祝嘉琦

ChatGPT的技術(shù)突破，不僅帶熱了AIGC（人工智能生成內(nèi)容）賽道，也再次引燃市場(chǎng)關(guān)于“AI+醫(yī)藥”前景的討論。

所謂AI，主要指利用計(jì)算機(jī)通過(guò)大量訓(xùn)練學(xué)習(xí)并模仿人類(lèi)行為的技術(shù)，包括物理發(fā)現(xiàn)和識(shí)別、自然語(yǔ)言處理、自動(dòng)推理、語(yǔ)音識(shí)別、知識(shí)管理等。近年來(lái)，隨著醫(yī)療數(shù)據(jù)集的快速擴(kuò)張、硬件設(shè)備的迭代升級(jí)、算法模型的優(yōu)化改進(jìn)，AI在醫(yī)藥領(lǐng)域的技術(shù)積累越發(fā)成熟，應(yīng)用場(chǎng)景日益豐富。我們可以從技術(shù)應(yīng)用、政策變化等角度，分析展望AI在藥品開(kāi)發(fā)、病理診斷、醫(yī)學(xué)影像等細(xì)分領(lǐng)域的應(yīng)用（附表）。

人工智能的概念在1954年首次被提出，此后，每一次推動(dòng)這一行業(yè)高速變革的底層邏輯，主要是快速迭代的算法、海量的實(shí)驗(yàn)數(shù)據(jù)及持續(xù)提升的算力?；仡櫄v史，60多年的迭代主要分為四個(gè)階段。

第一階段是1943-1968年，也是人工智能的發(fā)展初期。由人工智能概念的提出，發(fā)展出了符號(hào)主義、聯(lián)結(jié)主義（神經(jīng)網(wǎng)絡(luò)），且相繼取得了矚目的早期研究成果，如機(jī)器定理證明、跳棋程序等。

第二階段是1968-1995年，這也是AI制藥的發(fā)展初期。1968年，愛(ài)德華提出首個(gè)專(zhuān)家系統(tǒng)DENDRAL，該系統(tǒng)具有豐富的化學(xué)知識(shí)，可根據(jù)質(zhì)譜數(shù)據(jù)，幫助化學(xué)家推斷分子結(jié)構(gòu)，為計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD）中的化合物轉(zhuǎn)化為計(jì)算機(jī)語(yǔ)言確立了雛形。此后，上世紀(jì)80年代，制藥廠(chǎng)商默沙東開(kāi)始運(yùn)用CADD進(jìn)行藥物發(fā)現(xiàn)，開(kāi)創(chuàng)了計(jì)算化學(xué)在藥物研發(fā)領(lǐng)域的應(yīng)用，即早期的AI制藥。

數(shù)據(jù)來(lái)源：中國(guó)醫(yī)學(xué)影像AI白皮書(shū)，中泰證券研究所

第三階段是1995-2010年的人工智能快速發(fā)展期，互聯(lián)網(wǎng)技術(shù)迅速發(fā)展所帶來(lái)的大量數(shù)據(jù)，推動(dòng)AI進(jìn)一步走向?qū)嵱没?000年初，由于專(zhuān)家系統(tǒng)的項(xiàng)目都需要多編碼的顯式規(guī)則，降低了效率并增加了成本，人工智能研究的重心從基于知識(shí)系統(tǒng)轉(zhuǎn)向了機(jī)器學(xué)習(xí)方向。2006年，杰弗里及他的學(xué)生正式提出深度學(xué)習(xí)的概念，開(kāi)啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮。

