名单｜2023年国产医疗机器人企业排行榜
▍来源：器械之家
近期，由互联网周刊/eNet研究院/德本咨询联调的2021医疗机器人企业排行榜出炉。其中，天智航、上海微创、哈工大机器人、安翰科技、精锋医疗、威高集团、楚天科技、新松机器人、神方机器人、赛诺微等十家企业荣登TOP10。
据了解，此排行榜以iPower、iFuture、iBrand三i标准来进行排名。其中，iP指从过去到当前的规模类状况及影响力，指代迄今为止的企业运营实力；iF则是考查软实力，主要考察企业未来发展力；iB考察口碑（尤其是业内口碑），主要由行业专家、专业人士作为代表来进行企业相应的评价打分。
当前，从开放手术到微创手术，再到机器人辅助手术，手术在精度、复杂度、创口大小、安全性、术后恢复等各个方面的要求越来越高，手术机器人正在渗透到越来越多的科室，被更多的人认可和使用。
手术机器人是机器人辅助手术中的核心设备，而且与单纯的医疗器械不同，是一个复杂的系统。根据临床应用的不同，手术机器人又分为腔镜手术机器人、自然腔道手术机器人、骨科手术机器人、泛血管及经皮手术机器人。近年来手术机器人赛道也愈加火热，现在就让我们来看看入围“2021医疗机器人企业排行榜”的部分企业吧：
01
天智航
天智航是国内第一家、全球第五家获得医疗机器人注册许可证的企业。其自主研发的天玑®骨科手术机器人，是国际上唯一能够开展四肢、骨盆以及颈、胸、腰、骶脊柱全节段手术的骨科手术机器人。目前已经进入国内100余家临床机构，完成超过2万例骨科机器人手术，占据了国内主要市场份额。
“天玑Ⅱ”骨科手术机器人于2021年4月2日上市，其在术中可实时识别患者体位变化，并可在光学跟踪系统的监测下调整机械臂定位，降低患者呼吸等轻微位移对置钉的影响，保证手术精准、微创完成。相比传统手术，骨科手术机器人手术创伤小、出血少、并发症少、康复快的优势明显，患者真正享受到了精准度更高、创伤更小、恢复更快的手术治疗，手术质量迈上新台阶。
02
上海微创
2022年1月27日，微创医疗机器人自主研发的图迈Toumai腔镜手术机器人获得国家药监局的上市批准，成为当前第一且唯一一款由中国企业研发并获准上市的四臂腔镜手术机器人。四臂腔镜手术机器人是腔镜手术机器人最高技术标准，微创图迈的上市标志着国产手术机器人在腔镜手术机器人这一核心领域迎来重大突破。
与传统腔镜手术相比，微创图迈机器人具有手术视野立体真实，微型器械精细操控，狭窄空间下高灵巧运动等众多技术优势，给复杂腔镜手术涉及的狭窄解剖空间下分离止血、缝合打结、功能重建等外科操作带来重要临床价值，同时，克服传统开放手术的创伤大、出血多、并发症概率高等问题，真正实现精准、安全、高效、微创伤的外科手术操作。
在上市前临床试验中，微创图迈已展现了极高的临床应用价值，通过与国外产品头对头随机对照的大样本量、多中心临床试验，验证产品具有良好的安全性和有效性，并不断挑战高难度手术，协助临床专家实现了众多国产手术机器人零的突破，包含：首例国产机器人前列腺癌根治术、首例国产机器人肾部分切除术、首例国产机器人腹膜后入路肾部分切除术、首例国产机器人单孔手术等，不断验证国产腔镜手术机器人在狭窄解剖空间内完成复杂操作的技术实力，不断拓宽国产手术机器人临床应用领域。
03
哈工大机器人
天愈（TEINYO）是哈工大机器人集团（HRG）生态圈企业，作为五维度智能康复空间的建设者、科学精准康复的品牌，公司致力于科学康复与智能护理，是集脊柱和睡眠的科学康复及智能护理机器人终端研发、生产与销售、医康养中心创新模式建设与升级、医康养服务优质解决方案输出等于一体的国家高新技术企业。
04
安翰科技
胶囊内镜属于消化道内镜的一种，可以分为胶囊胃镜和胶囊肠镜。检查时，受检者将智能胶囊吞下后，它随着胃肠肌肉的运动节奏或通过外部控制通过消化道，并对经过的胃肠道进行连续摄像，医生通过查看胶囊拍摄的图像了解受检者胃肠道情况，胶囊内镜在吞下后1～3天可便排出体外。
与传统胃镜相比，胶囊内镜检查具有无痛、无创、无麻醉、无交叉感染风险等特点，对于那些适应依从性差、无法麻醉、容易粘膜出血、容易高度传染的受检者具有更好的适应性，同时能够有效避免传统胃镜给受检者带来的恶心等不良反应，减少了受检者对胃镜检查的恐惧感。
安翰科技成立于2009年，公司率先提出一种胶囊磁控方法，可以稳定地控制胶囊在胃腔内的精准移动转动，并发明了胶囊在胃液中稳定悬浮和运动的方法，是全球首家获得CFDA核发的“磁控胶囊胃镜系统”三类医疗器械注册证公司，也获得了CE认证和FDA认证。
磁控胶囊胃镜由磁控胶囊内镜控制系统、磁控胶囊胃镜机器人、检查服、胶囊定位器及显示软件五部分组成。
胶囊胃镜具有异步异时空的特性，即将胃镜检查拆分为图像采集和诊断两个过程，互联网技术的发展让图像采集与诊断能够实现异时空进行，让图像采集工作变成一个简单的标准化操作。
