摘要:《爱分析·中国医学影像行业报告》正式发布



万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

《爱分析·中国医学影像行业报告》正式发布

报告编委

报告指导人

金建华 爱分析 创始人&CEO

报告执笔人

张扬 爱分析 联合创始人&首席分析师

姜凯燕 爱分析 分析师

外部专家(按姓氏笔划排序)

陈晖 雅森科技 创始人&CEO

方骢 依图医疗 副总裁

高云龙 翼展医疗集团合伙人&CMO

康世功 全域医疗联合创始人&副总裁

林祯成 道彤投资高级副总裁

吕晨翀 医准智能创始人&CEO

乔昕 深睿医疗 联合创始人&CEO

王世和 一脉阳光创始人&董事长

特别鸣谢

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

点击“「链接」”,可下载完整版《爱分析·中国医学影像行业报告》。

报告摘要

公立医院是医学影像产业链核心,供应商需与其深度绑定

• 公立医院患者流量优势明显,是绝对的医学影像产业链核心,医保的加持进一步强化了公立医院核心地位。

• 患者获取和支付方缺位掣肘第三方影像中心的快速发展,国内科室运营服务比独立第三方服务有更大的空间。

医疗器械销售和服务费分成是AI医学影像两种落地方式

• AI医学影像落地方式,一是作为医疗器械销售给医院,二是以医疗服务费分成。其中,服务费分成需要AI医学影像产品实现大规模普及,并且能够下沉基层医疗市场。

• 商业化落地的方式与AI医学影像产品本身的定位有关,若是只作为提升效率的工具,则以医疗器械方式进院;如果能在诊断功能和水平层面得以提升,成为医学影像诊断服务提供者,则有望与医疗机构进行服务费分成。

基层是医学影像服务蓝海领域

• 基层医学影像市场有超千亿的增长空间。

• 基层市场分散,医学影像相关的设备渠道也相对空白,存在建立渠道的机会,供应商可以以医学影像服务为切入点,掌握基层医疗下沉渠道,构建企业在基层医疗领域的核心壁垒

目录

一. 新力量——全方位行业赋能

二. 突破瓶颈,AI医学影像落地

三. 科室运营瓜熟蒂落

四. 新机遇——下沉基层

结语

关于爱分析

新力量——全方位行业赋能

近年来,随着技术在医学影像诊断环节的渗透,以及政策对医疗创新的不断鼓励,提升医疗机构医学影像服务水平的新力量开始登上行业舞台。

尤其是以AI医学影像产品为代表的诊断服务,以及为影像科、放疗科等做整体赋能的科室运营服务,从科室筹建、日常运营、影像诊断等层面提供全方位的专业服务。

本章将首先进行医学影像产业链剖析。通过梳理我们发现,公立医院是医学影像产业链的绝对核心,不管是科室运营服务,还是诊断服务,最终的商业化落地都离不开与公立医院的深度绑定和合作。而长期来看,得益于分级诊疗的推进,以及提升医学影像服务水平的迫切诉求,基层将是未来的新机遇所在。

