最新产业追踪报告：医疗信息化，云端时代已来

技术进步已推动医学影像从最初的医院功能科室的地位，逐渐成为一个独立产业。完整的PACS功能主要涉及图像采集（有纯数字采集、视频采集和胶片扫描三种方式），数据的传输&存储（DICOM标准是统一标准），影像分析&处理三个环节，同时随HL7标准和IHE规范不断完善，PACS已从简单的几台放射影像设备之间的图像存储与通信扩展至医院所有影像设备乃至不同医院影像之间的相互操作，并出现Mini PACS（微型PACS）、科室级PACS、全院级PACS、区域PACS等类型，功能上亦向需CFDA-III级认证的影像大数据分析延伸。

图5  PACS架构（上左）和PACS与诊疗流程的互动（下右）

图6 不同影像相关应用的CFDA认证级别一览

资料来源： 雅森科技官网

产业的真实需求与痛点依然是创新之本

整体而言，临床对影像诊断的需求很大，导致医疗机构影像业务营收增速比药品更大，这亦客观决定PACS类创新具备巨大市场潜力。医学影像涉及多种影像检查手段*注，是临床上最大的证源，目前90%的医疗数据来自医学影像，70%的临床诊断需借助医学影像，国内三甲医院营收数据亦显示一般医学影像收入占全院总收入约20%且增速远高于药品（2014年我国三甲医院收入12168亿元，按20%比例对应2433.6亿元的医学影像相关业务营收），而未来随影像诊断技术进步（受IT技术和临床诊断技术进步推动），影像在临床的重要性又只会不断提升，新型应用的出现与普及将进一步抬升PACS产业的产值和潜在天花板。

*注：医学影像涉及到影像诊断学、放射学、内镜、医疗用热影像技术、医学摄影、脑磁造影技术等多种手段与技术，如X线片、血管造影、心血管造影、计算机化断层影像、牙齿摄影、荧光透视法、乳房X线照相术、伽马射线的γ照相机、正电子发射断层扫描仪、单光子发射计算机化断层显像、磁共振的核磁共振成像、磁共振成像、超声的医学超声检查、光学摄影的内镜检查术、复合应用的正电子发射计算机化断层显像、单光子发射计算机化断层显像等。

1）PACS建设相对不完善为整个PACS细分产业（传统+创新）带来整体性机遇。

我国PACS领域信息化建设依然不完善，存在从无到有的建设机会，按CHIMA统计，PACS在等级医院中渗透率不超过50%（科室级60%-70%，多科室或院级50%-60%，区域级10%-20%），由此我们亦容易推测，信息化建设通常滞后于等级医院的我国基层医院PACS建设更不完善，这意味着在我国，PACS不论在等级医院的信息化深化，还是分级诊疗推动的基层医疗机构信息化建设，都存在机遇——这是PACS信息化领域当前看得到、可预期的机遇。然而传统PACS领域参与者多，竞争激烈，单个公司规模通常有限，竞争相对呈红海状态，最佳投资对象很可能是有望受益于行业整合的龙头企业；相比之下基于公有云的PACS是领域中相对较新的细分方向，并且也是建设空间较大的区域级PACS、对成本控制要求较高的基层医院、注重盈利与成本管理的专科医院，在PACS建设时适合采用的模式。公有云PACS参与者包括拓展云业务的传统PACS厂商，和以PACS云业务切入产业的创新企业，我们后文中将提到的很多代表性创新均采用云模式。

这里值得补充的是，类似前文提到的针对专科医院需求设计的HIS云，PACS亦存在诞生专科型细分系统的机遇，毕竟主流PACS往往在满足特定专科需求方面存在缺陷（例如多数眼科设备不符合DICOM标准，以及特殊设备等，难以和传统PACS兼容），专科PACS市场亦存在供给不足的客观情况，相关潜在的专科方向至少有心脏病专科、眼科（例如浙江省眼科医院开发的自用眼科PACS）、牙科等方向。