第四階段是2010年至今，即AI+高速發(fā)展期。伴隨大數(shù)據(jù)、云計(jì)算、互聯(lián)網(wǎng)等信息技術(shù)及算力的持續(xù)突破，以深度神經(jīng)網(wǎng)絡(luò)為代表的人工智能技術(shù)高速發(fā)展，涌現(xiàn)了AlphaGo、GPT、AlphaFold及ChatGPT等創(chuàng)新產(chǎn)品。其中，2021年AlphaFold2在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)大賽（CASP14）中，對(duì)大部分蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)與真實(shí)結(jié)構(gòu)只差一個(gè)原子的寬度，達(dá)到了人類(lèi)利用冷凍電子顯微鏡等復(fù)雜儀器觀察預(yù)測(cè)的水平，開(kāi)啟了蛋白解析新紀(jì)元，為AI制藥在藥物研發(fā)領(lǐng)域的應(yīng)用帶來(lái)了巨大的推動(dòng)。

人工智能在醫(yī)學(xué)影像的科室應(yīng)用更廣泛，場(chǎng)景更豐富，下游更廣闊。

對(duì)于傳統(tǒng)藥物的研發(fā)，AI制藥有望助力其降本增效。據(jù)TechEmergence的數(shù)據(jù)，相較于傳統(tǒng)藥物成功率低、研發(fā)周期長(zhǎng)、研發(fā)投入大，有AI加持的AI制藥有望從三個(gè)角度幫助制藥行業(yè)：一是提高藥物設(shè)計(jì)的命中率及成功概率，將新藥研發(fā)的成功率從12%提高到了14%；二是降低研發(fā)成本，有望每年節(jié)約數(shù)十億美元的研發(fā)費(fèi)用；三是縮短研發(fā)周期，在研發(fā)主要環(huán)節(jié)節(jié)約40%-60%的時(shí)間成本。

AI制藥領(lǐng)域的商業(yè)模式可分為三種。一是AI軟件即服務(wù)（SaaS），主要為客戶(hù)提供AI輔助藥物開(kāi)發(fā)平臺(tái)，通過(guò)平臺(tái)為客戶(hù)賦能，幫助客戶(hù)加速研發(fā)流程，節(jié)省成本與時(shí)間；二是AI合同研究組織（CRO）服務(wù)，通過(guò)人工智能的輔助，為客戶(hù)更好地交付先導(dǎo)化合物或者氯鉻酸吡啶（PCC），再由藥企進(jìn)行后續(xù)的開(kāi)發(fā)，或者合作推進(jìn)藥物管線(xiàn)；三是AI生物科技（Biotech），這一賽道的玩家是以推進(jìn)自研管線(xiàn)為主、較少進(jìn)行外部合作的公司。目前，國(guó)內(nèi)外多數(shù)AI制藥公司都會(huì)在這三種商業(yè)模式中兼容兩種或者三種。據(jù)藥智局及蛋殼研究院統(tǒng)計(jì)，2022年，國(guó)內(nèi)31%的制藥公司兼容其中兩種商業(yè)模式，市場(chǎng)占比最高；其次為選擇AI生物科技模式的公司，市場(chǎng)占比約25%；第三為AI合同研究組織模式，占比約23%；僅選擇SaaS服務(wù)商模式的占比最低，約為8%。

AI制藥在算法、算力及數(shù)據(jù)方面需要較大的投入，且單一路徑發(fā)展或有一定局限，我們預(yù)計(jì)，多種商業(yè)模式協(xié)同發(fā)展未來(lái)有望逐步成為趨勢(shì)。

依賴(lài)人工閱片的傳統(tǒng)病理診斷，具有諸多行業(yè)痛點(diǎn)。

病理診斷是通過(guò)對(duì)活體組織、細(xì)胞病理學(xué)標(biāo)本等進(jìn)行病理學(xué)檢查，根據(jù)臨床表現(xiàn)、肉眼變化和鏡下特征等綜合分析，最后對(duì)疾病做出診斷，是大部分疾病診斷的金標(biāo)準(zhǔn)。

