Word格式，下载后可编辑修改
目录
一、“AI+医学影像”需求迫切，数百亿市场空间待掘金
.............................................................................................. 6
..................................................
（一）分级诊疗和第三方影像中心建设驱动医学影像需求释放
1、分级诊疗打开基层医学影像市场空间
......................................................................................................... 6
............................................................................ 8 AI+医学影像”有望破冰行业难点
....................................................
2、第三方影像市场方兴未艾，驱动医学影像需求快速释放
（二）医学影像诊断痛点颇多，“
1、医学影像医生缺口大，误诊率高、效率低，服务模式亟待创新................................................................. 9
..................................................
2、“AI+医学影像”直指行业痛点，将逐步进入快速发展阶段
（三）“AI+医学影像”前景广阔，百亿市场待掘金
二、政策、技术双重驱动，“
AI+医学影像”蓄势待发
.............................................................
....................................................................................................... 16
.........................................................
（一）国家高度支持，具体产业扶植政策有望加速出台（二）算力算法快速迭代，“
1、大量深度学习平台和框架开源降低技术门槛2、AI 处理器技术向高性能、低功耗的方向发展3、高质量数据获取和标注能力是
AI+医疗影像”期待大数据引爆
............................................................
............................................................................................ 18 ........................................................................................... 20
......................................................... 23
AI 医学影像公司的核心竞争力之一
三、科技巨头加速跑马圈地，创业公司获资本青睐 ................................................................................................. 24
AI+医学影像”市场..........................................................
.....................................................
（一）科技巨头抢滩，加速布局“（二）创业公司受资本青睐，
四、商业模式逐渐明晰，平台分成与技术授权各具潜力
“AI+医学影像”成投资新风口
.......................................................................................... 32
五、相关标的............................................................................................................................................................ 35
（一）万东医疗：影像设备龙头，携手阿里发力影像（二）科大讯飞：人工智能
+医学影像表现亮眼，“平台
AI（医药行业覆盖）
..........................................
+赛道”战略成果显现............................................
...................................
（三）东软集团：影像云平台添彩医疗健康业务，汽车电子厚积薄发有望加速放量
六、风险提示............................................................................................................................................................ 40
图表目录
图表1 医学影像行业产业链
........................................................................................................................................ 6
.............................................................................................................. 7
图表2 各地政府基层医疗相关政策颁布数量图表3 国内分级诊疗体系
........................................................................................................................................... 7
......................................................................................................................... 8
................................................................................................ 9 ....................................................................................................... 9 .............................................................................................................. 9 ............................................................................................................ 10
图表4 国内主要第三方医学影像中心
图表5 放射科医生数量增长远不及医学影像数据增长图表6 与美国比较，病理科医生存在较大的缺口图表7 医学影像领域的患者痛点与医生痛点图表8 我国医学影像建设水平仍落后于美国图表9 中国影像误诊人数远高于美国
....................................................................................................................... 11
.................................................................................... 11
图表10 借助图像识别和深度学习，影像诊断效果显著提升图表11 人工智能参与医学影像诊断的方式
.............................................................................................................. 12
........................................................................................ 12 .................................................................................... 13
图表12 人工智能在医学影像三大应用场景下的参与企业图表13 人工智能与医学影像结合能大幅降低误诊、漏诊率
图表14 人工阅片与AI 阅片对比............................................................................................................................... 13 图表15 患者、医师和医院均将受益于“图表16 “AI+医学影像”不断实现突破
AI+医学影像”.......................................................................................... 14 ...................................................................................................................... 14
................................................................................................... 15
图表17 2009-2018 年美国医疗影像诊断市场规模图表18 国家政策助力医学影像行业发展
