一、醫療保健處于數字化轉折點

　　互聯網女皇Mary Meeker發布的《2017年互聯網趨勢報告》認為，醫療衛生和保健已進入數字化拐點：醫療行業表現出數據輸入量和數據積累量的爆發式增長，有88%的消費者至少使用1項數據健康工具(遠程醫療、可穿戴設備)，同時，消費者愿意分享健康數據，數據統計60%和50%的消費者分別愿意向谷歌和蘋果分享健康數據。在專業數據方面，美國電子病例普及率達到87%，基因數據積累使得基因知識量增加19倍。綜上，全球健康數據年增長率達到48%。數據的增長一方面縮短了醫學研究的創新周期，加快藥物臨床實驗周期，同時提升了診斷的準確率與治療的精準化程度。

　　二、數據是發展的關鍵

　　數據是“醫療+人工智能”行業發展的關鍵。我們認為，醫療與人工智能結合的關鍵在于“算法+有效數據”。先進的算法提升數據處理效率與識別準確率，而有效數據是先進算法應用的基礎。目前，深度學習等算法的發展已經相對成熟，醫療數的“量”和“質”是阻礙人工智能在醫療行業應用發展的主要原因。國際巨頭IBM Watson 2015-2016年花費約40億美元收購數家具備健康數據資源的公司，也反映了數據的重要性。隨著全球醫療保健進入數字化的拐點，客戶授權使用的健康數據量快速增長，將為行業發展提供先決條件。

　　三、智能診斷與醫學影像識別較為成熟

　　智能診斷與醫學影像識別是“人工智能+醫療”發展相對成熟的兩個領域。人工智能在醫療行業應用價值突出，具體應用包括：診前的疾病預防、健康管理;診中的輔助診斷，醫學圖像處理;診后額虛擬醫護助手，慢病管理。其他領域包括藥物研發，醫保控費等。目前，發展相對成熟的領域包括“智能診斷”和“醫學影像識別”領域，前者應用的成熟化主要源于IBM Watson自然語言理解技術和長達6年的醫學文獻數據積累;而后者應用的成熟化源于深度學習算法下圖像識別準確率的不斷提升。兩個領域的發展將分別提升“門診”和“影像科”醫療資源的供給，解決目前醫療行業嚴峻的供需矛盾。