作者
Hill
AI可谓时下最热门、最具前景的技术领域之一，正快速渗透到各行各业，改变人们的生活和工作方式。
AI在医疗领域并不算是新鲜事物，且早已有较为成熟的AI临床应用。据中商产业研究院统计，年，AI+医疗已占人工智能市场的18.9%，位列人工智能所有应用的首位。另据IDC统计数据，到年人工智能应用市场总值将达亿美元，其中医疗行业将占市场规模的五分之一。
人工智能开启了医疗健康行业发展的新时代，AI赋能触达医药全产业链，提升医药上中下游全产业链。而其价值体现在扩容（新产品）、降本（减少费用）、增效（提高效率）这三个方面。
从AI为医药产业链赋能的价值角度，考虑商业化落地的场景、进程以及节奏上看，我们认为AI在医疗端的AI+医疗服务、制造端的AI+医疗器械、研发端的AI+医药研发这三个大方向大有可为。AI+医疗服务：触达医疗各大终端，商业化走在前列。
通过整合现有的医疗资源和技术，人工智能将提高诊断准确率、降低误诊率、优化治疗方案、提升患者满意度等方面发挥关键作用。这将不仅有助于提高整体医疗水平，降低成本，还将为医疗机构带来可观的经济效益，加速行业数字化转型。其中部分场景处于商业化水平领先位置。
检验/病理诊断：
高精度高质量AI识别，重塑医疗体系。
▲病理学AI的临床应用医疗机构水平参差不齐，以医院，检验、病理诊断、影像阅片诊断等专家匮乏，通过高精度高质量的AI识别，可在医生经验的基础上提高诊断的敏感性和特异性，以保障诊断的正确率，可以极大帮助医生减轻工作压力，增加工作效率。院内信息化：
信息化建设转型提速，蓬勃发展。
作为我国医疗服务体系的核心，医院目前仍然处于智能化管理的初级阶段。随着医疗信息化、大数据、人工智能等技术进步，医院数字化转型进程加速，通过人工智能加速医疗机构管理变革的时刻悄然来临。
集中体现在电子病历、各科室数据互通、医院评级、药房自动化等方面。通过智能化的病历管理、患者信息管理和医疗资源调度，AI能够为医疗机构赋能，为患者缩短诊疗流程，提高效率。
AI医疗助理：
AI赋能智能化医疗，互联网医疗再升级。
通过在线医疗平台，AI可以为患者提供远程诊断、病症咨询、药物推荐等服务，帮助医生减小常规、重负担的同时，可以提高医疗效率。
·生成式AI，使C端医疗可及性大大提升
▲在USMLE考试中GPT-4得分超过80分利用生成式AI技术，基于大量的数据和知识，生成各种类型和形式的内容，使C端医疗可及性大大提升。
·AI赋能智能化医疗，互联网医疗再升级
在远程诊断方面，AI机器人可以利用大数据和机器学习算法，对海量的医疗资料进行分析，可以更加精准、有效地为病人提供初级诊断咨询，从而为患者提供个性化的诊断建议。
在用药指导方面，AI技术能够为患者提供更精确、个性化的药物推荐服务。通过对患者的病症、病历、药物过敏史等关键信息进行深度分析，能迅速确定最适宜患者的药物类型、剂量和用药方案，协助医生给出最适合的治疗方案。此外，AI技术还能为患者量身定制用药计划和健康管理方案，特别是在指导慢性病患者的长期用药过程中发挥重要作用。
AI有望与互联网医疗产业链多业态融合，赋能完整的“医+药+险”闭环。在线问诊市场增长迅速，医院发展深化；医药电商行业渗透率不断突破，B2C、O2O、B2B三大业务模式协同发展；医疗信息化需求推动行业增长；互联网商保技术赋能提升产业链价值。整体而言，各方面驱动力共同推动医疗产业创新和发展。
AI+医疗器械：拓展器械生命周期，优化人机交互，提升诊断精准度和病人预后效果。
AI在医疗器械领域的应用从形式上主要分两类，一类是单独以软件形式，一类是与设备等硬件相结合的形式，广泛应用在疾病的诊断和治疗过程中。
AI+影像设备
▲视网膜影像将人工智能技术嵌入各类诊断、治疗、监护、康复医学装备中，具体如AI人工智能技术在扫描、图像重建、分析等多方面全流程赋能影像诊断设备，如在消化内镜检查过程中，给医生提供检查导航等功能。
AI+辅助诊断
▲无创FFR测量利用了AI、流体力学等技术，辅助医生进行冠心病诊断。通过分析处理CT/MRI/超声等大型诊断影像数据、组织病理图像数据、生理电信号、DNA测序数据等多种数据辅助医务人员进行临床诊断决策的产品，具体应用包括AI肺结节辅助诊断、AI冠心病诊断、AI甲状腺超声辅助诊断、AI宫颈细胞辅助诊断等。