.................................................................................................................. 16
....................................................................................................... 17
图表19 国家对医疗领域提出人工智能发展要求图表20 人工智能+医疗技术成熟度分布
................................................................................................................... 18
....................................................................................................... 18
............................................................ 19
图表21 深度学习是人工智能技术的历史性突破图表22 2010-2015 年ImageNet ILSVRC
大赛冠军团队识别分类的错误率
图表23 大量深度学习平台和框架开源降低技术门槛 ............................................................................................... 20
图表24 FPGA 硬件架构 ........................................................................................................................................... 21 图表25 CPU 和GPU 呈现出非常不同的架构
.......................................................................................................... 21
图表26 TPU，GPU，CPU 和改进的TPU的性能对比........................................................................................... 22 图表27 FPGA 与GPU 性能与功耗对比分析图表28 全球医疗数据量
............................................................................................................ 22
48% ............................................................................................ 23
2013 年以来年增长率达
图表29 2020 年人类医疗数据总量预测（万亿GB）............................................................................................... 23
图表30 我国医疗数据特征 ....................................................................................................................................... 24 图表31 科技巨头在医疗人工智能领域的布局
.......................................................................................................... 25
图表32 IBMWatson 辅助诊疗过程 ........................................................................................................................... 26
图表33 IBM Waston在“AI+医学影像”领域的优势.............................................................................................. 27
图表34 谷歌利用人工智能更准确地识别肿瘤图表35 科大讯飞医学影像辅助诊断系统
.......................................................................................................... 28
.................................................................................................................. 28
.................................................................................... 29 .................................................................................... 30
图表36 科大讯飞在LUNA 评测中获得第一并刷新世界纪录图表37 国内医疗人工智能历年融资情况（百万元人民币）图表38 国内医疗人工智能企业图谱
......................................................................................................................... 30
.......................................................................................................... 31
..................................................................................................... 31
图表39 部分医学影像人工智能公司融资情况
图表40 部分“AI+医疗影像”创业公司业务情况图表41 AI+医学影像行业商业模式分析图表42 代表公司的商业模式分析
................................................................................................................... 33
............................................................................................................................ 34
.................................................................................................................. 34
图表43 我国各类医疗机构数量（万家）图表44 公司影像设备产品业务线
............................................................................................................................ 35
........................................................................................ 36
图表45 万里云平台——打造一站式影像检查和诊断服务图表46 万里云股权结构
........................................................................................................................................... 37
................................................................................................... 37
图表47 万里云签约医生数量和日阅片量高速增长图表48 万里云平台架构
........................................................................................................................................... 38
一、“AI+医学影像”需求迫切，数百亿市场空间待掘金
医学影像产业主要分为两个部分，上游及影像科医生，以机器或
是影像设备，包括零部件厂商、整机厂商、配套软件，最终服
务对象是医院
下游为
系统的销售收入作为统计口径，壁垒是包括
研发积累、精密制造水平及配套服务。的因素是专业而可靠的诊断结论。
影像诊断，包括医生、影像中心、影像耗材、远程诊断服务等，最终服务对象是患者，以诊断收入作为统计口径，诊断环节最重要图表1 医学影像行业产业
链
在影像设备产出图像的基础上附加医生的劳动成本，
全球的医疗影像设备市场被少数巨头占据，老牌医学影像设备公司占据了超过的西门子、通用电气和飞利浦。中高端市场的份额甚至超过着研发积累和多领域持续逐步实现国产替代。
（一）分级诊疗和第三方影像中心建设驱动医学影像需求释放1、分级诊疗打开基层医学影像市场空间政策主导需求下沉，基层诊疗市场将迎来要大于等于
在国内的数字医疗影像市场，跨国企业占据了80%。在基层市场，国产设备有着较为明显
90%的市场份额，尤其是排在前三位75%以上的市场份额，前三大厂商备厂商带来新增量空间。另一方面，随
始发力，有望
在
的价格优势，市场占有率较高，分级诊疗带
