分商业功能。在感知智能领域，以Intuitive Surgical为牵头的机器间接感知治疗已经形成小范围商业化；此外，众多科技巨头纷纷布局的智能语音、智能视觉等已经崭露头角，我们认为，未来5-7年初级感知智能中的医疗智能语音、医疗智能视觉和可穿戴医疗设备等将迎来飞速发展。

从长期来看，我们认为，未来8-10年部分感知智能和认知智能将迎来全面发展：随着医疗智能视觉、医疗智能语音、可穿戴医疗设备等的发展，高精度传感器集成度的提高，感知智能的远程医疗、医疗机器人等将迎来全面发展。认知智能依赖计算智能和感知智能的发展，随着计算智能设备计算能力的加强和感知智能设备精确信息的采集，我们认为认知智能设备将拥有足够的数据信息进行决策与诊断，因此我们认为认知智能将在未来8-10年将迎来爆发。

具体细分领域发展逻辑图：

一、人工智能在医疗领域的不同层次

人工智能的最大特点是高效的计算和精准的分析与决策，它刚好是现在医疗的痛点所在，因而人工智能在医疗行业有着广阔的发展空间，我们认为其在医疗领域主要的应用领域有：（1）基因测序（2）药物发现（3）医疗智能语音（4）医疗智能视觉（5）医疗机器人（6）可穿戴设备（7）远程医疗（8）智能决策（9）智能诊断等。人工智能在医疗领域中可划分归类为：计算智能、感知智能和认知智能，人工智能在医疗领域的完美应用场景是感知智能、计算智能、认知智能互相协同，形成一个完整的智能闭环。

1.智能医疗之——计算智能

计算智能是人工智能借助云计算对大数据的高效智能计算与分析。计算智能是人工智能的基础环节，高效的智能计算可以有效挖掘大数据之间的有效信息，它是认知智能和感知智能的前提和保障。计算智能在意料中最为典型的应用就是基因测序和药物发现。

基因测序：指分析特定DNA片段的碱基序列，也就是腺嘌呤（A）、胸腺嘧啶（T）、胞嘧啶（C）与鸟嘌呤的（G）排列方式。基因测序是一个典型的，依靠计算智能来发现人的个性化的例子, 它能锁定个人病变基因，提前预防和治疗，预测罹患多种疾病的可能性，个体的行为特征及行为合理，如癌症、白血病、运动能力、酒量等。基因测序相关产品和技术已由实验室研究演变到临床使用，我们认为基因测序技术，将会是是下一个改变世界的技术。

药物发现：智能计算利用大数据为当代药物发现带来了空前的机会，它允许科学家在以前难以想象的时域和微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制，研究中药的配方问题。在药物研发领域中，大数据具有信息量大、信息种类繁多、数据产生的速度快等特点。药物发现中最重要的不仅仅是数量，而是对于数据的整合、分析与解读，从海量数据中快速地找到那些真正具有价值的成分，或通过对于数据的分析，及时总结出规律，缩短药物发现的时间。

2.智能医疗之——感知智能

感知智能层是信息采集和信息控制的执行环节，也是潜在市场空间最大的环节，我们要关注新的技术和趋势。感知智能在医疗方面的应用主要用来解决人际交互问题包括：医疗智能视觉、医疗智能语音、可穿戴医疗设备等。

医疗智能语音：医疗智能语音是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。通过语音识别和疾病数据分析，可实现机器诊断疾病。医疗是专业度更高的领域，有很多专业术语和专业技能需要机器去学习，只有通过海量的学习，人工智能诊断疾病可更准确、更快捷、更安全，使得人机交互与智能诊断能成为现实。

目前医疗智能语音主要用于医生电子病历的生成，以云知声的智能语音产品为例，在临床和科技室场景支持中，在神经科、免疫内科、血液科、普通内科等的语音识别准确率达到95%以上，辅以云端语义校正技术后，整体识别率接近100%。

医疗智能视觉：医疗智能视觉分析是智能视觉在医疗领域的应用。智能视觉在医疗行业的应用的要求要比其他行业更高，其最广泛的应用就是智能图像识别，通过智能视觉的图像识别技术，计算机可以分析病人的医学成像如X片检查情况，通过更精准的智能识别，给出更准确的判断。目前，智能视觉在对图像的检测效率和精度两个方面，都可以做得比专业医生更好，除此之外，还可以减少人为操作的误判率，克服人性的弱点。

医疗机器人：感应机器人系统是用于医院、诊所的医疗或辅助医疗的感应机器手臂或机器人，因为应用领域的不同，医疗机器人的种类很多，有临床医疗用机器人、护理机器人、医用教学机器人和为残疾人服务机器人等。最为典型的代表就是Intuitive Surgical公司的达.芬奇手术机器人，其特点是，通过机器人系统获取更加精准的手术信息，同时，操作过程中拥有着比人手更加灵活精准的守护治疗，如今达.芬奇手术机器人已经在全世界范围内开始应用，并且已经为数以万计的患者提供服务，实现了小范围的商业化。

