AI人工智能+医疗行业企业规划书.docx

AI人工智能+医疗行业企业规划书.docx

《AI人工智能+医疗行业企业规划书.docx》由会员分享，可在线阅读，更多相关《AI人工智能+医疗行业企业规划书.docx（15页珍藏版）》请在冰豆网上搜索。

AI人工智能+医疗行业企业规划书

企业规划书

1.战略分析

1.国家政策

2.市场环境

3.海南自贸港

2.企业分析

1.XXXX公司介绍

2.公司定位及宗旨

3.市场分析

市场规模、战略目标、竞争对手

4.产品与技术

1.电子病历系统

1.1数据导入系统

1.2自助信息录入系统

1.3信息共享系统

1.4信息自查系统

2.语音采集系统

2.1语音普通采集

2.2语音识别模型

2.3语义识别模型

2.4语音疾病模型

3.图像采集系统

3.1.图像普通采集

3.2.图片识别模型

3.3.图片疾病模型

4.技术难点

5.发展计划

6.营销策略

7.风险防范

8.投资和利润分析

9.资金需求

一、战略分析

1.国家政策

2016年5月，国家发展改革委、科技部等部门颁布《“互联网+”人工智能三年行动实施方案》，明确要培育发展人工智能新兴产业、推进重点领域智能产品创新、提升终端产品智能化水平，并且政府将在资金、标准体系、知识产权、人才培养、国际合作、组织实施等方面进行保障。

2017年5月，国务院发布《“十三五”深化医药卫生体制改革规划》，其中对推进医学人工智能的技术发展指明了具体方向：

开展医学大数据分析和机器学习等技术研究，开发集中式智能和分布式智能等多种技术方案，重点支持机器智能辅助个性化诊断、精准治疗辅助决策支持系统、辅助康复和照看等研究，支撑智慧医疗发展。

同年7月，国务院发布《新一代人工智能发展规划》，文中又对“人工智能+医疗”等领域提出了新的要求，《规划》要求我们要推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系；探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊；基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化；加强流行病智能监测和防控。

国家出台人工智能政策，从总体上布局人工智能发展目标，鼓励人工智能技术的研发，支持人工技能与实体经济融合发展，促进人工智能对经济的发展。

这对“人工智能+医疗”的发展来说，是一个重要的契机。

顺应国家政策，建立一家专注于智能医疗研发的公司是有前瞻性的。

2.市场环境

近几年，人工智能在全球都引起了极大的关注，我国也将人工智能上升为国家战略。

当前国家正在加紧布局，各方也在众多领域积极探索人工智能的应用，并取得了突飞猛进的成绩，其中健康医疗领域是人工智能应用的最具潜力的领域之一。

人工智能为何在医疗领域势不可挡？

与我国国情与医疗资源严重短缺、分布失衡的现状密切相关。

我国医生资源尤其是优质医生短缺，培养医疗人才的周期长、成本高。

我国人口老龄化也是不容忽视的社会问题，老年人口对医疗资源的需求更加强烈，加之消费升级与生活水准提高，大众对自身健康重视程度与日俱增，都造成医疗服务的需求有增无减。

所以解决医疗资源的供给不足，将成为人工智能渗入医疗的根本性动因。

医疗对人工智能有强烈的潜在需求，在政策大力推动下，产业已初现雏形，国内创业公司包括互联网巨头、制药企业等各传统大公司都纷纷进入这个领域。

据亿欧网去年发布的《2017人工智能赋能医疗产业研究报告》，2010年后我国迅速出现一批医疗人工智能公司，2010年也是我国医疗人工智能领域创业分水岭，此前每年出现的新创公司数量极少。

2014和2015年出现创业高峰，两年内共有52家公司成立；截止2017年7月31日，我国医疗人工智能公司共有131家，集中分布于北京、上海、深圳、杭州、武汉等一、二线城市，其中北京、上海、深圳三城集中了97家公司，占全部公司的76%左右。

截止至2017年8月15日，国内医疗人工智能公司累积融资额已超过180亿人民币，融资公司共104家；另有27家公司未获投，或未公布融资信息；国内在医疗人工智能布局的企业主要有阿里巴巴、腾讯、XX、科大讯飞、华大基因；海外主要有IBM、Google、苹果、微软、亚马逊等。