图7  影像相关应用的市场潜力测算——大数据价值远大于PACS本身的价值

资料来源：根据公开资料整理，其中我们假定医疗机构PACS投入和影像收入成正比，15年PACS规模27亿参考ACMR预测

传统影像应用痛点和传统应用无法满足临床需求，让大量PACS创新存在重要机遇，这些机遇也代表着PACS功能不断扩展的方向（例如，病灶自动识别、病情严重度分析、甚至治疗方案推荐等）。其中，大数据相关应用在当前很难预测其天花板上限。我们可将传统PACS痛点与传统手段无法满足的需求，和相关针对性PACS创新归纳如下图所示——

图8  PACS创新直接指向的产业痛点与需求汇总

资料来源： 根据公开信息整理

PACS创新短看PACS云与流程优化，长看影像大数据挖掘

专业化工具的进一步细分化，以及医学影像技术的进步，正在推动PACS产业不断向专业化、细分化的方向发展。整体而言，PACS领域近年来涌现的众多创新主要集中在云模式的影像诊疗流程优化工具（存储&传输&可视化）和影像诊断辅助工具两大与诊疗流程直接关联的方向（我们在此暂不考虑影像诊疗流程关系相对有限的医患沟通、医生社区、教育等其他会涉及到影像传输的创新方向），相关核心技术至少涉及低成本实现大体量数据的存储和快速取用、影像快速无失真的解压缩、DICOM接口标准开发、医学影像数字化重建等，应用种类上涉及如影像3D可视化、云端PACS、专业影像自动算法分析、远程影像诊断平台等应用，这些应用涉及到的影像标准化处理流程（包括采集成像、影像存档、影像传输、影像显示、影像分享、影像诊断这些环节）以及对病种的覆盖情况动脉网曾整理如下——

图9  PACS创新力求解决的临床问题

资料来源：根据动脉网统计以及其他公开信息整理。√是直接针对的环节，*是解决核心问题需要疏通或会涉及的环节。

图10  PACS领域创新主要覆盖的病种范围

资料来源：根据动脉网数据整理

图11  各类PACS创新对IT技术和医疗能力的要求

资料来源：根据动脉网数据整理

图12  PACS创新面对的主要风险

资料来源：根据动脉网数据整理

1）影像诊疗流程优化创新。医生、各级医院、政府、部分PACS企业（那些更为集成的、需要采购或分包各类细分型PACS应用的PACS企业）等都是此类创新型应用的潜在客户，从对已有案例的归纳出发，此类创新当前主要致力于解决以下问题——

优化影像诊断基本流程：包括影像彻底的无纸化展示、云端安全存储、便捷传输以让医生能在移动端或PC端随时访问并秒速查阅医学影像，并能在患者完成拍片后立即可在远程查看影像，从而优化患者就医流程。除此以外，此类流程优化还能满足分诊、会诊、二次诊断、病历管理等需求，于是分级诊疗加速落地和医生集团创业潮，很大程度会让医生&医院对影像流程优化类应用的需求变得更为迫切；

优化影像展示效果，提升信息利用率：PACS创新不仅可通过纠错、提升影像质量等方法尽量减少由影像分辨率、清晰度等导致的读片误差，影像计算机重建还可帮助医生看清传统成像无法展示的细节，或是通过特异性成像满足医生在特定场景（例如针对某个专科的特定手术）对影像的需求，从而拓展医学影像的应用范围并推动PACS创新进一步向重度垂直的方向发展（例如，牙科在三维重建中需要一键植入假牙的功能就属于专科特殊需求，适合与专科型PACS结合使用）。

我们将影像优化展示创新能实现的典型效果展示如下，可作为此类创新效果水准的参考对标——

图13  影像的计算机重建能让医生在移动端看到传统成像手段难以看清的结构与细节

资料来源：西安盈谷，此图是可任意旋转和缩放的3D成像

图14  PACS应用在对器官进行3D化影像重建时，医生还能对影像进行任意旋转和缩放以看清想看的细节

资料来源：产业访谈

2）影像辅助诊断是从事影像云的企业普遍在探索的方向，和未来非常有潜力的技术转化风口。虽当前传输和流程优化依然是大量影像类创新的切入方向，但传输已不是影像应用本质，影像计算才是医学影像应用的未来，影像学和信息学的快速进步正在为诊断、治疗和预防如老年痴呆症、心脏疾病和癌症这样的潜在疾病开辟新的路径，成为未来潜在技术转化新风口，从对已有案例的归纳出发，影像辅助诊断类创新当前主要致力于给出参考建议并实现以下效果：