来的基层需求释放及第三方影像中心的推进也将对以基层市场为主的国产设
的技术进步，国产
设备厂商的竞争力也有了较大的提升，在中高端设备上开
新的增量空间。2015 年9 月，国务院办公厅印发《关于推进分级诊疗制度
2017 年基层医疗卫生机构诊疗量占总诊疗量比例2015 年全国基层医疗机构诊疗量为
43.4 亿人
建设的指导意见》,提出分级诊疗试点工作考核评价标准，包括到
65％。根据《2016 年卫生与计划生育统计年鉴》显示，
56.4%，次均门诊费用为
次，占总诊疗量
97.7 元。据动脉网蛋壳研究院估计，如果基层诊疗量占总诊疗量比例达到
4887 亿元。如果将基层医疗
65%，假定次均门诊费用维持2015 年97.7 元不变，则基层医疗门诊全年费用将达到
机构产生的住院费用计算在内，带来的增量市场则更大。医改持续推进，分级诊疗进入落地阶段行分级，不同级别的医疗会，将得益于我国对分级
。所谓分级诊疗制度
,就是要按照疾病的轻、重、缓、急及治疗的治疗，实现基
层首诊和双向转诊，基层
的难易程度进医疗的发展机
机构承担不同疾病、不同病情患者诊疗的持续推进。
的阶段。
从基层医疗领域相关政策来看，分级诊疗已不是仅仅停留在规划和顶层
设计中，多个方面都开始进入到了实质性
图表2 各地政府基层医疗相关政策颁布数量
受益于分级诊疗政策红利，基层医学影像市场有望实现快速发展还是质量都无法和大型医院媲美，如不少贫困县区至今依旧使用最初级公厅关于推进分级诊断制
度建设的指导意见》提出
。基层医疗机构对大型医学影像设备
立第三方独立的检验实验
，无论是数量室、医学影像检查机构间的
的双排CT 设备。2015 年9 月，《国务院办
，整合区域医疗资源，设
中心、血液净化中心等机构，弥补基层医疗机构资源稀缺，推进同级医疗机构间以及医疗机构与独立诊断、远程培训等服务，
鼓励有条件的地方探索“基层检查、上级
结果互认，同时鼓励二、三级医院向基层医疗卫生机构提供远程会诊、远程病理诊断、远程影像诊断、远程心电图
诊断”的有效模式。分级诊疗的快速推进以及社
。
会办医的持续扶持，都将直接推动基层及民营医院医图表3 国内分级诊疗体系
学影像诊断水平的提升，打开基层医学影像市场更大成长空间
2、第三方影像市场方兴未艾，驱动医学影像需求快速释放第三方影像中心是独立于医院的影像诊断中心，供影响诊断服务的弊端。从美国来看，截至家，占比
35%（美国影像中心分为医
心三种）。其中排名第一
的第三方影像中心
可以有效弥补大医院影像诊断供不应求、小医院及私人诊所无力提2013 年，美国有近7000 家的医学影像中心，其中第三方影像中心RadNet 公司，其影像中心目前数量已达
大的发展潜力。
。大型公立医院新增大型医用设备受到
而基层医疗机
300 家，年诊断数超
2421 600 万
立的影像中心以及第三方影像中
院的医学影像科、医院与影像机构合资合作建
人次，且还在不断增长，显示出第三方影像行业巨国内医学影像资源匮乏，且存在结构政策限制，分级诊疗
性失衡，催生第三方影像中心发展机遇
是现阶段医改的战略性大方向，影像检车在疾病诊断中发挥着补课替代的中庸，
构影像设备配置落后，“大病不出县”缺乏配套支撑，此外，日益壮大中产人群对医疗服务质量提出了更高要求，通过第三方提供高质量的服务是推动分级诊疗的重式的医疗服务模式有望迎来更大
的发展机遇。
要手段。在此背景下，第三方独立影像中心、体检中心等多种形
图表4 国内主要第三方医学影像中心
政策限制放开与国家标准的出台为第三方影像中心的发展奠定坚实基础。2016 年8 月，国家卫生计生委印发《医学
化、标准化的管理与服务
模式，推进医
2030”规
2017 年1 月国
影像诊断中心基本标准和管理规范》，鼓励形成连锁化、集团化，建立规范疗机构与医学影像诊断中心间检查结果互认。家卫计委颁布的《关于医液净化、病理中心作为独中心迎来发展机遇期。
在医疗改革、政策限制放开等利好因素的驱动下，场需求将得到快速释放，特
2016 年10 月25 日，中共中央、国务院印发《“健康中国
划纲要》,提出要引导发展专业的医学检验中心、医学影像中心、病理诊断中心和血液透析中心等。
立医疗机构势在必行。
学影像诊断中心等独立设置医疗机构基本标准和管理规范解读》明确医学影像、检验、血
国家政策由限制变为鼓励，且细节持续出台，第三方医学影像诊断
第三方医学影像中心有望迎来快速发展期，我国基础医学影像市
别是中西部地区的需求潜力更大。
（二）医学影像诊断痛点颇多，“AI+医学影像”有望破冰行业难点
1、医学影像医生缺口大，误诊率高、效率低，服务模式亟待创新分级诊疗推进、基层需求释放带来医学影像需求更快增长，放疗科医生十分短缺。1）放射科：据动脉网蛋壳研究院达到了30%。美国和中国放射科医生
的年增长率分别仅仅只有
/病理科医生缺口大，
特别是具有丰富临床经验的
63.1%，中国增速也的增长，需求缺口
的工作
的数据，美国的医学影像数据年增长率达到了
2.2%和4.1%，远远低于影像数据
不断加大。2）病理科：在中国大概平均七万人才有一位病理医生，而量繁重，超负荷工作也会导致误诊率和漏诊率提高。图表5 放射科医生数量增长远不及医学影像数据增长
在美国是平均两千人一位病理医生。如果要达
到美国的水平，按照中国现在培养病理医生的速度大概要200 年。医生数量的不足导致放疗科和病理科医生
图表6 与美国比较，病理科医生存在较大的缺口
医学影像分析工作繁琐重复，极度消耗精力以肺结节检测为例，一家三甲医院平均每天接待升。
。根据医学影像分析工作繁琐重复，工作量巨大，极度消耗医生精力。
200 例左右的肺结节筛查患者，每位患
者在检查环节会产生
200－
4 万张影像，任务繁重，大量消耗精力，导致误诊漏诊率上
300 张左右的CT 影像，放射科医生每天至少需要阅读
图表7 医学影像领域的患者痛点与医生痛点
我国医学影像信息化程度偏低，影像诊断能力仍有平，同时给布局新技术的
影像平台带来更多发展机遇
医学影像数据共享度仍较低。平50%-60%，而美国达到了近一方面，我国目前影像诊也给布局人工智能新技术
着较大的提升需求，拍片和阅片分离有助于更快提升影像诊断水
。我国正逐渐向电子信息化迈进，但由于中国信息化建设较晚，
大的提升需求。另
CHIMA 数据显示，2015 年我国医院PACS 系统（医学影像存档与通信系统）建设水100%的水平。此外，我国影像医生教育、总体专业水平都仍有较
没有分离，影像检查费很难体现影像医生专业价值，随着信息化
的更快提升。
断的拍片和阅片环节基本
水平提升、分级诊疗推进，第三方影像中心发展，拍片和阅片有望逐步分离，更加充分利用影像诊断医生专业能力，
的影像平台带来较大的发展机会，从而促进影像诊断整体水平
图表8 我国医学影像建设水平仍落后于美国
中国
??
影像设备
全国县级医院设备平均拥有率低
研发能力弱，被外资品牌垄断，特别是高端品牌少数自主研发，其他厂商都四流厂家进口部件组装生产，争，依靠价格取胜?
50-60%的医院使用了大量医院影像科室
影像信息化
?
独立影像中心
?
诊也需要重复拍片
多数医院只发影像胶片，不提供患者完整影像光盘市场刚刚起步
??
影像医师地位
?
拍片收费，阅片免费，影像医师收入相对较低
??
PACS 系统
??
几乎所有医院（小诊所除外）都提供健全的PACS 系统能够提供远程诊断为患者提供完整的
PACS 系统/会诊等
是从美国、加拿大的三在低端市场同质化竞
??
美国
研发实力强，具有世界影像设备龙头
GE
企业的核心竞争点之一是医学影像技术创新
PACS 系统独立存在，未接入院内
RIS、HIS 系统，使得院内、医院间数据不能共享，转DICOM 影像光盘，包括几百上
千张图片，方便患者转诊和其他医院专家阅片诊断，如据此对病灶进行专业分析、三维重建业务占比全行业的
40%
已出现多个地域性龙头和全国性的二级市场龙头拍片和阅片分别收费在临床诊断中具有重要地位前列
，放射科医师收入排名
影像医师教育?人才培训尚未形成体系，各地人才缺乏，区域差异大
?影像医学教育有严格的准入和评估标准，
我们专业人员的不足及繁重的工作都是导致误诊率偏高的部分原因。到了1200 万，中国每年误诊人数高达
5700 万/年。根据中国医学
40%，器官异位误诊率为
诊率为27.8%，其中恶性肿瘤平均误诊率为
从影像误诊人数来看，美国每年的误诊人数达
会的一份误诊数据资料显示，中国临床医疗总误60%，如鼻咽癌、白血病、胰腺癌等，肝结核、在基层医疗机构。
胃结核等肺外结核的平均误诊率也在40%以上，这些误诊主要发生
图表9 中国影像误诊人数远高于美国
2、“AI+医学影像”直指行业痛点，将逐步进入快速发展阶段人工智能在图像识别别领域不断取得的
领域的持续快速发展为医前沿性突破技术，
学影像诊断痛点带来曙光
。“AI+医学影像”，是将人工智能在图像识
断效率和准确率的目的。学习不断优化，通过大量
人工智能主要注病灶关键信已有的影像数步降低复杂疾
应用在医学影像领域，从而达到提高诊
大幅提升；二是基于深度
应用在医学影像的诊断环息，给出初步诊断结果，
节，可以分为两个阶段：助力影像医生诊断效率的
一是利用图像识别技术对患者的影像进行识别，标诊断疾病的能力，在目前诊疗体系的基础上进一
据和临床诊断信息训练人工智能系统，使其具备独立病的误诊率，从而带来医学影像总体诊断水平
的提升。
图表10 借助图像识别和深度学习，影像诊断效果显著提升
“医学影像”应用场景下，主要运用人工智能技术解决以下三种需求：
1）病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；2）靶区自动勾画与自适应放疗
：针对肿瘤放疗环节
的影像进行处理；
节的应用。
3）影像三维重建：在人工智能进行识别的基础上进行三维重建，针对手术环
图表11 人工智能参与医学影像诊断的方式
目前在这几个领域都有一些创业公司参与，而定位于病灶区识别与标注领域图表12 人工智能在医学影像三大应用场景下的
参与企业
的公司最多。
人工智能和医学影像的结合，能够为医生阅片和勾画提供辅助和参考，大大节约医生时间，提高诊断、放疗及手术
像的病灶自动识别与标注系统，大幅提升影像医生诊断
目前系统对十
断的早期病灶，降低假阴性诊断结果的发生概率；
的精度。1）病灶筛查：针对X 线、CT、核磁共振等医学影效率，同时可以帮助医生发现难以用肉眼发现和判万张以上的影像进行处理，用时仅数秒之间。
2）靶区自动勾画：靶区自动勾画及自适应放疗产品帮助放疗科医生对
200-450 张CT 片进行自动勾画，时间大大缩短到30 分钟一套；在患者15-20 次上机照射过程中间不断识别病灶位置变化以达到自适应放疗，有效减少射线对病人健康组织的伤害。3）影像三维重建：基于灰度统计量的配准算法和基于特征点的配准算法，解决断层图像配准问题，节省配准时间，提高配准效率。
图表13 人工智能与医学影像结合能大幅降低误诊、漏诊率
相对于传统模式，AI 阅片可大幅提升效率、降低微小病灶的遗漏、提高准确率，而且通过AI 完成初筛及诊断，由人确定，不仅能保证更高的诊断质量，也带来成本大幅下降。图表14 人工阅片与