医疗结合人工智能应用领域丰富，在智能健康管理、智能诊疗、医疗机器人、智能影像识别等领域都应用广泛，这些领域的发展为现有的医疗问题提供了解决方案。

比如：

提高医疗机构和医生的工作效率，提早预测疾病风险，方便医生管理看护患者，方便患者自查自诊等

3.海南自贸港

海南是我国最大的经济特区，地理位置独特，拥有全国最好的生态环境，同时又是相对独立的地理单元，具有成为全国改革开放试验田的独特优势。

2018年4月，党中央决定支持海南全岛建设自由贸易试验区，支持海南逐步探索、稳步推进中国特色自由贸易港建设，分步骤、分阶段建立自由贸易港政策和制度体系。

自由贸易港是全球目前开放层次最高的经济功能区，它总的一个基本特点是境内关外，即大部分商品应该是低关税的，或者是零关税。

自由贸易港依托海港和空港，非常有利于开展国际贸易，不仅可以发展环岛旅游、拓展国际旅游贸易，而且可以带动其他的现代服务业，比如现代金融贸易，像期货、证券、股权交易；与国际旅游相对应的国际养老、健康产业；现代信息技术、互联网技术、数字贸易、数据贸易等轻型科技产业。

自由贸易港从经济特色来看，最终一定是一个具有综合功能型的自由贸易区。

为顺应国家政策和市场环境，乘借海南自贸港建设的东风，我们成立XXX医疗科技公司，旨在抢抓人工智能发展的重大战略机遇，结合医疗广阔的市场应用前景，实现“人工智能+医疗”的有机结合，为构筑我国人工智能发展的先发优势，加快医疗领域信息化、智能化建设提供坚实的技术基础。

二、企业分析

1.XXXX公司介绍

我们公司是一家专注于“人工智能+医疗”研发的高科技公司，依托于XXXX公司。

XXX公司成立于2017年，注册资本2000万元…

2.公司定位及宗旨

XXX医疗科技公司依托于XXXX公司的技术基础和管理经验，结合医疗市场，为医院提供一套全方位的医疗电子病历系统和基于深度学习算法的智能识别系统。

旨在通过提高医院效率、减少误诊漏诊率、提高疾病预防治疗效果、提高患者自诊自查率等方面，解决或部分解决我国目前的医疗问题。

公司可以借助海南自贸港的优势地理位置和福利政策，将高科技产业引入海南，不仅能帮助企业自身的发展，同时也能促进海南地区的科技产业升级，推动海南医疗信息化建设，达到双赢的目的。

三、市场分析

市场规模、战略目标、竞争对手

四、产品与技术

1.电子病历系统

为规范医疗机构电子病历应用管理，满足临床工作需要，保障医疗质量和医疗安全，保证医患双方合法权益。

2017年2月，国家卫生计生委办公厅发布《电子病历应用管理规范（试行）》。

电子病历（EMR,Electronic Medical Record）也叫计算机化的病案系统，是指医务人员在医疗活动过程中,使用信息系统生成的文字、符号、图表、图形、数字、影像等数字化信息,并能实现存储、管理、传输和重现的医疗记录,是病历的一种记录形式，包括门（急）诊病历和住院病历。

目前我国中大型医院都有自己的电子病历系统，电子病历系统是指医疗机构内部支持电子病历信息的采集、存储、访问和在线帮助，并围绕提高医疗质量、保障医疗安全、提高医疗效率而提供信息处理和智能化服务功能的计算机信息系统。

然而基于我国现阶段人口基数大、医疗数据繁杂、医院间系统不匹配、医护人员资源缺乏等特点，完善的电子病历系统未能在全国范围内建立起来。

因此，我们公司开发一套完整高效的医疗信息管理系统是顺应时代发展需求的。

1.1数据导入系统

根据2010年卫生部修订的《病历书写基本规范》，病历可以分为门（急）诊病历和住院病历，病历的具体内容如图所示。

在目前存在的电子病历系统中，因为数据量过大、数据种类多，很难将所有信息完整及时地记录在案。

于是建立一个能支持各种文件类型，处理高效的数据库是推进医疗信息化建设的基础。

在这个系统中，个人信息、化验单、医学影像结果、病程记录、手术通知书等等由医院采集的第一手信息都可以以个人为索引导入建库。

实现数据录入后，不仅能让诊断、查询更方便快捷，而且通过建立医疗大数据库，可以完成数据统计和应用；在诊断后期，还可以通过此系统实现记录的监控、追溯等功能。

图二门（急）诊病历

图三住院病历

图四医院数据导入

1.2自助信息录入系统

在病历数据录入过程中，患者的个人信息通常会丢失，个人信息包括不限于既往史（一般健康状况、疾病史、传染病史、预防接种史、手术外伤史、输血史、食物或药物过敏史），个人史，婚育史、月经史，家族史等。

这些信息也是医疗诊断中重要的一项，但基于目前医疗问诊条件，很难在诊断时详细准确地结合患者背景进行方案调整。

如果我们建立一个开放或半开放的电子医疗档案，用户可以在客户端对个人资料进行修改和添加。

一方面，可以运用大数据方法、深度学习的算法，帮助医生决策，减少误诊的概率，提高看病的效率；另一方面，通过上传个人信息，可以帮助实现定制化医疗服务。

值得注意的是，如果我们可以建立起个人的基于深度学习的大数据资料库，比如个人自主语音采集，面色、血液循环的图片采集，生化数据（血液指标、DNA分析）的信息采集，通过深度学习的算法训练和大数据分析，那么就可以实现针对个人的定制化医疗预测诊断、健康历史记录等服务。