降低医生阅片主观性带来的读片误差。阅片的个人主观性导致阅片误差，从误差程度看，有资料显示放射科医生平均失误率在30%上下，并随病种不同而不同；

提高医学影像信息的利用率，实现常规人工读片难以实现的功能。医学图像中一般存在人眼无法有效分辨、但计算机算法有可能系统性识读的图像信息，而这些信息经挖掘后可用于辅助判断疾病类型，判断疾病严重程度等——

A、辅助判断疾病类型。例如红斑鳞状皮肤病鉴别诊断在皮肤病学中是一个难题，此病包含6种类型，鉴别难点其一在于不同类型间有很多共同组织病理特征，其二在于这类皮肤病开始阶段经常会表现为另一类特征，在后续阶段才会出现自己的特有病症——而相关疾病鉴别涉及34种相关特征。从大数据挖掘出发，一种基于SVM的混合特征抽取方法模型则能提高诊断红斑鳞状皮肤病的准确性（Expert Systems with Applications, 2011, 38(5):5），该方法利用34种相关特征的21个特征进行分类，得到98.61%的精度；而Abdi等人开发的诊断模型AR-PSO-SVM模型（Engineering Applications of Artificial Intelligence, 2013, 26(1):603-608; 809-5815）则实现了98.91%的分类精度；

B、随着当前医学影像逐渐从结构型影像发展到功能型影像，对疾病发生进行预测并跟踪病情进展已成为可能，这是因为，结构型影像只有在出现病灶或病灶有物理性状改变后才能发现变化，功能型影像却可在组织结构发生变化前就依据器官代谢物质、性状等因素做出检查结果，这对很多疾病的超早期发现和定位有很大价值。此类影像包括 MRI、PET、SPECT 等。例如，阿尔兹海默症（AD）严重程度分级、监测疾病进展、做出预后判断、评价干扰治疗效果都是AD影像学检查的目的，和国际热点领域，AD的MRI影像学诊断具体涉及的测量指标包括一系列线性测量指标（海马高度、颞叶宽度、沟回间距、内颞叶厚度等）、体积测量指标（海马、杏仁核、内嗅皮层等结构）、其他指标（海马旁回、颞上回沟周围皮层面积、扣带回面积），而随数据收集技术提高及复杂度增加，很多应用都需要处理异构数据源，和从多个异构的数据源中采集不同度量类型的数据进行分析（MRI、PET、基因/蛋白表达数据、基因资料等）；

值得注意的是，从研究方法方面的突破看，医学影像应用未来仍存在涌现出大量新技术的空间。2016年4月，医学影像领域有个意义重大的事件，由医学研究理事会、世界最大的研究慈善机构维康信托基金会和英国心脏基金会资助的世界上最大的医学影像研究正式启动，这项研究的投资规模为4300万英镑，资金将用于把目前英国生物银行的10万参与者的大脑、心脏、骨骼、颈动脉以及腹部脂肪的样本进行扫描成像，将创建最全面的内部器官扫描集合，这些影像数据与英国生物银行在过去十年间收集的50万参与者的大量数据（包括生活方式、体重、身高、饮食、身体活动和认知功能、来自血液样本里的基因数据）结合后的大数据挖掘将有望改变科学家对包括痴呆、关节炎、癌症、心脏病发作和中风在内的一系列疾病的研究方式，并让科学家进行以前几乎不可能进行的研究，考虑到科研方向往往是技术转化的先导指标，且该项目相关研究也确实和临床需求的方向一致，这暗示未来医学影像学有望涌现出大量新领域，并进一步提升影像在临床中的应用价值，而PACS领域未来亦有望涌现大量与大数据紧密结合的新技术并成为技术转化热点，有非常乐观的长期发展前景。

PACS创新代表性案例的共性

我们将本报告涉及的部分相对顶尖的代表性PACS创新型企业基本情况收录到后文图表中，可作为挖掘此类企业或评判相关转型企业时用于同业比较的参考（技术、认证、团队、行业地位等角度）。而从同业比较出发我们能归纳出典型PACS创新企业具备的一些共性，如下：