05
精锋医疗
精锋医疗(EdgeMedical)于2017年5月在深圳成立，公司以推动外科手术进步为使命，致力于智能手术机器人平台的开发及普及，是国内唯一 一家、全球第二家同时掌握单孔手术机器人及多孔手术机器人技术的公司。
目前，精锋医疗已经拥有了以机器人技术为中心的三大产品管线，包括现在应用范围最广的多孔腹腔镜手术机器人系统、代表外科手术发展方向的单孔腹腔镜手术机器人系统以及超高清立体内窥镜。
据了解，精锋医疗的核心业务手术机器人主要包括多孔手术机器人和单孔手术机器人，且已获得国家三类医疗器械审批绿色通道。 其中精锋医疗多孔手术机器人已完成泌尿外科临床入组，在部分参数上已超越了进口产品达芬奇手术机器人，并于2021年9月完成泌尿外科注册临床入组。
同时，该款机器人于2021年8月率先进入妇科领域注册临床试验阶段，成为国内首个进入双科室临床试验的腔镜手术机器人系统。成为国内首个进入双科室（泌尿科、妇科）临床注册手术机器人公司，预计2022年产品上市。
另外，其单孔手术机器人的“创新医疗器械”特别审查申请已于2021年4月获得通过，且已启动临床试验注册，有望成为国内首个上市的单孔手术机器人产品。
值得注意的是，精锋医疗在此前一年多的时间里完成了三轮过亿元融资，累计金额近20亿元人民币。2020年9月15日，完成过亿元Pre-B轮融资，本次投资由三正健康领投，国策投资、联想之星、保利资本跟投。
——
据弗若斯特沙利文的一份资料显示，2015年到2020年，全球手术机器人市场规模由30亿美元增长至83亿美元，复合增长率22.6%，预计将以26.2%的年复合增速增长至2026年的336亿美元（折合人民币2150亿元）。截至2020年，中国手术机器人占全球比例为5.1%。但到2030年，国内市场规模有望超700亿元。
由于起步较晚，国内手术机器人企业的商业化落地还处在初期阶段。根据招股书数据，即使是一些头部企业，许多产品距离上市仍需要时间，目前多数处于亏损状态。但另一方面，在我国庞大的医疗生态体系中，全国35394家医院中引进医疗机器人的医院不超过100家。这意味着国内机器人企业仍然有很大的发展空间。
应用于临床医疗的机器人数量较少，但对于国内企业来说反而是一次机会。2021年被称为手术机器人国产化元年，国内越来越多的企业进入了这一赛道，同时攻克了很多技术难题，如上海交通大学在单孔腔镜手术机器人开发上已领先全球，并有望在这一新兴细分领域实现弯道超车。尽管，国外机器人产业发展较早，但机器人研发的复杂性使效率和效果方面并未触达天花板，国产机器人的发展前景仍然值得期待。
- END-
“AI＋医疗”如何质变：人工智能企业抱团突围
图片来源@视觉中国
文|冰鉴科技研究院
伴随着自然语言处理（NLP）、计算机视觉、深度学习等技术的飞速发展，人工智能的应用场景不断拓宽，“AI+医疗”成为投资人和创业者的关注焦点。
人工智能技术在医疗领域的应用不仅大幅减少医院的工作量、缩短诊断时间，还能帮助基层医院医生提高诊断的准确率，在疾病早期提前发现、及时治疗，降低个人、家庭及社会医保负担。此外，利用人工智能技术，还能帮助制药公司大幅度缩短制药时间，降低研发成本。
目前“AI+医疗”各类研究成果不断出现，正处于量变到质变的过程。一旦获得重大突破，发生质变，各大人工智能公司将会获得巨额回报。
为了抢夺市场，提前布局相关赛道，微软在今年4月豪掷197亿美金收购人工智能公司Nuance，后者第一大收入来源就与医疗相关。
在国内，包括BATJ、科大讯飞、云从科技、冰鉴科技、云知声等在内的各大人工智能公司都积极参与医疗行业。北京大学（医疗机器人研究中心）、浙江大学（健康医疗大数据国家研究院）、吉林大学（智能医疗研究中心）等一些高校还专门成立智慧医疗研究院，并与企业、医院、国外知名高校（如哈佛大学）深度合作，寄希望在该领域获得突破。
然而，学术研究如火如荼、企业投资方兴未艾之际，“AI+医疗”的商业化进程却低于预期。医疗AI先锋企业——IBMWatson更是因为前期投入过多、商业化不理想而传出要被IBM出售。此外，国内的相关研究同质化严重，存在资源扎堆、恶性竞争现象；AI仪器功能单一，也难以满足医生多样化需求。
面对“AI+医疗”的巨大市场，人工智能企业该从哪里切入？商业化进程如何？医院、医生和病患真的愿意为AI技术买单吗？
01发展史：“AI+医疗”步入深水区
“AI+医疗”在21世纪之前发展较慢，几乎没有商业化产品。进入21世纪之后，“AI+医疗”才开始快速发展。国外以Watson、Nuance、GoogleHealth为代表，国内科大讯飞、腾讯觅影、阿里健康等企业起步早、投入多。
国外，“AI+医疗”的发展冰火两重天
