導 語：
大數據技術的應用，將從體系搭建、機構運作、臨床研發、診斷治療、生活方式五個方面帶來變革性的改善。
近日，艾瑞產業研究院發布《2018年中國健康醫療大數據行業報告》，深入分析了大數據在健康醫療行業中應用現狀、產業鏈、典型企業案例，并探索了健康醫療大數據的發展趨勢。
報告主要探討了健康醫療大數據市場發展現狀及未來發展趨勢，認為市場快速發展的先決條件有三條：
1）政策支持，頂層政策推動的同時，各類細節管理辦法也要及時跟上市場發展；如，CFDA 需要就基于人工智能技術的臨床應用，開發新的監管框架，為申請三類證開通通道。
2）市場認可，健康醫療大數據及 AI 技術的臨床及商業價值快速被市場認同，即企業客戶與患者用戶均具備一定的數據消費意愿與能力。
3）資本支持，大數據及 AI 技術的應用研發需要大量資金支持，在產品尚未全面鋪開時，市場需要資本不斷的注入以維持研發能力。
大數據在健康醫療中的應用價值
大數據助力我國醫療生態全面升級
大數據技術的應用，將從體系搭建、機構運作、臨床研發、診斷治療、生活方式五個方面帶來變革性的改善。由于我國醫療體系的強監管性，大數據若要在行業內實現其價值，需由國家建立一套自上而下的戰略方針，從而引導醫院、藥企、民辦資本、保險等機構企業構建項目，相互合作，最終實現從 “治療” 到 “預防” 的就醫習慣的改變，降低從個人到國家的醫療費用。
宏觀環境利好，靜待細分市場突圍
我國健康醫療大數據已進入了初步利好階段，國家作為政策引導方，已出臺了 50 余條 “綱要” 或 “意見” ，可穿戴設備、人工智能等技術的發展也為產品研發奠定了基礎，且頭部資本已進入市場。下一步，各方需靜待產品與市場需求相融合，共同探索具備商業化或臨床價值的大數據產品。
2018 年 Q1 大數據投融資事件 35 起，行業熱潮正式開啟
對醫療健康投融資數據進行分類整理發現，2014 年起健康醫療類大數據投融資事件增多，2016 年最多共 66 起，2017 年略有下降。2018 年，健康醫療大數據僅在 Q1 便發生了 35 起投融資事件，其中 12 件來自醫療信息化建設，多為利用 AI 、語義識別、數據模型，挖掘診療信息，連接院內院外平臺等類別的企業。受人工智能熱潮影響，2017 年輔助決策類共發生 17 次投融資事件，2018 Q1 共 5 起，預計未來將會有更多資本進入該領域。
健康醫療大數據發展概況
多項細分場景同時探索，輔助診斷將首先迎來商業化
健康醫療大數據行業以數據規模為基礎，且在政策和資本鼓勵下，部分應用場景進入市場啟動期，如健康管理、輔助決策（全科輔助決策、影像病理輔助診斷等）、醫療智能化等。下一階段，隨著企業大數據/ AI 技術長期的應用實踐探索，產品不斷更新完善，預估 2-5 年內，產品將首先在 B 端客戶中進行推廣；隨后，伴隨軟件友好度和準確度的上升，在 B 端客戶使用的影響下，C 端市場將展開競爭。
健康醫療大數據產業鏈概述
健康醫療大數據產業鏈的上游是數據供應商（醫療機構等）或存儲計算服務（云服務商）。中游為產業鏈核心企業，多為具有影像識別、深度學習、自然語義分析等核心技術的技術型企業。該類企業可為聚集了大量健康醫療相關數據的機構提供數據處理服務，在分析及可視化后賦予數據價值。下游為應用場景，分為 B 端和 C 端。B 端包括醫院、藥企、政府、保險、PBM 等企業，其最終的目的是提升醫療服務的效率和質量，降低患者及健康人群的就醫費用。
健康醫療大數據產業鏈圖譜
健康醫療大數據產業鏈上游現狀
數據已成規模，院內數據在樣本質量與規模中勝出
健康醫療大數據產業鏈上游所提供數據的質量與樣本量將決定，中游企業是否可以快速有效的進行模型訓練 。整體來看 ，院內、院外及基因數據供應方均面臨三個問題，質量、樣本量及安全。
1）院內數據在質量和規模上最具競爭力。各省市 TOP 級的三級醫療機構多存有高質量的診療數據，且已具備一定規模 。醫院外聯系統中多存有大量就醫行為數據，然而這類數據的應用將依賴政策指導，且面臨隱私安全等問題 。
2）基因數據為企業的核心資源，已具備一定規模和質量，且多由中游企業自建數據庫自行采集，或者通過與實驗室合作的方式獲取。
3）健康類數據多由智能硬件或在線醫療企業采集，該類數據增長快速，但是維度多且缺乏整合，質量參差不一。
健康醫療大數據產業鏈中游現狀
北京大數據先行，上海、廣東、浙江緊隨
從正在融資的 103 家創業公司中發現，企業主要集中在北上廣深一線城市，該現象受醫療資源、政府態度、醫生接受度三方面影響。
1）北上廣深擁有多家 TOP 級三甲醫院，優質醫療資源豐富且信息化程度高，因此企業能夠獲得可觀的高質量數據樣本；
2）初期階段，醫療大數據技術的探索多由地方政府撥款支持，如 2018 年 2 月由北京大學醫學部和大數據研究院共同籌備建立北京大學健康醫療大數據研究中心。因此地方性政策支持變得尤為重要；