在采集信息的过程中，可以通过身份证和指纹、手机号等对用户进行识别，这项技术可以同样应用于预约、挂号过程中，解决挂号难、排队久的问题。

1.3信息共享系统

目前各个医院之间的医疗数据是分散的、独立的，同一名患者不能在一家医院查询出自己所有的历史看病记录。

首先，这会导致医疗资源的过度浪费，患者在更换医院时不得不重新做一次检查；其次，难以保证患者基本信息及其医疗记录的真实性、一致性、连续性、完整性；而且在医疗事故追溯过程中，容易出现推卸责任等现象。

如果能打破壁垒，建立起医院与医院之间，地区与地区之间的信息共享系统，不仅能有效的解决上述问题，也能为地区与地区之间医疗资源分配不平衡问题的解决提出新的思路。

另外，信息共享系统的另一个角度——“家庭医疗”的概念。

很多疾病具有遗传性和传染性，如果能将患者信息以家庭为单位进行存储和分析，将有利于对此类疾病的诊断和预防。

1.4信息自查系统

目前的患者拿到的病历都是医生打印出的纸质版记录，记录难以储存且不完整，患者很难从病历中获取全部、详细的信息。

当出现突发事件时，患者因为对诊疗过程不清楚，很容易出现不必要的纠纷。

如果患者能在客户端拿到全部或部分看病记录，一方面，能实时了解病程，对自身诊治有指导作用；另一方面，当对治疗方案存在异议时，可以及时提出，避免最终的医疗纠纷。

可以预见的是，如果患者的医疗数据可以由本人随时查取，很多体检流程可以简化，很多因为身体原因导致的社会问题也可以缓解。

综上，建立一个系统的电子病历档案，可以从不同角度缓解甚至解决我国现阶段医疗领域面对的种种问题。

我国医生数量储备不足，工作压力大，通过电子病历系统，可以提高医生看病效率，提高患者自诊比例；目前我国优质医生资源分配不均，缺口大，如果能建立医疗大数据分享平台，医生资源缺乏的医院可以通过这个平台学习新的案例和诊断办法；医疗费用过高，出现“过度医疗”、“重复医疗”的情况，如果能共享医疗数据，会大幅度减少重复检测的环节，减少不合理的支出；医患纠纷也一直是困扰医院和患者的一大隐患，如果能引入监督、追溯功能，相信能进一步增强医患之间的信任度。

结合我们公司开发的图像识别系统和语音识别系统，电子病历系统不仅可以作为储存信息的数据库，还可以作为信息转存分析的中转站。

通过图像和语音采集系统，将图像和语音采集进患者的个人电子病历，通过人工智能的算法，将原始信息转化成可用于记录、分析、诊断的便捷化数据，应用于疾病的风险预测和实际干预，降低误诊漏诊率。

图五电子病历系统

2.语音采集系统

中医理论中讲究“望、闻、问、切”，在现代医疗诊断中，询问依然是重要的环节，通过询问医生可以知道得知患者的基本感受，从而对病征有初步判断。

在诊断过程中，医生要将患者的自诉记录下来，这个过程中涉及到语音的直接录入，医生的专业术语转化成病历上的文字描述（语音识别模型），患者的口语转化成文字描述（语义识别模型），在特殊病例中，可能还涉及到对某些疾病的诊断（语音疾病模型），比如炎症、声带受损等。

涉及到语音识别的功能，主要是基于机器学习中的深度学习算法。

根据医生和患者等使用该产品的人员情况，使用环境情况和使用方式情况等分析，对使用人员的语音数据和环境噪声数据清洗、打标签、以及更细致的分类和处理。

然后使用这些大量的数据进行模型训练，以达到在复杂环境下的语音准确识别。

图六深度学习

图七语音采集系统

2.1语音普通采集

在问诊阶段，医生和患者主要通过语言来交流，恰当如实的记录下这些数据，可以帮助医生核实病情，记录下不能写入病历的信息，比如患者的状态、语气，减少误诊漏诊率；可以在患者对诊断有疑问时，追溯历史数据；通过语音记录，可以实现看病过程中的监督功能，避免出现服务态度差，病人不配合等情况。

2.2语音识别模型

基于XXXX公司的语音识别基础，语音识别模型可以使用的RNN+CTC算法，该算法有一个非常清晰的结构，并可以通过该算法能够在一定噪音环境下进行语音识别，它通过对一段语音进行快速傅里叶变换得到相应的频谱数据，并将数据通过深度神经网络进行到字符的分析识别。