接下来将分析科室运营服务和AI医学影像产品如何为医学影像行业进行赋能,以及由此带来的行业影响。

科室运营服务满足医院影像科全方位需求的同时,解决了患者源获取和医保覆盖问题,是商业化较为顺利的方向。

而AI技术已成功渗入医学影像诊断流程,并在诊断效率和水平方面证明了自己,人机协同阅片就在不远的未来。

1.1 公立医院是医学影像产业链核心

医学影像产业链最终的服务对象是患者,供给方分为三个部分,医疗机构是产业链核心,上游是其供应商,下游是支付方。

医疗机构把持着患者流量,处于中心地位,其中公立医院流量优势最为明显,是绝对的核心。

我国医疗主要支付方是医保,而实现医保覆盖的主要是公立医院和基层医疗卫生机构,因此,支付方的加持进一步强化了公立医院在产业链中的核心地位。

上游供应商主要从设备、诊断服务、科室运营三个方面为公立医院提供服务。其中,科室运营涵盖了科室前期筹备和日常运营全部所需服务,门槛最高。

图1:医学影像产业链

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

1.1.1 公立医院把持患者源,核心地位牢固

医疗机构承担着服务患者的职责,包括公立医院、基层医疗卫生机构、民营医院和其他机构(比如各类诊所、第三方影像中心、病理中心等)。

具体科室来看,医疗机构中与医学影像服务相关的科室包括放射科、检验科、病理科等医技科室,放疗科等专科治疗科室,以及眼科、心血管科、消化科、内分泌科等临床科室。

医学影像诊断是诊疗流程中的一环,而且我国转诊制度与医疗机构间诊断结果互认尚未大规模普及,影像检查与诊断大多在就诊医院完成。因此,虽然卫健委发文鼓励影像、病理、放疗等第三方中心的发展,但患者获取这一首要难题,在一定程度上限制了第三方影像中心的发展。

根据卫健委公开数据,2018年1-9月,全国医疗机构总诊疗人次61.4亿,其中公立医院22.4亿人次,基层医疗卫生机构32.8亿人次,民营医院和其他机构分别仅有3.8亿人次和2.3亿人次。

图2:各医疗机构诊疗人次占比

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:卫健委公开数据 爱分析

由于公立医院和基层医疗卫生机构把持着绝大部分患者流量,而且公立医院医疗水平和科室建设普遍强于基层医疗卫生机构,影像检查多集中在公立医院,因此,当前阶段公立医院是医学影像产业链的核心,其地位难以被撼动。

1.1.2 医保控费是主旋律,进一步增强医院地位

支付领域不可忽略的一点是,我国医疗主要付费方是医保,商保占比不高。而医保控费是主旋律,各类第三方中心(包含影像、放疗等)成为医保定点单位的周期长,这又进一步加强了医院在产业链中的核心地位。

因此,与医院深度合作,是医学影像新力量商业化落地的正确选择。

1.1.3 科室运营瞄准二级医院市场

上游供应商从设备、诊断服务、科室运营层面切入医学影像市场,为医院提供服务。

其中,设备供应基本格局已定,由GPS(GE、Philips、Siemens)领衔。

诊断服务主要是AI医学影像产品,存在一定的数据和技术门槛,且处于商业化探索阶段;科室运营服务需提供包含设备和诊断服务在内的整体解决方案,对综合服务能力要求最高。

因此,对上游供应商来说,创新空间主要在诊断服务和科室运营服务。

图3:医学影像创新空间

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

作为诊疗流程中必不可少的一环,医学影像诊断的结果会直接影响临床疾病诊断。而我国医疗机构水平参差不齐,尤其是三甲医院和基层医疗卫生机构的影像诊断水平有天壤之别,主要体现在设备、诊断能力、科室运营能力三个方面。

以医学影像诊断量最大的影像科为例,三甲医院在设备配置、医生数量和水平、科室整体运行效率(包含收入与成本、工作流程控制等)方面都较为出色。唯一面临的问题是医生处于高负荷作业状态,在一定程度上存在利用技术手段提升诊断效率的诉求。

根据宁波大学附属医院(三甲医院)的统计,影像科医生平均每天需要完成80-100份CT、或60-80份磁共振、或120-150个超声部位的影像诊断。即使每份报告只用七八分钟,也需要10个小时才能完成。AI可以大幅度提升其影像诊断效率。

而很多县级医院的影像科,在经历了前几年国家层面的设备投放之后,影像设备配置基本到位。但影像科医生数量和水平不足,使其诊断能力难以支撑临床诊断需求,影像科日常运营能力也无法得以积累和提升。因此,越是基层的医疗机构,对于提升影像诊断水平的诉求越强,对于科室运营的需求也越大。

图4:不同层级医疗机构医学影像服务需求

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

从产业链上游来看,设备层面有GPS把持高端市场,国产新锐企业联影等正逐渐在中端和低端领域进行国产替代,加上各级公立医疗机构设备配置基本到位,因此不存在爆发性机会。

