全景数据浪潮,智能医疗曙光
医疗大数据行业研究报告
目录Contents
宏观环境分析
•医疗行业需求…………………………………………….......3•医疗大数据行业需求………………………….………...….7
•技术因素…………………………………………………...…..9
•政策…………………………………………………………....10
•资本流向……..……………………………………………....11产业结构分析
•医疗大数据分类…………..…………………………….....13
•医疗大数据特性…………..…………………………….....14
•应用场景………......………..…………………………….....15
•市场规模…………..…………………...………...……….....16
•产业链及一二级市场企业图谱…………….……….....17细分领域分析
•数据采集基础设施、数据采集端口、数据管理....18
•数据分析应用………………………..………….…………..25
临床决策支持……………………………………………….……..26
医药研发…………..…………………………………….……….....30
医疗支付…………..………………………………………….….....34
慢病及健康管理….……………..……………………………......38公共卫生管理…………..……..…………………………….….....41
价值因素分析
•总结........................………………………………………....43
CHAPTER1
宏观环境分析
•医疗行业需求
•医疗大数据行业需求
•技术因素
•政策
•资本流向
•近年来我国医疗需求攀升:一是,我国老龄人口持续增加。近20
年我国人口总量持续增长,特别是疾病高发的老年群体,带来更多的医疗需求;二是,我国慢病人群庞大。根据国家卫生计生委疾控局2014年数据,我国现有确诊慢病患者近3亿人,并且发病率以每年8.7%的速率上升。慢性病具有病程长、流行广、费用贵、致残致死率高等特点,其带来的医疗需求远多于其他病种,目前慢病负担已占总疾病负担的70%。
•医疗需求攀升引发看病难、医疗服务质量差等一系列问题,需更
高效地提供医疗服务来应对。医疗大数据可提升医疗服务效率,例如基于医疗大数据的临床智能决策系统可提高医生诊疗速度和准确度、移动慢病及健康管理可降低慢病发病率和提升病人依从性从而提高疗效。
我国65岁以上人口数量(亿人)我国居民慢病患病率(‰)1.57001.03500.50
[***********][***********][***********][***********]22222222
[***********]13
[***********][***********][***********][***********]2222来源:中国卫生统计年鉴,36氪研究院政府卫生支出社会卫生支出个人现金卫生支出
•根据美国医学研究所(InstituteofMedicine)调查报告,美国
医疗系统因不必要的诊治、繁杂文件、欺诈和其它等原因造成每年7500亿美元的医疗资源浪费,约医疗支出的30%。
来源:美国医学研究所(Institute of Medicine),36氪研究院
•我国由过度医疗、过度耗材、医疗资源分配不合理等原因造成的
资源浪费也很严重,常见现象例如大处方,偏好昂贵药品、检查项目、治疗手段,不必要的重复检查,医生、药品、器械使用率低下等。根据北京市药监局西城分局对辖区内五个街道的过期药品回收状况的调查显示,91.8%的家庭有过期药品,70.1%的家庭储存过期药超过半年,主要原因是包装剂量大和大处方。
来源:36氪研究院
•医疗大数据可减少医疗资源浪费,提高其利用率。例如基于医疗
大数据的药品监管系统可减少药品浪费、临床决策支持系统减少无效诊疗、医保控费系统减少医保欺诈等。
•医保支付体系压力大且将加剧,急需有效控费:(1)国家推行
