醫療科技：把握終端場景變革、數字化、科技賦能的投資機會

疫情期間，醫藥產業終端場景變革催生格局重構

疫情期間，“醫+藥+險”全鏈路在線化模式初步落地

醫藥產業具有特殊性。由于醫藥產業中消費方（通常為患者本人）、支付方（以國家醫保 為主的多層次支付體系）、決策方（通常為醫師/藥師）三方互異，所以終端消費場景較 傳統消費領域更為復雜，參與方更多，共同影響終端消費行為。

“互聯網+醫”及“互聯網+藥”進一步向“互聯網+醫+藥”發展。早期，“互聯網+醫” 及“互聯網+藥”的獨立發展使得患者出現“診藥分離”現象。2017 年開始，醫療、醫 藥、運力等多方開始聯結，以患者就醫需求為中心實現功能融合，線上線下逐步融為一 體，“互聯網+醫+藥”模式出現。

“醫+藥+險”全鏈路在線化模式初步落地。新冠疫情期間，國家為解決以慢病 患者為代表的非新冠患者難以及時滿足基本就醫需求的問題，積極突破“互聯網+險”， “醫+藥+險”全鏈路在線化模式在諸多省市初步落地。

早期，health-tech 未向醫藥產業滲透時，醫藥終端消費場景完全受制于物理空間，患者 需要在醫療/醫藥機構內完成就醫購藥過程。為更好說明場景的演變，我們做出如下定義：

? C+：consumer，廣義上，代表大健康領域消費者；狹義上，代表有治病需求的患者；

? D+：data，廣義上，代表實現互聯互通的數據化信息；

? L+：logistics，廣義上，代表 2C 端的物流體系（按配送性質分為跨區域及同城配送）；

? F2F：face to face，線下的面對面交流場景；

? F2S：face to screen，廣義上，統指在線化場景；

? F2S2F：face to screen to face，在線化的面對面交流場景。

終端場景發生變革，催生醫藥產業整體格局重構

醫藥終端從 F2F（face-to-face）到 F2S（face-to-screen）的場景變革，使得患者在“醫+ 藥+險”全鏈路在線化中全面實現與醫療/醫藥機構、醫師/藥師、處方、醫保卡以及藥品 等的分離，我們認為，這將進一步催生醫藥產業格局重構：health-tech 的滲透、物流體 系的聯結、各核心要素的終端場景分離使得醫藥產業格局重構，向平臺型發展模式升級。

? 對患者而言：F2S 模式下的自主決策力變強，產品觸達范圍更廣，從藥品到非藥品， 具有無界選擇；針對常見病/慢病等復診情形，還可以實現“足不出戶”的就醫流程 （醫保電子憑證的應用使得醫保卡可脫卡支付），就醫體驗感得到明顯改善；

? 對零售與工業而言：F2S 模式下，患者行為可追溯，并形成數據畫像，有助于精準 營銷（借助智能推送，產品信息觸達消費者的能力變強）、無界觸達（借助物流配送， 產品銷售觸達消費者的能力變強），從而使得工業與消費者的距離越來越近。 近年來，以阿里、京東等為代表的流量平臺突破醫藥產業各環節的線性關系，以消費者 為中心，積極聯結大健康領域的產品和服務供應方（諸如品牌工業企業、消費類醫療服 務企業、醫療機構及醫生等），同時聯結流通企業（精簡供應鏈環節）、零售終端（有線 上業務開展資質的零售連鎖，提供 B2C 及 O2O 服務）及配送平臺（具 B2C 及 O2O 配送 資質的平臺）等，協同滿足消費者的大健康需求。我們認為，隨著阿里、京東等流量平 臺開始深耕大健康產業，未來諸如騰訊、百度、美團、拼多多、抖音、小米等平臺優勢 明顯的企業都有可能成為整合醫藥產業的潛在進入者，并形成入口多樣化的醫藥產業發 展格局：諸如電商入口、互聯網醫院入口、移動支付入口、O2O 配送入口、直播入口、 物聯網入口等，雖然入口有差異，但是消費者均能一定程度滿足全生命周期健康需求（取 決于各平臺所聯結的產品與服務等功能是否全面）。

疫后時代，醫藥產業拉開數字化發展序幕

2018，重要里程碑；2020，加速器。我們認為，2018 年 4 月，國務院辦公廳正式發布《關 于促進“互聯網+醫療健康”發展的意見》，從基調上明確了對“互聯網+醫療健康”發展 的高度重視，成為行業發展的重要里程碑；2020 年，新冠疫情的發生，成為“互聯網+ 醫療健康”加速發展的拐點，不論從國家頻出的政策支持力度而言，還是從全民自行的 習慣培養而言，都成為行業發展的加速器。