Watson成为IBM“弃子”的传闻令医疗AI行业跌入冰点。目前获得批准的AI医疗器械也少得可怜。2020年9月，《NPJDigitalMedicine》发表的文章提到：目前可以找到的FDA批准的基于AI/ML的医疗器械软件只有64款。”
而微软宣布197亿美元收购人工智能公司Nuance，又显示出行业火热的一面。国泰君安分析师认为：“微软收购Nuance的一个重要原因是，Nuance在医疗等领域的语音交互市场中处于领先地位。其核心业务之一是对医患谈话进行转录形成电子病历并据此提供辅助诊断服务。根据微软的数据，无论从医师医院覆盖率还是从产品性能上来讲，Nuance的产品在医疗领域都处于领先地位。”
国内，2015年起风险投资开始加速布局“AI+医疗”
得益于于深度学习、计算机视觉（特别是图像识别）、NLP等技术的进步，“AI+医疗”近十年开始萌芽，大量新兴公司开始成立或者转型专攻“AI+医疗”。
据IT桔子网统计，2012年至今，“AI+医疗”领域共有1439家公司，获得1553起投资，总投资额为7006亿人民币，BATJ、科大讯飞、平安、云知声、云从科技、冰鉴科技等争相进入“AI+医疗”领域。
02人工智能在医疗领域的应用
人工智能与医疗结合应用的领域非常多，其中健康管理、药物研发、辅助诊断、医学影像、疾病预测这五大领域应用在当前最为主流。
健康管理/慢性病管理、智能语音病历录入等领域相对成熟
2018年12月，国家卫生健康委员会发布的《关于印发电子病历系统应用水平分级评价管理办法（试行）及评价标准（试行）的通知》明确：“所有二级以上医院需要按时参加电子病历系统功能应用水平分级评价，且评估结果纳入公立医院绩效考核。到2020年，所有三级医院要达到分级评价4级以上，二级医院要达到分级评价3级以上。”该政策为“AI+医疗”未来发展提供了数据基础，并由此带动了科大讯飞、云知声等公司智能语音病历录入业务迅速发展。
国务院新闻办发表的《中国的医疗卫生事业》白皮书显示：伴随中国工业化、城镇化、老龄化进程的加快，居民慢性病患病、死亡呈现持续快速增长趋势。中国现有确诊慢性病患者2.6亿人，慢性病导致的死亡占中国总死亡的85％，导致的疾病负担占总疾病负担的70％。因此，慢病管理市场空间大，医渡科技、第四范式、医鹿康福等一些人工智能公司迅速参与其中。
“基于医学影像判断各种疾病，然后给予医生辅助诊断建议（医学影像+辅助诊断）”是众多人工智能公司偏爱的研究领域
冰鉴科技研究院认为，人工智能公司偏爱“医学影像+辅助诊断”主要有两方面原因，其一该领域运用的人工智能技术相对成熟，且大量疾病诊断准确率被证明优于基层医生；其二，与疾病预测、药物研发等相比，该领域应用难度较低，商业化前景更好。
AI医学影像+辅助诊断，是指将人工智能技术应用在医学影像的诊断上，特别是各种疾病筛查，并提供诊断建议给医生参考。目前常用的疾病筛查包括肺结节/肺癌、眼底疾病、宫颈癌、肺炎、眩晕症、肿瘤、结直肠癌等。在美国，Watson等企业开始商业化运用AI技术为疾病提供辅助诊断。
药物研发、疾病预测是“AI+医疗”的深水区
在AI药物研发企业分布上，据DeepKnowledgeAnalytics统计，截至2020年底，全球共有240多家AI药物研发企业，美国仍然稳居领先地位，占比54.4%。
国内方面，2020年7月腾讯宣布将正式进军AI+新药研发，开发的人工智能药物发现平台“云深智药”将向科研人员全面开放。此外，剂泰医药、望石智慧、晶泰科技（XtalPi）等创业公司也开始利用AI技术参与药物研发，但是目前依然未发现相关成果商业化。
在疾病预测方面，由于数据不全、门槛高，国内参与者更是寥寥无几。不过，随着可穿戴设备普及，病历电子化，实时监测血氧、睡眠、呼吸和心跳，未来对于一些疾病的预判成为可能。
国外，也仅有一些研究成果发表在医学期刊上。如《自然》杂志2017年2月报道，通过大脑数据预测自闭症。北卡罗来纳大学的研究人员说，通过扫描兄弟姐妹患有自闭症的婴儿的大脑，他们已经能够对这些高风险婴儿中的哪一个日后会发展为自闭症做出合理准确的预测。
03人工智能在医疗领域的应用价值
疾病筛查：解决传统效率问题
2019年《中国人工智能医疗白皮书》披露，传统诊断模式，医生对单个肿瘤病人约200张CT图像勾画需要3-5小时，找到肿瘤位置后，还要根据肿瘤大小、形状等花费时间设计方案。相比传统模式，人工智能可以大批量快速处理图像数据，并一次完成。
武汉兰丁股份董事长孙小蓉博士说，“病理医生用传统方式做癌症筛查，主要就是简单重复地看显微镜，但终其一生，能够看完的片子数量也十分有限。”以宫颈癌筛查为例，传统的人工方式不仅效率不高，中国病理医生的人数也远远不够。面对近三亿需要接受宫颈癌筛查的适龄妇女，没有科技创新手段是不行的，而人工智能技术则可以提供一个可行的解决途径。该公司研发的“两癌”筛查技术，截至2020年底，累计完成117万例宫颈癌检查，这也是人工智能技术迄今为止最大规模的人群应用。