傳統(tǒng)病理診斷方法主要依靠人工閱片提供依據(jù)，自動(dòng)化程度低，耗時(shí)長(zhǎng)、效率低，診斷正確與否依賴(lài)醫(yī)生閱片經(jīng)驗(yàn)以及主觀判斷。另一方面，病理醫(yī)生培養(yǎng)周期長(zhǎng)、從業(yè)門(mén)檻高、地域資源分布不均勻，影響了行業(yè)整體的發(fā)展節(jié)奏。

在此背景下，AI輔助有望提升閱片速度、提高診斷精準(zhǔn)度，加速市場(chǎng)擴(kuò)容。人工智能輔助診斷基于計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)等技術(shù)，對(duì)病理切片自動(dòng)勾畫(huà)、識(shí)別，以結(jié)構(gòu)化的語(yǔ)言輸出輔助判讀結(jié)果，可以節(jié)省讀片時(shí)間、提高診療效率，緩解病理醫(yī)生工作負(fù)擔(dān)，解放醫(yī)師資源，同時(shí)有效降低由于主觀差異性以及疲勞閱片帶來(lái)的漏診、誤診率。隨著每日閱片數(shù)量的快速提升，病理診斷市場(chǎng)有望迎來(lái)加速擴(kuò)容，帶動(dòng)行業(yè)天花板不斷抬升。

政策方面，注冊(cè)審查標(biāo)準(zhǔn)初稿文件2022年底落地，行業(yè)監(jiān)管規(guī)范已然成熟。國(guó)內(nèi)AI輔助病理診斷行業(yè)起步較晚，大約2016年前后初具雛形。剛起步時(shí)，由于缺乏權(quán)威規(guī)范的行業(yè)標(biāo)準(zhǔn)，早期注冊(cè)申報(bào)的產(chǎn)品大部分取得的是二類(lèi)醫(yī)療器械注冊(cè)證，對(duì)安全性、有效性的技術(shù)審核較為匱乏，質(zhì)量良莠不齊，醫(yī)生認(rèn)可度不高，入院推廣難度大。2022年11月，《人工智能醫(yī)療器械等6項(xiàng)注冊(cè)審查指導(dǎo)原則和技術(shù)審評(píng)要點(diǎn)》、《宮頸細(xì)胞病理圖像標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)數(shù)據(jù)標(biāo)準(zhǔn)體系》等文件陸續(xù)出臺(tái)，自此構(gòu)建了一套科學(xué)完善、專(zhuān)家認(rèn)可的病理圖像數(shù)字化和智能化的行業(yè)標(biāo)準(zhǔn)和規(guī)范，填補(bǔ)了監(jiān)管條例的空白，自此AI病理輔助診斷產(chǎn)業(yè)進(jìn)入加速發(fā)展階段。

目前，首個(gè)AI病理診斷三類(lèi)證已經(jīng)獲批，細(xì)胞病理市場(chǎng)有望率先發(fā)力。從技術(shù)層面看，四大病理診斷方向中，細(xì)胞病理的檢驗(yàn)技術(shù)成熟，容易形成行業(yè)公認(rèn)的規(guī)范化規(guī)則，且市場(chǎng)規(guī)模大，未來(lái)有望率先實(shí)現(xiàn)AI病理產(chǎn)品落地。2023年3月，國(guó)內(nèi)首個(gè)人工智能病理輔助診斷三類(lèi)證“宮頸細(xì)胞學(xué)數(shù)字病理圖像計(jì)算機(jī)輔助分析軟件”已經(jīng)獲批，AI病理產(chǎn)品在國(guó)家層面獲得正式認(rèn)可，行業(yè)發(fā)展有望進(jìn)一步提速。

目前，AI病理輔助診斷已在國(guó)內(nèi)初步應(yīng)用，并開(kāi)始納入部分省份收費(fèi)目錄。相關(guān)產(chǎn)品的商業(yè)化變現(xiàn)主要有兩種模式，一是一次性入院銷(xiāo)售產(chǎn)品；二是病理科將完成樣本取材后，冷鏈外送至相關(guān)企業(yè)，由企業(yè)完成后續(xù)流程并按次收費(fèi)。我們可以根據(jù)公開(kāi)資料，進(jìn)行如下的測(cè)算。

