数字化医疗健康的发展，一方面需要明确用户画像及获得用户的使用场景。另一方面需要明确商业模式的支付方是谁.数字化医疗健康的投资热点也将  围绕具备以上两方面能力的领域开展。

很多影视作品为我们想象并展示了 未来医疗的水平。

比如《2049银翼杀手》里，人们可以通过基因设计生产人造内脏器官延长寿命；比如《普罗米修斯》里，女主角可以在一个单人医疗舱里处于休眠状态， 由AI系统为女主进行身体检测，并通过机械臂自动完成手术。

这些超智能化的医疗技术都是人们美好的憧憬，或许离我们还很遥远， 但仍是医疗技术不断探索进步的目标。医疗智能化不是一蹴而就的，最早 一波医院信息化率先实现了 结构化数 据，成为了数字医疗的大底层，进而可 以基于数据做进一步训练与应用，先应用于简单场景，再应用于复杂场景。 所以数字化应用由易到难，进程由解释数 据到预测数据再到输出数据。

市场先出现了互联网挂号、问诊、缴费、购药等数据浅层应用，再过渡到基于特定疾病数据的分析与归纳形成辅助诊断能力，再更进一步通过深度机器学习实现医药学预测，未来还会通过对数据的加工对外输出（如手术机器人、脑机义肢），一切都是基于数据和算法 的不断应用、累进和迭代。

01 数字化过去与未来

数字与AI健康的发展线按时间进程，基本分以下六个阶段：（以下每个阶段不完全代表时间先后，会有时间上的重叠交叉，仅供梳理参考）

第一阶段：医院信息化过程造就了HIS、LIS、PACS等信息系统 ，让传统医疗快速积累大量的结构化、可视化医疗数据，实现医院内部的数据交互流转， 为未来所有数字化模式奠定了基础。这是目前发展最早、最成熟的细分领域， 已有卫宁健康、东软集团、万达信息等为代表的公司完成上市进程。

第二阶段：基于互联网技术的信息流转应用，实现浅层的、边缘性的数字健康模式 ，主要以平台模式为主，例如数字化号、费、诊、药、营销、临床、慢病管理等。这个阶段被视为“互联网医疗”的开创时期，大部分公司成立于2010~2015年前后，经过5~10年的发展， 已步入成熟阶段，即将或者刚已完成上市。比如已上市的阿里健康、平安好医生、1药网、医渡科技，即将上市的微医、智云健康、圆心科技、太美医疗等。

第三阶段：基于疾病的深度数据， 实现对某一垂直领域的病种或科室的数字化辅助诊断、辅助医疗。 例如从医疗影像先开始的AI读片；以虚拟现实为基础的辅助治疗精神类疾病；以及通过单病种数据设计带病体保险等。这个阶段对医疗健康数据的量级与质量产生了巨大需求，数据层面直接决定了应用层面的发展，开启了“大数据医疗”的时代。

从最容易标准化的影像数据领域出发，大部分AI+影像公司成立于2015年前后，经过5年左右的发展，在眼底、CT、DR、MRI、超声、心电等影像基础上针对特定身体部位实现AI辅助疾病诊断，并陆续通过国家药品监督管理局 （NMPA） 的三类医疗器械认证。 这类 A I 影像公司逐步进入融资阶段的中后 期，利用资本优势继续拓展产品线并不 断推向市场，竞争格局已基本成型。

在非影像数据领域，比如人群的疾病序列数据等，数据呈结构化低及完整性低的状态。由于这部分数据量级巨大且涉及到患者隐私及各医院间的不联 通，需要一定的政府推动周期，因而近 几年在卫健委的指导下成立了两家国资 背景的数据服务公司 — 中电数据与联 仁健康，以逐步完成医疗数据的清洗及 结构化梳理。

在此基础上建立的商业模式还需要较长时间周期的发展，目前相对处于中早期，比如基于个体基因组学、代谢组学、临床表型等医疗数据实现的精准医疗、个性化病程管理领域，或基于疾病数据设计带病体保险的精算行业等， 仍处于资本的价值发掘期。

第四阶段：基于分子药理学与药物动力学下的海量数据，通过卷积神经网络算法、循环神经网络算法等机器深度学习技术，在医疗工作者曾经要耗费大量精力还不一定能出结果的领域，实现高效获取结果的目标 。比如以AI为基础的蛋白质结构预测、靶点发现、化合物筛选及合成、新适应证发现及晶型预测等AI药物研发环节。这个阶段的公司多数于近几年开始快速发展，但仍处于早期，常出现在实验室、人工智能科技公司及大型药企孵化，商业化产出仍在探索，但未来潜力空间巨大。