医学影像辅助诊断方面，通过人工智能对医学影像进行标注，能够大大提高医生的工作效率，减少重复工作和遗漏。
辅助诊断：降低误诊率
根据《临床误诊误治》杂志的统计，全球疾病误诊率高达30%。，据权威机构调查，美国医生的临床误诊率依然维持在15%-45%之间。根据《福布斯中文网》数据显示，近20年来中国的年度门诊误诊率在50-90%，住院部误诊率在26-31%之间。这其中癌症最易被误诊，如脑肿瘤的误诊率高达70%左右，转移性骨肿瘤的误诊发生率为40%，大肠癌的误诊率可达79%。
广东省卫生厅副厅长廖新波曾发表博文《医生的诊断有三成是误诊》，如果在门诊看病，误诊率是50%。“脑肿瘤的误诊甚至在70%左右，甚至高达100%。”他解释，无论是器质性还是功能性的病变都能引起头痛、头晕，而CT和MR不能检查出功能性病变，只能依靠医生的经验做判断了。
误诊的原因也五花八门，比如医生不够专业、病人隐瞒病情、病情太过复杂、早期症状隐匿等。所有接受治疗的病人，大约只有10%幸运找到了病因，并且得到恰到好处的治疗。
而利用人工智能技术可以很好的规避人为因素，降低误诊率、漏诊率，特别是当疾病处于早期隐匿期。
斯坦福大学用人工智能来诊断皮肤癌，准确率超过90%。
俄勒冈健康科学大学（OHSU）和马萨诸塞州总医院（MGH）的研究人员在《美国医学会眼科杂志》上也发表了一项成果：他们新开发的一种算法能够自动检测导致儿童失明症的潜在的病变原因，准确率达91%，同期测试的八位医生组成的对照组对眼球照片进行诊断，准确率只有82%。
麻省理工学院研究员最近发表在《IEEE医学与生物学工程学杂志》上的一篇论文提到，他们的模型识别出确诊为Covid-19的人的咳嗽的准确率为98.5%，其中，利用咳嗽声识别无症状感染者的准确度高达100%。研究人员收集了7万多条录音，每个录音含多个咳嗽声，共计20多万个咳嗽音样本。
平安智慧医疗研究团队利用医学中心创伤急诊科1888名患者的骨盆X光影像数据进行测试，运用AI技术判断骨折结果和位置，模型的预测精度达到92.4%。在与台湾长庚医院四个科室的23位医生合作（AI+医生）中，急诊科医生使用AI系统之后，漏诊率从9.7%下降至0.7%，住院医师漏诊率从11.3%下降至1.58%，专家医师漏诊率从6%下降至0.5%。AI骨折系统在检测敏感度和特异度等定量指标方面，较为明显地超越急诊科医生和住院医师，逼近并略好于放射科医生及部分骨科专科医生。
提高医生工作效率（智能语音病历录入与管理）
美国著名医学专业网站医景网(Medscape)对1.5万名美国执业医生进行调研发现，近三分之二的医生表示自己职业倦怠(42%)、情绪低落(15%)或两者兼而有之(14%)。主要原因包括临床医生必须处理各种复杂的医疗文件(56%)以及花费大量时间将患者信息输入电子健康记录中(24%)。
智能语音病历录入与管理可以有效帮助医生节约时间，提高工作效率。这也促使该领域在“AI+医疗”的细分领域商业化最成熟，典型案例包括科大讯飞、Nuance等。
药物研发：缩短时间，降低成本
据DeepKnowledgeAnalytics统计，新药研发具有成本高(10亿+)、研发周期长(10-12年)、成功率低（13.8%）三大高风险特性。药物研发的投资回报率从2010年的10.1％稳步下降至2018年的1.9％。对某些复杂疾病领域更是如此，比如肌萎缩性侧索硬化症，在过去半个世纪里超过50项临床试验未能显示出任何积极的疗效。
与此同时，利用自然语言处理、深度学习、图像识别、机器学习等人工智能技术，可以缩短药物研发时间、降低药物研发成本、提高预测准确率及药效。
北京大学前沿交叉学科研究院定量生物学中心研究员裴剑锋认为，AI技术尤其是强人工智能的发展，有望解决药物设计中挑战性的难题。例如，随着自然语言处理技术和AI文献信息提取技术发展，未来AI能自动处理海量非结构化的专利、文献数据，从中提取关键信息构建知识图谱和认知图谱，自动发现药物靶点和药物分子。
《麻省理工科技评论》2019年9月报道，AI制药公司InsiliconMedicine与多伦多大学的科学家合作，从开始研发新的靶向药，到完成初步的生物学验证，仅仅花了46天时间，而传统方法至少需要8年才能完成。这项研究结果已发表在的《自然生物技术》杂志上，标题为：deeplearningenablesrapididentificationofpotentDDRIkinaseinhibitors。
晶泰科技CEO马健接受《IT时报》采访时说道，“通过计算，能够帮助药企优先选择最容易成功的药物化合物、晶型候选和研发路线，帮助这些药物研发专家趋利避害，减少研发时间和试错范围，尤其是晶型研发周期，会从几个月甚至一年缩短到几周到几个月。”