首先，樣本外送模式下，參照常規(guī)病理項(xiàng)目收費(fèi)標(biāo)準(zhǔn)，三甲醫(yī)院AI病理診斷空間有望達(dá)到147億元。我們僅對(duì)三甲醫(yī)院應(yīng)用市場(chǎng)進(jìn)行測(cè)算，截至2021年底，國(guó)內(nèi)三甲醫(yī)院數(shù)量為1651家，根據(jù)公開(kāi)資料查詢(xún)，平均每家三甲醫(yī)院病理科每日樣本量約450例，年檢驗(yàn)量大約2.7億例。我們參照深圳、云南等地病理科檢驗(yàn)收費(fèi)標(biāo)準(zhǔn)，假設(shè)院內(nèi)平均收費(fèi)160元，入院扣率為30%，僅三甲醫(yī)院AI病理閱片市場(chǎng)，按入院口徑就有望達(dá)到約147億元。

其次，三甲醫(yī)院設(shè)備及軟件系統(tǒng)入院銷(xiāo)售的市場(chǎng)規(guī)模有望達(dá)到約25億元，數(shù)字切片存儲(chǔ)管理有望帶動(dòng)市場(chǎng)擴(kuò)容。AI病理輔助診斷通常需要配套數(shù)字化掃描儀，單臺(tái)設(shè)備依據(jù)不同通量、品牌，平均售價(jià)在50萬(wàn)-300萬(wàn)元不等，我們假設(shè)軟件及硬件設(shè)備均價(jià)150萬(wàn)元，對(duì)應(yīng)市場(chǎng)規(guī)模約為25億元。國(guó)內(nèi)病理樣本大多采用物理玻片保存，需占用大量機(jī)房空間，且容易褪色損壞、丟片掉片。數(shù)字化病理庫(kù)可以有效解決這些物理存儲(chǔ)的固有弊端，還能提供圖像調(diào)節(jié)、標(biāo)注共享等功能，未來(lái)有望成為病理科新的發(fā)展趨勢(shì)?？紤]相關(guān)數(shù)字存儲(chǔ)需每年更新，預(yù)計(jì)相關(guān)年投入金額40萬(wàn)-200萬(wàn)元不等，如果考慮其他層級(jí)醫(yī)院滲透率提升、醫(yī)生閱片量提高、AI病理項(xiàng)目收費(fèi)調(diào)整，遠(yuǎn)期AI病理市場(chǎng)規(guī)模有望實(shí)現(xiàn)數(shù)倍擴(kuò)容。

當(dāng)前，底層數(shù)據(jù)、算法模型是核心技術(shù)壁壘，入院能力強(qiáng)的頭部玩家優(yōu)勢(shì)明顯。國(guó)內(nèi)AI病理診斷正處于商業(yè)化早期，病理數(shù)據(jù)的積累、算法開(kāi)發(fā)與模型訓(xùn)練是技術(shù)層面的核心工作內(nèi)容，其中精準(zhǔn)標(biāo)注的大量圖像數(shù)據(jù)是算法改進(jìn)和訓(xùn)練的基礎(chǔ)，需要有足夠多且病變類(lèi)型足夠豐富的細(xì)胞圖像，但國(guó)內(nèi)病理科數(shù)據(jù)多數(shù)均未公開(kāi)，并且，國(guó)內(nèi)病理切片還沒(méi)有建立起行業(yè)公認(rèn)的標(biāo)準(zhǔn)化、規(guī)范化的操作流程，因此，如何獲取足夠多的標(biāo)準(zhǔn)化數(shù)據(jù)，將是AI病理輔助診斷產(chǎn)品的關(guān)鍵壁壘。