第五阶段：基于人体生理组织数据，通过5G传输技术、微传感技术、高精度控制技术等，实现从简单到复杂的智能化手术 。正如同微创手术的发展颠覆了开放性手术，手术机器人正在开启新一轮微创手术方式的迭代：一方面， 提升了手术治疗精准性，对需要小心翼翼避免损伤其他组织的外科手术来说， 确保了医生的高质量可见度和操控能力；另一方面，降低了医生的手工操作难度，针对某一术式培养一个合格的手术医生需要两年甚至更长的周期来说， 可大大提升医疗资源的供给。此外，精准的操作带来效率的提升，惠及更多的患者同时，规模化降低了手术的医疗开支。

自2000年达芬奇手术机器人获得FDA认证，机器人技术不断迭代，从多孔技术升级到单孔技术，甚至到自然腔道技术。

基于科室的手术机器人也将不断细化，针对骨科、神经外科及口腔科较为刚性的组织，定位类机器人实现手术的标准化。针对心内科、普外科血管腹腔软组织，操作类机器人实现手术的精确化，众多国产技术已在NMPA申请的道路上。手术机器人可由设备带动耗材的销售，从而发展为耗材销售为主、设备为辅的商业模式，具备规模性商业化的前提与潜力。

目前每台达芬奇设备采购价约2000万元，医院使用门槛非常高，在低成本替代上，为未来国产化带来了巨大的想象空间。

手术机器人行业是典型的Copy to China（复制到中国）以及Me too（仿制） 的模式，有国外成熟的参考及国内极大的市场，但对技术的升级及专利的合理规避也有极高的要求。这个阶段，医疗与通信、机械动力工程等实现多学科交叉，对上游组件的技术要求非常高， 短期内难以完全国产替代。在神外及口 腔领域，一些国产技术已拿到NMPA三类证，仍可以看到行业正处于快速发展期，对资本的需求旺盛。

第六阶段：基于人体微生理信号数据的捕捉与分析技术（例如脑电波、神经电流），通过脑机接口输出数据，实现人机“意识”交流 。这个阶段的公司仍处于非常早的探索期，多数仍在各高校、医院内进行研究并尝试应用，如通过脑机实现神经刺激来治疗癫痫、脑机接口控制机械义肢等。作为目前最前沿的技术，脑机接口应用具有划时代的意义， 是一个能承接海量资本注入并能产生巨大价值的领域，是数字医疗领域里最“硬”的科技。

02 投资热点预测

数字化医疗健康产业的发展，主要得益于三方面因素的助推，首先是疫情常态化的助推；其次是利好政策的不断出台；第三是国内外行业代表性公司登陆公开资本市场的不俗表现，以及一些大公司对此领域并购案例的产生。

2020年因疫情防控需要，国家卫健委等部门密集出台一系列政策，大量推动数字健康发展，让原本可能需要3~5 年的才能完成的国民教育缩短到1年，实 现人人通过互联网进行在线问诊开药的教育过程。

政策方面，网售处方药全面放开，互联网医院销售药品可依托的医疗机构医保总额使用医保统筹 ；继青岛、成都、浙江等地试点实行药品双通道政策后，国家医保局正式全国范围内指导实行，加速处方外流；广东等地国家集采平台向社会药房医院开放……以上政策的发布与执行，对医药营销的数字化路径探索提供了吸引力。

市场与资本层面，2020年几家国内外数字化医疗健康公司的上市及并购案，使得产业界对数字化的关注进一步发酵 。必须承认，虽然政策环境对数字化医疗健康的发展有所助益，但中国的数字化医疗健康行业，由于其创新性及前瞻性，在政策支持上具有非常明显的延后性，也不会像传统医疗一样轻易在政策范围下进院，并获得医保支付。因而支付方式对数字健康行业的影响巨大，尤其在数字化医疗健康企业发展的早中期，好的产品需要考虑合适的商业化支付。目前的数字健康行业，适合的模式是当下支付方与获客场景的合理交叉，商业模式最终的落脚点是规模化的变现。

当前，医疗行业支付方的单一及其明确的控费需求对数字化医疗健康并不友好，所以数字化医疗健康的发展需要 一方面明确用户画像及获得用户的使用 场景。 另一方面需要明确商业模式的支付 方是谁。 而数字化医疗健康的投资热点 也将围绕着具备以上两方面能力的领域 开展。