可穿戴医疗设备：可穿戴的医疗设备是可穿戴设备的一种，其重点是偏向于医疗数据的采集，它集成了多种无线传感器，可以测量环境指标如：空气湿度、温度、亮度、辐射强度等以及人的生理指标如：体温、心跳脉搏、呼吸、血压、血糖等，并通过无线网络将测量数据发送给接收的云端。未来可穿戴医疗设备将会集成更多、精度更高的无线传感器，可以实时获取人身的各项生理数据，进而可以更好地配合医疗。

远程医疗：远程医疗是指通过计算机技术、遥感、遥测、遥控技术为依托，充分发挥大医院或专科医疗中心的医疗技术和医疗设备优势，提高诊断与医疗水平、降低医疗开支、满足广大人民群众保健需求的一项全新的医疗服务。远程医疗的前提是远程感知设备能够感知到足够多的、精准的医疗数据，并通过远程传递的方式送到医生面前，引领医生进性疾病诊断和治疗。目前，远程医疗技术已经从最初的电视监护、电话远程诊断发展到利用高速网络进行数字、图像、语音的综合传输，并且实现了实时的语音和高清晰图像的交流，为未来更进一步远程医疗的应用提供了先行条件。

3.智能医疗之——认知智能

医疗认知智能是人工智能在医疗领域应用的高级阶段。其特点在于其机器能够“理解”非结构化数据，就包括语言、图像、视频等，认知智能的核心能力实际上是机器拥有人类的某些能力，但人类相比，其优点是计算能力更加高效而且永不会疲劳。认知智能在医疗领域应用时，一方面可以进行医疗相关信息的管理，另一方面又可以参与疾病的诊断与治疗。

医疗智能决策：智能决策是建立在计算智能与感知智能的基础上做出深层次的智能决策，高效的医疗智能决策依赖于感知智能获取的精准信息、又依赖于计算智能的高效计算，感知智能和计算智能都是智能决策的前提条件。相较人的决策而言，医疗智能决策通过对医疗大数据的智能分析，在多条路径中高效选择找出最佳的决策路径，能有效提高医疗效率、降低医疗成本。智能决策可以用于医院医疗信息的管理，又可用于医疗方案的制定。

智能诊断：智能诊断也是建立在计算智能与感知智能的基础上做出深层次的医疗诊断。智能诊断在医疗诊断过程中能给出具体治疗方案，其方案是基于针对性的病情诊断结果，并对这种病情提出最佳方案建议和效果说明。智能诊断的前提是要具备认知智能的“学习”与“思考”能力。

以沃森医生为例，IBM Watson可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告，通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，因而IBM Watson在短时间内通过学习迅速成为肿瘤专家；除了学习能力外，还能“思考”，有效地将学到的海量知识利用起来，进而可以像专家一样提供医疗建议和咨询。

二 、医疗行业生态链分析

医疗行业生态链主要由病人、医生、医院、药企、随身医疗设备企业以及卫生监管部门组成。其中，病人为整个医疗生态链的核心，病人的需求是医疗行业治疗的最初出发点和最终治疗的落地所在；而医院、医生、药企、随身医疗设备企业等均可看作服务部门，服务于病人的医疗需求。医疗行业生态链的行业痛点核心在于提供精准化、个性化医疗，以提供病人更好的疗效为根本，改善病人治疗时的体验。

1.新型医疗行业生态链以人为核心

病人是医疗需求的出发点和落脚点：病人是整个医疗行业的核心，是医疗行业的根本驱动力所在。从病人群体角度看，所有人都是潜在的病人，因而所有人都在从事疾病治疗、康复理疗、疾病预防等的某一个或多个环节。因此我们认为，整个医疗生态链的市场空间非常大。

环境恶化导致各种疾病迸发进一步刺激医疗需求：环境污染尤其是水、空气等资源的污染导致大量并发症，以空气污染为例，全世界每年有10万人因为室内空气污染而死于哮喘病，其中35%为儿童。在空气污染环境下生活的儿童更容易患支气管过敏反应，这种过敏反应到头来又会导致生命后期发生过敏性哮喘和其他肺部疾病。环境污染进一步给医疗提出了新的需求。

老龄化、发病率持续走高进一步扩大医疗需求：从2007年以来，我国老龄人口的人数和占比均呈现上涨态势，老龄人口从2007年的1.53亿人上涨至2015年的2.12亿人,占总人口比例从11.6%上升到16.2%。预计2020年老龄人口可达2.49亿人，占比可达17.4%。从数据上看，我国人口老龄化趋势非常明显，老年人的发病率较年轻人更高，因而，人口老龄化给医疗行业带来巨大需求。

2. 新型医疗行业生态链以为病人服务为宗旨

(1)医疗生态链之——端

医疗生态链的端指的是医疗设备终端，它是医疗设备和人的交互环节，是获取病人信息、反馈信息的关键环节。我们认为医疗生态链端的演化路径是便捷化、实时化、智能化，智能终端将具备日益丰富的感知能力和多模联网能力，进而演化成为网络获取信息的关键节点。对医疗生态链的端进行逻辑分类主要可分为医疗检测类、医疗治疗类、医疗辅助类等。

医疗检测类

基础医疗检测类：医疗检测设备是医疗终端的基础层次的设备，它是获取并判断人病情信息的关键设备，而病情信息又是医疗诊断的基础。获得越多的精准的病情信息，就会得到越大的正确诊断概率，提高治疗的可靠性。基础医疗检测设备主要可分为医院检测设备和随身医疗检测设备。