1）以PACS影像识别为核心突破方向的企业，核心算法和公司通过在使用中不断完善最终形成的独有影像数据库数据是关键。关于数据库特别值得强调的是，并非是影像都能直接使用，因用于建模的影像必须首先确保有足够质量和标准化水平，其次，病种、性别、年龄、健康状况、生活习惯的区域差异等因素亦都有可能成为影响影像数据在建模中分组聚类的潜在因素，进而对取样方式产生建模之前可能预期不到的特殊要求。

2）有数据≠能顺利做出优秀产品，为做出真正过硬的影像数据产品，技术是硬门槛，很强的技术转化特征&技术探索特征让真正强大的医学影像大数据公司几乎必须具备过硬的技术，因而创始团队中是否有技术实力非常强的人员（参考因素至少涉及以往项目经验、相关领域的文章数量与分数等）至关重要——事实上，典型PACS创新企业中不乏创始人自己就是美国顶级名校IT方向教授的情况。除此以外，考虑到影像大数据属于前沿研究热点，未来有潜力转化的技术可能大量涌现，且实现影像大数据几乎不可或缺的人工智能和机器识别技术本身亦在快速进步，壁垒很高，因而非常重视原创性技术突破、将自己定位为科技型企业、对取得和稳步积累原创性技术突破特别重视的企业值得重点关注（优先度高于那些短期赚快钱，或容易被抄袭的模式创新放在更重要位置的企业），并且我们不认为仅仅“坐拥数据”但缺乏科技型企业文化特征、缺乏真正过硬技术的公司有能力将手中医学大数据的价值真正发扬光大。

值得注意的是，医疗大数据归根结底归患者和医院所有，而不归通过医疗信息化工程切入医院渠道的医疗IT企业所有，这类企业仅仅是拿到医院信息化系统建设权限。原则上，能获取医院经营全部数据的传统医疗信息化企业，无权禁止医院将这些数据授权给别的大数据公司使用，而一旦在业内具备声誉的等级医院将自己医院的大数据资源授权给其他技术实力强大的大数据公司用于开发，且这个技术强大的大数据公司又开发出真正重磅的、与诊疗流程痛点相结合的医疗大数据产品，凭借技术突破带来的先发优势和合作方医院业内的影响力，即便是作为新入者、渠道优势远比不上传统医疗信息化企业的科技型大数据公司，凭借突破性产品亦完全有可能快速独立于医疗信息化企业之外拿到更多医院授权，并形成自己的渠道优势。

3）规模优势、渠道优势、资金优势突出的传统医疗信息化企业则可通过并购体量有限的创新型企业获取相关创新业务。

图15  部分代表性影像创新类企业-PART1

资料来源： 东海证券研究所整理

图16  部分代表性影像创新类企业-PART2

资料来源： 东海证券研究所整理

图17  部分代表性影像创新类企业-PART3

资料来源： 东海证券研究所整理

电子病历应用创新的趋势与案例简析 

* 注：EMR （电子病历）是病人在诊断和治疗过程中产生的数字医疗信息文档， EHR （电子健康档案）是以医院电子病历为主体，以信息共享为核心的数字化健康档案，二者以及二者和PHR（个人健康档案）的区别如下图所示——

图18  EMR 、EHR 、PHR的区别

资料来源：hc3i.cn

EMR当前至少存在两类需求和两大趋势——

1）两类需求：EMR建设依然不完善的等级医院对EMR覆盖的需求&已有电子病历的等级医院提升电子病历水平的需求，以及经费有限的小微医疗机构对EMR覆盖的需求。

按CHIMA 2014-2015年中国医院信息化状况调查数据，抽样调查期间，电子病例在我国等级医院中的渗透率达70%左右，属于在等级医院中建设相对完备但仍有一定建设空间的系统；除此以外，按2015年CHINC对我国2622家参与调研并反馈的医院的统计，电子病历应用水平5级及以上占比仅为6‰，显示我国那些已覆盖电子病历的等级医院应用水平依然有很大提升空间——考虑到等级医院对项目方集成能力&专业化&后端服务的较高要求和往往更个性化的定制，这部分份额更有可能被在电子病历领域排名相对靠前、综合实力更为突出的龙头企业/细分领域龙头企业获取。