AI 阅片对比
人工阅片
AI 阅片
阅片方式医师逐张查看，凭借经验进行判断机器完成初步筛选、判断，交由医师完成最后判断约片时间长，医师查看一套
PET 影像需要10 分钟以上
短，AI 能够快速完成初筛
准确率
个体差异较大，阅片能够依靠个人经验，且长一张图片医生会根据经验挑重点可以区域观察，而时间阅片易疲劳影响准确率
机器可以完整地观察整张切片客观性主观性无法避免较为客观记忆力知识遗忘
无遗忘
建模条件较少信息输入即可快速建模建模需要更多的信息输入信息利用度信息利用度低信息利用度高重复性重复性低重复性高定量分析难度定量分析难度高定量分析难度低经验传承知识经验传承困难知识经验传承高成本
耗时、成本高
成本低
患者、医师和医院均将受益于人工智能在医学影像领域的应用。对于患者来说，“AI+医学影像”将帮助其更快速地
完成健康检查，包括
X 光、B 超、核磁共振等，并能够获得更加可靠
的诊断结果。对于放射科医师来说，人工智能
技术的应用将减少其读片的时间，大幅提高效率，并降低误诊可能性。对于医院来说，可以实现云平台支持，系统
性地降低医院成本，特别是对于基层医院，提供的
影像诊疗质量较低或者不
能提供，现在通过较高水平的影像服务
有助于整体诊疗水平
的大幅提升。
工完成
图表15 患者、医师和医院均将受益于“AI+医学影像”
目前“AI+医学影像”已逐步走出实验室，技术日趋成熟，诊断准确度、速度和覆盖病种不断实现突破，有望较快进入高效可用阶段
。2017 年以来，部分
AI 系统的准确度和判断速度都超越了传统医生，贝斯以色列女执事医学中
的识别准确率能达到
92%，与病别的准确率也的更多病种突
的
99.5%，国内的DeepCare 对于乳腺癌细胞识的发现准确率高达
心（BIDMC）与哈佛医学院合作研发
的人工智能系统，对乳腺癌病理图片中癌细胞
理学家的分析结合在一起时，它的诊断准确率可以高达达到了92.5%。腾讯“觅影”医学影像系统对早期食管癌破及准确率的提升，叠加医学影像云平台和第三方影像中
90%。目前人工智能在医学影像领域的
诊断准确度已在90%以上，已覆盖乳腺癌、皮肤癌、食道癌、肺结节等许多病种，未来人工智能诊断重要解决方案，在医院、第三方检验中心、第三方影像中心快速渗透。图表16“AI+医学影像”不断实现突破
时间2016.06
机构/公司
贝斯以色列女执事医学中心（BIDMC）与哈佛医学院
2016.11
DeepCare
事件
对乳腺癌病理图片中癌细胞的识别准确率能达到在一起时，它的诊断准确率可以高达
99.5%
心的迅速发展壮大，“AI+医学影像”有望成为影像诊断
92%，与病理学家的分析结合
利用自行开发的基于深度学习的智能算法模型对疾病进行诊断，准确率达到了92.5%。
2017.02
中山大学和西安电子科技大学通过410 张各种程度的先天性高达92.5%
白内障图片和476 张正常图片训练，诊断准确率
2017.02
《Nature》杂志论文利用多层感知机（Multilayer Perceptron, MLP）算法，和受激拉曼散射显微镜（Stimulated Raman scattering, SRS）生成高度模拟，通过过万张图片训练，实现AI 在脑瘤术中的快速诊断，在90%
病变样本中，区分胶质瘤
和非胶质瘤的准确率达
2017.02
斯坦福大学在《Nature》发表文章，利用卷积神经网络算法诊断皮肤癌，准确度达到与21 名资深皮肤科医生团队准确率相当
91%，
时间2017.03
机构/公司
谷歌大脑与Verily 公司
事件
开发出的诊断乳腺癌的人工智能诊断准确度达到73.3%的准确度
88.5%，完胜人类著名病理学家
2017.07
阿里健康、万里云阿里健康推出医疗诊断AI 产品“Doctor You”，识别肺结节的准确度高达90%以
5-6 倍
90%
上，而传统会诊方式所花费的时间是其
2017.08
腾讯
腾讯“觅影”医学影像系统对早期食管癌的发现准确率高达
（三）“AI+医学影像”前景广阔，百亿市场待掘金美国医疗影像诊断市场相对成熟，美国医学影像诊断市场从独立影像中心。
图表172009-2018 年美国医疗影像诊断市场规模长率高达10%，远高于同期
2018 年市场空间或超过百亿美元
。据Frost&Sullivan 数据，2009 年至2015 年
年的复合增
40%的市场贡献来自于第三方
46.6 亿美元增长到87.1 亿美元，预计到2018 年市场规模将超过百亿美元，十
GDP 增速，其中60%的市场贡献来自于医疗机构，剩余
随着影像信息化的发展、以及收费模式的用等，影像信息化处在高料共享解决方案，并带来
创新，我国医学影像诊断市场有望保持较快增长。一方面，我国影像信息
理想的影像资的细分市场。
化建设较晚且尚未完成，目前影像数据共享程度低，大量基层医院不能有效支持远程会诊、转诊、影像数据开发应
速发展阶段，影像云平台
模式的崛起使得信息化更快推进，为基层医院提供
远程诊断市场的更快发展。另一方面，目前我国的医学影像诊断市场的
的兴起与发展将促使影像诊断服务市场不再免费，有有望逐步形成新
收费模式是拍片收
费、阅片免费，远程影像诊断平台
此外，第三方影像步入高速发展阶段，这一新增领域将带来诊断市场进一步扩容。人工智能在医学影像领域的渗透率将较快落地可能性较大。
逐步提升。从商业模式及技术层面来看，我们认为人工智能
度的重复性劳动，是非
常合适的人工智能应用场人工智能细分领域进步最
在医学影像领域的景。从技术层面快的细分领域
从市场需求层面来看，影像科医生供不应求，医生水平参差不齐，基层医院尤其突出，误诊、
像识别，静态图像识别是
漏诊率很高。而且影像科医生工作量大，属于高强来看，人工智能技术在医学影像的应用属于静态图之一，技术正不断快速突破；目前
AI 医学影像在多个疾病领域，其准确率已达到甚至超过专家水平，并且诊断效率
能在医学影像领域的应用有望较快落地。
大幅高于人工。在技术和市场需求的双重驱动下，人工智
我国智能医疗影像诊断市我国医疗卫生总支出突破
场潜在空间较大。据中国报告大厅数据，影像检查收入占医院总收入超过4 万亿元，其中医学影像支出约
6000 亿至8000 亿左右。按7000 测算，假设诊断环节占比1400 亿，假设人工智能渗透达到
10%。2015 年20%左右，对
4000 亿元，据《医疗影像的市场图谱和行业发展分析》，
20%，相应的潜在市场空间即有280 亿元。
到2020 年，我国医学影像市场规模将达应2020 年的医学影像诊断市场规模为
二、政策、技术双重驱动，“AI+医学影像”蓄势待发
（一）国家高度支持，具体产业扶植政策有望加速出台国务出台系列政策支持医计委不断出台政策支持医端医疗数据库，推动医疗程医疗等。
图表18 国家政策助力医学
时间2013
部门国家发改委
政策
《高性能医学诊疗设备专项》
2013
国务院
《国务院关于促进健康服务业发展的若干意见》
2014
国家发改委
《“十三五”医疗器械》
学影像行业的发展学影像行业的发展。
。从2013 年到2017 年，国务院、发改委、国家食品药品监督总局、卫针对性政策涉及：医学影像设备、独立影像中心、线上影像平台、影
面推进分级诊断，鼓励民营资本流入建设独立检查检验中心、远
像信息化，包括鼓励公立医院采购国产医疗设备、扶持民营医院新增设备需求；加强医疗信息化建设基础，构建云
大数据的应用开发等；全
影像行业发展
主要内容
重点支持医学影像设备、治疗设备、体外诊断产品个产品
大力发展第三方服务，
引导发展专业的医学检验中心和影像中
独立影像中心、线上影像平台医学影像设备、影像智能诊断
鼓励医疗器械的研究与
医学影像设备
三大领域的15
政策分类医学影像设备
心以面向基层、偏远和欠发达地区的远程影像诊断，发展远程医重点支持医疗器械产业领域，主要包括：医学影像产品、医用生物材料方面
数字化诊疗设备、高端
2014
食品药品监管总局
《创新医疗器械特别审批程序（试行）》《全国医疗卫生服务体系
优先审查创新医疗器械特别审批申请，创新
开展“健康中国云服务计划”，动态更新
2015
国务院到2020 年实现全员人口信息，影像信息化
规划纲要（2015-2020 年）》电子健康档案和电子病历三大数据库，基本覆盖全国人口并信息
2015
国务院《关于推进分级诊疗制度建设的指导意见》
探索设置独立的区域医学检验机构、病理诊断机构、医学影像检查机构，实现区域资源共享；推进医疗机构间以及医疗机构与独立检查检验机构间检查检验结果互认
线上影像平台，独立影像中心
2015
国务院《国务院办公厅关于印发全国医疗卫生服务体系规划纲要（2015-2020 年）的通知》
加强大型医用设备配置规划和准入管理；发展医学检验机构和影像机构，逐步建立大型设备共用、共享、共管机制；建立区域医学影像机构，推动建立“
基层医疗卫生机构检查、医院诊断
医学影像设备、影像信息化、独立影像中心、线上影像平台
”的服务模式，提高基层医学影像服务能力；推进发达地区开展集中检查检验和结果互认
2015
国务院
《国务院办公厅关于全面推开县级公立医院综合改革的实施意见》
明确县级公立医院床位规模，建设标准和设备配置标准；依托县级公立医院建立检查检验，病理诊断，医学影像等中心件的地方可探索单独设立推进县域内检查检验结果互认严控公立医院超额配置大型医用设备，社会办医疗机构配置大型医用设备，凡符合规划条件和准入资质的，
不得以任何理由
，有条
医学影像设备、独立影像中心
2015
国务院《国务院办公厅关于促进社会办医加快发展若干政策措施的通知》
医学影像设备、独立影像中心
加以限制；探索以公建民营或民办公助等多种方式，建立区域性检验检查中心，面向所有医疗机构开放；社会办
鼓励公立医疗机构与
时间部门政策主要内容
医疗机构开展合作，支持医学影像，医学检验等结果互认
政策分类
2015
国务院《中国制造2025》重点发展影像、医用机器人等高性能医疗设备，远程诊疗等移动医疗产品
医学影像设备
2015
国务院《关于积极推进“互联网+”行动的指导意见》
支持第三方机构构建医学影像、健康档案、检验报告、电子病历等医疗信息共享服务平台标准体系
，逐步建立跨医院的医疗数据共享交换
线上影像平台
2016
国务院《关于促进和规范健康医疗大数据应用发展的指导意见》
夯实健康医疗大数据应用基础，加快数据融合平台和数据共享开放的建设；全面深化健康医疗大数据应用，理大数据，临床和科研大数据，制推广数字化健康医疗智能设备
推进医疗行业治
研
影像信息化、影像智能设备
公共卫生大数据等的应用，
国家对医疗领域提出人工智能发展要求术研发的支持政策，就相康及养老方面提出较为明升至国家战略层面，人工
。2016 年以来，国家对于医疗领域提出明确的人工智能发展要求，包括对技
关技术和产品提出健康信息化、医疗大数据、智能健康管理等具体应用，并针对医疗、健确的人工智能应用方向。
2017 年7 月，国务院发布《新一代人工智能规划》，人工智能上
智能在医疗领域的应用有望进入新的快速发展阶段。
图表19 国家对医疗领域提出人工智能发展要求