医院固定医疗检测设备：医院医疗检测设备是医疗检测设备的主体，从当前来看占据主导地位。医院医疗检测设备有检测专业性强、种类多等特点，主要有：血压检测、尿液检测、血液检测、心电图、B超、X光成像、CT成像、核磁共振成像以及最近非常流行的基因检测等。其最大特点是检测精度高，由专业人员操控，但检测要求高，没有办法做到实时检测。

便携医疗检测设备：移动随身医疗检测时医疗检测设备的新鲜血液，它主要指的是一些装配某种特定传感器的可移动设备，如：智能手机、监测手表、健康手环以及当前非常热的智能可穿戴设备等来实现一些简单的医疗信息的获取。它是医院检测设备在空间上的延伸，其最大的特点是轻便、实时检测以及更好的检测体验。

新兴医疗检测类：随着医疗检测设备的不断发展，医疗检测逐渐从固有的基本检测指标中解脱出来，逐步迈入更加精准化、个性化的检测中。新兴的医疗检测如：基因检测、智能皮肤癌检测、虹膜识别检测以及一些主观指标如压力分析检测、情绪检测等。

基因检测：基因检测是通过对血液、其他体液、细胞等进行DNA的检测技术。基因是DNA分子上的一个功能片段，是遗传信息的基本单位，是决定一切生物物种最基本的因子。因此，基因决定人的生老病死，是健康、靓丽、长寿之因，是生命的操纵者和调控者。因此通过对基因的检测，就可以有效检测出人体哪些器官出现了问题，有某种潜在发病的可能性等。

智能识别皮肤癌：以谷歌神经网络为代表的AI技术可通过手机诊断皮肤癌，准确率已高达91%以上，已经超过大部分皮肤专家的诊断能力。其原理是给人工智能系统提供高质量的皮肤癌图片，系统经过机器学习可以识别出什么是皮肤癌，进而对图片进行对比分析与判断，给出诊断结果是否是皮肤癌，以及是早期还是晚期等。未来通过手机拍照的方式来检测癌症将成为可能。

智能虹膜检测：最新研究表明，虹膜是身体面对外界最精密最复杂的组织，通过对虹膜的检测可以有效识别病人患有某种疾病或者容易患上某种疾病的倾向。虹膜是人脑的延伸，赋予千千万万神经末梢，细微的血管，肌肉及其他组织，虹膜与身体内脏器官相连接。按照虹膜图谱所显示，就可以观察出人体组织、器官、各系统、内分泌腺体的衰退、障碍及其未来可能的变化。目前，HW-2010PC搭配 HW-lris 虹膜镜头的应用已经能准确的反映身体组织的质量评估。因而我们认为，随着虹膜识别技术的不断完善，眼睛将不仅是通向心灵的“窗口”更为通向健康的“窗口”。

情绪分析检测：随着新型检测技术的不断发展，一些主观指标也进入了可检测的范围。前不久麻省理工学院计算机科学和人工智能实验室的研究人员研制出一款名为EQ-Radio的情绪检测仪，通过让无线信号在接触一个人的身体后回弹，分析其呼吸和心跳信息，从而识别出愤怒、哀伤、高兴、愉悦等情绪。据悉，这项技术无需受试者穿戴任何检测设备或身体传感器，其情绪检测仪仅基于心跳识别情绪的准确率就达到87%。我们认为，未来类似的主观指标也将逐步成为现实。

相信在不远的将来更多指标的检测将成为可能，例如精力识别可以帮助在高效率的时候工作或学习，低效率的时候养精蓄锐。设想一下这样一个场景，一个热爱学习的学生，他有很多课程要学习，但在某个时间段内他的记忆能力比较好，通过检测反馈的结果建议他适合学习文科记忆力科目；而在另一段时间里，他的记忆力不好但思考能力佳，通过检测反馈的结果建议他学习理工类偏向分析思考类的科目，这样以来，他的个人学习效率就可以得到大大提升。

医疗治疗类

传统医疗类：医疗治疗设备终端是医疗行业关键层次的设备，它是在获取病人病情信息的基础上进行针对性治疗的环节，病人最终康复与否与这个环节有着最为直观的关系。传统医疗治疗主要可分为传统药物治疗和传统手术治疗两类。

传统药物治疗：药物治疗是医疗治疗领域最为常用的治疗手段，药物的成分对病人的病情起到关键的作用，药物治疗分为口服、表敷和注射与输液等。药物类别的分类主要可以分为：退热剂、止痛药、抗疟疾、抗生素、抗菌剂以及基因类药物等。

传统手术治疗：手术治疗是医疗领域的针对性最强的治疗手段，它是应用器械或药物以熟练的手法直接施术于病人的问题器官，一般采用切除等针对身体部位的修正的方法，从而达到解除病痛的治疗方法。它广泛应用于肿瘤科、外科、妇科、眼科、耳鼻喉科等。