医保全民覆盖,保险基金收入增长比在多数年份超过支出增长比;(2)我国人均卫生投入远低于世界平均水平,继续加大投入是必然趋势;(3)个人现金支出占整个医疗卫生支出比例持续下降。社会政府支付压力持续加剧,急需精准有效控费和商业保险补充支持。
我国城镇基本医疗保我国医保基金收入与我国人均医疗卫生费用险参保人数(亿人)支出增长比变化占比人均GDP(%)7.040%34%2030%29%25%
5.023%20%1510%10
17%5
3.00%0
[***********]132014国国国大国利本国
医疗保险基金收入增长比美法德拿英大加意日中
来源:卫计委,36氪研究院
•商业保险发展乏力,需利用医疗大数据提高精算能力:(1)健
康险规模小且人口覆盖率低;(2)现有商业医疗保险以理财型为主,消费型健康险收入仅占人身险总收入的12%;(3)我国商保赔付占国家医疗卫生总支出比例尚小,约2%,而发达国家在10%左右。我国100多家开展商保业务的公司,但是仅有4家专业经营消费型健康险,主要原因是商保公司难以获得一些重大疾病的发生率、诊疗支出等数据,导致产品开发进度缓慢和多数险种盈利低甚至亏损。而医疗大数据可帮助商保公司提高保险精算能力和通过健康管理降低赔付成本。
100%50%0%
来源:OECD,36氪研究院
我国医疗数据地域、行业分割严重,亟待融合:
•地域上的众多信息孤岛。一方面,各地医疗机构的信息系统由多
个信息化厂商提供,缺乏统一的建设标准指导导致接口各异;另一方面,医院部门间、医院间数据不开放,以邻为壑、共享难。例如我国95%医院的电子病历还未全院流通,仅20%的电子健康档案与电子病历互通。
•医疗子行业间数据割裂严重。医疗服务机构数据(如电子病历、
影像、放射、基因等)、药店数据、医药研发数据、商业保险数据等系统接口未打通,不能形成数据闭环。
•完整的数据是应用的基础,随着医疗信息化建设的持续投入,数据融合是发展的趋势,同时也将带来信息化厂商转型及合并。
我国医疗卫生信息化建设投入情况
400
32.0%
30024.0%
20016.0%
1008.0%
00.0%[***********]12E2013E2014E2015E2016E2017E医疗行业IT投入(亿元)同比增长率
来源:IDC,36氪研究院我国健康大数据急需融合
来源:CHIMA,36氪研究院
•医疗行业是数据密集型行业。IDCDigital预测截至2020年医疗
数据量将达40万亿GB,是2010年的30倍。同时数据生成和共享的速度迅速增加,导致数据加速积累。
人类产生复制的医疗数据总量数据生成和共享速度迅速增长
预测(万亿GB)40.0(10亿GB/月)
4015030100
201050
00
[***********]15E2020E20122013E2014E2015E2016E2017E来源:IDC Digital,36氪研究院来源:Cisco,36氪研究院
大数据对传统数据处理、管理、分析等提出更高要求
来源:网络公开资料,36氪研究院
•可穿戴智能设备的普及实现大规模、实时、持续收集患者数据。我国可穿戴设备出货量变化情况4000300%200%2000100%00%[**************]4E2015E
出货量(万台)增长率(%)来源:速途网,36氪研究院•生物检测技术的进步促使生物数据大爆发。如二代测序(高通量
)技术不仅使测序成本降至1000美金(一代测序成本是30亿美金/个基因组),而且二代测序的通量远高于一代测序,自此大范围的基因组测序加速生物组数据的积累,逐步为临床操作和基础研发带来价值。基因数据价值高、存在无限被挖掘的可能性。
2009-2015年全球二代测序仪累计销量(台)全基因组测序成本(美元)[1**********]00
1000000
250010000
0100
[1**********]234
[***********]1320142015E[***********][***********]222222来源:Bloomberg,36氪研究院来源:NCI,36氪研究院