而结合HIS在等级医院普及相对完备后在小微医疗机构仍存在建设空间的情况，同时参考小微医疗机构经费相对有限的客观事实以及日本医疗信息化建设中电子病历普及不及预期的实际情况*注，分级诊疗制度之下，我们也很容易推测我国小微医疗机构的电子病历覆盖必然不完善、且存在相应产业机遇。

*注：日本后生劳动省曾于2001年指定“面向保健医疗领域信息化的云设计”并提出到2006年完成普及电子病历的目标，但事实上，直至2013年，全日本面向医院的电子病历普及率仅约30%（而其中拥有400张以上病床的大规模医院普及率约70%，拥有100～399张病床的中等规模医院则约34%左右），主要问题正在于“导入和运用电子病历系统的花费”，特别这种花费对中&小规模医院而言相对较重。

产业空间方面，考虑到EMR是医院信息化系统的一部分，如此按前文对医院信息系统的规模测算，电子病历云服务本身在基层医院和专科医院本身对应的年度价值上限在2014年不会超过全部HIS云的价值范围29.70亿元~39.60亿元， 假定复合增速15%，在2018年也不会超过51.95-69.26亿元（在等级医院同样存在与传统电子病历竞争和替代的问题），而EMR云服务最大的价值在医疗大数据，相关价值我们放在大数据应用部分（如以该医疗大数据能为美国创造的价值占美国当年医药卫生总支出的比例为基础估算，2013年医疗大数据应用能为我国创造的潜在价值达3321亿~4982亿）。

2）两类趋势：EMR的云端化趋势和移动端化趋势

电子病历云端化同时受技术和政策两方面的推动，技术方面，云计算的崛起是大势所趋；政策方面，国家力推的分级诊疗、区域卫生信息平台对电子病历共享提出了要求，而涉及到数据共享，基于云的解决方案有着先天优势，且也更为廉价。

而电子病历接入终端出现移动端化趋势则可直接从第三方咨询机构的市场调研结果得到体现，Black Book在2015年对6000名医生（美国，跨多个专业）的调查结果显示，52%的门诊医生使用移动设备访问电子病历或作参考资料，31%的受访者表示使用智能手机管理患者病情，且Black Book还估计2015年年底医生通过移动设备访问电子健康记录的频率上升到70%。值得注意的是，电子病历类早期/非上市项目密集出现的领域或传统EMR企业新业务拓展的方向正密集出现在基于云架构且以可在移动端访问为特色的电子病历相关细分。

代表性的美国主要电子病历企业（传统企业+创新企业）的特点和切入方向可作为把握我国未来电子病历细分领域新趋势的线索（我们小结如下图）。整合实践管理的电子病历解决方案是电子病历的产业趋势，好的电子病历不仅具备电子处方、电子化验请求和结果、电子日程等方面的能力，同时也能通过在线门户促进医患交流和互动，进行检查结果发送，具备短信及警报提醒等功能，同时大多电子病历应用通过进一步发展SaaS模式增加了灵活性，能满足多地点的管理。目前几乎美国所有电子病历供应商都提供社区内独立开业医生需要的核心功能（预约，患者个人资料、病史、和诊疗记录，电子处方，与实验室&影像中心实现电子连接，与保险公司连接的报账系统，患者沟通，包括“有意义地使用电子病历”等诊所管理的各种报告功能），且几乎每个厂商都在打造整个诊所需要的所有工作无缝隙的服务，只是每个厂商的侧重点可能不同。

图19  美国代表性电子病历厂商基本特色简览（PART1）

资料来源： 东海证券研究所整理

图20  美国代表性电子病历厂商基本特色简览（PART2）

资料来源：东海证券研究所整理

在我国，中国平安今年5月31日对外发布的健康云“随身病历”即是以电子健康病历档案管理为核心的、面向患者的、基于云的智能医疗大健康平台产品，患者可通过该产品整理自身电子病历资料，在就医时即可把详细的历史病情提供给医生，帮助医生快速做出正确判断，最大限度减少重复检查和漏诊、误诊的情况发生。