全面基建時代開始，拉開健康數據時代序幕。我們認為，2020-2022 年，國內醫療/醫藥/ 醫保體系將全面進入信息化建設時代，各地互聯網醫院（平臺）的建設、藥品信息化追 溯體系的落地、全國醫保電子憑證的應用等將為“互聯網+醫療健康”在全國范圍內實現 “醫+藥+險”聯動發展打下堅實基礎。隨著“醫+藥+險”各環節實現全流程數字化，以 及多層次支付體系日益完善，我們認為，2023 年開始，醫藥產業或將進入健康數據時代， 各核心要素實現數據互聯互通，國家監管能力實現指數級提升，以消費者為中心的多入 口、無邊界、個性化、全生命周期健康管理模式有望落地。

信息化基建提速，大健康全域數據網絡有望形成，醫藥產業進入數據時代

“醫”端信息化基建提速，醫療大數據中心有望形成

國家統籌，加快建立互聯網診療服務平臺。疫情期間，國家發布《關于在疫情防控中做 好互聯網診療咨詢服務工作的通知》，要求各省級衛生健康行政部門統一建立全省的互聯 網醫療服務監管平臺，加強對互聯網診療服務事前、事中和事后的動態監管，加強醫務 人員資質、診療行為、處方流轉、數據安全的監管，保障互聯網醫療健康服務規范有序。 我們認為，各地醫療機構的信息化建設有望提速，同時隨著 5G 的建設推進，網絡穩定性 和傳輸質量將得到明顯改善，為遠程會診、遠程手術、遠程監護等提供基礎和安全保障。

醫療大數據中心有望形成，推進 AI 輔助診療。我們認為，省市級互聯網醫療服務監管平 臺的搭建有望實現醫療機構院內院外數據互聯互通，使得海量醫療數據得到更為高效靈 活的深度挖掘與開發，助力臨床科研的開展更為智能化，進而推進 AI 輔助診療的應用。

“藥”端信息化基建提速，藥品大數據中心有望形成

國家統籌，有望加快相關藥品的追溯體系建設進程。2018 年 11 月，國家藥監局發布《關 于藥品信息化追溯體系建設的指導意見》，致力于搭建覆蓋藥品生產、流通和使用等環節 的追溯系統，統籌各方協同推進“一物一碼，物碼同追”，實現全品種、全過程追溯。2019 年 4 月、2019 年 8 月、2020 年 3 月，國家藥監局陸續發布 10 項信息化建設要求，通過 統一標準推動藥品追溯體系建設在全國范圍內逐步落地。

藥品大數據中心有望形成，加強用藥安全保障。作為藥品質量安全的責任主體，藥品上 市許可持有人、生產企業、經營企業、使用單位等均負有追溯義務，需要通過藥品追溯 系統實現追溯信息存儲、交換、互聯互通。我們認為，隨著各省級及國家級的藥品追溯 體系建設落地，藥品大數據中心有望形成，藥品從生產出廠到最終流向患者的各個環節 有望實現信息準確、完整、可追溯，在藥品安全監管、問題產品召回、藥品應急處置等 領域均能發揮重要作用，保障公眾用藥安全。

“險”端信息化基建提速，醫保大數據中心有望形成

國家統籌，加快推進全國范圍應用醫保電子憑證。疫情期間，國家印發《國家醫療保障 局辦公室關于全面推廣應用醫保電子憑證的通知》（醫保辦〔2020〕10 號），要求在 2020 年底前，各地實現醫保電子憑證在線上就醫購藥、公共服務查詢和個人參保信息查詢等 場景的應用，要求各地實現 30%以上本地參保人激活醫保電子憑證，每個地級市主要大 型藥店和至少 1 家醫院支持使用醫保電子憑證。

醫保大數據中心有望形成，提升監管能力。此次國家統籌搭建全國醫療保障信息平臺， 要求各地確保本地區與國家醫保核心業務區網絡有效聯通，按照醫保信息平臺技術框架 要求完成系統運行環境建設，按統一標準采集人員基礎數據和參保信息集中清洗后上報。 我們認為，隨著各地醫療/醫藥機構遵循醫療保障信息平臺相關業務和技術標準規范與醫 保信息系統實現對接后，全民醫保大數據中心有望形成，助力監管層實時管控醫保賬戶。

“醫+藥+險”全鏈路在線化實現場景擊穿，推進醫藥產業進入健康數據時代

“醫+藥+險”全鏈路在線化普及，助力監管能力指數級提升。我們認為，全國范圍內醫 療/醫藥/醫保體系信息化基建的推進有助于常見病/慢病復診等領域“醫+藥+險”全鏈路 在線化普及，省市級互聯網醫療服務監管平臺集“服務+監管”功能二位一體，醫療機構 通過處方流轉平臺與醫藥機構實現數據互聯互通，實現診療、處方、交易、配送全程可 追溯，信息流、資金流、物流全程可監控，助力監管能力指數級提升。