04市场空间及商业化现状
市场空间广阔
根据ReportLinker数据库早前发布的报告指出：计算能力的提升以及硬件成本的降低，推动全球医疗AI市场发展，预计到2025年，全球医疗行业的AI市场规模达到2500亿元人民币。
中国信息通信研究院西部分院发布的《2020智慧医疗发展研究报告》显示，2020年，中国智慧医疗行业规模已突破千亿元大关，预计2021年规模将达1259亿元，行业将进入智能化、高效化、规模化发展的高速增长期。
具体到单个公司，2021年4月20日，科大讯飞公布2020年业绩报告，智慧医疗业务在报告期内实现营收同比增长69.25%。此外，云知声招股书披露其2017-2019年智慧医疗收入增长率也超过50%（如下图）。
此外，医渡科技招股书显示，其健康管理平台和解决方案业务由2019财年的1075.8万元增长至2020财年的5564.8万元，同比增长417.27%。
但智能语音在病历录入、健康管理方面的监管相对宽松，但在疾病诊断、药物研发等领域要求会更加严格。
商业化较难
在美国，Watson商业化收入与其投入严重不匹配。《华尔街日报》援引知情人士报道，Watson年收入为10-15亿美元，这与IBM的首席执行官VirginiaRometty在2013年10月预估的收入差十倍。
与此同时，Nuance日子也不好过。虽然与美国77%的医院有合作，但是营业收入自从2016年开始连续五年下降。
在国内，BATJ等众多互联网、人工智能公司、医疗机构、高校、风险投资等花费几百亿巨资参与智慧医疗，相关研究不断出现在于学术杂志上。但是，成功得到国家药品监督管理局（NMPA）批准的医疗器械软件仅11款，想要各大医院医生认可并大规模商业化更是路途遥远。
据蛋壳研究院的产业评估，医学影像、医学研究、虚拟助手离产业化最近，规模商业化还需2-5年左右，但目前处于期望过高的阶段；健康管理、药物研发、医院管理、疾病筛查距离产业化较远，有5-10年。根据AccentureAnalysis和杭实资管估算，10年后AI医疗产品才会从整体上提高医疗资源效率。
05“AI+医疗”的现实问题
在AI影像筛查领域，过去五年间发生了200多起融资事件，但是，该领域普遍面临高质量数据不够、研究方向同质化严重、与医生需求差距较大、基层医院经费不足等现实问题。
高质量数据不够
表面上看，BATJ等众多人工智能企业与上百成千家医院开展合作，总体医疗数据庞大，但是针对特定疾病的数据并不多，部分影像资料质量较差，数据不全、非结构化，且一些医生的诊断结果是基于并发症及患者的精神状况做的判断——这些数据很多并没有被记录。如Google研究人员发表的两篇乳腺癌检查文章都存在数据不够的问题。
各自为政，同行合作较少，导致研究方向同质化
冰鉴科技研究院发现，就单一疾病早筛项目而言，参与研究的少则几家企业，多则几十家企业，产品研究同质化严重。但是，各企业之间几乎没有技术、数据共享，各自为政非常明显，社会资源浪费严重。据动脉橙数据库，大量的企业扎堆涉足肺结节和眼底筛查，推出相关产品，但真正能进入医院获得收入的不到10家。
与医生需求差距巨大、采购动力不足
目前各大人工智能公司都是针对单一疾病开展单个研究，而医生在对病人做检查时，需要对多种疾病、并发症、精神状况等进行综合判断，而不是一种。据了解，仅仅皮肤病就有2000多种，而AI技术目前也只能判断几十种皮肤病。
中国电子科技集团公司第五十五研究所职工医院院长张建燕接受亿欧网采访时说：“DE-超声机器人（汇医在线研发的，用于甲状腺结节诊断）仅覆盖甲状腺癌一项，有点少，还不能满足完全满足医院的需求，另外在判断是否为结节的问题上与医生会出现分歧。”其补充道，采购该仪器与该医院所在医联体的推荐有关。
此外，基层医院的医生对癌症、肿瘤等疾病治疗水平有限，对辅助诊断需求较大，可以帮助基层医院医生确诊相关疾病。但是，一旦发现相关疾病，一般是建议其去三甲医院或者专科医院进行复查，接受治疗。这就导致基层医院收入少，相关仪器采购经费不足。
而一些专科医院或者三甲医院医生水平较高，对辅助治疗的需求不足，因此，采购动力也不足。
06总结与展望——谁来推动AI公司合作？
正如汇医慧影创始人柴象飞所说：“现在的AI医疗产品，具有降低漏诊提高效率的短期价值，精准医疗、个性化的诊断，才是长远价值。”
从短期来看，基于AI医学影像做各种疾病的筛查诊断相对成熟，可以有效降低基层医院的误诊率，各大AI公司正在积极布局。
但从长远来看，“AI+医疗”的细分市场领域众多，寄望于在每个领域短期出成果，并获得医院医生认可比较困难。Watson的经验教训表明，AI企业单打独斗并不明智。
