导读：

本文将告诉你：

1、AI影像辅助诊断产品分类；

2、行业现状分析及趋势判断；

3、体育逻辑。

（传统影像诊断）

AI影像辅助诊断产品主要指通过计算机视觉技术对医疗影像进行快速读片和智能诊断。解决的问题是医疗行业两大根本痛点：1、供需严重不平衡；2、医生水平层次不齐。

对于支付方（医保）而言，通过AI影像辅助诊断产品能降低误诊率，指导医生给出更为精准有效的治疗方案，同时通过提升基层医生的诊断水平，能促进分级诊疗的真正落地，双管齐下减少医疗资源浪费。

 对于服务提供方（医院）而言，AI影像辅助诊断产品能提高效率从而节约人力成本，能提高准确率从而降低误诊风险。

因此该领域的创新既有成熟的技术作支撑，真正解决医疗行业的根本问题，又同时符合支付方与医疗服务供给方的利益诉求，落地是必然趋势，只是有时间早晚问题。

AI影像辅助诊断产品按照应用科室和数据形式可分为以下几类，其中市场规模最大的在放射科，其收入占医院收入的10%-20%，与检验科相近，仅次于药品。

发展阶段

目前无论国内外，市场都处于早期培育阶段，尚未有AI影像辅助诊断产品实现规模化的销售。

从企业数量和融资事件数量来看，中美两国是目前该领域参与活跃度最高的国家。

从产品研发角度来看，由于国内的医疗数据相对美国更容易获取，目前国内的AI影像辅助诊断企业至少在50家以上，远多于美国。在研产品线中包含的疾病种类也多于美国。

从获证的角度来看，关于AI产品的审批及监管制度，中美两国都仍处在探索期，实际操作中，中国目前严于美国。

中美审批政策对比

商业模式及市场空间

主流的商业模式主要有3种：

1) 将产品免费铺进医院，和医院按服务患者数分成收费，付费方是患者。

2) 与设备厂商的设备（CT/MR等）软硬件结合捆绑销售，由设备厂商与医院结算，再向AI企业分成，付费方是设备厂商。

3)以软件或工作站形式通过代理商或者直销直接卖进医院，工作站直接与医院PACS系统相连或软件直接嵌入PACS系统，绕过了设备厂商，直接向医院收取一次性销售费用+每年维护费，付费方是医院。

商业模式分析：

1) 所有的商业模式，获证都是前提。目前暂无AI产品获3类证。

2) 若能推动AI辅助诊断进收费目录，医院的主动付费意愿会大大增强，行业也会迎来爆发。

3) 由于进收费目录要按省份来推，目前还遥遥无期。更快的方法是让设备厂商付费，通过设备厂商卖进医院，但这种模式的缺陷在于GPS等巨头设备厂商话语权更高，账期可能会比较久，且选择GPS中的一家后可能意味着放弃另两家的渠道。另外像联影这样的设备厂商选择自研。

市场空间：

1) 对AI企业来讲，最有利的销售方式是以影像工作站形式，通过代理商直接卖给医院，这样产品定价会比以软件形式卖高很多。按一百多万元的出厂价，全国约2万家等级医院，根据CHIMA，2014-2015年PACS系统渗透率约50%，则潜在市场空间约80亿元。

2) 虽然AI企业均认为AI辅助诊断的市场主要在基层，但第一阶段的客户更可能是信息化程度较高、受市场教育程度较高、资金较为充裕的三级医院，全国三级医院约2000家，则前期阶段市场空间约16亿元。

3) 由于中国的AI影像辅助诊断产品的研发进度目前领先全球，因此存在向海外输出的机会，尤其是东南亚地区。考虑到全球市场后，市场空间会更大一些。

发展驱动力及瓶颈

行业发展驱动因素：

1）政策鼓励：2017年12月工信部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，提出到2020年国内先进的多模态医学影像辅助诊断系统在脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的检出率超过95%，假阴性率低于1%，假阳性率低于5%。

2）市场推动：一方面，经过国内众多AI初创企业的努力，市场教育已经度过了空白期，医生认可AI辅助诊断产品的临床价值。另一方面，AI企业从最初的专注产品研发，过渡到完善产品的同时积极探索变现方式。 

限制因素：

1）信息化水平不高：根据中国医院协会信息管理专业委员会（CHIMA）出具的《2014-2015中国医院信息化状况调查报告》，我国医院信息科的PACS系统渗透率不足50%。影像数据数字化是AI影像辅助诊断产品的应用基础，因此信息化水平会限制AI产品的市场空间。