首先看支付方。

目前支付职能主要承担者是医保、药（械）企、健康险，当然也有一部分是基于用户自付。

医保作为最大的支付方，目前主要需求是控费。数字化医疗健康产品在能验证其控费能力后，一旦进入招标目录，稳定性有保障，是兵家必争之地。 药 （ 械 ） 企作为目前最为灵活的支 付方，目前主要需求是药 （ 械 ） 的研发、 准入、市场上量。 数字健康产品可围绕 药 （ 械 ） 企产品的生命周期某些环节进 行重点布局，联合发展。

健康险作为未来5年最具潜力的支付方，目前主要需求是在风险可控下的保费规模增长。要撬动健康险支付，数字健康产品要么能在保险产品上给予差异化服务，要么能在次标体、甚至非保体的保险产品设计上给予细分的定价能力，要么能继续为现有保险产品提供大量精准客户并实现交易的渠道。 获客场景可以分为互联网用户流量 场景、医院场景、医生场景、保险场景、 药房 / 药企场景。

互联网用户流量作为完全市场化的资源，已被大的流量平台把控。同时医疗是一个相对发生频率较低的场景，很容易出现大流量平台以高频对低频的降维打击，因而在此场景下，大流量平台即使有后发劣势并且后知后觉，但仍可以照抄市场已验证的模式，通过流量倾斜扶持自有业务，反胜的概率仍很大。

以B2C医药电商行业为例。自营B2C 医药电商需要不断的进行获客运营，由于对客户精准度要求高，客户对作为标品的药品价格敏感，从而导致客户容易流失，造成规模化的获客成本居高不下，客户LTV（生命周期价值）很难覆盖费用，因而在财务上挑战很大。

目前自营B2C医药电商，除了阿里健康、京东健康未来持续盈利外，其余独立平台基本维持较小规模以保持盈亏平衡，或被收购，或彻底退出竞争。

另外，第三方平台B2C医药电商虽然以大流量平台公域低成本流量获客为主，且不少已经实现盈亏平衡甚至盈利。但从长远来看，第三方平台B2C医药电商一方面会受到平台自营大药房的流量挤压，另一方面也受到同行的价格竞争，同时也无法将客户带离交易平台， 如不及时探索新的增长模式，未来在公司价值上会受到不小挑战。当然，医药电商公司的核心供应链资产，未来可能会是致力于进入数字健康行业大平台的收购投资标的，但估值逻辑或许会发生变化。

纯医院端流量属于专有化资源， 资源的获取往往需要很强的公关能力， 一旦获取便较易形成一定的排他性、垄断性，形成竞争壁垒。但也相应缺乏可快速复制的能力，多数最终形成区域性龙头。例如医院信息化浪潮中出现的东软、卫宁等上市公司以及各大大小小的区域型公司。

另外目前医院端场景下，大医院话语权强，对作为支付方的意愿不强，基于纯医院场景下的模式在实施上不得不做一定的固定成本投入，因而需要另辟支付方以实现财务上的营收。

一般可规模化的营收渠道包括药 （ 械 ） 交易服务费佣金、药 （ 械 ） 企营销 费用等，类似美国的 PBM（ 药品福利管 理 ） 模式。 同时，为了实现这些营收，仅 是获取了医院资源往往是不够的，医院 作为一个综合体，其决策环节往往很复 杂，这对企业在业务模式的顶层设计上 有较高的要求。

纯医生端流量属于半专有化半市场化资源，一方面仍需要一定的公关建立信任度，另一方面也有一定的复制性，但 在排他性、垄断性上不足，很容易在各 平台进行迁移。 另 外，患者流量主要集中在大公立医院的医生手里，而中国的 医生仍是公立医疗机构的一份子，并不能像美国医生一样自由执业，因而受到医院的强有力的行政管理，对于外部商 业的参与度有限，且承担非常高的职业 风险，会在收益与风险上做权衡。 虽然 阳光化收入是医生的诉求，但“君子爱财取之有道”，除了已被验证的阳光化 模式 （ 如在问诊平台上在线问诊的服务费收入 ） ，大多数医生仍持有非常谨慎 的态度。

以某通过医生处方外流为导向的慢病管理平台为例，注册医生数量超过100万名，但活跃处方医生仅占1%，由于医生运营维护的固定开支居高不下，人效较低，加上对医生的激励，财务层面一直处于长期亏损状态，单位经济模型上也不足以支撑业务盈利逻辑。如若不在转化层面进行更多探索，谋求变革， 或许仍离不开资本的输血。