此外，各大创业公司主要依靠风险投资提供资金支持，若长时间不见成果落地或者收入低于预期，后续投资必然会有所减少。
各大人工智能初创公司应该加强合作，做好疾病数据共享，研究方向合理分工，针对某一大类疾病开展人工智能诊断筛查服务，比如皮肤科、眼科疾病、肠胃疾病、胸部疾病，这样才能更好的满足医生需求。如华为云开发肺部全病种(包括肺炎、肺结节、肺癌等)辅诊系统，斯坦福大学团队皮肤病变研究涵盖2000多种疾病。
如果几家人工智能公司通力合作，把某一类疾病（如胃部疾病、肺部疾病）研究透彻，并将研究成果聚集到同一款医疗器械上，开发出能够满足医生需求的多功能诊断仪器，必将加快商业化落地进程。
有从业者提出建设全国一体化的国家大数据中心，在卫健委或行业协会牵头下，打破医疗数据孤岛，对人工智能在医疗行业的广泛应用进行顶层设计。但在医疗数据安全治理、个人隐私保护等无法绕过的难题面前，医疗AI数据共享与合作必然道阻且长。（本文首发钛媒体APP）
2023医疗人工智能：距离盈利，医疗AI还有多远
图片来源@视觉中国
文|vb动脉网
从《海伯利安》到《赛博朋克2077》，每一个描述AI时代的视听作品都在不厌其烦地绘制科技时代的技术、建筑、生活，乐于讨论赛博时代与生存、发展、共生相关的哲学问题。
但当AI褪下虚幻的面纱，以潜移默化的方式真正进入人们的生活时，更为必要的是跳出技术的表现形式，追溯它的发展动力。
过往的五年时间，近千亿资金注入医疗人工智能赛道，影像AI、新药研发AI、机器人AI、智慧医院等细分赛道以前所未有的速度向前发展。外界的持续滋养下，AI已经在医疗中的方方面面落地生根，成为媲美互联网技术一样的存在。
问题也出在此。超千家企业入局，但少有企业实现盈利。下一个五年，当资本的涓流不再馈赠，围绕AI的企业们能否筑起成熟的造血系统，依靠自身的力量活下去？
带着问题，我们与超过30家企业进行沟通、近100位专家进行采访，围绕整个产业发展流程进行调研，一步一步回答“医疗人工智能如何盈利”这一行业难题。
定义医疗AI的两个阶段AI发轫时的目标作用方式在于对过往人类活动的“替代”与“优化”，实现智慧赋能下的降本增效，可谓AI1.0。
十年发展，这类医疗AI对于医生诊疗效率及患者看病流程的优化已非常成熟。一个直观的感受是，不少三甲医院的门诊大厅没有过去那么拥挤了，线上的智慧化信息流解决了问题。
这个过程中，AI技术本身也在不断探索与临床深度结合的可能性，尝试以优化临床路径的方式赋能医疗。由此而生的产品，在报告内被归类为AI2.0。
AI2.0是AI1.0应用场景范畴的延展，与AI1.0的差异判别在于：是否能够将知识与算法深度融合，对已有医疗流程进行重塑。简单来说，初始的AI注重于强化作用主体的效率，而进阶的AI有能力将流程进行推倒重建，围绕AI能力建立新的秩序。
此外，医疗AI2.0的价值创造方式也与AI1.0有所不同。1.0时代是覆盖式创新，即肺部做完了转向脑、心、肝等脏器，而2.0时代的创新是以1.0创新成果为基础的单点式创新，即各企业在各自领域探索AI的深层次价值，没有形成1.0时代的AI产品矩阵规模。
两种AI以各自的方式赋能医疗体系，为协同关系而非竞争关系。目前医疗AI行业已有不少成熟的AI2.0式应用，在这背后，日益丰富的高质量医疗数据与逐步多元的算法为AI创新提供了重要支撑。
那么从1.0到2.0时代的跃迁什么最重要？决定AI品质的算法、算力、数据三要素，真正能够形成壁垒的还是算法与数据。
以辅助诊断类AI为例。AI1.0时全球范围内均缺少开源的医疗大数据，AI企业能够直接获得的数据很少，存在数据量小、标准化低、标注成功率低、数据类型有限（以肺结节为主）。
在这个阶段，企业获取有效数据集必须与医院进行合作，在取得脱敏数据后对其进行分类、标注、训练。由于整个过程均需人工进行，单个数据标注成本在10-30元不等，耗时20-40分钟，投入有限但耗时极长，尤其要获得高质量的标注，企业/医院必须找到资深医生进行标注，标注的难度由此大大提升。
伴随AI技术愈发成熟，2020年开始，大量医院自发加入的单病种影像数据库、第三方测试数据库的构建中，数据量呈现指数增长，AI企业进行新适应症开发面临的难度骤减，加之第三方数据库逐渐形成规模，医疗AI的产品丰富程度随之增长，AI企业打造的数据壁垒开始削弱，算法壁垒的作用开始凸显。
另一方面，国家药监局器审中心于2022年3月7日发布了的《人工智能医疗器械注册审查指导原则》（后简称《指导原则》）重新描述了人工智能医疗器械的概念、注册基本原则、人工智能医疗器械生存周期过程、技术考量等部分。值得注意的是，该政策对人工智能审批适用的算法进行了完善，在深度学习的基础上加上了迁移学习、集成学习、联邦学习、强化学习、生成对抗网络、自适应学习。
各类AI算法的内容与监管（数据来源：蛋壳研究院）