2）配套政策不完善：产品落地的前提是获证，行业爆发的前提是AI影像辅助诊断进收费目录，而目前药监局的审批指导原则尚在建立过程中，进收费目录需要按省级去推，时间较长。

发展趋势

AI影像辅助诊断产品最重要的壁垒在于高质量的标注数据，且产品差异性主要体现在诊断准确率上。所以产品研发的思路往往是：1、确定研发病种；2、找到该病种最权威、数据量最丰富的医院进行深度合作。

从企业调研的情况来看，每一细分病种的标注数据只要达到千例（按病人数算）级别，即可训练出准确率较高的模型。因此单病种产品的壁垒并不高。比如目前肺结节检测就已几乎成为各家AI公司的标配。但如果要做全部位、全病种的产品，那么所需数据量就会非常大。仅肺部就至少有10几种细分病种，脑部更是仅肿瘤就有30种以上。

目前各家AI企业都已意识到仅做单病种产品无法落地，所以纷纷向全病种延伸，并逐渐扩展至多部位。

我们仅看临床需求较大的几个部位：肺部、脑部和心脏。对应的数据形式主要是CT/MR/DSA，集中在放射科，但在寻找研发医院时，应根据对应的临床科室选择排名靠前的医院。肺部对应呼吸科和胸外科、脑部对应神经内科和神经外科、心血管疾病对应心内科和心外科。

2016年度中国医院排行榜

复旦大学医院管理研究所“2016年度中国医院排行榜”

根据复旦大学医院管理研究所发布的“2016年度中国医院排行榜”，我们可以看到， 各个科室榜单中的医院重合度并不高， 即不同部位往往对应不同的权威医院，目前市场上没有哪家企业能同时占领这些医院，所以如果想成为全病种上的垄断企业几乎是不可能的。

另一方面，我们可以看到，每个榜单中，即使是前十名，平均声誉值也差距悬殊，第一名基本都在10分以上，而第十名几乎都在2分以下。假设以5分为分界线，则肺部对应的权威医院有9家，头部对应的权威医院有6家，心脏对应的权威医院有5家，总计仅20家医院。因此虽然行业很难形成寡头垄断，但也不会太过分散，最终生存下来的企业一定是数据获取的速度与深度跑在前面的少数几家公司。

目前市场上涉足AI影像辅助诊断的企业大致可分为三类：

1）腾讯/科大讯飞等科技巨头：

腾讯/科大讯飞等科技巨头主要具备资金优势和人才优势，因此在收购AI企业、整合产品线上会有较大优势。

2）GPS/联影等器械巨头：

GPS/联影等器械巨头主要具备销售渠道优势和软硬结合优势，因此在具体的商业落地上会有较大优势。

3）AI初创企业：

市场上众多的AI初创企业则主要具备灵活性高和医院服务能力强的优势，因此在进院获取数据，研发产品上有较大优势。

虽然不同类型的参与者各有各的优势，但目前市场仍处于产品研发军备赛的阶段。最终谁能跑出来，关键还是看谁能做出有临床价值的，有比较优势的产品，在这点上反而是AI初创企业更有优势。

在评估公司的时候，我们主要关注以下几点：

1)产品线研发进度

目前官方宣传的合作医院数量往往不具备参考价值，因为多数所谓的“合作”，仅仅是将产品免费铺进医院，而不是真正的一方提供数据，一方打磨产品的深度合作关系。更有参考性的是看企业与医院有多少合作科研项目、科研项目中覆盖哪些病种、合作科研医院在该病种领域的权威性。

2)获证进度

虽然目前尚未有产品拿到药监局的三类证，但整个拿证过程在注册申请流程之前还有质量检测流程和临床试验流程，两个流程耗时至少在半年以上，提前走完前序流程就能在药监局敢批产品时获得领先优势。

3)商业化落地能力

主要考察企业的医疗渠道资源，包括与设备厂商之间的合作关系等。

4) 估值合理

由于去年大量资本过于乐观激进地涌入该行业，目前该领域公司的估值普遍较高，且企业多采用同行业对比方式估值，不具备合理的估值逻辑。今年随着体育人逐渐回归理性，估值有望得到一定修复，体育人和企业双方都应充分认识到目前该领域距离规模化落地销售仍有一定距离，在进行风险折价的基础上给出合理估值。

沈小琦

欧宝体育集团体育研究部行业研究员

清华大学经管学院金融学硕士，曾在软银中国医疗组、红点创投、国泰君安等机构实习，目前主要关注互联网及AI医疗、医疗器械领域体育机会。