语音识别技术现在已经发展的比较成熟，通过这项技术可以有效的提高问诊的效率。

医生与患者沟通时，语音识别功能将医生的诊断结果、医嘱、检测参数等语音信号以文字的形式记录在电子病例中，手术过程中的病程也可以通过通过识别的方式记录下来。

2.3语义识别模型

语音识别相当于人的耳朵，而语义识别则是大脑，语音识别帮助机器获取和输出信息，而语义识别则是对这些信息进行加工。

患者在描述自身病情时，通常是口语描述，比如“肚子疼”、“牙齿酸疼的厉害”等。

在语音识别阶段，这些话并不能转化成可以记录在案的专业术语，语义在这个识别过程中就显得尤为重要。

如果建立起可靠的语义识别系统，通过大数据、深度学习等算法，患者可以在客户端，将口语转化成医学术语，从而自主判断疾病的类型，提高自诊率。

医生也可将与患者的对话记录成简便的术语形式，方便电子病历的输入。

但需要注意的是，语义识别目前在全球范围内还是很难被突破的难点。

一方面，口语形式多变，往往一句术语有多种口语的表现方式，建立一个一一对应的语言库是语义本身存在的难点；另一方面，因为地区差异，不同方言会有不同的含义，会影响采样的质量，增加识别的难度。

2.4语音疾病模型

有些疾病会让病人出现异常发声现象，比如咽喉发炎、声带损伤等。

如果能批量采集此类疾病的样品，通过深度学习的算法训练语音疾病模型，就可以初步判断患者是否有此类疾病。

除了大数据的采集，为了更准确识别出患者的声音特征变化，自主录入历史声音信息也是非常重要的一方面。

通过对比患者之前的语音信息，能通过模型预测出现在的患病状态。

3图像采集系统

中医当中的“望”的概念同样在现代西医的诊断模式中发挥着重要的作用。

在诊疗过程中，医生通过观察患者的气色、表情、躯体动作、疼痛部位、伤口情况等等来判断病人的病情。

在会诊时，医生可以采集病人的照片保存到个人的电子病历中作为记录；同样也可以识别出图片上的数字、文字等储存（图片识别模型）；通过图片识别、描述出疾病更是人工智能一个重要的方向（图片疾病模型）。

图八图像采集系统

3.1图像普通采集

医生会诊时，患者的脸色气血、体貌病征、舌苔眼睛的状态通常是很难描述，无法被记录下来的；患者不适的部位也只能由医生的经验来判断；患者伤口的愈合情况，康复训练结果等信息也会丢失。

如果能将这些实时的图像保存到病人的个人信息库里，对于诊治的效果、病程的追溯、监督都能起到很好的作用。

3.2图片识别模型

在训练过程中，针对不同情况下的数据，需要收集足够数量的图片，用于识别模型的训练输入。

图片的种类越多，就越能够从图片学习到更多特征，提高模型针对不同情况下的泛化性，提升模型的识别能力，实现图像的准确识别。

图像模型使用RPN算法以及RNN+CTC网络模型，RPN是一种结构简单又非常高效的方法，专门用来提取候选区域一方面RPN耗时少，另一方面RPN可以很容易结合到FastRCNN中。

通过RPN算法得到候选区域，然后将候选区域进行提取，将提取的特征向量使用RNN网络进行计算。

通过RNN+CTC网络，将特征向量序列与字符序列进行对齐计算，得到最大概率的序列结果。

当患者进行各种检测后，得出的参数、病情描述等可能都是离散的，通过图片识别，可以将离散的数据采集到固定格式的信息系统中，有利于数据的统一管理。

对于某些会产生大量数据、不方便采集的仪器，通过图片识别可以批量录入数据，提高检测、记录效率。

很多地方医院还采用医生手写病历的会诊模式，如果能训练出医生特有的笔迹模型，识别出医生的笔迹，不仅能让患者更加了解自己的诊疗过程，医院也能推动自身的信息化建设。

3.3图片疾病模型

图片的疾病模型可以被广泛的应用于医学影像、病理诊断等方面。

比如肺结节的影像分析，通过深度学习的算法分析出病征的位置、大小等；在病理切片方面，可以通过细胞的不同形态分析出是否出现肿瘤细胞；红外热成像可以通过检测人体不同位置的温度来判别体温、供血情况、炎症、肿块定性、组织损伤、神经反应状况等。

这些疾病可以通过不同途径获取不同性质的图片来定位和描述。

4技术难点：

1.医院数据多，结构复杂，如何切入是个难点。

2.患者权限问题，医院是否能（愿意）实时向患者反馈

3.医院与医院之间的信息沟通问题

4.数据量会非常非常大

5.语音识别模型，医疗术语的采集和处理

6.语义模型（难点）

7.红外识别对硬件的要求很高

五、发展计划

六、营销策略

七、风险防范

八、投资和利润分析

九、资金需求