大健康全域數據網絡有望形成，醫藥產業進入健康數據時代。我們認為，“互聯網+醫療 健康”的發展會進一步引入物聯網、區塊鏈等技術，保證電子處方的唯一性、藥品追溯 碼的唯一性、醫保電子憑證的唯一性，以及通過“醫+藥+險”全鏈路在線化，實現人、 處方、藥品、醫保等數據在同一網絡中集成，全面實現醫藥產業數據互聯，大健康全域 數據網絡有望形成。其中，電子處方將患者、檢驗師（及所在醫療機構）、醫師（及所在 醫療機構）、藥師（及所在醫藥機構）、藥品完整追溯信息等諸多數據一一對應。

數據資產“積累+運營”二位一體，成為新時代的企業核心競爭力

當醫藥產業進入健康數據時代，藥品數據化（一物一碼，從工廠到流通到終端全流程可 追溯）、運營數據化（生產、營銷、物流、銷售等環節實現數據驅動決策）、就醫購藥行 為數據化（問診、搜索、瀏覽、交易等行為均被數據化留存）等將產生海量數據資產， 我們認為，不論是來自于 C 端的數據資產，還是來自于 B 端的數據資產，都具挖掘價值。

以 C 端為中心的數據資產，在諸多領域均體現重要價值

基于消費者是醫藥產業最核心要素，以 C 端為中心的數據資產體現消費者畫像的顆粒感， 是實現“千人千面”全生命周期健康管理體系搭建的根基。我們認為，對醫藥產業而言， 充分運營 C 端數據，在精準研發、精準營銷、個性化健康管理、臨床疾病研究、醫保控 費等領域，均體現重要價值，進而為挖掘數據服務的盈利點提供可能性。

? 研發領域：改進臨床試驗設計、縮短藥物研發周期、降低藥物研發成本；

? 營銷/銷售：基于消費者數據畫像，深入挖掘健康需求，實現精準營銷/銷售；

? 科研領域：挖掘海量醫療數據提升臨床科研能力，推進 AI 輔助技術，助力基層醫療， 優化醫療資源配置；基于時間序列、不同屬地、不同人群等實現疾病的動態分析， 加強疾病預測、流行病研究等；

? 監管部門：對各地醫保實時監管，高效合理統籌醫保資金使用。

醫藥產業新時代，數據資產“積累+運營”能力將成為企業核心競爭力

我們認為，從企業角度而言，未來數據資產“積累+運營”能力或將成為核心競爭力：一 方面積累與運營 C 端數據，深入挖掘消費者的健康需求，通過精準營銷為消費者提供更 精準的產品與服務并積極促成銷售，提升變現能力；一方面積累與運營 B 端數據，基于 實時反饋數據進行動態決策，而決策后帶動的數據更新將繼續形成反饋機制，不斷循環， 幫助企業優化運營效率，實現智能化的工業制造、倉儲管理、銷售決策等，降本增效。

Health-tech 不斷滲透，多場景賦能醫藥產業

醫療領域：醫療科技貫穿“診前-診中-診后”全流程

問診環節：語音識別、人機對話（智能導診/預問診）

? 語音病例：提升工作效率，但系統仍有一定優化空間

手工病歷錄入中有著諸多痛點：1）病歷錄入耗時過長，根據丁香園調查，50%以上的住 院醫生每天用于寫病歷的平均時間達 4 小時以上，其中一部分甚至超過 7 小時；據美國 醫學會（AMA）統計，醫生職業生涯約 15~20%的時間用在病歷書寫等文檔工作上，而正 在接受訓練的醫生（如住院醫師）所耗費的時間更是高達 30%。2）由于需要使用器材進 行診斷，絕大部分醫生無法立刻記錄病人情況，事后補記往往會遺忘一些信息，影響后 續治療。3）病例錄入工作過于繁瑣，部分醫生無法拿出大量時間進行詳細病歷記錄，過 于簡化的記錄不利于醫院和研究機構進行病案的回溯性研究。

通過 AI 算法及硬件的輔助，語音識別到文字轉換可以在很短的時間內完成，在保證識別 率的前提下，大大減少了醫生的工作負擔，也保證了病人檔案的完備性和更新的實時性。

語音識別系統一般通過以下環節實現聲波信號到文本的轉換：預處理環節、提取聲學特 征環節和確定用詞環節。首先，在預處理階段通過傳統的算法降低聲波信號的噪聲干擾， 并將整段聲音分割成毫秒級別長度的音頻幀。其次，針對每一段音頻幀提取聲學特征， 用一個多維向量表示每一幀波形。最后確定用詞環節中，根據特征向量，通過循環神經 網絡模型（RNN）將音頻幀識別成狀態1，進而將狀態組合成音素2，音素組合成單詞，最 終確定聲音信號表達的語句文本。

美國語音病歷系統借助電子病例建設政策東風推進。2011 年美國政府推出激勵計劃和懲 罰措施大力推進全國范圍的病歷電子化，大力推進語音電子病歷系統。目前，其醫療語 音解決方案在美國醫療機構中的覆蓋率高達 72%，其客戶分布在全球 30 余個國家和地區， 已經有 50 萬名臨床醫師和 1 萬臺醫療設備采用其醫療語音解決方案。但是從近幾年公司 年報來看，該公司持續虧損，主要由于 Nuance 核心語音識別技術較為落后，其他智能語 音市場被 Google、蘋果微軟等科技巨頭蠶食。