新兴医疗类：新兴的医疗治疗增加了更多的科技色彩，它也是在在获取病人病情信息的基础上进行针对性治疗的环节，但治疗方式却发生了很大的变化，精准化、个性化成为治疗的主旋律。例如当检测出生病的时候，治疗的药物是根据个人身体身高、体重、男女等具体状况定制的，药物的类和量达到最好的比例。

针对性药物发现：通过智能计算对大数据的挖掘，医学可以在微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制、研究中药的配方问题等；除此之外，可以针对病人的具体特征如男女、身高、体重等，设计出针对性的药物进行精准治疗。

智能医疗机器人：智能机器人，除了像达 .芬奇机器人这样的大型手术机器人外，微小型的更加灵活地机器人也将成为可能。谷歌未来科学家、技术工程总监雷伊 ．库兹维尔认为，十多年后，人类可以在使用超微型机器人医生，例如它可以进入血液在微观世界中为人治病，这种超微型机器人医生就是纳米机器人，大小和细胞差不多。除此之外，世界各地也有些研究机构在研制纳米医疗机器人，其目的是通过微型机器人向身体具体输送药物，实现靶向精准治疗的目的。

VR视力矫正治疗：近些年来不仅“老年病”逐渐增多，“少年病”也逐渐成长起来。最为典型的代表就是少年的视力问题，现代的儿童从落地起就被各种显示设备包围：电视、手机、平板电脑、学习机等，过量的显示屏幕刺激会导致儿童视力出现问题。但近日，北京市未来影像高精尖创新中心联合北京理工大学等多家单位，进行了一项对长时间使用VR会不会比使用平板更伤害视力的实验。结果发现，使用VR在一定使用方式下，还能带来积极的影响。我们认为，在不远的未来，类VR式视力矫正治疗将成为可能。

医疗辅助类

医疗辅助类设备是为了辅助医院、医生、病人等，一方面，帮助医院更好地管理与治疗。另一方面帮助更好地治疗病人或辅助陪伴病人。帮助医院及医生的医疗辅助类设备如智能病床、医生助手等；帮助病人的设备有如辅助老人活动机器人、助听器、助视器等。

智能病床：智能病床是在传统病床的基础上，利用非接触式传感器来识别病人生理数据的一项综合系统，其优点不仅利于医院管理又给病人带来了更好地检测体验。近日，以色列的数字健康公司EarlySense发布一款可嵌入病床的非接触式传感器系统，产品可监测那些身患重病、需全程跟踪，但不愿或不需身体接触监测仪的患者的病情。EarlySense的监测系统对患者的生命体征进行大数据分析，以得知患者的健康情况，并帮助工作在无监控病房的医护人员及时了解患者的病程发展。同时，监测系统的使用为护理人员提高了工作效率，并降低了普通病房和ICU病房患者的住院天数。我们认为，未来智能病床会是医院改善医疗的一大突破方向。

智能医生助手：智能医生助手主要通过机器的特长来帮助医生对病情的诊断与治疗，目前，智能机器的语音、图像识别能力已渐渐实现全方位对人类的超越。以阿里ET医疗大脑为例，在B超分析领域，通过计算机视觉技术和深度学习算法对甲状腺B超快速扫描分析，圈出结节区域，并给出良性与恶性的判断，可以大大节省医生的诊断时间，并且从目前的实验效果看，诊断系统的准确率已经比人类医生高出至少15%。我们认为，智能医生助手一方面可以提供更精准的疾病判断，一方面又可以给出可靠的治疗建议，可以帮助医生做出更好的医疗判断与决策，为全面实现智能诊断打下基础。

活动辅助机器人：活动辅助机器人是近几年来机器人飞速发展的研究领域，其主要设计目的是为了帮助行动不便的人如：残疾人、老年人等实现便捷的生活。以丰田为例，丰田加入了生产面向日本老年人口的行动设备的行列，其可穿戴式机器人腿支架系统Welwalk WW-1000将于近期上市。该系统将帮助残疾和老年人过上更为独立的生活，也可为护理他们的人提供支持。

助听与助视器：智能助听器主要用于具有听力障碍的老人身上，老年人长时间的听力障碍会引起各种连锁问题如：不合群、焦虑、急躁、缺乏安全感等心理问题。因而，听力障碍的早期干预极为重要,需要早期验配助听器和坚持佩戴助听器,这样才能提高、改善听力能力,保护残余听觉功能。与助听器相似，助视器是能够改善或提高低视力患者视觉能力的任何一种装置或设备，助听器能使听力差的人听到他原来听不到的声音，而助视器可以使低视力患者能看清楚他本来看不到或看不清的东西。目前，助视器主要分为光学助视器和非光学助视器。我们认为，未来助听器和助视器将随着人工智能的发展更加智能化，未来盲人“看”到东西将不会是梦。

3.医疗生态链之——云

医疗生态链的云是整个生态链的顶层，是为了解决医疗信息的存储汇总、大数据挖掘、信息管理与决策等的网络应用层。医疗云是利用虚拟化的技术，将医疗大数据存储到云端，进行管理、分析、决策，从而加快整体公司的营运效率。它是整个医疗生态链的大脑，是医疗数据的传输中心。医疗生态链的云端主要应用于医疗信息存储管理、医疗数据挖掘与决策等方面。