•IT技术进步使医疗大数据应用成为可能:数据融合、数据挖掘、
图像处理识别、机器学习、自然语言处理、数据可视化、人工智能等技术取得进步。例如数据融合可将多个医疗子行业的数据整合分析以产生新的更加精确、连续、有价值的信息。
数据存储和处理能力提高且成本下降网速增快(网速(kb/秒))2000.40100000
1500.3010000
1000.201000
100
500.1010
00.001
[***********][**************].1晶体管尺寸(纳米)晶体管价格(0.000001*美元)来源:IBM,36氪研究院
•2009-2015年国家出台了大量关于医疗信息化建设总体要求类的
政策,2011-2012年出台了大量促进医疗机构如医院、医药厂商等信息化的政策,2013年开始出台区域信息化建设的政策,目前我国区域信息化建设尚未成规模,并且2015年前缺少关于大数据应用的相关立法来保证共享和防止滥用,导致我国数据源开放和共享化程度处于较低水平。
•2015年《促进大数据发展行动纲要》明确了关于数据使用的总
体要求。2016年6月底国务院出台《关于促进和规范健康医疗大数据应用发展的指导意见》,将医疗大数据正式纳入国家发展,其对医疗大数据融合及共享开放建设,在医疗、医药、公共卫生、医保等方面的应用,以及使用安全保障等方面进行全面规范。数据应用政策的释放和推进将促使医疗大数据产业加速形成,从数据收集、融合、清洗处理到应用环节,短期内数据融合相关公司将高速发展,随后数据应用相关公司将迎来爆发式增长。
•在2014年6月至2016年5月底,医疗行业发生投资并购事件共计
373笔,其中医疗数据投资并购事件为24笔,HIS投资并购事件
为18笔,医疗数据相关的投融资事件共计42笔,此领域较受资
本青睐。
我国医疗行业各细分领域的投资并购数量
100500
诊防术备商据SIH具疗区康医体团复M形老问预技设电数工治社健中媒集康B整养
号康疗件药疗生病生理疗生外P容
挂健医硬医医医慢医心医医院美
来源:IT桔子,36氪研究院•医疗数据领域(医疗数据和HIS)的资本涌入从2014年底开始,
在2015年继续增加,2016年对医疗数据企业的投资达到新的高
峰。资本大规模涌入将进一步加速医疗大数据产业的发展。
资本流入医疗数据相关领域的时
间分布情况
16128
40
[1**********]6
医疗数据投融资事件笔数HIS投融资事件笔数
来源:IT桔子,36氪研究院
•医疗大数据公司融资额度较大,多在千万级别和亿级。
医疗大数据公司融资额分布情况
医疗大数据公司融资额分布情况
3020
100
百万级千万级亿级十亿级未透露
天使轮A轮B轮C轮新三板被收购
CHAPTER2
产业结构分析
•医疗大数据分类
•医疗大数据特性
•应用场景
•市场规模
•产业链及一二级市场企业图谱
医疗大数据可以分为以下四大类:
•诊疗数据:来自患者在医院诊所就医过程中产生的数据,主要的
采集端口是医疗机构,如医院。其包括电子病历、传统检测项目
结果(生化、免疫、PCR等)、新兴检测项目结果(基因测序
等)、医生用药选择、诊疗路径记录等。增长快速,特别是新兴
检测数据,如基因检测数据。
•研发数据:主要来自器械医药研发企业、研发外包公司、科研机
构等研发过程中产生的数据,主要的数据来源如:(1)医药研
发过程如医院临床试验;(2)科研机构最新科研进展。
•患者数据:患者自身的、在院外的行为和感官产生的数据,主要
采集终端是可穿戴设备和各类网上轻医疗平台,包括(1)通过
可穿戴设备收集的体征类的健康管理数据;(2)网络行为数据
,例如挂号问诊、网络购药、健康管理、医患病友交流等。
•支付&医保数据:一切与付费方相关的审核/报销记录,主要包括患者支付记录、报销记录、医药流通记录等。
来源:36氪研究院