國內語音電子病歷系統處于起步階段，市場前景廣闊。語音電子病歷系統首先建立在醫 院信息化系統基礎上，我國醫院信息化系統滲透率較低；另一方面，基于中文的語音識 別技術起步較晚，所以目前該系統多數落地于試點醫院，還未推廣普及。對標美國醫療 系統的滲透率，國內語音電子病歷系統市場前景廣闊。

醫療機構間相互獨立性強，系統落地過程中拓展市場是關鍵，數據集仍有待優化。國內 醫療機構之間業務方面聯系較少，在信息化方面，國內距離醫院間信息共享和傳播的信 息化階段非常遙遠，所以語音病歷系統在落地的過程中，需要逐個與醫院建立單點聯系， 這對于企業的市場拓展是一重阻礙，所以我們認為有醫療機構渠道優勢的企業會較早實 現系統落地。此外，由于現今語音識別到文字轉換這一環節正確率已有一定程度保證， 如何將直白的語言轉換為醫療用結構化數據將是關鍵。我們認為，轉換的效率和效果均 與訓練數據集有關，若醫療數據的獲取更加順利，真正語音病歷的全面落地速度會變得 更快。

? 醫療咨詢

導診與預問診是指在用戶有輕微癥狀或有分診需求的時候，通過與系統的交互得到一個 較為寬泛的診斷信息，輔助用戶在相應的科室掛號或輔助醫院分診臺工作人員為患者提 供分診服務。通過智能的人機對話，醫療機構可以使精確導診服務前置于掛號和就診前， 提高醫療服務效率，改善患者的就醫體驗。智能導診幫助解決了三類問題：1）根據癥狀 診斷疾病；2）根據疾病導診科室；3）直接掛號最匹配的科室大夫。相比人工導診，智 能導診不僅可以全天 24 小時在線，而且可以匹配醫生，精確度更為提高，提高醫患雙方 的效率和體驗。

在 AI 技術的助力下，移動問診向輔助診療方向不斷發展。移動問診為就醫過程中帶來更 好的就醫體驗更多的是渠道拓展，讓患者有較為便利的渠道與醫生進行有效溝通。而未 來，在 AI 技術的推進下，移動問診從“互聯網+”形態轉變為“AI+”形態，不僅是在渠 道上，更是在醫療服務上為用戶帶來更好的就醫體驗。目前，人工智能技術在輔助診療 上不斷進行嘗試與突破，2018 年 6 月 21 日，騰訊發布首個 AI 醫學輔助診療開放平臺， 除 2017 年發布的 AI 影像診斷“騰訊覓影”以外，通過模擬醫生的學習經歷，運用自然 語言處理技術分析學習醫學文獻、病歷等信息，構建診療的知識圖譜，最終通過病歷檢 索和知識圖譜推理建立診斷模型。目前該平臺涵蓋醫院門診 90%的高頻診斷疾病在內可 以預測 700 多種疾病。技術的發展拓展了移動醫療的邊界。

平安好醫生是“互聯網+”時代移動問診領域跑出的領軍企業，目前正嘗試 AI 技術賦能。 以平安好醫生為例，平安好醫生 APP 是“互聯網+”時代發展起來的 C 端移動問診服務應 用，由平安健康（平安集團旗下的全資子公司）推出，2018 年 5 月已于港交所上市。 在過去幾年的發展中，平安好醫生服務了上億用戶，積累海量信息化的問診、處方、用藥 等醫療大數據，為其應用 AI 技術打下了堅實的基礎。目前平安好醫生已經開始從部分疾 病入手，建立智能問診系統。

除由移動互聯網時代發展至今的參與者以外，在該領域也有許多以人工智能技術起家的 新進入者。以大數醫達為例，運用自然語言處理技術替代專業醫生與用戶進行交互，將 用戶描述的不適癥狀與已有的知識進行匹配，反饋給用戶一個診斷結果，在不同的應用 中，這一結果可以是診斷可能患的疾病，也可能是一個去醫院就醫的建議信息，包括就 診醫院，應掛號科室等。

但目前導診和預問診服務產品的 AI 技術應用處于較為早期的階段。在大量的產品中，并 未用自然語言文本或語音的方式進行溝通，而是以回答“選擇題”的形式進行交互。主要 原因有以下兩個方面：從技術的角度來看，語義識別技術本身還不成熟，結合大量醫學 文獻進行診斷分析建立知識圖譜的技術需要進一步發展，才能得到更加準確的癥狀描述 和診斷結果的匹配；從用戶使用的角度來看，醫學文獻和醫生記錄的病歷在疾病癥狀描 述時有很強的專業性，用戶描述癥狀的口語化表達方式和專業表述之間的差異更增加了 語義理解結果準確性的難度，降低了導診和醫療咨詢服務的準確性。