着力解决电子病历创新痛点的创新

值得注意的是，除各类电子病历应用本身以外，美国还出现了一些致力于解决电子病历普及带来的新痛点的创新，相关创新企业至少有Healthfinch和Protenus。

1）自动处理琐碎任务，优化电子病历使用流程的HealthfinchEHR的广泛应用为提升医疗效果和全面优化医疗机构工作流程带来了曙光，但也暴露出一些令人十分难以忍受问题，例如，自EHR应用之后医师不得不牺牲大量工作时间处理那些基础的、重复性的琐碎工作（如简单的数据录入和病例管理），在美国，每位医师平均每天诊断20位患者的工作量已经不小，但除此之外他们还要用4小时去处理常规的、无偿的、重复性的工作，EHR的倡导者们（监管方和技术方）也都意识到了这一弊病。

Healthfinch即为一家试图用科技手段帮医师完成这些重复、低价值工作的初创公司，公司试图在EHR电子病历系统之上搭建一个科技平台，以实现重复性琐碎工作的自动化处理。以慢病患者的续处方笺申请流程优化为例，传统EHR流程下，这些患者的续处方笺申请通常由医师直接处理，通常如此：当这些需定期服药的患者吃完医师开具的药物之后，药房会出具一份续处方笺申请，然后通过邮件发送给医师，由医师判定患者是否需续处方，判定前，医师往往需先回答一系列问题（例如，该患者上次就诊是什么时候，上次做化验是什么时候，化验是否是常规检验，等等）——然而问题是，医师只有先回答完这些问题，才能批准或拒绝患者的续处方笺申请，从而为医师增加了很多重复性低价值的工作量。在应用Healthfinch的解决方案后（即公司推出的Swoop产品），医疗机构可选择把续处方笺申请完全交给Healthfinch的平台处理，或把原本属于医师的工作移交给药房工作人员、护士或助理医师等人员处理，从而让原本医师直接负责的低价值、高重复性工作得到有效分流，最终需医师亲自处理的续处方笺申请减少了70%，Swoop问世后不久就被大量医疗机构应用，显示实现医疗领域重复性琐碎工作的自动化是医疗服务供应未来的一个发展方向。对Healthfinch，续处方笺只是解决问题的开始，利用科技手段帮助医护服务供应者“消灭”所有重复性的琐碎工作才是他们的终极目标。

而Healthfinch当前面临的挑战至少有两点——其一，EHR覆盖的深度依然有限且实现一体化的难度较大；其二，开发更多解决重复性琐碎工作的自动化解决方案需要企业对医疗行业有非常深的理解和熟悉——而这两点都是很难一蹴而就的。

2）致力于电子病历隐私保护的Protenus

虽美国医疗信息化软件代表国际一流水平，但由于医疗机构内和医疗机构之间软件碎片化严重，多数软件在设计之初并没与完全考虑到未来互联互通时可能存在的安全问题，留下很多安全隐患，据调查，美国41%的医疗机构没有对医疗数据进行加密处理，一半的医疗机构无法有效预防和应对信息安全泄露，加之产业当前正处于数据共享、医疗信息数据以几何倍数增长的大背景，美国近期医疗信息泄密事件波及的人数增速更大大超越了医疗泄密次数的增速，并与泄密事件次数脱节。

图21  美国医疗信息泄露事件次数整体稳步上升

资料来源：hhs.gov & 蛋壳研究院

图22  美国医疗信息泄露事件波及的人数则爆炸式增长

资料来源：hhs.gov & 蛋壳研究院

而泄密方式更进一步显示，服务器是大量医疗信息泄密的主要渠道，这显示数据共享时代信息的安全隐患比以往严峻得多。据美国一家名为Royal Jay软件公司统计，医疗信息泄露带给整个医疗行业的损失高达每年60亿美元，平均每次泄露会给医院造成350万美元损失，会给个人造成近400美元的损失；而美国医疗行业平均每个患者的信息泄露带来的信息安全管理成本高达233美元，远高于零售业的78美元，是所有行业中成本最高的一个。