+医疗性”规模巨大的诊疗数据、患者行为感官数据、研发数据和支付医保数据等汇聚形成的医疗大数据,不仅呈现出其作为大数据的“4V”的特性,也表现出医疗领域特有性质:
临床决策
支持
慢病和健康管理医疗健康
大数据保险开发
医疗器械
研发医疗管理
来源:36氪研究院
•临床决策支持:临床决策支持系统、基因检测等能够帮助医生提
高医疗服务质量,如:(1)病情早发现并干预;(2)实现精准
医疗,对人下药而非对症。
•健康及慢病管理:基于慢病及健康数据库结合远程智能监护系统
和可穿戴设备、智能手机等终端,可帮助个人健康管理,包括:
(1)实时跟踪用户身体状况;(2)根据监测数据为用户实施个
性化的健康管理方案;(3)基于数据的健康管理能降低重病发
病率,减少医疗支出。
•医疗支付:医疗大数据可减少现有支付体系压力,如:(1)精
准诊疗可降低由病因不确定导致的资源浪费;(2)优化并制定
多元化的医疗支付手段如DRGs;(3)基于患者付费及疾病概率
数据,结合健康病管理降低保险公司赔付成本;(4)基于疾病
概率、医疗支出等数据帮助保险公司开发新产品和提高盈利率;
(5)通过药品流通数据优化医药流通环节,降低医药成本。
•医药研发:(1)基于疾病、用药等建立数据建模,预测药品研
发过程中的安全性、有效性、副作用等;(2)通过智能分析系
统,减少人力、时间、物力等投入,降低药品研发成本。
•医疗管理:(1)公共卫生管理:通过多家医院的数据,建立和
完善区域及跨区域的疾病防控、妇幼健康、综合监督、食品安全
、血液管理、健康教育、分级诊疗等体系,实现医疗资源合理配
置;(2)通过数据整合分析、智能应用等帮助医院运营管理。
•医疗大数据产业的发展由价值医疗医疗驱动(即医疗服务质量与
医疗成本的双赢),其潜在价值空间巨大,且产生于具体的应用
场景。医疗大数据的服务对象可为居民、医疗服务机构、科研机
构、医疗保险管理机构和商保公司、公共健康管理部门等。
•麦肯锡在2013年报告中预测仅在美国,医疗大数据的应用有望
减少3000亿-4500亿美元/年的医疗费用。我国存在人口基数巨
大、医疗资源浪费严重、医疗资源紧缺和配置不合理、医疗支出
增长过快、商保发展乏力等问题,医疗大数据的可应用场景丰富且能深度挖掘,因此我国医疗大数据的市场规模至少在千亿级。
来源:麦肯锡,36氪研究院
产业链及一二级市场公司图谱:看好
来源:36氪研究院注释:(1)信息截止2016年6月30日,排名不分先后
CHAPTER3
细分领域分析之数据采集基础设施、数据采集端口、数据管理
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•传统医疗解决方案提供者,主要为传统医疗机构提供信息化服务
多数厂商来自二级市场和新三板,由于医疗机构地域性较
强的市场特性,各供应商的市场份额不大且相对稳定;
由于数据标准向统一标准的方向发展、医院客户对信息化
厂商一站式服务能力要求的提升,将驱动行业整合。
我国医疗信息化行业集中度低&未来并购趋势明显
来源:全国医疗信息化联盟,36氪研究院
•移动医疗解决方案的提供厂商,主要向互联网医疗公司和小型医
疗机构服务:
以一级市场公司为主,部分二级市场公司有开展此业务;
看好有能力提供区域信息•由政策带来的医疗信息化需求增长促使供给方快速发展。国家部
门自2009年开始已出台多个加快医疗行业信息化建设的政策,释放了传统医疗机构的信息化建设需求;同时,国家战略牵头“互联网+”带来移动医疗信息化解决方案的新需求。
•医院信息化:关于促进医院信息化建设政策已在2012-2014年间
大量出台,根据CHIMA2014-2015年数据:(1)我国医院管理信息系统建设水平在70%-80%之间,上升空间仍有但不大;(2)医院临床信息系统建设水平处于40-80%,建设程度较低的领域上升空间大,如远程医疗、手术麻醉、感染/传染监控系统、临床决策系统等;(3)医疗诊所信息化程度低,长尾市场可挖掘,利好移动医疗解决方案提供商。
2014-2015中国医院管理信息系统实施情况2014-2015中国医院临床信息系统实施情况门急诊划价收费系统电子病历系统