3）一線城市的醫生對新技術接受程度較高，因此在產品上市后相對較易試運行。
院外數據的商業路徑
核心能力提升用戶健康，延伸能力創造商業價值
能夠提供健康管理服務的企業主要分類兩類。一類是偏健康數據收集類企業，針對健康或慢病人群提供飲食、運動等個性化健康方案。另一類是偏輕問診類，提供智能分診、輕問診、預約、轉診等服務。目前，C 端服務盈利能力有限，部分企業依托其健康管理或問診能力，為企業端客戶服務。
院外數據的商業路徑
數據到行為干預仍需過程，企業付費是首選
大部分移動醫療公司在經歷了 4-5 年數據沉淀后，積累了大量的數據樣本，然而如何通過技術將其轉化為可被解讀的報告仍需時間。目前，健康醫療大數據行業的支付方主要集中在 B 端，包括醫院、藥企、藥店、保險、政府等多類企業；且在主要支付方中，藥企、保險已形成了一定的支付習慣。健康醫療大數據的收費方式有多種，包括項目制、Saas 服務收費、軟件租賃費、增值服務費等；前三種為現階段主要的收費方式，而增值服務費將隨著大數據及 AI 應用場景的增多而增加。
院內數據的應用場景
大數據技術應用廣泛，以提升診療及管理效率為主
在研發成本、運營成本的不斷提升下，醫療機構、藥企、藥店、保險等機構或企業均急需一套解決方案，以便在降低臨床研發、運營管理、營銷成本的同時提升顧客滿意度，最終增加營收。該類企業利用人工智能技術分析挖掘已有信息，為醫療機構、藥企提供有效地改善運營、提升服務效率的解決方案。
目前，提供相關業務的企業主要來自三種：
1）創業型，多為 AI 技術公司，如推想、羽醫甘藍、博識醫療語音等技術型企業；
2）信息化/互聯網等企業新業務拓展，如東軟醫療的區域信息化、微醫的微醫云業務等；
3）政府主導的健康醫療大數據集團，如中電集團將在成都規劃、建設和運營國家健康醫療大數據平臺，開展健康醫療領域的數據匯集、治理、共享開放和應用生態建設。
院內數據的商業路徑
依托技術與數據，收費模式玩法多
就院內數據付費方來看，藥企、體檢的付費意愿及能力最強；醫院、保險、藥店等機構企業的付費意愿較弱，需要時間進行市場培育。此外，在商業化道路上，醫學影像類公司也可以針對器械、美容等高端機構進行產品研發，滿足其高端用戶的服務及心理需求。
現階段，針對不同客戶常見收費方式有三種：
1）軟件租賃或解決方案，企業為醫院機構或政府（省市衛計委）搭建系統或軟件服務（語音錄入、電子病歷搜索等），獲取一定技術服務費或軟件租賃費。
2）數據分析收入，企業為體檢機構提供影像識別服務，提高影像讀取效率；或利用機器學習為藥企提供服務，以便提高藥物發現的 “命中” 概率。
3）產品綁定，將成熟模型與健康醫療器械綁定，輔助提升其市場競爭力。大數據企業將獲得一定比例的提成或資源。
4）按使用次數收費，未來 AI 技術在獲得三類器械認證后，患者可在就醫時實現按次付費。
大數據應用在健康醫療中遇到的挑戰及未來趨勢
遇到的挑戰
法規滯后減緩行業發展速度，市場應用仍需培育
未來趨勢
初期：企業端客戶市場遠大于用戶端
在行業發展初期，企業端客戶的購買需求、支付意愿和能力遠大于用戶端，因此企業端客戶是健康醫療大數據企業主要支付方。醫院藥企是最早的支付方，如湘雅，2014 年圍繞數據互聯互通、區域信息、精細化管理進行系統搭建。
2016 年，21 家醫院的腫瘤專家與 IBM Watson 進行合作獲得個性化服務。藥企，如默沙東，2015 年將人工智能技術應用到藥品研發中。隨后，在 2016、2017 年，更多的藥企、體檢機構通過合作、收購等方式先后進入市場。在市場初步探索后，政府、醫院、藥企、體檢等企業將成為健康醫療大數據的主要支付方。
中期：用戶端付費將帶來更多可能性
隨著行業發展，產品、用戶教育及上下游產業的逐漸成熟，服務于用戶端的企業將迎來無限商機。如，影像識別、基因測序在經過臨床驗證后，作為常規檢測項目，將列入醫保或健康險的可報銷項目。健康慢性病管理場景下，用戶線上進行的建議、干預、上下轉診等健康或輕醫療服務的收費模式也將更加靈活多變，形成以按次、按會員、按年卡等多種收費形式。
長期：協同競爭者將成為贏家
在健康管理、慢性病管理以及診前、診中、診后環節打通的場景下，單家企業或機構的服務供給能力有限。只有依賴多方角色協同合作，配合提供健康醫療服務，才能滿足用戶需求。未來健康醫療產業中的勝出方，不單再是個體，而是不同領域的企業共同合作完成的生態體系。因此，企業在構建核心優勢的同時，還需要具備戰略眼光，及發現投資優秀合作伙伴的能力。該體系的核心產業包括健康醫療大數據公司、醫生、健康醫療服務提供方，輔助產業包括數據采集方（智能硬件、區域信息平臺）、運營商、物流服務、云服務等。