人工智能在醫(yī)學(xué)影像的科室應(yīng)用更廣泛，場(chǎng)景更豐富，下游更廣闊。

醫(yī)學(xué)影像是指針對(duì)人體或人體某部分，以非侵入方式取得內(nèi)部組織影像的技術(shù)與處理過(guò)程。人工智能技術(shù)能夠顯著縮短影像閱片速度、提高診斷效率、減少錯(cuò)診誤診率，可以廣泛用于多個(gè)科室，應(yīng)用場(chǎng)景涵蓋早期的篩查、診斷到中后期的治療、隨訪(fǎng)，具有可觀的市場(chǎng)空間。

根據(jù)灼識(shí)報(bào)告，國(guó)內(nèi)人工智能醫(yī)學(xué)影像市場(chǎng)規(guī)模有望從2020年的不到10億元，增長(zhǎng)至2025年的442億元，年復(fù)合增長(zhǎng)率高達(dá)135%。按全球范圍測(cè)算，這一市場(chǎng)預(yù)計(jì)有望從2020年的不到10億美元增長(zhǎng)至2025年的646億美元，年復(fù)合增速達(dá)到147%（圖1、圖2）。

資料來(lái)源：Wind，招商證券

數(shù)據(jù)來(lái)源：灼識(shí)報(bào)告、中泰證券研究所

AI醫(yī)學(xué)影像起步早、滲透率低，開(kāi)始進(jìn)入商業(yè)化初期。醫(yī)學(xué)影像數(shù)據(jù)豐富，占所有臨床數(shù)據(jù)的80%以上，是最早實(shí)現(xiàn)全球標(biāo)準(zhǔn)化的醫(yī)療數(shù)據(jù)之一，并且容易獲取、處理難度小，和人工智能技術(shù)契合度較高，是AI醫(yī)療領(lǐng)域率先突破的應(yīng)用場(chǎng)景。2020年，國(guó)內(nèi)首張AI影像輔助診斷領(lǐng)域三類(lèi)證獲批，截至2023年4月，獲批的注冊(cè)證已超過(guò)30張。相比病理診斷，AI影像已經(jīng)開(kāi)始進(jìn)入商業(yè)化階段，但整體滲透率較低，還有很大提升空間。預(yù)計(jì)隨著更多科室產(chǎn)品的注冊(cè)獲批，AI影像產(chǎn)品有望加速普及。

軟硬件協(xié)同推廣也有望加速AI影像產(chǎn)品入院。人工智能醫(yī)學(xué)影像產(chǎn)品主要用于放射、超聲等科室，配套CT、MR等大型影像設(shè)備來(lái)使用，目前，影像科設(shè)備整體仍然依賴(lài)進(jìn)口，從科室角度出發(fā)，硬件設(shè)備自主化的需求更加顯著，我們預(yù)計(jì)軟件和硬件的協(xié)同推廣有望加速AI產(chǎn)品入院。

商業(yè)化方面，AI影像的盈利模式有望從一次性付費(fèi)向按次付費(fèi)升級(jí)，打開(kāi)市場(chǎng)空間。對(duì)于影像科而言，人工智能系統(tǒng)相關(guān)的機(jī)器折舊費(fèi)、影像診斷費(fèi)等缺乏統(tǒng)一標(biāo)準(zhǔn)，科室和患者習(xí)慣原有的付費(fèi)模式，大部分AI醫(yī)療器械企業(yè)通常一次性或者分批次收取軟件售賣(mài)收入，按次付費(fèi)較少。我們預(yù)計(jì)，隨著AI影像滲透率的不斷提升，按次付費(fèi)的應(yīng)用占比將逐漸增加，帶來(lái)商業(yè)模式的優(yōu)化與盈利水平的提升。

展望未來(lái)，AI+醫(yī)藥空間廣闊，研發(fā)能力突出、產(chǎn)品布局豐富、入院能力強(qiáng)的頭部企業(yè)，有望率先搶占廣闊藍(lán)海市場(chǎng)，值得重點(diǎn)關(guān)注。