目前，国家政策高度支持医学影像行业以及“等产业指导性文件的基础上，出台一批具推出，促进人工智能
AI+医疗”的发展，接下来，预计国家将体的产业推进措施，针对“
在《新一代人工智能发展规划》
AI+医学影像”行业的具体扶植政策也有望适时
在医学影像领域的应用与发展。
AI+医疗影像”期待大数据引爆
。动脉网蛋壳研究院发布在曲线上处于过高期望
的“人工智能+医疗技术成
1）
经和企业开始在2015～2017
是
（二）算力算法快速迭代，“医学影像在医疗
AI 领域技术成熟度最高，有望最先实现商业化
熟度分布曲线”，“AI+医疗影像”在医疗领域成熟度最高，从医疗影像类的企业入驻年，目前在一个平稳的高
了相关的临床实验，首批种子用户活跃度已经达到了顶峰；
峰期。我们认为，人工智
静态图像识别尽快的快速发展以及
的峰值位置。其判断依据为：
医院数量来看，目前国内科研能力较强，医疗水平
能在医学影像领域
靠前的大型医院几乎都已
2）相关领域的大规模媒体报道大约出现
热度较高一方面是技术储备相对丰富，特别是
的大幅提升，另一方面则
2017 年以来AI 应用于医学影像多个领域识别准确度
AI+医学影像的商业模式可行性相对较高。图表20 人工智能+医疗技术成熟度分布
算法、算力和数据被认为人工智能效率的持续提升像数据成为提升诊断准确
是人工智能的三大核心要度的最关键因素。
素，数据量的增长、运算力的提升和深度学习算法的优化将带来
质量的医疗影
。目前医学影像领域算法快速突破，算力持续增长，如何获取足够丰富且高
1、大量深度学习平台和框架开源降低技术门槛人工智能的核心之一是算法，深度学习是目前最重生成特征量，不需要人来次历史性的突破。
图表21 深度学习是人工智能技术的历史性突破
设计特征量，而是由计算
要的人工智能算法之一。深度学习以数据为基础，由计算机自动机自动获取高层特征量，
深度学习代表的“特征表示学习”是一
图像识别是深度学习等实现了超越传统方法误率，深度学习算法
AI 技术进步最快的领域之一，卷积神经网络（CNN）以及深度神经网络（DNN）等深度学数个数，最终
习算法利用数据量以及计算量作为模型驱动力，通过感受野和权值共享减少了神
的图像识别性能。2015 年ResNet 算法识别错误率已经降低至在图像识别领域已经达到初步实用阶段。
大赛冠军团队识别分类的错误
率
经网络需要训练的参
3.57%,低于人眼5.1%的识别错
图表22 2010-2015 年ImageNet ILSVRC
深度学习能够自动寻找特征，非常适用于“习提取最主要的特征，它
AI+医疗影像”诊断。医学影像图像有不同来自不同的部位，通过深度学
术的医
也可以对疾病分类，做图像分类与识别。无需人为干涉，深度学习算法就可以从医学影像
的对比特征。在AI 与医疗场景的结合中，基于深度学习技
中找出许多复杂程度极高，难以用语言详尽描述出
疗影像的识别与分析，可能会在整个智能医疗、精准医疗领域中率先进入大规模应用阶段。大量深度学习平台及框架开源降低基础算法实
现的技术门槛。随着深度学习理论和工程技术体
系的成熟，包括通过
云服务或者开源的方式向行业输出技术，先进的算法被封装为易于使用的产降低了应用深度学习算法
品和服务。近年来，科技巨头开源了大
量深度学习的工具包，例如Google 的TensorFlow, Facebook 的TorchNet，微软的CNTK 等等，这些开源包大幅
的难度，创业公司也可以利用这些开源包将深度学习应用到医学影像诊断领域，基础算法
效的专注于应用层面的算法优化。
的实现门槛大幅降低，可更加高
图表23 大量深度学习平台和框架开源降低技术门槛
2、AI 处理器技术向高性体现一个芯片实际应用效
能、低功耗的方向发展
目前，业内几乎所有
的主流芯片厂商如
NVIDIA、
果好坏的因素主要就是它的性能和功耗。
Movidius、Intel、海思等都着手推出基于深度学习的芯片。AI 芯片竞赛愈演愈烈，芯片业巨头和研究机构一直在探索人工智能芯片的解决路径。相对谷歌、苹果来说，处于产业链更上游的英特尔、英伟达等芯片厂商的加入，让AI 芯片领域的争斗更加精彩。总体来看，当前人工智能芯片一是以英特尔为代表的，亿美元收购了
围绕CPU/FPGA
的技术路径主要有三种类型。布局人工智能芯片
。在人工智能领域，英特尔希望依靠强
大的服务器芯
167
片业务作为支撑，并以研发加收购习神经网络的Nervana Systems时代的定制化计算。
的方式来开发定制的芯片来满足人工智能芯片的特殊需求。英特尔这两年就以。这几起收购使得英特尔能够推出
FPGA 领域的Altera 公司、153 亿美元收购了自动驾驶方案提供商Mobileye、4.08 亿美元收购深度学
CPU+FPGA 的异构方案，更好的适应人工智能
根据微软研究院的研究，FPGA 和GPU 执行算法单次迭代左右。
的时间优于CPU。在一项FPGA 以及CPU、GPU 执行
GaxPy 算法每次迭代的能源消耗试验中，CPU 与GPU 的能耗是相仿的，而FPGA 的能耗只是CPU 与GPU 的8%
图表24FPGA 硬件架构
二是以英伟达公司为代表，围绕GPU 布局人工智能芯片。英伟达已经推出了新一代
的深度学习性能。英伟达表示，相对于之前
6 倍。
的GPU，取名Volta，号称史上
最强的GPU 加速器，具有强大的GPU 产品，最新的Volta 可以让深度
学习的训练提速12 倍、推理速度提升
图表25CPU 和GPU 呈现出非常不同的架构
三是以谷歌公司为代据中心和包括倍。
表，通过专用处理器布局人工智能芯片。2016 年谷歌发布的第一代TPU 芯片，主要在谷歌数
2017 年谷歌在I/O 开发者大会上推出了第二
30~80
AlphaGo 这样的人工智能产品当中使用，主攻运算性能。
代TPU 芯片，尽管在一些应用上利用率很低，TPU 平均比当前的常用GPU 快15~30 倍，性能功耗比高出约
图表26TPU，GPU，CPU 和改进的TPU 的性能对比
早期医疗图像诊断设备大多是采用FPGA 处理器进行运算，低功耗优势显著。过去一般使用MCU 或DSP 来处理
需的
FPGA+深度学习
医疗图像，由于MCU 和DSP 都是串行器件，开发人员需要使用处理能力和清晰度，FPGA 能处理图像算法里大规技术，实现医学影像智能诊断，例如医学影像要求的前提下具备低功耗
的优势。
FPGA 来进行硬件加速以获得医疗成像应用所
模的并行处理需求。目前国内也有一些企业利用
AI 企业健培科技自主研发了基于FPGA 架构的影像分析，在满足性能
GPU 作为高性能计算机集群协处理器，峰值性能优于幅度增加，FPGA 已难以应付，引入擅长于并行运计算能力加快性能的商业应用之一。越来越多内窥镜、病理影像诊断中均可用到入临床设备非常困难，但
MRI 图像。患者需要快速、精确并且舒适
FPGA，在医学影像领域应用也越来越广泛算的GPU 进行协运算非常必要，医疗成像
。随着运算量的大
是较早利用GPU 通用
的高精度CT 或者
CT 机、超声波诊断设备搭载了NVIDIA 的GPU，CT、MRI、超声波、
的工具。将庞大的服务器阵列引
GPU 协运算。在一些医疗影像应用中，计算机需要处理大量
的诊断，而医生则需要能够实现高效诊断
型的并行计算模块成为可能。
GPU 和Tesla 的强大计算能力使得提供小
GPU 的通用计算性能，能够让科研人员以比处理器快数十倍甚至上百倍查看CT 和MRI 的3D 合成图像，或者在不损失检查影像画质的结果，医生能够检查病患组织
的速度处理图像。因此，医生能够实现实时
的情况下能够使系统更快地运行。通过这些快速得到
的状态并做出诊断，而无需活体检查和外科处理。
图表27FPGA 与GPU 性能与功耗对比分析
FPGA
功耗灵活性峰值性能平均性能
低高，可编程低
GPU高低高
取决于FPGA 加速器架构上的优势是否能弥补运行速度上的劣势
可见，FPGA、GPU 等芯片应用于医学领域已有着诊断功能，人工智
较长的历史，实际上，早期的高端医学影像设备中也具有有一定
的提升。
的辅助
能在该领域的应用并不突兀，而是在辅助能力方面有了质
3、高质量数据获取和标注系统的深度学习能力提升测试之于无人驾驶汽车，
能力是AI 医学影像公司的核心竞争力之一需要经过相当数量和质量
的数据训练，深度学习算法的鲁棒性、泛化能力大
，医疗数据之于医疗诊断的重要
小很大程度取性，就像道路为医学影像人
决于数据训练的量级。数据质量更是人工智能计算和学习能力的保障工智能领域最重要的竞争力。
因此，在算力和算法持续快速进步的基础上，获取相当数量的高质量数据成
“互联网+”推动医疗行业大数据爆炸。医疗行业数据量极大，一个癌症患者网+推动了以电子病历记录为代表结来看，全球医疗数据量从图表28 全球医疗数据量
的21%增长至2015 年的87%；医院提供数字化医疗信息
2013 年以来的年增长率达到了2013 年以来年增长率达
48%
的基因组就相当于半个TB 数据，互联
7 倍。总
的集中化医疗数据量快速增长，美国医疗机构使用电子病历记录
48%。
的比例从2004 年
的能力同样也在增加——从2013 年至今增长了
图表29 2020 年人类医疗数据总量预测（万亿GB）
中国医学影像数据总量巨大，但利用效率较低左右，医疗行业的非结构化数据主要包括医疗学影像数据仍以每年用价值不高。
疗和健康数据，但是这些
。据权威调查数据显示，医疗行业非结构化数据占整个数据量
别是根据众多人口数量获
的90% 得的医
PACS 系统产生的医学影像，比如DR、CT、MRI 等。而且，中国医
，利用率和利
30%以上的增速在增长。中国每年的基础数据量超过欧美，特
海量数据缺乏一个统一标
准、跨平台分享的生态环境，大多数都是数据孤岛
图表30 我国医疗数据特征
过去，医学影像行业在高质量数据获取和标注上有着较大挑战据集中在少数三甲医院，
。1）高质量数据获取难度大：一方面，高质量影像数
互通，缺乏有诊断报告信息，
80%
这些医院在数据共享方面大多较为保守，不同医疗
是过往医学影像数据，特
机构的数据很少能够实现别是影像所对应的临床2）数据标注成本高
效的数据共享机制；另一方面，尽管我国已经积累了大量医学影像数据，医特性，数据格式也较于其他医学领域相对标准，但的时间都是在做数据预处
没有以正确的标准化的形式记录甚至缺失的问题，对数据质量造成较大影响。
理工作，标注的准确性关乎结果的准确性，训练的
来2-5 年小样本学习在理论层面或将有所突破，但因此，影像数据的获取能力与标注能力已经成为像数据的阶段，以个领域的
学习数据主要有两大获取
途径：一是是国家
学影像行业由于其需要使用电子设备的
：数据处理中
每张图片都需要经过专业人员标注，未
的精力。
是短时间内数据的标注仍然需要耗费大量AI 医学影像公司的核心
竞争力之一。国内外公司基本都处于收集影
智能诊断的准确度
。医学影像人工智能
域的
不断丰富病种多样性和扩大影像数据规模，从而优化影像
/政府的公共数据，如美国联邦政府在Data.gov 数据平台开放了来自多。人工智能创业公司通过
和行业公司，以及产业链上游的数据公司建立合