在文件发布后，更多创新算法审评审批流程得到确认后，医疗AI的壁垒逐渐向算法偏移，更为丰富的算法将进入市场，以更为有效的方式赋能诊疗流程。
总的来说，无论是AI1.0还是AI2.0，医疗AI的价值都在于通过智能化重塑数字化医疗，这是一个缓慢而持续的过程。目前，AI+辅助诊断与新药AI等主流AI产品处于商业化的过渡期，即具备高准确度、可复制的模型；NMPA给出的医疗器械认证；完备的知识图谱；稳固的合作伙伴等等商业化组，但由于市场对于新技术认可的滞后性，大部分目标医院/药企因对智能化产品效益、创业公司能否持续经营运维持怀疑态度，因此付费率仍有提升空间。随着市场对于AI价值的不断认可，医疗AI企业们的商业化能力将逐步增强，或在数年之内实现扭亏为盈。
医疗AI的资本市场：谁在入局，谁在深潜？尽管不同阶段的AI各有其价值，但资本对于赛道的偏爱还是能够通过数据直观地体现出来。
从全球范围看，基于计算机视觉的AI辅助诊断与基于NLP的医疗知识图谱构建是医疗AI之中跑得最快的两个领域。尤其是AI辅助诊断，在2015-2020年这个区间之内，数百家企业涌入这个赛道，超过百家企业从一级市场获得融资。
但在2022年，新药AI脱颖而出，成为整个领域最为火热的赛道。
2021统计年（2020年9月1日-2021年8月31日）总计发生的35起披露轮次新药AI融资中，早期项目（B轮以下，不包括B轮）占据了80%，2022统计（2021年9月1日-2022年8月31日）年整体数量由28起增至32起，早期项目仍维持有76%的比例。
2021年前，资金往往聚集于晶泰科技这样的头部企业，新药AI初创公司融资项目极为有限，但从近两年新药AI一级市场表现可知，新药AI已经成为AI技术中最具可投性的赛道，大量投资机构蜂拥入场，将AI的应用场景从晶体发现、临床患者筛选引向了制药流程的方方面面。
2021年及2022年新药AI融资轮次情况（数据来源：蛋壳研究院）
此外，同为软件开发，新药AI的估值要比AI支持下的其他赛道贵上不少。统计数据显示，处于天使轮的项目均需千万元以上，A轮（包括Pre-A轮、A+轮）企业募集的资金超过半数已过亿元。投资人对于新药AI赛道非常乐观，晶泰科技后期单轮3-4亿元的募资额，新合生物5亿元A+轮融资、百图生科1亿美元A轮融资均充分显示一级市场相信新药AI有着美好的图景。
再看商业化最成熟的影像AI领域。2021年医疗AI掀起上市潮后，科亚医疗、零氪科技、推想医疗、数坤科技等影像相关企业相继递交招股书；同年11月鹰瞳科技成功上市。
但这波势头在2022年戛然而止，大部分头部AI企业现金流较为稳定，资金储备充足，出于经济压力下行的破发忧虑，截至9月15日，国内仅博动医学递交招股书。值得注意的是，该企业以冠脉介入精准诊断为主攻方向，AI支持下的QFR仅是其产线之一。
上市之后，多家企业表现不俗。营收均呈现出不同幅度的正增长，表明市场进一步拓展。其中数坤科技2021年上半年同比增长达681%，收入已成规模的鹰瞳科技仍然录得142%的增长，2021年全年营收破亿。
交表企业主营收入分析（数据来源：各公司招股书、年报，蛋壳研究院）
不过，净利润为负也是每家企业不可回避的事实。蛋壳研究院认为：AI企业仍处于高速发展阶段，需要较高的技术研发投入维持竞争力，保证前沿市场的探索；另一方面，盈利规模效应初现苗头，其规模还有待提升，在高额的研发开支下，有限的营收目前不足以支撑净利润的大幅增长。
值得注意的是，绝大多数医疗AI企业的抗风险能力正在逐步增强。我们能够看到，不少企业的前五大客户营收占总营收比率不断下降，商业化路径逐步多元、分散，此趋势下，手握数十亿现金流的AI企业有充分时间找到自己的定位，逐步实现盈利。
最大客户分析（数据来源：各公司招股书、年报、LunitBP，蛋壳研究院）
IPO之外，多因素影响商业变现，盈利需要突破这些槛企业的IPO数据反映了最成熟AI技术的商业化现状，但已商业化技术可能并非最具潜力，由此获得的收入也不能反映企业未来盈利能力。报告将对医疗AI目前作用的四个主要场景进行完整分析，探寻IPO之外的AI产业发展现状及盈利能力。本文以影像AI部分为例进行介绍分析。
作为医疗AI行业发展的风向标，截至9月1日已累计28家企业49款AI产品获得第三类医疗器械注册证，包含总计29款搭载深度学习算法的软件。从整体趋势看，国家药监局批准AI医疗器械三类证的速度不断变快，加速了医疗AI的商业化进程。
获证数量按照年份统计（数据来源：蛋壳研究院）
医疗三类证总量随时间推移不断上升，其同质化水平也不断加剧。49款AI产品总计涉及15个辅助诊断场景，其中，基于CT影像的肺结节AI多达9个，其次是借助眼底相机进行诊断的糖尿病视网膜病变AI，有7家企业拿到了市场的准入许可。CT-FFR、CT肺炎紧随其后，各有6家三类证，除AI心电领域乐普医疗独下4张三类证外，放疗、骨折、骨龄、颅脑出血、青光眼五个场景均有不止一家企业的AI产品通过审评审批。