诊断服务是从基层到三甲医院的普遍需求,诊断能力和效率的问题可以通过AI医学影像产品得以解决。深睿医疗、依图医疗、推想科技、图玛深维、医准智能、致远慧图等新兴企业都在这一领域布局。

科室运营当前则主攻以县级和部分市级医院为代表的二级医院市场,提供从前期筹备到日常运营所需的全部服务,包含设备、诊断服务在内。其中诊断服务既包括AI医学影像诊断服务,也包括影像医生、专家服务。因此业务门槛要求较高,需要具备资质、资金、诊断、运营全方位能力。

图5:医学影像行业图谱

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

1.2 科室运营和诊断服务——全方位行业赋能

鉴于公立医院在产业链中的核心地位,与其深度绑定和合作的上游供应商,才能彰显竞争力和生命力。更为重要的是,对于基层而言,整体赋能的科室运营服务很接地气,也符合基层医疗需要从“0”到“1”的实际情况。

其中,在基层放射科医生匮乏的情况下,诊断能力的提升很大程度上得益于技术在医学影像诊断环节的渗透。不论对基层医疗卫生机构,还是三甲医院,AI医学影像产品带来的诊断能力和效率双重提升,都已在业内达成共识。

科室运营和诊断服务,已成为医学影像全方位行业赋能的新力量。

1.2.1 与公立医院深度绑定的科室运营更有生命力

2017年,卫健委发文,增加检验、影像、康复、护理、血透、消毒、体检等10类独立设置的医疗机构,随后开设第三方影像中心的标准文件出炉,第三方中心作为一种新的模式登上医学影像服务舞台。

然而,如前所述,国内患者流量基本在公立医院,短期内第三方中心获取患者源有两种思路,一是做高端体检、二次诊断等,满足高端医疗需求,由患者自付或者商保支付;二是与医院合作,承接大三甲医院溢出的患者流量,为三甲医院提供影像诊断服务,商业模式与第三方检验类似,由医院付费。

图6:国内第三方影像中心获取患者方式

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

其中,第二种方式符合与医学影像产业链的核心——公立医院深度绑定发展的思路,更容易实现规模化增长。

比如,一脉阳光在各地建设第三方影像中心为医疗机构提供影像检查和诊断服务。病理领域也有企业在布局,比如,兰丁高科作为第三方检验中心,为医院提供宫颈癌病理诊断服务。

虽然美国第三方影像中心市占率达40%,但国内医学影像市场短期内仍由医院主导。除了以第三方的形式服务公立医院,与公立医院深度合作还有另外两种方式,一是以整体解决方案赋能科室运营,二是与医院共建科室。

比如,一脉阳光通过与医院深度合作的方式,为基层有需求、有患者流量的医院提供整体医学影像服务。部分医院采取科室共建的形式。专注放疗领域的全域医疗,从设备、医生、放疗方案等全方位助力医院运营放疗科,并通过AI技术、远程等方式提升其肿瘤放疗水平和效率。

1.2.2 AI和医生协作是未来常态

科室运营服务是从整体层面提升医学影像诊断水平,聚焦到诊断能力本身,本质上是取决于放射从业人员数量和水平,而当前最大的瓶颈在于基层放射科医生稀缺,AI医学影像有望帮助基层突破诊断能力不足的瓶颈。

从医生与设备对应数量来看,2016年,影像科医生、技术以及护理人员约15.8万人,对应7万台医学影像设备保有量,放射从业人员数量并算不上匮乏。

从阅片量角度来看,影像科医生每日可完成100份CT影像阅片,年产能2.5万份。要覆盖中国15亿次影像诊断,只需要6万名影像医生。

但是从放射从业人员分布看,三级医院6.8万人,二级医院9万人。也就是说,一级医院和基层医疗卫生机构的放射从业人员完全处于空白状态。因此,影像科医生匮乏,是基层医学影像领域面临的主要问题。