有深度合作关系的企
业占据先发优势。
13 万个数据集的数据，包含医疗、商业、农业、教育等领域，我国和其他国家也陆续开放了部分领
公共数据。二是产业合作，获得脱敏数据作获取脱敏数据，比如和医院建立合作关系。
IBM Watson 一开始就是通过和纪念斯隆凯特琳癌症中心合作获取病聚地，因此与大型医疗机构具
AI+医疗影像”行业的发展。
历、文献等数据。医院是当前最大的医疗数据集随着医疗进入大数据时代，数据
的质量和规模将实现快速提升，有望引爆“
三、科技巨头加速跑马圈地，创业公司获资本青睐
“AI+医疗影像”市场百家争鸣，目前尚未出现占据巨头，包括
医学影像应用层面取得突破具备一定
绝对优势地位的领跑
企业。市场参与者主要分为两类：一
是科技
IBM、谷歌、微软、亚马逊、阿里、腾讯等，这些企业
在人工智能基础技术有着长期
的布局和投资，在
层的建设，
的优势；二是医学影像人工智能创业企业，创业公司主要聚焦于应用
基于场景或行业数据，提供最终的解决方案。
（一）科技巨头抢滩，加速布局“AI+医学影像”市场
2017 年以来更是呈现出加速发展的趋势，英特尔、阿里、
发的一套基于超声影像的甲状腺2）除了与因特尔合作推出产品，凭2017 年7 月正式对外发布
AI 医疗产品
用的第一个医疗AI 产品。3）腾讯也在7 月，英特尔与爱尔眼科等公司共同
科技巨头纷纷以“AI+医学影像”为突破口布局医疗领域，腾讯均发布了“AI+医学影像”相关产品
。1）2017 年初，英特尔与相关机构合作研
结节良恶性的辅助诊断系统——“DE-超声机器人”在部分医院开始临床试点；签署人工智能眼科疾病识别解决方案，从处理器和硬件角度支持眼科图像诊断。借高性能的计算环境、云平台及深度学习技术优势，阿里健康携手万里云于“Doctor You”，该产品的CT 肺结节智能检测引疾病的筛查。此外，谷歌、
擎是阿里健康进入实际应
2017 年8 月发起人工智能医学影像联合实验室，并公布其首个
AI 医学影像产品“腾讯觅影”，辅助早期食道癌等
IBM、百度等巨头都在医学影像AI 领域着手布局。
图表31 科技巨头在医疗人工智能领域的布局
公司名称谷歌
技术/资本布局
2016.02 成立谷歌DeepMind Health 部门
2016.07 DeepMind Health 与英国国家医疗服务系统（器学习系统
腾讯
2016.03 启动“腾爱医疗”战略2016.03 向碳云智能投资1.5 亿美元2017.03 跟投了美国基因巨头Grail
2017.08 成立AI 医学影像联合实验室2017.09 向人工智能医疗公司
VoxelCloud 投资1 亿元Illumina 创办的癌症早筛公司
2017.08 公布其首个
AI 医学影像产品
4 秒，90%
“
NHS）
合作；和英国Moorfields 眼科医院一起开发辨识视觉疾病的机
产品/成果
2017.03 与Verily 公司开发用来诊断乳腺癌的病理人工智能，准确度达到88.5%
腾讯觅影”，辅助早期食道癌等疾病的筛查，筛查一个内镜检查用时不到对早期食管癌的发现准确率高达
阿里2016.03 增资万里云
2017.03 发布“ET 医疗大脑”，宣布联合英特尔、动天池医疗AI 系列赛
2017.07 阿里云ET 凭借89.7% 的平均召回率获得国际权威肺结节检测大赛
LUNA16 冠军，打破世界纪录
linkdoc 启
2017.05 联合万里云发布人工智能精准医疗平台——“i 影像”
2017.07 联合万里云医学影像中心发布医疗AI 系统Doctor You，正确识别肺结节的准确度达到
90%以上
其
DE 超声机器人的甲状腺结节的智能诊断系统自行给出良性与恶性的判断，诊断准确率可达医生平均水平
百度英特尔
2016.10 发布“百度医疗大脑”与阿里等联合推出“
ET 医疗大脑”
-针对特定医学影像领域推出专用硬件解决方案，解决算力瓶颈
IBM
2014 年投资10 亿美元成立IBM Watson 业务集团2015.10 以10 亿美元收购医疗影像分Healthcare
2016.02 斥资26 亿美元收购医疗数据公司Analytics
2016.08，成立沃森健康医学影像合作组织
微软
2016.09 宣布将AI 用于医疗健康的计划2017.02 与合作伙伴
“Hanover”
-Truven Health析公司Merge
2017.03 推出Watson Health 的第一个认知影像产品——IBM Watson Imaging Clinical Review
85%，已经超过影像科
匹兹堡医疗中心大学（UPMC ）启动
公司名称技术/资本布局
产品/成果
Healthcare NExT 的医疗项目
科大讯飞2015 年组建智慧医疗团队，目前已在智能语音、医学影像、国际医学影像领域的权威评测LUNA 上
基于认知计算的辅助诊疗系统三个领域布局获得平均召回率
92.3%的检测效果
2017.08 在国际医学影像领域的权威评测
LUNA 上以平均召回
率92.3%的检测效果获得第一名并刷新世界记录
IBM Waston：AI+医疗的开路先锋
IBM-Waston 是人工智能在医疗领域应用的开路先锋，Watson 的第一步商业化运作就是通过和纪念斯隆·凯特琳癌
症中心进行合作，共同训练IBM Watson 肿瘤解决方案(Watson for Oncology)。该系统的登入时间共计1.5 万小时，一支由医生和研究人员组
成的团队一起上传了数千份病人
的病历，近500 份医学期刊和教科书，
1500 万页的医学文
献，把Watson 训练成了一位杰出的“肿瘤医学专家”。根据动脉网数据统计，Watson for Oncology
已于全球7 个国家落地，分别是中国、美国、韩国、泰国、新加坡、印
荷兰，这
7 个国家已经正式进入商业化对外服务患者
。在服务病种方面，目前沃森提供
的肿瘤治疗方案覆盖了
乳腺癌、结肠癌、直肠癌、肺癌、胃癌、宫颈癌、卵巢癌、前列腺癌8 种，预计2017 年底会扩展到
14 个癌种，截
止2017 年3 月25 日，Watson for Oncology
已经在全球服务了2 万多名患者，
2016 年8 月，IBM Watson 的癌症诊断机器人就已登陆中国，与多家医院展开合作，帮助医生制定个性化的治疗方
案，为癌症患者提供精准的个性化服务。截至2017 年7 月，IBM Watson 已经在11 家医院落地，预计年底覆盖
150
家三级综合医院。图表32IBMWatson
辅助诊疗过程
度、
IBM-Waston 在医学影像人工智能领域也已深耕多年，2015 年8 月，IBM 投资10 亿美元收购了医学成像及临床系统供应商Merge Healthcare，以获得Merge 手中积累的海量数据。2016 年2 月，IBM 又斥资26 亿美元收购医疗数据公司
Truven Health Analytics
，使得IBM 获得了丰富的资源，加上其原本就
有的数量惊人的专利，使得IBM
Waston 在人工智能+医学影像业务上获得了巨大的优势。2016 年8 月，IBM 还成立了沃森健康医学影像合作组织，该组织由15 个领先的卫生机构、医学学术中心、流动放射学提供商和成像技术公司组成，其研究的病种已经涵盖乳腺癌、肺癌、糖尿病、眼病、脑病、中风和心脏病等疾病。扩大到全球
2017 年3 月，IBM 在HIMSS17 上推出了Watson Health
，并宣布将
Watson Health
医学影像合作计划
情的全球计划增添临床和
行业专家经验。
的第一个认知影像产品——IBM Watson Imaging Clinical Review
24 家组织，为处理眼部、脑部、胸部、心脏和相关病
在“AI+医学影像”领域的优势
图表33IBM Waston
谷歌：与多方合作，在多病种上均已取得较好突破
2016 年2 月，谷歌DeepMind 成立了谷歌DeepMind Health 部门，正式将人工智能技术应用与医疗健康领域，获英国伦敦帝国理工学院、伦敦皇家自由医院和英国国家医疗服务系统（NHS）的数据支持。2016 年7 月，谷歌DeepMind 与NHS（英国国家医疗服务体系）再次合作，同Moorfields 眼科医院一起开发辨识视觉疾病的机器学习系统。通过一张眼部扫描图，该系统能够辨识出视觉疾病的早期症状，达到提前预防视觉疾病的目的。此外，谷歌牵头，历时八个月，
54 名美国眼科专家，将
128,175 张视网膜照片分级，利用87%的灵敏度和特异度。谷歌与
CNN 算法，训练自动检Verily 公司开发用来诊断乳能的准确度达到
88.5%，
测糖尿病视网膜病变和视网膜黄斑水肿，达到最低值为而顶级病理学家的准确率为73.3%。
腺癌的病理人工智能，在于病理学家基于灵敏性和假阳性和乳腺癌病例分析竞争中，人工智
图表34 谷歌利用人工智能更准确地识别肿瘤
科大讯飞：人工智能龙头开辟智慧医疗新战场作为中国智能语音和人工和突破。公司自
智能的领导者，围绕着讯飞超脑，科大讯飞在感知
智能及认知智能领域不断
取得新的成就
2016 年开始重磅发力医疗领域，至今已
。
在智能语音电子病历、影像辅助诊断、导医导诊机器人、
移动端APP 等多场景落实应用。域，减少误诊和漏诊
科大讯飞研发了医疗影像辅助诊疗系统，用于辅助影像医生阅片，勾画肿瘤病灶区
图表35 科大讯飞医学影像辅助诊断系统
科大讯飞智慧医疗医学影的智能影像辅助诊断系统
像团队将在成像方法、充分利用临床信息指导成像和辅助阅片等方面进行研发。目前，科大讯飞
是从肺部CT 影像检测细分方向切入，接下来还会进入乳腺的X 光图像、MRI 图
像检测方向，预计在2017 年底实现大规模临床应用。上获得平均召回率
解、机器翻译等领域取得世界第一之后，科大讯飞
2017 年8 月，科大讯飞在国际医学影像领域的
名并刷新世界记录
权威评测LUNA
92.3%的检测效果，以显著优势获得该项评测的第一。继在智能语音、语义理
在计算机视觉与医学影像相结合的重要领域亦走到了世界前列。
图表36 科大讯飞在LUNA 评测中获得第一并刷新世界纪录
与诸多一流医院、医学机构的合作，共同研发智慧医疗产品。2016 年6 月，科大讯飞与安徽省立医院共建医学人工中的应用，其影像系统已经可以识别
院、医学机构的合作，能的智慧医疗产品。
3mm 一下的病够更好地整合
智能联合实验室，共同开展深度学习在高发癌症医学影像监测
变区域。2017 年4 月，科大讯飞又与中国医学科学院北京协和医学院签订战略合作协议，宣布共建医学人工智能研究中心。此外，科大讯飞还与清华大学共建人工智能实验室，与诸多一流医核心技术、行业专家和行业大数据，从而真正打磨出具有临床实用价值（二）创业公司受资本青睐，“动脉网统计数据显示，
AI+医学影像”成投资新风口
的元年，有
27 家企业在2016 年进行融资，
10 亿人民币。截至
2016 年是人工智能+医疗在国内形成投资风口
其中16 家企业融资金额在千万级人民币或美元以上，医疗大数据公司碳云智能融资金额高达2017 年8 月31 日，国内83 家企业的融资总额已经接近