診斷環節：影像診斷、腦機接口、遠程會診、膠囊機器人

? 影像診斷：AI 技術應用效果顯著，數據仍是痛點

我國醫療影像行業存在信息化建設程度低、誤診率高、醫生嚴重缺乏等問題亟待解決。 據 CHIMA 統計，2015 年我國醫院 PACS 系統的滲透率不超過 50%，正處于從膠片影像向 電子影像過度的階段，而美國醫院（除小診所外）信息系統已達到 100%覆蓋，影像數據 可在各醫院間共享。另據中國醫學學會統計，中國臨床醫療中每年的誤診人數約為 5,700 萬人，總誤診率為 27.8%，其中惡性腫瘤平均誤診率為 40%，器官異位誤診率為 60%，而 這些誤診主要發生在基層醫療機構。據互聯網醫療健康產業聯盟統計，醫學影像數據年 增長率為 63%，而一名專業醫生培養周期長達 7~12 年，放射科醫生數量年增長率僅為 2%，遠低于影像數據的增長，存在較大的缺口。

AI 影像診斷從不同病種的應用場景切入，有望解決醫療影像行業痛點。AI 圖像診斷目前 已在肺部結節檢測、糖尿病眼底鏡篩查、乳腺癌病灶檢測等疾病的輔助診斷中取得顯著 效果。以騰訊公司研發的“覓影”為例，在一項人機對比實驗（對 50 例病人進行判斷） 中其敏感度和特異度（96%和 88%）均超過了普通醫生的平均水平（77%和 81%），并已 接近優秀醫生的水平，而且其僅需十幾秒的時間進行判斷，要遠遠快于醫生。我們預計， 未來類似系統在輔助診斷中的應用能夠有效提升醫生閱片效率、降低漏檢的概率。

例如，在肺部影像識別環節中，我們可以通過已有結節標注信息（需要影像科專家進行 訓練數據的標注）生成的肺部結節圖像，訓練基于卷積神經網絡的肺結節分割模型，再 用于未標注影像數據上肺部季節病灶的推斷。推斷過程使用常見的圖像分類算法，如卷 積神經網絡(CNN)或針對該場景調整過的網絡模型等，進行分類，最終可以得到疑似肺結 節是否為真正肺結節的概率。

此外，肺部結節的判斷容易和其他血管橫切面影像混淆，通過 AI 算法可以訓練得到更好 的分類模型，提取出更容易分辨的圖像特征。在醫生肉眼判斷時容易遺漏的較小結節方 面，可以有效地降低漏檢率并提高醫生的判斷效率。

AI 的優勢仍受制于標記數據的有效性。如上所述，以卷積神經網絡（CNN）為基礎的網 絡結構在圖像識別上取得了不錯的效果，但這基于深度學習模型在大量數據的輸入后進 行的訓練。醫療影像識別中起作用的是“標記數據”，需要資深醫生長期的經驗與完備的 思考才能獲得。與已經實現不依靠人類棋譜學習的“AlphaZero”截然不同，AI 醫療暫時 不能去像學習圍棋規則一般，來拋開人類直接獲得醫學影像識別能力的提高。因此，我 們認為，AI 將與人類在醫學影像識別中一同進步，大多時間 AI 會承擔輔助診療的任務。

醫療影像產業鏈上下游融合，市場參與者眾多。醫療影像市場參與者可以分為以下三類： 醫療影像設備商，通過 AI 技術使醫療影像設備更加智能化；科技巨頭，如 IBM、Google、 BAT 等，整合多種疾病檢測算法，在 AI+醫療領域全面布局；初創企業，專注于某類或某 幾類疾病的 AI 輔助診療（如放射科的腫瘤檢測、心血管影像檢測等），部分公司的產品 已經商業化階段。

技術核心算法同質化明顯，影像數據的質量和可及性具有更高的壁壘。根據世界權威公 開醫學圖像數據集 Grand-Challenge 測試結果，在 CT 影像肺部結節檢測數據集的測試結 果中，排名前十的算法均采用 3D-RCNN 神經網絡結構作為主要識別算法的網絡結構框架， 僅在部分網絡模型參數設置上有調整和改變，可以認為在該細分領域已經有較為統一的 算法流程，包括肺部區域提取、疑似肺結節分割、疑似肺結節分類。并且隨著 AI 圖像技 術的進步，算法結構的技術壁壘在持續下降。

此外，同一算法在不同數據集魯棒性3較差，不同醫院間數據的差異可能導致識別率差別 較大。2017 年阿里舉辦了“天池醫療 AI 大賽”，參賽隊伍在初賽和復賽兩套數據集上進 行肺部結節檢測，對比比賽結果的公開信息，在數據集質量和真值的標注標準一致，各 參賽團隊技術水平恒定的情況下，不同數據集識別率差異較大，在實際應用中，需考慮 不同醫院間數據差異。