（1）医疗信息存储与管理

医疗信息存储于管理是医疗信息和管理信息的汇总，并对信息进行分类存储管理，它是医疗生态链云端的基本职能，也是现在应用最为广泛的云端系统。最为典型的就是传统医院的医疗数据中心和传统制药企业的医疗数据研发中心。以传统医院为例，传统医院的医疗数据中心是整个疾病治疗的枢纽，一方面将病人与医生联系起来，另一方面，又将企业药物与医生的药方连接起来，此外，医院的管理也离不开数据中心，因而传统医院的数据中心是整个医疗生态链的顶层环节。

（2）医疗数据挖掘与决策

医疗数据挖掘与决策是在医疗信息和管理信息的汇总和分类存储管理的基础上，基于大数据和云计算的进一步数据挖掘与应用，在巨大的医疗数据信息中发掘有用信息并且做出高效的决策，它是医疗生态链云端更深层次的高级应用，也是现在云端系统发展的主要方向。最为典型的就是云计算数据中心，其深度挖掘与智能决策主要依赖于大数据、云计算和人工智能的发展。

数据显示，2012年79%的商业工作实在传统数据中心处理的，21%是由云计算数据中心处理的，而2015年，传统数据中心商业处理仅占43%，57%的份额移到云计算数据中心，变化速度非常迅速。我们认为，在医疗这块保守的信息领域中，云计算数据中心也会成为未来发展的方向。

三、人工智能颠覆医疗行业生态链

人工智能对医疗行业的颠覆，主要通过提供精准化、个性化的医疗，来颠覆医疗行业的痛点进而改善治疗的体验。人工智能对医疗行业的颠覆是一个循序渐进的过程，我们认为，人工智能颠覆医疗的演化顺序将是如下过程。首先，人工智能将颠覆传统的药企，颠覆传统药企主要体现在药物发现环节，可以提供精准化、个性化药品；其次，人工智能将颠覆传统的医院，传统的医院的核心是本地治疗，而人工智能可以促使传统医院从固定到移动、从近程到远程；再者，人工智能将颠覆医生的诊断方式，可以帮助医生从繁琐的事物中解脱出来，做他们最擅长的事，充分发挥医生的特长；最后，颠覆病人的看病体验，病人将实现足不出户即可得到精准的、个性化的解决方案。

1. 人工智能直击医疗行业痛点提供精准化、个性化医疗

当人工智能有了大数据和云计算辅助加之市场上大量的医疗案例可供学习，人工智能设备的医疗判断与决策将比医生更可靠。我们认为，未来机器判断的比重会越来越高，人工智能通过对病人个人信息与特点的深度分析，提供针对性更强的医疗解决方案，从而使得吃药、手术等治疗方案变得更加精准与可靠。

个性化医疗：个性化医疗是以个人基因组信息为基础，结合蛋白质组、代谢组等相关内环境信息，为病人量身设计出最佳治疗方案，以达到治疗效果最大化和副作用最小化的一门定制医疗模式。传统医疗以病人的临床症状和体征，结合性别、年龄、身高、体重、家族疾病史，实验室和影像学评估等数据确定药物和使用剂量、剂型，这通常是一个被动的处理方式，缺乏个性化，无论是治疗过程还是治疗效果均难以令人满意。而个性化医疗则有着更好的治疗效果与医疗体验。从长远角度看，个性化医疗通过更精确的诊断，预测潜在疾病的风险，提供更有效、更有针对性的治疗，预防某种疾病的发生，比“治有病”更节约治疗成本。

精准医疗：是一种将个人基因、环境与生活习惯差异考虑在内的疾病预防与治疗的新兴方法。其本质是通过基因组、蛋白质组等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原因和治疗的靶点，并对一种疾病不同状态和过程进行精确分类，最终实现对于疾病和特定患者进行个性化精准治疗的目的，提高疾病诊治与预防的效益。与个体化医疗相比，精准医疗更重视“病”的深度特征和“药”的高度精准性，是在对人、病、药深度认识基础上，形成的高水平医疗技术。

2 .人工智能颠覆医疗行业演化路径

目前，中国“AI+医疗”产业尚处于起步阶段。随着全球科技巨头陆续将人工智能平台开放，将有效弥补我国在底层方面的积累不足，各个细分领域的AI+医疗创业公司将受益。目前，众多巨头已经纷纷布局“IA+医疗”，未来更多针对性应用有望破蛹而出。我们认为人工智能颠覆医疗行业的演化路径主要顺序为：计算智能 → 感知智能 → 认知智能。从计算智能到感知智能再到认知智能，是人工智能的不断深化与完善的过程，也是实现人工智能对医疗行业颠覆的演化路径，我们认为三者将在互相协同并进中实现对医疗行业的颠覆。

(1) 人工智能颠覆传统医药制造行业

医药制造企业是指从事药品生产和经营销售的企业。传统医药企业的药品制造和经营具有很大的弊端。以药品发现为例，传统的制药过程需要大量的组合实验与样本测试，消耗大量人力、物力和财力，且制造出来的普适性药品收获的医疗效果很难令人满意，根据临床测试显示，传统的药品制造往往只对非常小的样本人群有效，而对于大部分人来说不仅起不到治疗作用，还有很大的副作用，因此我们认为人工智能将颠覆传统医药制造行业。