图23  美国医疗信息泄密主要是通过服务器

资料来源： 美国卫生与公民服务部

Proteus成立于2001年，致力于开发数字医疗产品，并为消费者提供个性化健康管理工具，过去十年中Proteus总计获得超过3亿美元投资。Protenus开发的名为Privacy-as-a-Service的隐私服务平台包括一个用以监测非法访问、进行持续自主学习的分析引擎，和一个下一代取证平台，可将必要的信息提供给隐私安全保护人员，Protenus的服务通过将搜索、测试和决议的周期从几个月缩短到几分钟以及去除那些影响威胁系统的干扰项，针对患者数据建立了一个免疫系统，可判断当前医疗记录是否被一种不恰当的方式访问。Protenus的服务能深入理解为什么要访问医疗记录以及如何进行正确的访问，意识到查看或使用某个特定病人的医疗或金融信息是否符合法律法规，并最终帮助提升卫生系统的能力和标准。目前Protenus进行的数据交换已涵了马里兰地区几乎所有的卫生系统。

医疗信息化深入发展已导致医疗数据的类型和规模都在以前所未有的速度快速增长，按IDC数字宇宙的研究，到2020年，医疗数据将增至35ZB（1ZB=1024EB），相当于09年数量的44倍，这些规模巨大的数据涉及电子病历数据、医学影像数据、居民行为健康数据、基因组数据、医学管理数据等多种层面，并涉及大量非标数据和存在实时交互的动态数据，正在为医院的数据存储、集成，特别是快速调用带来越来越大的压力，这些客观存在的痛点与需求一方面推动了相关领域研究的井喷，而相关研究井喷也反过来为领域内的技术转化奠定了越来越坚实的基础。从产业价值（行业空间天花板）看，按麦肯锡的研究，2013年医疗大数据应用能为美国医疗体系创造的价值高达$3000亿~$4500亿，如以该价值占美国当年医药卫生总支出的比例为基础估算，2013年医疗大数据应用能为我国创造的潜在价值达3321亿~4982亿，且未来医药卫生总支出的增长和技术转化推进都有望进一步推升医疗大数据产业的价值。

因如对医疗大数据产业进行详细阐述内容将远远超出本篇报告范畴，并且我们先前亦对相关领域有较深覆盖（请见本篇报告署名研究员先前在国金证券发布的医疗大数据产业研究《国金证券新三板医疗物联网行业专题之二：技术转化加速，产业资本布局时点已至》），因而在此我们仅将医疗大数据相关应用基本情况、部分代表性应用案例汇总展示如下，不再详细展开——

图24  医疗大数据已相对明确的潜在创新方向基本情况简览

资料来源：除以上表格所列瓶颈以外，数据共享（医院对数据共享的抵触，医院和政府对数据公开的抵触、标准不统一）、数据质量（非结构化、完整性问题、精度与质量问题、静态数据的滞后性）、安全与隐私（行业规则和行业标准模糊、数据归属权不明、安全问题）、人才瓶颈依然是制约行业整体发展的全局性因素。

图25  医疗大数据应用的变现方式小结

资料来源：根据公开信息整理

图26  医疗大数据应用示例——数据预处理——电子病历（上）与医学影像数据（下）的机器识别与结构化

资料来源：Dinov GigaScience (2016)

图27  医疗大数据应用示例——临床决策支持——IBM对心衰病人进行临床路径拟合实现最佳干预措施和预后预判

资料来源：产业交流

图28  医疗大数据应用示例——公共卫生——HPE在贵阳医疗大数据应用中的流感疫情预测

资料来源：HPE（Hewlett Packard Enterprise）

图29  医疗大数据应用示例——慢病管理——可实现心脏病患者实时监控&预警&必要干预的慢病管理案例

资料来源：Int. J. Environ. Res. Public Health 

图30  医疗大数据应用示例——诊疗流程优化——Tableau预判就诊高峰能为患者安排就医时间和地点，并为医院配置人员提出建议

资料来源：互联网

图31  医疗大数据应用示例——控费——Tableau能直接监控不同地区医保费用的支出情况并比较差异原因

资料来源：互联网。圆圈越红，表示医疗费用支出越高

图32  医疗大数据应用示例——控费——Tableau可预判个人患病风险和支出为医保公司提供保费建议

资料来源：互联网