AI 影像輔助診療剛剛起步，未來發展空間廣闊。現階段 AI 在食道癌、乳腺癌，肺部結節 等疾病的診斷結果顯著，主要是由于這類疾病在影像上病灶點特征明顯，人類醫生進行 診斷時也主要依靠 CT、DR 等影像。而在病情較為復雜時，需要綜合病人其他檢查報告和 多種指征數據進行分析，此時要用到 AI 領域其他技術如自然語言處理等，在這一領域還 處于剛剛起步的階段，未來發展空間廣闊。

在新冠肺炎疫情中，依圖在上海市公共衛生臨床中心指導下，推出了基于 CT 影像的“新 冠肺炎智能評價系統”。該系統依托依圖強大的圖像算法，可以根據 CT 影像，進行新冠 肺炎快速診斷和嚴重程度分級，為醫生提供更加高效準確的決策依據。此外，各大科研 機構也在積極運用 AI 技術進行病毒基因測序、抗病毒藥物研發等工作。

? 腦機接口

腦機接口（Brain-Computer Interfaces，BCI）是指在人或動物腦與外部設備間建立的用于 信息交換的連接通路，其內容涉及認知科學、神經工程、神經科學等多個領域。腦機接 口按照信息采集的方式，可以分為侵入式、半侵入式和非侵入式，其中侵入式獲取的信 號質量最高，但也最容易引起免疫反應和愈傷組織，而非侵入式的信號分辨率則較差。

腦機接口的基本原理是通過傳感器采集腦部的神經信號（如皮層腦電圖 ECoG 和腦電圖 EGG），并進一步進行信號處理、分析和特征提取，隨后對分析得到的信息進行再編碼， 并實現對機械的控制。此外，腦機接口也嘗試獲得環境的反饋信息并作用于大腦，但實 現這一步其實非常復雜，因為反饋給大腦的信號很可能無法兼容。

腦機接口作為醫療器械主要有兩方面的應用，分別是強化和恢復，目前仍處于研究狀態。 強化主要是指將芯片植入大腦，以增強記憶、推動人腦和計算設備的直接連接，Neuralink 和 Kernel 針對的就是這一方向。而恢復則是指針對多動癥、中風、癲癇等疾病所對應的 恢復訓練，BrainGate 等公司則正在進行這一方面的研究。但目前腦機接口仍處于研究階 段，仍需許多技術積累。

? 遠程會診

3G、4G 時代中，遠程會診已經可以通過文字、圖片以及較低清晰度的視頻來實現。但圖 像的清晰度、傳輸的實時性和穩定性對遠程醫療的準確性和效率有著較大的影響。5G 技 術將使得實時穩定的高清視頻遠程會診成為現實。

膠囊機器人：膠囊機器人+自動診斷系統可能過采集到的圖像自動判斷病人可能出現的問 題，為醫生診斷提供參考意見。搭配云端的自動診斷系統，可實現異地診斷，多地診斷。

治療環節：遠程手術、手術機器人

? 遠程手術

手術對于視頻的成像質量和畫面傳輸的實時性和穩定性具有較為嚴苛的要求，5G 技術的 大帶寬、超高可靠低時延特性，使得遠程手術成為可能。2018 年 12 月 18 日，在華為、 聯通福建省分公司、福建醫科大學孟超肝膽醫院、蘇州康多機器人等機構的支持下，北 京 301 醫院肝膽胰腫瘤外科主任劉榮主刀實施了世界首例 5G 遠程外科手術動物實驗，距 離跨越 50 公里，全程約 60 分鐘。

? 外科手術機器人

目前廣泛采用的手術機器人包括持物臂式機器人、導航機器人和主從式機器人。

持物臂式機器人：主要幫助手術時舉托盤、清洗等工作。

主從機器人：為外科醫生遠程手術、離臺手術提供技術支持

達芬奇機器人手術系統，就是一種主從式機器人系統，可幫助醫生在未來實現離臺手術， 甚至遠程手術，讓醫生可以坐著手術，減少因為疲勞、失神造成的醫療事故。

預防、康養等環節：可穿戴設備、康復機器人

? 可穿戴設備實現高頻率健康檢測，可收集的醫學信息趨于豐富

智能手表：健康監測手段進一步拓展。在今年的 CES 2020 上，我們看到智能手表新增了 心率監測等健康識別功能，Amazfit 能夠達到實時心率監測及異常心率提示等功能，智能 手表的健康監測手段進一步擴展。

TWS 耳機：已有產品具備心跳監測功能，未來健康相關功能將繼續豐富。在今年 CES 2020 大會上，華米科技發布了帶有心率檢測的 TWS 耳機，Amazfit Powerbuds。該產品采用 PPG 心率傳感器，能夠檢測用戶心率并反饋健康狀態。我們認為，未來 TWS 耳機的健康檢測 功能將逐步豐富，并且在更多產品上普及。