首先，人工智能将颠覆医药的发现模式。人工智能在医药发现中的应用越来越受到重视，人工智能借助大数据和云计算在医药发现中，可以通过海量数据模拟药物的效果与药物成分之间的化学反应。因而可以实现微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制。对大数据的分析解读后，从数据海洋中寻找有效药物成分，快速完成药物的发现。

再者，人工智能使将颠覆医药的供应方式。传统的医药供应中，供应的均是通用的药物，我们认为未来药企提供的是个性化的、精确的药物。传统医药供应中往往只注意到了人的通性而忽略到人的个性。而人工智能在医药行业的应用则可以有效解决个性的问题，人工智能通过辨别人的性别、体重、基因等方式来确定人的个性，并针对性人的个性设计出对其效果最佳的药品，从而在大大提高药品的效果的同时减少对身体的损害。因而我们认为提供个性化、精准化的药物将是未来长期的发展趋势。

(2) 人工智能颠覆传统医院模式

传统医院模式是以医院为固定治疗地点，以医生诊断和治疗的中心，病人进入医院治疗通常是一个墨守成规的过程：挂号、诊断、检测、复诊（确诊）、开药、住院等，医院却几乎是疾病治疗的唯一场所，这将导致病人看病是耗时耗力，治疗体验又差。随着科技的进步和医疗需求的提高，医院传统模式将会迎来变革，远程医疗和虚拟医院将成为医院的新兴模式。因此我们认为，人工智能对医院的颠覆将是从固定端到移动端、从近程到远程的变革。

首先，随着人工智能中感知智能的不断发展，远程医疗将成为现实。在不远的将来，医疗智能语音、医疗智能视觉等将逐步商用化，智能医疗检测设备可以采集到病人精准的病情信息，而这些获取的病情信息往往比医生直接给病人检查来的还要精准，通过远程通信的方式将病人信息传递给远程的医生手中，医生根据精准的病情信息做出诊断与治疗，把病人从医院固定场所中解脱出来，从近程诊疗到远程诊疗。同时又获得了更可靠的治疗方案，省时省力，治疗体验更佳。

其次，随着人工智能中认知智能的不断发展，虚拟医院将成为现实。随着智能医疗决策和只能诊断的发展，越来越多的诊断与治疗均可由云端智能机器完成，通过感知智能与计算智能获取的病人精准的信息，经过网络层传递给云端智能诊断机器人，智能诊断机器人对病情可以做出更加精准的判断，同时反馈给病人更可靠的治疗方案，病人基本可以从传统的医院场所中解脱出来，从固定场所诊疗到移动任意场所诊疗。

(3) 人工智能颠覆医生诊疗方式

传统的医生诊疗方式是医生参与病人病情的诊断到病人病情的确认再到病人的后期治疗甚至包括病床的安排等的全过程，需要消耗大量的时间与精力。我们认为人工智能将对医生传统的诊疗方式带来改变，可以辅助医生诊断与治疗，将医生从繁忙、低效的工作中解脱出来。

首先，我们认为未来智能化医疗机器人将会成为医生的“助理”角色。随着计算智能、感知智能、认知智能的发展，智能化机器将可以辅助医生进行病情的诊断，最为典型的例子就是在医疗图像识别中。其中，以阿里ET医疗大脑为例，其已经可以实现比专家医生更可靠的图像识别，在图像识别、语音识别等医疗工作中做一名优秀的“医生助理”。

再者，我们认为随着“医生助理”的进一步升级，智能化医疗机器人将取代部分医生的职能。随着认知智能的不断发展，职能诊断将使得智能医疗机器人可以实现从疾病的诊断到病情的确立到治疗方案制定的一体化。我们认为，医生的职能角色将发生变化，医生可以从传统的医疗束缚中解放出来，成为医疗规则的制定者和医疗过程的监督者。

(4) 人工智能颠覆病人治疗效果与诊疗体验

病人是整个医疗行业生态链的核心，病人的医疗需求是医疗行业的驱动力所在。我们认为人工智能在医疗行业的颠覆主要在于一方面提高了治疗的效果，另一方面改善了诊疗体验。我们认为，随着智能医疗的不断上深化，病人可以足不出户地借助随身可穿戴设备等感知智能设备实时读取自身精准的医疗信息数据，然后通过网络将医疗信息数据传给诊断治疗方（医生或智能诊断云端），诊断治疗方根据病人的精准医疗信息做出疾病的诊断并制定配套的治疗方案。从而病人可以得到更好的检测体验与治疗体验。

试想一下这样一幅场景：一天一个病人感到身体不适，于是他利用身边的感知智能设备，联系了远方的医生，感知智能设备精准读取了他身上的医疗信息并通过无线网络传递给了远方的医生，医生根据医疗信息制定了针对他这次疾病的药物治疗方案，医生将药物信息通过网络发送给远方的制药企业，制药企业根据医生提供的药物治疗方案精准定制了药物并通过物流方式递送到病人手中。我们认为未来这样的景象将成为现实。

3.国内外巨头布局与发展现状

总体来看，国外公司技术更成熟一些，在感知及认知智能方面布局显著领先；而国内的巨头还是偏向计算智能、感知智能，在高级阶段的认知智能方面，还没有显著的进展。其中在人工智能的高级阶段认知智能中，IBM是世界的先锋，代表着认知智能的现在，引领认知智能的未来。