图7:我国放射从业人员分布

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

但随着国家对分级诊疗制度的大力推进,中国医学影像的增量市场将更多来自服务基层医疗卫生机构,因此,从需求和现有情况来看,基层将是医学影像服务企业大展身手的蓝海领域。

而基层影像医生缺乏的现状短期内难以改变,以AI医学影像产品为代表的诊断服务能够很好地补位。AI在医学影像业务流中的渗透,主要体现在日常运营中的诊断环节。

图8:医学影像业务流程图

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

日常运营流程包含获取患者、拍片、阅片(影像诊断)、以及撰写报告四步,涉及到的PACS、LIS等影像科相关的数据存储、流程管理类基础设施,以及远程影像的传输软件等,都在经历云化的过程,这部分属于IT建设的范畴。

诊断环节的AI技术渗透是本报告研究的重点内容之一。近年来,以深度学习算法为主的计算机视觉技术开始在阅片过程中迅速渗透,未来,阅片方式将从原来的完全由影像科医生主导,逐渐过渡到由医生和AI协作的状态。

不过,在短期内,AI会作为辅助医生进行影像诊断的工具出现,提升医生影像诊断效率和准确率。未来随着技术的进一步成熟,以及AI阅片经验的日益积累,其智能化程度和诊断准确率也将随之提升,医生和AI协作阅片也会成为常态。

当前,AI医学影像细分赛道参与者众多,大部分公司都已将 AI影像辅助诊断产品免费部署在医院。

虽然行业发展如火如荼,但其商业化进展却遭遇瓶颈,亟待突破。值得庆幸的是,AI影像产品已初步经过医院和医生使用检验,CFDA也已介入审批,有少部分医院开始付费引入。

突破瓶颈,AI医学影像落地

从2016年到2019年,AI医学影像经历了从行业升温、备受追捧、到回归商业化落地检验的起伏之旅。行业参与者们在竞争与共同推动市场发展的氛围中,完成了初步的技术验证、产品打磨和市场教育,但还需面对最大的拦路虎——商业化落地。

本章将首先分析AI医学影像商业模式,接着阐述商业化落地进展,并在商业模式思考的基础上,进一步探索AI医学影像企业获客方式,最后指出提升AI医学影像行业市场天花板的思路。

爱分析认为,AI医学影像有两种落地方式,一是作为医疗器械销售给医院,二是以医疗服务分成的方式收费。其中,服务费分成需要AI医学影像产品实现大规模普及,并且能够下沉基层医疗市场。

从目前的行业进展来看,实现商业化落地还需跨过两道坎,一是通过CFDA三类医疗器械认证,二是产品进入医院常规采购目录。

获客方式有两种,一是与相关设备深度绑定;二是通过直销和渠道获客。

从市场空间层面来看,AI医学影像市场空间在百亿级别。对于AI医学影像企业来说,临床价值决定商业价值,除了长期可以通过服务费分成突破市场天花板,还可以通过产品自身的扩展实现商业价值提升,包含横向病种覆盖和纵向场景延伸两个方面。

2.1 商业模式——从医疗器械销售到医疗服务分成

从当前的行业进展来看,AI医学影像产品将会以医疗器械的方式进入医院。长期来看,随着产品功能的进一步提升,以及向基层医疗市场的不断渗透,行业也将探索按医疗服务费分成的模式,即按照诊断量或者调用量收费。

商业化落地的形式与AI医学影像产品本身的定位有关。目前行业进行大量市场推广的多是三级,部分二级医院也已开始逐渐渗透,对三级医院医生来说,AI医学影像产品是提升效率的工具。

比如,肺结节类产品可以将疑似结节筛选出,并进行量化分析,生成结构化报告,医生只需要在此基础上查看AI诊断结果,排除假阳性并确认最终报告。这一过程大大缩短了原本需要医生肉眼筛查、以及编辑报告的时间,提升其工作效率。