? 肢體運動康復機器人：目前的康復機器人主要是上肢的康復機器人，以及下肢的外 骨骼機器人。

醫藥領域：藥物研發、藥品追溯

藥物研發

機器學習技術的應用有助于降低藥物研發成本。目前藥物發現早期階段中的虛擬篩選方 法稱為“高通量篩選”，這一方法非常容易受到 FDR4的影響。我們預計，隨著人工智能和 機器學習等新技術的不斷進步，有望在新藥研發的過程中顯著地降低失敗風險。據 Turfs 的研究報告顯示，一款成功上市的新藥平均花費為 25.85 億美元，其中包括 13.95 億美元 的直接投入成本。從化合物篩選到臨床測試，一種新藥的研發需要經歷大量試驗，充分 利用早期藥物開發的經驗和仿真技術能夠極大的減少試錯成本、縮短研發周期。

目前海外已出現了利用 AI 來提高藥物研發效率的初創公司。例如 Atomwise 就利用 AI 來 模擬藥品的研發過程，進行早期風險評估，為制藥公司提供候選藥物預測服務。而另一 家數據驅動型的生物研究公司 Berg Health 則利用機器學習的方法尋找癌細胞上的特異靶 點，并針對性的開發藥物。目前 Berg Health 已經有兩個在研藥物，其中 BPM 31510 已經 進入到臨床二期（適用于局部鱗狀細胞癌），BPM 31543 則正在進行臨床一期試驗。

藥品溯源

屢禁不止的假藥和假疫苗是生命健康的重要威脅，而隨著互聯網藥房的興起，醫藥的監 管難度進一步加大。我們看到傳統的藥品溯源中的痛點有：

? 中心化存儲下的造假機會：藥品的生產流通涉及到原材料、生產、檢測、運輸、醫 院或藥房等多個環節，對于監管方和終端消費者來說，供應鏈中各個環節均采用了 中心化存儲數據的方式，傳統的二維碼防偽技術存在被篡改造假的風險。

? 各環節間流通時的驗證成本：藥品在供應鏈中各環節間流轉時，由于互相信息的不 透明，驗證的流程不僅費時，還消耗大量的人力、財力。

區塊鏈藥品溯源的優點：我們認為，區塊鏈技術有助于將藥品從生產至銷售全生命周期 中的各環節信息打通并完整記錄，同時其不可篡改的特性將保證數據的可信性，真正實 現藥品生產流通的可溯源、可監管。同時，區塊鏈技術的引入還可以提高驗證效率，有 效降低供應鏈成本。

區塊鏈藥品溯源的不足：藥品是一種大規模批量生產的工業化產品，同一類型產品同質 化程度很高，單個產品自身并沒有可提取的特征，因此區塊鏈藥品溯源中，藥品上鏈信息的真實性如何保證是一個仍待解決的問題。目前，區塊鏈藥品溯源大多采用藥品外包 裝上印制防偽標簽的方案。這種方案對藥品生產商的誠信依賴程度較高，同時也存在包 裝和藥品不對應的風險。區塊鏈藥品溯源技術距離成熟尚有一段距離。

監管領域：電子票據、醫保電子憑證、健康碼

電子票據：實現異地看病報銷

醫療收費票據可以利用區塊鏈不可篡改、可追溯的特性，實現電子票據的防篡改、交易 溯源、多方可信協作。傳統電子票據存在以下問題：

? 收票信任問題。受限于開票主體和收票主體之間各自獨立，收票方無法直接獲取與 開票有關的交易細節。1）當電子發票重復打印使用或篡改信息時，對于收票方而言 難以識別真偽，存在多報、虛報問題；2）申報人員取得電子票據后，需要打印出來 形成紙質憑證，結合其他必要文件提交，還需要經過復雜的驗證環節，流程繁瑣。

? 監管效率問題。現階段稅務部門等監管主體并不能完全掌握開票主體的交易行為， 開票行為與真實交易行為并不一定對應，虛開虛抵、偷稅漏稅的問題并未完全解決。 同時發票領用、抄稅上傳等手續繁雜，降低了企業的經營效率。

區塊鏈電子票據與傳統電子票據的區別在于其具有分布式存放、可追溯的優勢。每一個 相關方都將接入分布式賬本，稅局、開票方、報銷方多方參與共同記賬。從領票、開票 到流轉、入賬、報銷、全環節流轉狀態完整可追溯，解決了各主體間的信任問題。區塊 鏈票據系統由主節點和輕節點組成，只有稅務機關、社保部門等主節點才有全量數據， 其他節點只能查看與自身有關的信息。

? 對于開票方，通過數據實時上鏈和智能合約實現的發票自動配額，免除了發票領用、 抄稅上傳等手續，實現按需開票，避免了周期性申領票據造成的高峰期排隊現象。

? 對于收票方，采購過程中的訂單、物流、資金流等信息被寫入區塊鏈，收票方可隨 時在本地節點查詢支付行為并知悉相關交易細節，來檢驗發票真偽，提高了財務運 行效率。

? 對于監管部門，通過對發票的開具、流通、報銷等環節的實時監控和相關交易信息 的掌握，保證了發票的真實性，杜絕了偷漏稅問題；通過智能合約，實現限額調整 等功能的自動化，讓稅務局對發票的監管更加精細。