四、案例分析

Illumina公司是世界上最大的基因检测仪器制造商，其全球市场占有率高达71%，其上游的基因测序仪的毛利率高达74%，使其竞争力的核心；公司战略是站稳基因测序行业上游、积极布局中下游的基因检测服务环节。

Intuitive Surgical公司是世界上最大的医疗手术机器人制造商，其主要产品是达.芬奇手术机器人系统，达芬奇机器人系统的销售毛利率高达70%左右，目前市场主要集中在北美、欧洲和亚洲。

IBM Watson是IBM旗下的高端人工智能产品，在医疗领域已经可以实现部分疾病的智能诊断，是认知智能的典范和先驱，目前在医疗领域主要应用于肿瘤诊断、基因组学和药物发现。Watson是IBM的新引擎，它代表着认知智能的现在、引领认知智能的未来。

1. Illumina（ILMN）

(1) Illumina 主营业务概况

Illumina成立于1998年，主要开发、生产和销售用于分析基因变异和生物功能的集成系统。2007年收购Solexa公司后，Illumina在新兴的基因测序领域崭露头角。2014年Illumina推出HiSeq X Ten基因测序仪，使基因组测序成本大幅下降至1000美元，并为Illumina赢得了强劲的市场需求，奠定了Illumina在全球基因检测设备市场的龙头地位。

目前，Illumina公司致力于开发、生产和销售用于对遗传变异和生物学功能进行大规模分析的集成系统。该公司提供全面的产品线和服务，目前在序列鉴定、基因型鉴定和基因表达市场为基因组研究中心、制药公司、学术机构以及生物技术公司提供服务。

(2) Illumina 财务表现

2016年Illumina公司实现营业总收入23.98亿美元，其中产品销售业务贡献20.32亿美元，占比84.72%；服务和其他业务贡献3.66亿美元，占比15.28%；2016年毛利达到16.66亿美元，毛利率69.48%，其中产品销售和服务毛利分别为14.89亿美元和2.12亿美元、毛利率分别为73.73%和57.76%，扣非后的归母净利润达到了4.63亿美元。

公司的业绩在2014年迎来爆发，HiSeq X Ten基因测序仪的推出，使基因组测序成本大幅下降至1000美元，奠定了其在上游基因测序设备的龙头地位，根据Genomeweb市场调查统计，Illumina2016年市场占有率高达71%。公司主营业务分为两块：产品销售和服务，其中，基因测序设备产品销售收入占主导地位，自2014年以来基因测序设备的毛利率稳固在70%以上。

(3) 市场估值及同业比较

2001年7月在纳斯达克上市，注册资本320万美元，当日开市价14.94美元、募集资金超过一亿美元。目前公司总市值257.5亿美元，市价176.36美元，EPS5.07，PE（TTM）34.92。公司2011年来的股价图见图表50。

（4） 公司战略

Illumina立足上游测序仪器、进军中下游基因测序服务市场：Illumina 作为全球最大的上游基因测序仪制造商，其基因检测仪器占到全球71%的市场。在测序医疗市场中Illumina具有非常强的卡位优势。但从基因测序上游市场上看来，Illumina的未来已经接近天花板，为了维持超过70%的市场占有率，公司需付出极高的维护成本和研发费用来阻止其他竞争者对市场份额抢夺，这一块业务进一步拉开的可能性不大。因而上游市场增速减缓，将很快低于中下游市场，公司将利用上游的基因测序卡位优势，扩大中下游布局。

在基因测序中下游中，基因检测和基因诊断尤其是基因诊断是主要的应用领域，基因诊断的受众群体是进入医疗机构的病人。基因诊断针对病患和医疗机构，是会受到国家监管和规范的：如美国的FDA、中国的CFDA。目前全球有上千家厂商提供测序服务。其中华大基因（BGI）拥有世界上数量最多、种类最齐全的第二代测序仪，产能约占全球的10%-20%。由于测序服务技术壁垒较低，主要面向科研市场，准入标准和质量控制规范慢于技术的发展，导致众多小企业呈现疯狂生长的状态。Illumina目前这一块业务占比低于10%，依托其在上游的绝对优势，未来中下游领域的业务份额有望飞速提升。

2. Intuitive Surgical（ISRG）

(1) Intuitive Surgical主营业务概况

Intuitive Surgical公司是一个新型领域：借助手术用外科机器人实施微创外科手术(MIS)的全球技术领先业者。该公司开发、生产机器人旨在提高外科手术的效果并且帮助患者更快地恢复健康投入到生产生活中去。

Intuitive Surgical公司的主营产品即为达.芬奇机器人系统。达.芬奇外科手术系统是一种高级手术机器人平台，其设计的理念是通过使用微创的方法，实施复杂的外科手术。FDA已经批准将达芬奇机器人手术系统用于成人和儿童的多项复杂的大面积切口手术中，包括：普通外科、胸外科、泌尿外科、妇产科、头颈外科、心脏手术等。它由外科医生控制台、床边机械臂系统、成像系统组成。