AI+辅助治疗
▲AI+放疗设备目前主要应用在医疗手术机器人领域以及AI放疗领域。医疗手术机器人术前手术路径规划、术中辅助导航，康复机器人可实现便携式穿戴，重建脑-肢体闭环神经环路，有效解决了目前卒中康复策略患者被动参与、干预手段单一、治疗模式不精准的技术痛点。AI放疗主要是与放疗设备相结合，放疗前规范靶区的勾画，自动化分割图像，正式放疗过程中，对肿瘤及正常器官进行监控，根据器官位置的变化调整治疗位置，使照射野紧紧追随靶区。
AI+医药研发：多场景、多领域赋能，技术突破推动前进。
▲AI药物研发应用领域-至今（AI+高速发展期）：伴随大数据、云计算、互联网等信息技术及算力的持续突破，以深度神经网络为代表的人工智能技术高速发展，踊跃出了AlphaGo、GPT、AlphaFold及ChatGPT等创新产品。其中年AlphaFold2在蛋白质结构预测大赛CASP14中，对大部分蛋白质结构的预测与真实结构只差一个原子的宽度，达到了人类利用冷冻电子显微镜等复杂仪器观察预测的水平，开启蛋白解析新纪元，为AI制药在药物研发领域的应用带来了巨大的推动。AI制药助力传统药物研发降本增效
以化合物研究为例，传统的高通量筛选库通常含有约百万种化合物，其中每种化合物通常价格50-美元。初始筛选过程可能花费数百万美元加上几个月的工作。随后的先导化合物优化可能需要数年才能确定临床前候选药物。相比之下，采用基于AI的药物发现系统，虚拟化合物几天内可以筛选数十亿个分子的文库，预测识别临床前候选物将缩短时间至几个月至一年。
▲AI制药同传统药物研发对比根据Exscientia的数据，可平均节约药物合成AI制药商业模式：回归创新药企本质，管线推进显真价值时间40~60%，降低研发成本，并提高研发成功率12%~14%。例如国内的AI制药龙头公司，英矽智能在临床前发现阶段的靶点发现到先导化合物的优化，只需要约18个月完成，总体投入不超过万美金，而这个过程过去往往需要五年甚至更长，并需要投入数亿美金。
未来：3种商业模式协同助推行业持续发展
目前国内及海外多数AI制药公司都会在SaaS服务商、AI+CRO和AI+Biotech的商业模式中兼容两种或者三种。
▲AI制药三种商业模式软件供应商
提供算法进行软件产品授权，医药专业性较低，产品溢价低可快速切入市场并创造营收，如OpenEye、ChemicalComputingGroup等计算机公司采取此模式；另外也有一些公司采取向软件整合延伸，提供“电脑内服务”如Atomwise等。
AI+CRO
提供新药研发服务，集中在临床前靶点发现、先导化合物发现，更加偏向CRO模式，临床前阶段进行向外授权，用一定新药研发风险换取较多上行空间收益，如Exscientia、Absci等。
AI+Biotech
自研新药研发并推进临床研究，偏向创新药企模式，专业性高，进入门槛高，可在临床一定阶段向外授权或自主商业化，创造更高价值，如薛定谔、英矽智能、RelayTherapeutics、BenevolentAI、Cyclica等。
据药智局及蛋壳研究院统计，年国内制药公司中，31%的公司兼容其中两种商业模式，占比最高。其次为AI+Biotech，约25%。第三为AI+CRO约23%。仅选择软件SaaS服务商占比最低，约8%。源于AI制药在算法、算力及数据方面需要较大的投入，且单一路径发展或有一定局限，我们预计未来多种商业模式协同发展有望逐步成为趋势。
随着人工智能AI在医疗领域的深入应用，极大地促进了医药行业的发展。据动脉网数据统计，年中国医疗AI市场规模已达到66.25亿元，结合AI辅助新药研发和AI助力肿瘤诊疗等市场赛道估算，预计-年复合年增长率（CAGR）为39.4%，年将突破亿元。
从AI为医药产业链赋能的价值角度，考虑商业化落地的场景、进程以及节奏上看，我们认为AI在医疗端的AI+医疗服务、制造端的AI+医疗器械、研发端的AI+医药研发这三个大方向大有可为：
·AI+医疗服务
建议
转载请注明：http://www.0431gb208.com/sjszlff/7740.html
