在线客服
扫描二维码
下载博学谷APP
扫描二维码
关注博学谷微信公众号
互联网医疗大数据商业变现应用,2018年《国家健康医疗大数据标准、安全、服务管理办法(试行)》正式出炉,与以往政策不同,该规定不再停留于宏观指导层面,而是对医疗大数据标准、安全、服务中的权责利进行了详细规定。

医疗大数据政策经历了从无到有、从宏观指导到细则规定的过程,为医疗机构、健康服务公司等数据生产者和使用者提供了方向规范。2019年将是以政策为抓手,细化落地的一年,也将为行业带来更多的信心。
政策风向强化了资本入场的信心,2016-2018年共发生160起医疗大数据融资事件,占行业融资数量的82.9%,反映出资本市场对政策的响应和对行业的看好。
1、互联网巨头布局AI医疗
互联网巨头是医疗大数据产业发展进程中不可或缺的一股力量,青桐资本研究发现,以BAT为代表的巨头公司的医疗大数据+AI领域均有布局,但其策略却大相径庭,百度发力AI新药研发,腾讯深入线上线下医疗服务,阿里则聚焦云服务及互联网医院解决方向。
在医疗大数据应用方向上,腾讯率先深入应用端,先推出 “微信智慧医院”为患者提供智能导诊、在线问诊服务,接着投资碳云智能布局基因数据产品,又推出“腾讯觅影”,进军辅助诊断领域,以多维度探索医疗大数据价值。
阿里则以构建云服务、AI技术为重点,布局医疗智能化。相继推出阿里健康APP,提供购药、问诊、慢病管理等服务;在辅助诊断领域推出阿里健康doctor you,与医院合作进行产品研发,并搭建互联网医院及医联体服务。百度的优势集中在人工智能,因此将重心放在AI新药研发领域。
以BAT为首的互联网巨头,在数据积累和技术应用方面有先发优势,它们的入场既说明对医疗大数据领域前景的看好,也为医疗健康行业与互联网融合带来新的方向和机遇。
2、医疗大数据的商业变现
商业变现是医疗大数据行业发展的关键命题,也是从信息采集、应用到最终变现的重要一环。依据数据使用者和应用场景,青桐资本将其分为B端和C端:
B端使用者主要包括医院、药企和保险公司。对医院而言,可以帮助管理者进行物资、人员管理,帮助医生提高诊疗行为、优化诊疗决策;药企通过医疗和费用大数据降低研发成本和失败风险,制定精准的市场营销方案;保险公司可以通过医疗大数据,建立保险模型,提升质量控制,防止保险诈骗。
医疗大数据在B端应用还偏浅层次,挂号、电子病历共享等只是其中很小一部分,利用大数据进行辅助甚至指导医生精确诊断蕴藏着巨大的机会。我们观察到已有企业发力该领域,乐九医疗研发的临床数据分析平台,致力帮助医生提升临床科研能力,并通过数据挖掘和深度学习建立基本预测模型,为临床医师提供诊疗建议。
从市场现状来看,B端市场在短期内具备快速变现的能力,医疗机构、科研单位等对医疗大数据需求旺盛,这也加速了医疗大数据在细分应用场景落地。此外,药企和保险公司对医疗大数据的应用需求也在逐步增强。
同时,青桐资本观察到医疗信息平台数据在C端变现的路径并不通畅,主要在于用户对病症描述普标不准确,无法为患者提供精准对接服务。在AI医疗领域,结合疾病和健康大数据,针对不同疾病建立个性化的诊疗方式,为患者提供健康行为指导成为商业化的另一方向。
3、2019年行业的机会点
医疗大数据行业持续升温,数据应用逐渐实现商业化落地,行业前景呈现出向好的局面,2019年医疗大数据在信息化建设、AI医疗应用及商业变现的细分机会正逐步凸显。
对于医疗大数据企业来说,增强数据集成和标准化是医疗信息化平台竞争的关键,也是挖掘医疗数据价值的核心能力。围绕数据互联互通、精细化管理,为政府、药企、医院、保险、第三方检验平台等提供服务成为发展可循的路径。
在众多的应用方向中,智能辅助诊断是医疗大数据应用的热门方向,针对肺小结节、眼底影像、乳腺癌等诊断类产品率先落地。参考国外医疗大数据的应用路径,新药研发市场同样极具潜力,尤其是AI技术公司,可以业务为切入口,在药物研发的不同环节谋求突破,并向上下游拓展。
从资本市场的布局来看,医疗信息化平台和辅助诊断类项目是资本重点关注的赛道。围绕数据互联互通、精细化管理的信息化平台,能有效提升医疗机构管理和诊疗水平,辅助诊断在疾病诊断中应用能力和发展潜力,正逐渐被资本市场的认可。
作者:青桐资本来源:钛媒体
免责条款:文章部分内容来源于互联网仅供参考阅读。
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
大数据是什么?与数据之间有什么区别?
大数据是什么?从字面的理解我可以认为他是大量的数据,而在计算机网络领域则将大数据定义为需要更新处理模式才能具有更强的决策力,洞察发现力和流程优化能力来适应海量,高增长了和多样化的薪资资产。因此大数据不仅仅是在数据量的变化,好包括其增长速度以及多样化的特性。
16450
2019-06-06 15:48:59
大数据开发需要学什么编程语言?
大数据开发需要学什么编程语言?随着大数据的持续升温,越来越多的人投身于大数据的浪潮之中,不少完全没基础的小伙伴,难免会有这样的疑问,从事大数据需要学习什么编程语言呢?其实这个问题没有固定的答案,像Python、R、Java和Scala都是很好的选择,大家可以根据自身的实际情况进行选择。
9560
2019-10-18 18:32:50
Pandas如何分块处理大文件?
在处理快手的用户数据时,碰到600M的txt文本,用sublime打开蹦了,用pandas.read_table()去读竟然花了小2分钟,打开有3千万行数据。仅仅是打开,要处理的话不知得多费劲。解决方法:读取文件的函数有两个参数:chunksize、iterator。原理分多次不一次性把文件数据读入内存中。
7642
2020-08-14 16:16:47
成为数据工程师需要具备哪些技能?
数据工程工作存在于各个行业,在银行业、医疗保健业、大型科技企业、初创企业和其他行业找到工作机会。许多职位描述要求数据工程师、拥有数学或工程学位,但如果有合适的经验学位往往没那么重要。
8453
2021-03-23 16:36:52
大数据的核心架构层是哪些?
大数据的核心架构层是哪些?大数据的核心层:数据采集层、数据存储与分析层、数据共享层、数据应用层,可能叫法有所不同本质上的角色都大同小异。
4752
2022-06-17 15:28:45