(2) Intuitive Surgical财务表现

2016年Intuitive Surgical公司实现营业总收入27.04亿美元，其中产品销售业务贡献21.87亿美元，占比80.88%；服务和其他业务贡献5.17亿美元，占比19.12%；2016年毛利达到18.90亿美元，毛利率69. 89%，其中产品销售和服务毛利分别为15.24亿美元和3.66亿美元、毛利率分别为69.68%和70.79%，扣非后的归母净利润达7.36亿美元。

公司主营业务分为两块：产品销售和服务，其中，达芬奇机器人系统产品销售收入约占80%主导地位，毛利和毛利率水平均在提高，2016年毛利率达到了69.68%；服务收入约占20%，毛利率和毛利率水平也在持续走高，2016年毛利率达到70.79%；两块业务的毛利率水平均在70%左右。

(3) 市场估值及同业比较

2000年6月在纳斯达克上市，当日开市价18.00美元、募集资金4600万美元。目前公司总市值345亿美元，市价936.01美元，EPS 21.15，PE（TTM） 44.2。公司2011年来的股价图如下所示：

3. IBM Watson

(1) IBM Watson简介

Watson医生由IBM公司开发的人工智能系统，主要应用与医疗、金融等领域。IBM Watson是医疗认知智能的先驱，其认知智能的核心在于对非结构化数据的理解，即医嘱、图像等信息。而医疗行业中的非结构化数据包含了绝大多数的信息量。IBM 通过收购获得了最新的大数据技术和大量医疗数据，抢先布局医疗大数据产业。

IBM Watson在医疗方面的应用主要为癌症的诊断和治疗，同时正逐步加强与高校和科研机构的研究发展，大力发展大数据在肿瘤药物和精准医疗的应用。2016年IBM Watson 健康应用还涵盖了很多其他的领域：糖尿病等慢病、大健康、医疗影像、体外检测、精准医疗、机器人、疾病研究治疗IBM Watson的医疗大数据技术已经逐渐成熟，IBM 会在将来覆盖更多的领域。

(2) IBM Watson主要医疗应用领域

肿瘤治疗：IBM Watson可以花更少的时间搜索文学和更多的时间照顾病人，为临床医生提供基于证据的治疗方案。与传统的医生团队相比，沃森可以在三分钟内完成人工基因测序分析以及其它癌症治疗诊断，比目前人工效率提高30倍以上。沃森基因组能够在患者DNA测序当中搜索分析扫描并发现癌症突变部位，从而为患者提供个性化的治疗方案。沃森首先自我学习医学资料，之后癌症学家将向沃森提供 DNA序列以及一些被认为是导致癌症的遗传改变标识，沃森将给出可能的突变部位和潜在的治疗方法。

基因组学：2017年1月9日，Illumina与 IBM Watson Health正式结盟，联盟将致力于规范基因组数据解读，通过TruSight Tumor 170帮助没有靶点药物可用的患者寻找治疗药物。将精准医学的承诺带给更多的癌症患者，沃森可以更快地，更准确地解释基因检测结果，而不是手动工作。此外，IBM Watson与Quest Diagnostics的合作意味着所有提供商都可以获益，无论访问内部排序。运用 Watson 的认知能力，在对基因数据解读时一方面可以更快地分析与解读，另一方面借助Watson的认知能力与水平可以找出人工检测遗漏或者给出新的解读。

药物发现：帮助研究人员确定新的药物靶点和现有药物的新适应症。 药物发现平台可以帮助研究人员在比赛之前发现新的联系和开发新的治疗方法。2016年12月，IBM Watson 宣布与辉瑞合作，IBM Watson 的 Watson for Drug Discovery 的机器学习、自然语言处理及其他认知推理能力，可用于免疫肿瘤学中的新药物辨识、联合疗法和患者选择策略。研究人员每年平均要阅读 200 至 300 篇论文，而 Watson 已经阅读了 2,500 万份 Medline 上的论文摘要，一百多万篇医学杂志文章的全文及 400 万份专利文件，而且所有资料都会定期更新。将 Watson 的认知能力应用于药物研发中，可以更快地分析和测试理论假设，获得新的见解。

(3) IBM Watson最新动态

2016年3月： IBM将沃森人工智能带入苹果手表睡眠健康应用。

2016年7月： IBM宣布已成立IBM Watson Health医学影像协作计划。

2016年8月： IBM Watson来到中国，将帮助医生建立个性化询证癌症诊疗方案。

2016年10月：IBM与西门子签署“五年全球战略合作计划”，拓展Watson在医疗领域应用；IBM Watson联手梯瓦，利用大数据研究药物新用途以及慢病管理新可能性。

2016年11月：IBM Watson联合MIT和哈佛，探索癌症为何产生抗药性。

2016年12月：IBM Watson联合辉瑞，将机器学习用于癌症药物发现；

IBM Watson参与渐冻症研究；

IBM“沃森联合会诊中心”在浙江省中医院落地。

2017年3月： IBM与百洋医药集团在北京签署战略合作协议，旗下百洋智能科技将成为 IBM Watson Health中国地区的战略合作伙伴，获得 Watson for Oncology（肿瘤诊断）在中国市场三年独家总代分销权。

（来源：本翼资本 36氪）