图9:AI医学影像产品功能示意图

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:医准智能 爱分析

其他类型病灶的逻辑与此类似,AI能够解决常见型病灶的检出、量化,并出具半结构化报告,最终提升影像诊断流程的效率。

高检出率低假阳性率,医准智能深耕肺结节及乳腺智能检测

专注于人工智能辅助医学影像诊断的医准智能,产品研发深耕临床一线,目前已推出肺结节智能检测系统、乳腺钼靶智能检测系统, 同时联合IBM Watson打造医学影像人工智能科研平台(达尔文科研平台)。

医准智能在基于CT影像肺结节人工智能检测方面拥有扎实的算法功底和经验积累。对于各型结节的检出及良恶性判断具有行业领先水平,同时保证了较低的假阳性率。医准智能肺结节智能检测系统拥有结节自动检出、结节类型判断、以及良恶性分析功能,能有效提高放射科医生的阅片效率、提高整体诊断检出率及准确率,是放射科医生的得力助手。

图10:医准智能肺结节智能检测系统

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:医准智能 爱分析

医准智能与某省级三甲等医院的合作中,医生团队以科研为目的,搜集了8850例数据,共1111个结节,通过医准智能AI辅助系统与医生检测结果的对比中得出结论,来自不同级别医院的医生的综合检出率为80.1%;使用医准智能肺结节智能检测系统后,3mm—13mm结节检出率达到98.6%,综合检出率达到94.2%。医生在使用AI系统的情况下,阅片时间可以减少到三分之一,同时,检出率高达95.7%。相关研究成果已在欧洲放射学会发表,成果深受业内人士认同。

图11:医准智能肺结节智能检测系统与医生检测结果对比

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

医准智能乳腺钼靶智能检测系统具有病变解剖位置分析、良恶性分析、BI-RAIDS分类等功能,能有效辅助放射科医生快速阅片,提升医生阅片效率同时,病灶的精准检出、准确率的明显提升更是此款产品价值所在。

图12:医准智能乳腺钼靶智能检测系统

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:医准智能 爱分析

医准智能创始人兼CEO吕晨翀表示,“我曾服务医疗影像行业12年(GE和西门子),服务对象一直都是影像医生,深刻了解到他们需要一款好用的AI产品让自己从重复机械的工作中解放出来,才能将更多精力放在专业提升及科研中。未来的医学影像一线工作中,AI与放射科医生的不断深入融合,将为医学影像专业带来巨大的变革!医准智能团队将一如既往、脚踏实地,不断为客户带来新的服务。”

而当AI医学影像真正从等级医院买单,到推广至基层医疗卫生机构阶段的时候,其定位在一定程度上发生了变化。

部分市县级二级医院、一级医院、以及基层医疗卫生机构水平薄弱,AI不仅仅能够提升其医生的工作效率,更能提升其影像诊断水平。这时候AI可以跟医生一起协作阅片,相当于提供医学影像诊断服务,即能够与基层医院进行服务费分成。

之所以能够探索服务费分成的模式,还有一个原因是基层购买力有限,通过分成的方式更容易进行市场推广。

从商业模式角度来看,医疗器械的预算和定价有限,即AI医学影像的市场空间也会因此受限。而服务费分成的模式一旦跑通,意味着企业能够在来自基层的增量市场中分得一杯羹,得以突破市场天花板。

图13:AI医学影像商业化

万字深度报告,透视AI医学影像前景(附下载)| 爱分析报告-爱分析ifenxi

数据来源:爱分析

2.2 CFDA三类证——商业化的必要非充分条件

当前,AI医学影像行业整体处于“试用”的状态,三甲医院几乎已被各供应商产品占据,但尚未开闸销售,大家已在起跑线上做好准备姿势,但枪声还未打响。

其中重要的原因是AI医学影像产品尚未通过国家CFDA审批。

2018 年 8 月 1 日起,新版《医疗器械分类目录》正式生效,将医用软件按二类、 三类医疗器械设置审批通道。目录明文规定,诊断软件通过其算法对病变部位进行自动识别,并提供明确的诊断提示,按照第三类医疗器械管理。目前市面上的大部分AI医学影像产品都