42 亿人民币。
图表37 国内医疗人工智能历年融资情况（百万元人民币）
而医学影像已经成为人工智能在医疗应用最热门的领域之一。国内有83 家企业将人工智能应用于医疗领域，主要
的企业数量达到
40 家，远高于
布局在医学影像、病历/ 文献分析和虚拟助手三个应用场景，而其中涉足医学影像类其他应用场景的企业数量。图表38 国内医疗人工智能企业图谱
2016 年下半年以来，汇医慧影、雅森科技、连心医疗和推想科技等公司接连获得了千万级以还是时间间隔上，都可以看出“AI+医学影像”领域的火热程度。图表39 部分医学影像人工智能公司融资情况
公司健培科技
融资时间2014.7.12016.1.292017.6.25
DeepCare推想科技
2016.6.162016.2.12017.1.162017.9.21
图玛深维汇医慧影雅森科技
2016.10.182016.10.272016.12.122017.7.27
锐达影像连心医疗依图科技
2016.7.42016.12.152017.5.15
融资金额3000 万人民币数百万人民币数千万人民币600 万人民币1100 万人民币5000 万人民币1.2 亿人民币150 万美元数千万人民币数千万人民币数千万人民币1000 万人民币1200 万人民币3.8 亿人民币
融资轮次天使轮Pre-A 轮A 轮天使轮天使轮A 轮B 轮天使轮A 轮A 轮A+轮Pre-A 轮天使轮C 轮
投资方
珠海聚隆科技投资赢创安投苏州申济沅投资FreesFund 峰瑞资本
英诺天使基金、臻云创投（臻云智能）红杉资本中国、广发信德
-广发证券
上的投资，无论是从投资数量
成立时间2012 年
2016 年2016 年
启明创投、元生资本、红杉中国真格基金、经纬中国蓝驰创投
顺禧基金、虎丘医疗科大智能中路资本、快创营
国科嘉和、安龙基金、西科天使基金高瓴资本、云锋基金、红杉资本、高榕资本、真格基金
2012 年2016 年2013 年2016 年2015 年2006 年
迪英加科技视见科技
2017.6.262017.7.19
1500 万人民币2000 万人民币
天使轮天使轮
将门创投联想创投
2017 年2017 年
影像智能分析市场公司可生提升影像诊断效率为目
分为两类：一类是通过大量电子病历的积累，实现对医学影像的诊断分析，
的匹配性，为医生诊疗提供辅助支持；
主要以帮助医
的。以DeepCare 为例，DeepCare 专注于研发影像识别技术，通过对医疗影像进行检测、
另一类是通过对医学影像
，例如雅森科技利用数学模型和人工智能技术定量
识别、筛查和分析，寻找新录入病例与已确诊病症分析医疗影像，提高了诊
断的精确性。
数据本身的解读，主要以帮助医生提高影像诊断的精准度为目的
图表40 部分“AI+医疗影像”创业公司业务情况
公司名称万里云
成立时间2009 年（2014 年开始型）
转
主营业务
建立医学影像大数据云平台及提供相关影像云存储服务，以及开展远程医疗影像服务和建设运营线下第三方医学影像中心，并提供相关服务
主要AI+医学影像产品
2017 年7 月11 日，万里云与阿里健康联手推出“Doctor You”AI系统，包括医学影像辅助诊断云平台、临床医学科研辅助平台、以及医师能力培训系统，“Doctor You”正确识别肺结节的准确度达到90%以上
优势分析
1、目前万里云医学影像平台已为全国包括河南、湖北、新疆、江西、四
川在内的
20
多个省市地区的上千家基层医院提供远程咨询服务；2、与互联网巨头阿里巴巴集团旗下阿里健康公司深度合作，可能在医学影像平台上开展C2C 模式的业务
DeepCare
2016 年
主攻胸肺部CT 的智能影像诊断
2017 年7 月2 日，发布公司的首款AI 辅助诊断产品——宫颈细胞涂片智能辅助筛查系统
，该筛查系统目
1、合作医疗机构，数据库庞大。和北京数家三甲医院展开了合作，用来训练算法的影像数据已经达到了百万张
的数量级别。2、
双方未来极有B2B、C2B 和
公司名称成立时间主营业务主要AI+医学影像产品前在检测鳞状上皮感性达到以达到70%
内高度病变上敏
优势分析
创始人及首席科学家丁鹏博士毕业于达特茅斯大学，在深度学习领域有着丰富的科研背景。员工中包括多位人工智能算法领域和临床影像学领域深耕多年的专家
99%的情况下，特异性可
汇医慧影2015 年覆盖影像云平台、放疗云平台、电子胶片、常规阅片外包服务、疑难大病专家会诊及医生集团等六大模块
目前对于胸部X 光的气胸、肺结核、
1、与Intel 联合成立医学影像大数据及人工智能创新实验室。汇医慧影联合清华大学海峡研究院大数据中心智能诊断和大数据分
,共同致力于医疗影像析的研究；2、汇医慧
8 家三甲医院进行
肿块的自动诊断准确率已经达到90%，脑核磁肿瘤的自动识别率超过85%，胸部CT 中肺结节的识别率超过85%，乳腺钼靶中钙化斑点以及肿块的识别率均超过90%
影已经服务的医院数已经超过400 家，其中包括20 家三甲医院，与科研合作
雅森科技2006 年医学影像的智能筛查、诊断等（主打功能性影像，在脑部诊断方面已有比较成熟的应用，联合核磁、脑电图、量表数据三方构建模型）
多模态AD 智能诊断预测系统，微核細胞智能镜检辅助系统，多模态乳腺疾病智能分型系统；建设中国第一个医联体人工智能平台工智能医疗平台”
“浙东人
在脑部产品推出后，雅森科技据库支持，分析上
已经接到了
95%以
20 多家医疗机构的订购意向，以目前的数
的准确率能够达到
健培科技2012 年医疗影像输出、智慧医疗、智能诊断等，并开发有激光热敏医用胶片
发布SenseCare 诊断服务平台，经过对
3820 例病例的实验测试，
90%
自主研发的机器学习库MLLib 与医学图像
处理库MedImage 囊括了目前大部分医学图像处理与分类的算法，同时还包括改进与创新的
20 多项专利技术，
充分保证了进性
SenseCare 诊断云在肺部CT 影像的11 种疾病识别率高达
SenseCare 诊断云的实用性与先
推想科技
2016 年
针对肺癌筛查、脑部等的
/神经
推出了AI-DR（智能X 线辅助筛查产品）、AI-CT（智能CT 辅助筛查产品）、AI-Scholar（深度学习科研平台）三个平台，并在北京协和医院，武汉同济医院、上海长征医院、大连大学附属中山医院等投入试用
推想科技同GE 医疗、思科和Nvidia 等多家知名公司是伙伴关系，并且同中国三甲医院合作
20 多家
疾病筛查，心脏疾病筛查
AI-DR（X 线辅助筛查）、AI-CT（CT 辅助筛查）、深度学习的医疗科研平台AI-Scholar
四、商业模式逐渐明晰，平台分成与技术授权各具潜力
“AI+医学影像”已经渐渐走出实验室熟，商业模式历经前期像服务并采取分成模式；
,业务正逐步落地，下一步将迎来商业化。数据积累持续增长，算法进一步成
目前来看，可行的商业模式包括两种：一是与
区县级及基层医院、民营
的探索也愈发清晰。
医院、第三方检测中心等合作，提供影像资料诊断服务，并按诊断数量收取费用，相当于与医院方共同提供医学影
二是与大型医院、体检中心、第三方医学影像中心及医疗器械厂商合作，提供技术解决方
。
案，一次或者定期收取技术服务费
图表41AI+医学影像行业商业模式分析
模式一：分成模式。
对接基层医院、民营医院、第三方检测中心等，通过医学影像全套诊断及质控影像诊断环节能力相对欠缺，从而产生影像诊断外包需求。对于这些医疗机供辅助诊断的产品，而是全套的影像资料诊断服务，更要有专业影像科医该种商业模式代表性按例收费。人工智能
生的最终诊断及全套的质控体系，从而提供可靠性
服务，收取一定的服务
费用（按诊断较高的成本，
的数量收取费用）。由于基层医院、体检机构、民营医院影像科缺乏足够专业人才、投入不足或面临
构而言，其真正需求的不仅仅是一个提高的最终诊断结果。
B2B 模式，接入医院采取“套餐”CT 影像资料方面，从而大大
方式
在现阶段，要求诊断服务提供方不仅仅提供人工智能辅助阅片，
的企业有万里云、汇医慧影等，以万里云为例，目前主要为在医学影像应用将大大提高医生
的效率和准确率，特别是在
的大幅下降。
提高医生
的每日阅片量，带来效率数倍提升及成本模式二：技术解决方案。
1）面向大型医院、体检中心以及第三方医学影像中心，一次性出售“或者使用期间定期收取使用费备更新升级意识相对较强。目前
。这种商业模式或最
AI+医学影像”解决方案的使用权限（License）
SaaS 服务模式，将开发
完成的不同病
先在三级医院、第三方医学影像中心开展，其采购预算较高，设
DeepCare 正在探索该种商业模式，其借鉴
种智能模块放在云平台上，设备厂商、远程医疗服务商可以根据自己需求进行选择，并相应付费。
2）向医疗器械厂商寻求合作，通过在医疗设备中加入智能模块，硬件和软件捆绑销售。向医疗器械厂商寻求合作，将软件与硬件设备捆绑销售，或将产品功能嵌入硬件设备当中。近些年来，国产医疗器械逐渐发展起来，与雅培、罗氏、西门子、瓦里安、医科达等海外公司产品形成竞争，“的软硬一体解决方案，将大大提升医疗器械厂
AI+医学影像”软件与医疗器械商的产品竞争力。
的结合，可帮助医疗器
械厂商提供先进
图表42 代表公司的商业模
公司万里云汇医慧影DeepCare
式分析
“套餐”方式，按例收费
商业模式
B2B 模式，接入医院采取
收取阅片服务费用，按月收费，主要是面向有需求的医院两种商业模式发展方向：○1 与医学影像硬件厂商的合作，备的使用难度，提升使用效果，目前，
通过在设备中加入智能模块，
来降低这些设
，尿检血
DeepCare 的算法已经能够识别和预判断子宫颈癌抹片
检的细胞识别等；○2 软件智能化，通过与远程医疗平台的合作，为平台上的影像专家提供人工智能虚拟助手，帮助专家进行初步筛选，并生成初步诊断报告，以大幅度提高远程医疗平台的诊断效率
依图科技
两种商业模式发展方向：○1 为三甲医院提供产品，
三甲医院所辐射的基层医疗机构在三甲医院学习的
过程中，可以感受产品的优势；○2 通过代理渠道进行销售
我们认为分成模式与技术授权各具潜力将进一步打开。此外，分成模式面年4 月底，全国医疗卫生机构数达场对于人工智能医学影像级诊疗进入落地阶段，第三方影像市场的壮大，
。一方面，分成模式具有典型的边际成本递减的特征，而且随着个人消费者
B2B 向B2C 的方向发展，空间
2016
92.5 万个。基层医疗医务人
，基层医疗市间。最后，分
的切合政策方向，对着
的技术优势在
对“AI+医学影像”的认可度提高以及对自身健康重视程度
98.8 万个，其中医院
的提升，市场需求有望从
对的主要是基层医疗机构，机构数量及年就诊人次众多。据卫计委统计，截至
2.8 万个、基层医疗卫生机构
病的诊疗工作，更需要提高诊疗水平和效率的工具
员能力不足，但承担着大量常见病、多发病、慢性
的需求巨大，特别是提供全套诊断服务的专业第三方平台面临较大的市场空AI 加持的第三方影像诊断服务大幅提升基层医院影像诊断短板，较好有望给分成模式贡献较大
大的变现潜力。
的空间。另一方面，技术解决方案提供商凭借领先