阿里的醫療收費票據區塊鏈。浙江省財政廳和螞蟻區塊鏈合作，2018 年 8 月上線的電子 票據平臺目前已經接入近 100 家醫療機構，并已實現醫保零星費用網上報銷和異地報銷； 據螞蟻區塊鏈數據，該電子票據平臺將原先 170 分鐘的人均就診時間降為 75 分鐘，原先 半個月的保險理賠時間降至幾分鐘。此外，廣州市國稅局和螞蟻區塊鏈于 2018 年 6 月合 作推出了“稅鏈”平臺，可有效解決開票難、成本高等問題，目前該平臺已經開票超 2 億張、接入企業超 200 萬家。

醫保電子憑證：互聯網+醫保開始落地

2019 年 11 月 24 日，國家醫保電子憑證在山東省率先正式啟用。目前，全國范圍內參保 人都可以通過國家醫保 APP，以及支付寶、微信等認證授權的第三方渠道激活使用醫保 電子憑證。醫保電子憑證由國家醫保信息平臺統一生成，可以替代實體卡，在全國范圍 內跨渠道通用，支持醫保查詢、參保登記、報銷支付等所有醫保相關業務。

目前，醫保電子憑證已經實現了與身份證、二維碼、人臉生物特征等信息的關聯，借助 于人臉識別技術，參保人可以在手機上遠程認證激活。國家醫保局表示，將會進一步研 究引入 5G 和區塊鏈等技術，不斷優化醫保電子憑證的功能。

我們認為，醫保電子憑證將帶來如下改變：

? 更加簡單高效的就醫購藥流程：傳統的就醫流程中，患者平均每次就醫需要在掛號 繳費、檢查繳費、處方繳費、取藥等多個環節排隊，費時頗多；而醫保電子憑證可 以實現在診室內的當場掛號、直接扣費，僅取藥環節需要排隊。微信測試數據顯示， 使用醫保電子憑證就醫可以比使用實體卡平均節約 43.6 分鐘排隊時間。

? 為“互聯網+醫療”打通醫保線上支付渠道：由于醫保電子憑證可以實現患者歷史病 情和用藥的完整記錄，同時打通了醫保的遠程在線支付，因此門診慢病患者可以在 家中線上問診并實現“慢病續方”，最后藥品由快遞配送至家中。

? 跨省異地就醫和醫保結算：醫保電子憑證由國家醫保信息平臺統一生成，真正實現 了標準全國統一，與跨地區互認。我們認為，醫保電子憑證將加速跨省異地就醫和 醫保結算的進一步落地。

健康碼：位置大數據實現接觸留痕，GPS 和藍牙各有所長

健康碼為國內復工主要疫情監管手段，通過 GPS、出行記錄等多維數據實現軌跡擬合。 根據“國家政務服務平臺”小程序介紹，健康碼是阿里，騰訊等互聯網公司依托國家政 務服務平臺開發的一項服務。國家政務服務平臺負責收集用戶衛生健康，交通運輸，鐵 路，民航，運營商等信息，支付寶、微信負責搭建 ToC 端界面，憑借高 DAU 的優勢實現 健康碼推廣。用戶進入小區等區域時，管理人員使用掃碼機進行認證。

其他領域：體溫快檢、遠程教學（VR 教學等）

公共場合體溫快篩

紅外非接觸式測溫儀可在不接觸人體的情況下完成體溫檢測。視頻圖像中運用人臉識別、 跨鏡追蹤（Re-ID）等技術定位到額頭部位后，結合紅外熱成像，可以在機場、車站等人 流量較大區域中快速篩查額溫異常者，具有高效率、高精度、低交叉感染風險等優勢。 2020 年 1 月 30 日，國務院已將紅外體溫檢測儀納入疫情防控重點物資。我們看到，海 康、大華、千方、高新興、曠視、云從、云天勵飛等安防/AI 企業均提供了相關解決方案。 此外，云知聲的對話機器人幫助社區實現高效的智能電話排查，G7 也為疫情防控提供物 流大數據

遠程示教

相比于傳統的視頻示教，AR/VR 視頻示教能提供更立體全面的場景、更豐富的交互功能， 對于重視動手和場景的臨床醫學來說尤其重要。目前阻礙 AR/VR 普及的關鍵在于無法取 得成本、計算能力、續航、重量之間的平衡，我們預計 AR/VR 借力 5G 網絡實現云端計 算，有望實現輕量化、長續航與優質體驗的共贏。我們認為，AR/VR 與 5G 的結合，有望 促進醫療遠程示教的發展。

建議關注公司（詳見報告原文）

……

（報告觀點屬于原作者，僅供參考。報告來源：中金公司）

如需完整報告請登錄【未來智庫官網】。

編輯：沃巴查芒