三类证获取按照病种分类统计（数据来源：蛋壳研究院）
进一步讨论医疗AI作用的设备。当前所有获批产品使用的数据均来自于CT、眼底相机、X光、心电图机、MR、肠镜六类设备。CT场景作用范围广，作用价值高，患者人数多，标准数据量大，因而成为AI企业研发的首选，相关AI以31款的数量遥遥领先其他设备，而MR影像较为复杂，数据量偏少，肠镜影像标准化困难，均仅一款AI产品获批。
医疗人工智能作用设备分类统计（数据来源：蛋壳研究院）
超声是AI企业下一个审评审批可能迎来突破的重点赛道。超声检查所产生的数据比CT、DR二维的数据多了一个时间维度，且检查过程中可能存在大量无诊断意义的帧数，需要AI在动态环境下甄别每一帧的价值，将其相互对比，提取到特定时刻的责任切面，才能进行有效的影像分析。
病理AI的形势相对严峻，面临着审评审批体系之外的困难。由于影像辅助诊断处于产业链的中游，依赖于上游影像设备的统一，而国内主流的电子显微镜厂商没有指定统一的数据标准，也没有理由根据行业指定的数据标准对电子显微镜进行更改，因而在数据的互联互通上存在一定问题。该场景中迪英加、锟元方青、深思考等部分病理企业已拿到医疗器械二类证，能够进行一定规模的AI销售。
总的来说，在审批愈发成熟的条件下，医疗AI的开发成本逐渐变得可控，更多面向小众场景的影像AI也逐步拿到了器审中心颁布的三类证。譬如微视医疗在肠息肉中的研究、西门子在胸椎影像中的研究同样为其拿下医疗器械三类证，未来医疗AI的应用场景将随审评审批流程的成熟而进一步扩大，医疗AI企业也将获得更多规避风险的能力，有效降低研发成本。
完成市场准入的各个AI可以在探索物价准入与医保准入的同时进行商业转化。目前各企业正在积极推动省市物价准入，如科亚医疗“深脉分数”已跑通北京市、河北省、山东省、浙江省、江苏省等11省物价环节；博动医疗的QFR物价已获得11个省市的批准；鹰瞳科技的眼底AI完成5个省市物价准入。医保准入方面，2021年4月，上海医保局将“人工智能辅助治疗技术”等28个新项目纳入上海市基本医疗保险支付范围，其中“人工智能辅助治疗”的限定支付范围为前列腺癌根治术、肾部分切除术、子宫全切术、直肠癌根治术。
尽管物价准入和医保准入获得一定突破，但仍未成规模。我们认为，尽管国内AI企业希望保持独立的个体，借助招投标与直接销售两种模式，但在未来，将渠道工作交给影像设备企业、PACS厂商，自身专注于细分赛道的研发，形成细致的行业分工，或能更加利于影像AI的快速发展。
目前国内比较成熟的影像生态主要由GE医疗、飞利浦医疗、西门子医疗、联影医疗四家企业构建，各企业在影像设备国产化程度、智能解决方案发展潜力（中国）、智能化生态开放共享程度、影像设备发展潜力（中国）、影像设备融合能力、影像数据互联互通能力上各有千秋。
各生态能力对比（数据来源：蛋壳研究院）
除上述四家龙头之外，东软医疗、赛诺威盛等影像设备厂商也在协同软硬件共同发展，富士胶片（中国）、卫宁健康等信息化龙头亦有努力扩充生态。生态之间的战争将在长期打响，这个过程之中，影像AI企业可能在盈利的道路上跑得更快。
新场景、新模式，开启医疗AI发展新篇章与互联网、5G等跨领域技术一致，AI是这个时代少有的能够独立形成产品体系的技术，但在医疗领域之中，AI的应用相对有限。如今医院对于医疗AI的认知逐步形成体系，监管体系逐步完善，企业搭建的AI产品矩阵中可适用的应用场景随之不断扩大。
新形势下，医疗“AI+”正不断向医疗“+AI”进行演进，其作用场景也从诊疗不断向科研、保险等场景不断延伸，构造新的市场增量。
从第一落点医疗机构向外扩展，既是AI开辟增量市场的有效途径，又是医疗器械审慎性审评审批选择下的被动之举。归结起来，医疗AI目前较为成熟的增量产品发展主要集中于C端与B端中的保险、药企部分，影像AI弱化了AI的医疗器械属性，基于NLP的知识图谱则在医疗之外纳入了更多维度的数据。
“扬帆出海”是AI企业寻找增量市场的另一路径，目前有海外市场开拓计划的企业包括新药研发类AI与影像类AI。新药AI企业主要与海外药企辅助药物研发关系，借助AI能力对新药研发部分流程进行优化提速。影像类AI的情况则相对复杂，市场准入作为商业化的开端，能够一定程度衡量AI企业的海外拓展水平。
CE、FDA、PMDA获证情况统计（不包含医疗影像设备制造商，数据来源：蛋壳研究院蛋壳研究院制）
此外，公益路径作为影像AI在2020年前无法突破国家药监局审评审批形势时采用的过渡手段，也已成为当前AI寻求新增量的重要形式。通过公益的方式落地，影像AI企业能在帮助国家推动肿瘤、眼科等疾病的早筛工作，亦能帮助AI产品提前适应市场。