纯保险端流量属于半市场化半专有化资源，流量核心来源于保险公司强大的线下代理人团队或者合作的流量平台，通过个险、团险获取用户流量。其中，线下代理人流量，具有客单价高、复购率高的特性，互联网流量具有范围广、年轻化的特性。数字健康产品通过合理的设计，成为保险产品的加挂服务或直接成为保险产品的一部分（服务费不超过总保费的20%），可较好的解决流量与支付的问题，但前提是能满足保险 公司的诉求。 不过，这种背 靠背绑定的 方式，保险公司往往会要求一定的股权 关系或控股关系，数字化医疗健康企业 免不了站队的问题，需要在业务发展宽 度及深度上做取舍。

“药企+药店端”场景中药店端属于较高市场化的资源，是目前较被低估的一个获客场景，这也跟目前为止没有找到一款适合此流量的数字化医疗健康产品有极大的关系。

根据NMPA综合和规划财务司及信息中心发布《药品监督管理统计年度报告（2020年）》数据统计，截至2020 年底，全国共有药店门店55万家，其中 连锁药店门店 24 万家 （ 对应约 6000 家连 锁总部 ） ，连锁率 56 %。 药店场景中，普 通药 房以慢性病患者流量居多， DTP药 房以肿瘤患者为主，具有精准的用户群 体。 另外，在资源拓展上，连锁药房由于 是由总部统一管理，原则上与各省分公 司总部对接，即可实现与全省的各门店 通路，再由专人对接各门店具体执行即 可，拓展效率较高。

普通药房场景的流量有带病群体、年龄中老年居多等特点。药房场景大部分情况下是医疗行为的末端及被动变现点，药房场景下店员的非药品销售能力有限。

目前市场上针对药店场景的数字健康产品较少，或许是由于数字化医疗健康现阶段最为普遍且可规模化的变现产品就是药品，与药房主业相冲突。有些保险公司曾试过在药房进行保险销售，但遇到了一些困难，其中主要阻力是药房多以带病体为主，成交率低， 转而通过小金额赠险以低成本获取用户核保信息后进行二次开发。也有些保险科技公司通过在药房驻点销售创新支付产品，变现点仍在药房内，通过折扣来吸引患者参与，再通过药企或保险 层面大规模走通还有待观察。 期待未来 有更多的创新数字健康产品与药房场 景相结合。

“药企+药店端”中药企场景主要体现在人工智能辅助药物研发、临床等药物上市前的系列环节效率提升上。 2020年，“人工智能发现分子”入选《麻省理工科技评论》发布的“全球十大突破性技术”榜单。一直以来，新药研发投入高、耗时长、风险高，成了新药研发的“代名词”，基于大数据的人工智能辅助药物研发成为现阶段备受关注的投资热点，也是产业界寄望可以提升研发效率的技术支撑。

通过对当下支付方与流量场景的交叉分析，数字化医疗健康用户场景以“医院+医生”为首选，解决了流量与转化的问题；此外以提效为目标的“药房 +药企”的场景支付方明确，从效率及稳 定性上支撑规模化的扩张。

“医院+医生端”场景下可关注基于以下四种商业逻辑的模式。

首先，基于医院信息化的升级，顺应国家新发政策，有实质性药（械）决策并变现能力的模式，包含公立医院自费药房分拆及药房双通道的处方流转等。

其次，基于互联网技术的信息流转升级，为能力欠缺的机构输出更好的数字化医疗管理能力、医疗技术能力，包含数字化科室共建、科室共营，以及院内外病程管理等模式。

第三，基于细分病种深度数据的应用，包含基于标准化（影像等）数据的数字化辅助诊断、辅助治疗应用，以及非标准化（基因、代谢、临床表征等）数据的精准医疗、个性化病程管理等模式。

第四，基于多学科交叉的医疗数据输出，包含手术机器人、脑机技术等。

保险端场景下，可关注能带动增量市场能力的模式。比如，能覆盖差异化流量或有转化率提升能力的保险（经纪）平台；基于疾病大数据风控能力实现产品定价与输出能力的保险科技。此外，逆选严重，模式有待验证，对目前以创新支付做支付转移的模式，以市场化运营惠民保的模式暂保持中立。

药店与药企场景中，以效率提升为总体目标，一方面以提升研发效率为结果实现资本使用率的提升，另一方面通过数字化手段并借助医保政策提升第二及第三终端的覆盖及营销效率从而提升患者的依从性及可负担性。

本文内容编辑自易凯资本《2021年医疗大健康产业白皮书—数字医疗与AI》，最先刊登于《医药界•E药经理人》杂志6月刊。