三级医院、影像设备厂商等领域都有着较图表43 我国各类医疗机构数量（万家）
五、相关标的
（一）万东医疗：影像设备龙头，携手阿里发力影像1、国内影像设备龙头，国企转制民营极大提升运营效率公司为国内自主研发能力备，年服务患者数量超过成对公司
运营效率显著提升。
图表44 公司影像设备产品业务线
最强、产品线最丰富的医
用放射影像设备专业制造厂家之一，国内普及型产品市场占有率
70 多个国家及地区，累计为全世界提供
10 万套医学影像设
的北京医药集团，2015 年4 月鱼跃科技完
AI（医药行业覆盖）
居全国前列，DR 销量连续多年国内领先。出口至世界
1.5 亿人次。公司原来的大股东为华润集团控股
51.5%的股权收购，成为公司控股股东。由国企转制民营后，公司精兵简政，营业利润和毛利率明显改善，
2、万里云（万东医疗的第三方影像+人工智能子公司）：人工智能万里云是万东医疗旗下子公司，远程影像诊断。目前，其业务以据服务等，二级及以
+医学影像龙头
2014 年转型互联网方向，布局
CBD，通
2009 年从为万东医疗产品链做配套软件开发起家，2B 为主，提供面向患者、医院、医生
的全方位影像服务，称之为万里云
过SaaS 服务模式为医疗机构及患者提供医学诊断相关服务，包括影像云端存储、诊断、分享、质控、培训和大数
下的医疗机构是主要客户群。据万东医疗
习，大幅提高远程诊断的
的长期限制因素——影像专家数量。
2016 年年报，公司计划通过人工智能
对专家人数和工作时间的
技术的引进，要求，以解决
通过开展机器智能诊断学限制其远程影像诊断增长
效率和准确率，从而降低
图表45 万里云平台——打造一站式影像检查和诊断服务
1）股东实力强大，商业资源对接拓展成长空间战略引入阿里，技术实力快速提升，资源对接带来优势
。2016 年3 月引入阿里健康作为战略投资者，阿里健康投入
2.25 亿元，持股比例为25%，估值9 亿元，为万里云的业务发展提供了资金、技术、资源、推广等方面优势，快速推动公司云影像发展布局。万里云借助阿里健康在互联网医疗领域的平台优势，与公司60 年影像行业的深度积累有机结合，开拓第三方影像中心业务，开展影像专家、设备厂商等之间形成高效专业绑定美年健康，第三方检测需求有望快速导入大股东，我们判断不排除战略合作考虑。美年健康心，年服务客户近
1500 万人次。据公司
500 家，其影像业务有望与万里云实现较
2B、2C 远程医学影像诊断及相关服务，
在病患、基层医院、影像中心、
的连接，提供创新型影像价值，共建医疗影像新生态链。
。2017 年4 月，美年健康董事长现金受让万东医
在全国30 多个省、100 多个核心城市拥有近
22%股权，为第二300 家医疗及体检中
2018 年达到
2016 年年报，公司规划还将每年增加好的合作。
100 家体检中心，直至
图表46 万里云股权结构
鱼跃科技
24.68%
美年大健康
22.00%
阿里巴巴
华润万东
75%
阿里健康
25%
万里云医疗信息科技（北京）有限公司
2）对接医院数量快速增长，数据规模领先同行如前所述，卡位场景，影像对接医院及影响数据，快速卡位，数据量快速增长，大幅领先同行张。2017 年8 月，接入医院
智能公司的核心竞争力。2016 年底，万里云已完成
1600 多家，日诊断量达
望达到2000 家，日阅片量有望达到
是现阶段公司的核心竞争
力。万里云依托自身及资源整合，实现
的量，是医疗影响人工
2000
1000 家医院，日阅片量约
。与医院及其他医疗机构的合作获得高质量数据
10 家远程诊断中心建设，签约
6000 例，并且还处于迅速增长中，预计到年底接入医院数有
10000 张，龙头地位进一步强化。
图表47 万里云签约医生数量和日阅片量高速增长
第三方影像中心的建设有望促进公司数据规模高速增长。2016 年8 月，卫计委印发《医学影像诊断中心基本标准和
98.8 万
DR 龙头，在MRI 等影
管理规范（试行）》，鼓励社会资本参与第三方影像诊断中心发展，推进分级诊疗。全国医疗卫生机构数达个，为有效推进分级诊疗，部分基层医院需要对接第三方影像中心，提高初诊能力。公司为
像设备方面实力雄厚，投资建设第三方影像中心相对同行显著降低成本。截至州、武汉和巩义等地建立了远程影像中心，由于远程影像诊断中心具有易于心建设有望快速推进，从而带动数据规模图表48 万里云平台架构
的快速增长。
2016 年底，万里云已经在北京、郑标准化、复制性强的特征
，远程影像中
3）携手阿里健康发布医疗AI“Doctor You”，更多产品有望逐步落地
技术合作，解决方案已取得阶段性成果，并有望持续快速推进。造的人工智能精准医疗平台
——“i 影像”发布，平台内已上线肺部
生的漏诊率，特别在一些细小的
3 倍以上。未来，“i 影
断判据的自动
的对比，智能诊断功能可显著降低医
公司与包括阿里健康在内的多家人工智能企业开展2017 年5 月15 日，万里云与阿里健康合力打DR 筛查和CT 检测功能，通过对实际诊断数据肺结节上避免
像”平台将持续在知识图识别和提取，结合丰
50%以上的遗漏，检测的准确率达到90%以上，同时最多可以提升医生效率
富的专家知识库，利用知识推理系统达到辅助医生诊断
的目的。
谱，自然语言处理等技术上进行深入研究，实现对病例文本、影像症象等诊
2017 年7 月11 日，公司与阿里健康联合推出医疗断平台、医疗辅助检测引擎、医师能力培训系统等。“正确识别肺结节的准确度达到
AI“Doctor You”，“Doctor You”AI 系统包括临床医学科研诊
Doctor You”对30 名患者产生的近九千张CT 影像进行智能
4 名医生进行审查。，“Doctor You”
检测和识别，将第一轮筛查出的疑似结节标记出来，作为辅助诊断结果，提供给
90％以上，且大幅提升诊断效率。
下一阶段，万里云医学影像平台将继续拓展与阿里健康AI 的合作广度，陆续接入“DoctorYou”的乳腺超声、心电
图、X 光等智能检测引擎，致力于打造全国最先进、患者最信4）商业模式理想，发展潜力较大万里云目前的商业模式主要为每天处理的影像资料
平衡点或者公司业务量达到较大3. 投资建议
赖的智能化远程影像诊断平台。
B2B 模式，接入医院采取“套餐”方式按例收费，随着公司对接医院数量持续增长，
用覆盖，一旦
的体量并降低扩张速度，其利润有望快速体现。
平台
达到盈亏
具备很大的增长空间。在快速增长期，存量业务的盈利可能被快速扩张的费
人工智能在医学影像领域落地可能性较大，在技术年实现归属母公司净利润分别为荐”评级。
（二）科大讯飞：人工智能
突破、数据获取、资源整合方面具备优势，并快速推进取得明显
AI 的标的万东医疗。预测公司
2017-2019
先发优势的平台型公司最具潜力，推荐影像设备龙头并携手阿里发力影像
0.79 亿元、1.01 亿元、1.20 亿元，对应PE 分别为123 倍、96 倍、81 倍，维持“推
+医学影像表现亮眼，“平台+赛道”战略成果显现
1. 人工智能+医学影像实力雄厚，资源整合加速可期技术上：公司在国际医学影像领域权威评测名并刷新世界纪录。利用时间下降一个数量级，并依托强地。
2. “平台+赛道”战略成果显现，教育业务表现亮眼
公司“平台+赛道”战略成果显现，智能车载语音、移动互联网和智能硬件等领域业务规模、用户规模持续上升。客服、教育、医疗、司法
、智慧城市等重点行业赛道，形成了用户认可的人
12000 多所学校，包括
工智能应用成果。公司教育业务表现亮
1500 万，
眼，2017 年上半年“智学网”已覆盖全国考试业务区域平台”
68 所全国百强校，活跃师生人数超过
在
LUNA 上获得平均召回率
92.3%的检测效果，以明显领先优势获得第一
的同类型系统处理
fully 3D-CNN 模型计算特征图等技术，大大提高了检测效率，比已公布
大的研发实力快速推进。资源对接方面：与安徽省立医院共建医学人工智能实验室，
与北京协和医学院签订战略合作协议，共建医学人工智能研究中心，并与诸多医院医学机构合作，助力技术快速落
目前已成功打造人大附中、深圳云平台等个性化教育系统标杆用户，未来公司将逐步完善“课堂教学、个性化学习、
的商业闭环，形成教学考评管
的完整体系，教育业务有望发展成为公司明星业务。
3. 安徽市政府颁布政策支持“中国声谷”建设，公司将充分受益2017 年9 月，安徽省政府印发《安徽省人民政府关于支持中国声谷建设语音及人工智能产业发展，提出“到产业合计达到充分受益。4.投资建议：
公司作为中国智能语音及人工智能产净利润分别为
业的领导者，产业链话语权不断提升，期待公司业绩释放。公司
205 倍/139 倍/98 倍，维持推荐评级。
2017-2019 年
的若干政策》，设立
50 亿元基金支持智能
”的中心地位，将
2020 年“中国声谷”企业营业收入达到1000 亿元,智能语音和人工智能相关
2000 亿元”的发展目标。公司居于中国声谷“一核两区多园”发展规划中“一核
4.67 亿/7.01 亿/9.96 亿，对应估值为
（三）东软集团：影像云平台添彩医疗健康业务，汽车电子厚积薄发有望加速放量1.发力医学影像云平台，快速推进值得期待
与辽宁省卫计委、联众医疗共同签订《辽宁省医学影像云健康医疗服务平台框架合作协议》，东软为云平台主要建。东软占据全国医疗付费系统
50%市场份额，在医院信息化领域占据
+AI 的快速推进值得期待。
30%份额，在影像设备领域也具备优势，
在计算机视觉领域实力突出，医学影像2.汽车电子业务厚积薄发，有望加速放量公司在智能车载、新能源汽车、
ADAS 以及自动驾驶领域进展顺利。公司持续拓展国内汽车厂商
的车载量产业务，
NXP 最新自
在自动
设方同时公司
同时，公司与本田在电动车的电池管理技术、车辆车业务或迎新突破。自动驾驶领域，子公司东软睿驰动驾驶芯片
驾驶技术研发及应用领域达到新阶段。
数据云管理和智能车载互联等核心技术领域展开合作，新能源汽
L0-L4 全级别自动驾驶方案广受认可，推出基于
权的自动驾驶汽车于
10 月已上路测试，公司
S32V 的自动驾驶中央域控制器，拥有自主知识产
3. 深度布局医疗健康业务，大健康战略加速推进公司医疗保障与健康业务布局加速推进，目前已与底，参股公司东软医疗完成新一轮20 多个城市签署大健康战略合作协议，承接
16.45 亿元的“辽
2017 年9 月
的股权溢
宁省医学影像云”项目，与烟台、湘潭等多个城市签约，打造大健康数据信息服务中心和影像云中心。
4.83 亿融资，主要用于加大高端医学影像
购，为其上市创造有利条件，东软医疗估值从
设备的研发投入以及积极开展境内外并
25 亿上升至42.5 亿，公司有望在东软医疗未来发展中获得更多
价和更大的投资收益。4. 投资建议：
预测公司2017-2019 年净利润分别为
4.48 亿/7.02 亿/8.92 亿，对应估值为
六、风险提示
商业化落地不及预期风险；市场竞争加剧风险；政策监管风险。
44 倍/28 倍/22 倍，维持推荐评级。
因篇幅问题不能全部显示，请点此查看更多更全内容