住院药房管理系统实验室信息系统
药库管理系统放射科信息系统
门急诊药房管理系统超声影像信息系统
门急诊挂号系统临床知识库系统
病案管理系统PACS系统
临床路径系统
物资材料管理系统体检中心管理系统
会计账目系统临床决策支持系统
固定资产管理系统感染/传染监控系统
医疗统计系统远程医疗信息系统
护理信息系统区域卫生信息系统
0%50%100%0%50%100%
已实施准备建无已实施准备建无
来源:CHIMA官网,36氪研究院
•医药信息化:我国医药信息化建设程度较低且供给者较少,但发
达国家医药信息化程度超过80%,因此,随着我国药品研发的增多以及政策继续加码,医药信息化领域潜力巨大,现有提供商将迎来高速发展及拥有先发优势,并且会出现新进入者。
•区域信息化:相关政策从2013年开始持续出台,目前我国区域
卫生信息化建设水平低于30%,上升空间大,看好有能力数据融
我们选取三家在国内外具有代表性的公司:
•领健信息:专注于诊所管理系统,优势在于其专注于牙科领域,打通pc/移动端,拥有牙科/计算机专业人才;
•PracticeFusion:采取免费战略占领市场,优势在于有美国政府政策支持;
•Athenahealth:电子病历早期实践者,优势在于技术积累深厚,提供基于云端的大数据应用以及移动端的应用软件。领健信息Practice FusionAthenahealth
成立时间•2015年•2005年•1997年服务客户•诊所•医生/患者/科研机构/保险•医生/医院
公司/医药公司
业务/产品•口腔电子病历系统•电子病历系统•电子病历系统
•诊所管理软件•医疗数据产品•涉及“收入循环+保
•医生评价及预约服务平台险报账”管理
盈利模式•向诊所收费(系统•医药企业广告费•向医院收费(购买服
使用账号销售/后期•实验室/影像中心加盟费务使用权/后期升级)
维护升级费用)
最新融资•A轮,2016.01•二级市场,2014.10•已上市
•数千万人民币•250万美元•市值约51亿美元
累计融资•2轮,数千万人民币•12轮,1.575亿美元•3轮,4000万美元投资人•经纬中国•Longitude Capital•GGV Capital
•丁香园•Qualcomm Ventures•Venrock
•ARTIS Ventures
•Founders Fund
•Glynn Capital
Management
•MorgenthalerVentures
来源:CruchBase,36氪研究院
端口一:医疗服务机构
•主要包括医院、诊所、体检机构、基因测序公司等;
•拥有约90%的医疗数据,数据累积速度快;
•数据质量一般(存在孤立、不标准化、非结构化等问题),从而数据处理分析成本较高,随着区域信息化建设程度的提高、图像识别技术进步等,有望提高;
•临床数据短期内变现能力一般,一是医院数据质量一般,二是医
院不愿意开放共享数据,三是其部门应用场景的受益方购买动机不强,如医院购买临床决策系统,但随着数据质量提高和医院开
放数据态度改善,其变现潜力可期待。
端口二:研发机构
•主要包括药企、药品研发外包公司、科研机构;
•拥有月4%的医疗数据,短期内数据累积速度一般,中长期内增快(随着我国药品研发增多);
•数据质量高,数据处理分析成本较低(但可能需要医疗服务机构
数据、互联网医疗数据辅助使用);
•研发数据变现能力大,直接用于医药研发,降低药企研发投入,来源:36氪研究院但是由于研发机密性较高,数据共享可能性较小;
端口三:互联网医疗公司
•包括挂号问诊、医药电商、移动健康管理、医患社交等平台。
•拥有约6%的医疗数据,数据累积速度高速增长,未来数据比例
将大大提高;
•数据质量普遍较差(健康管理app的数据质量较高,且具有实时性和持续性),数据处理分析成本一般较高;
•短期内患者行为数据变现能力较差,一是大部分数据质量较差,来源:36氪研究院二是2C端的受益方购买动机不强,如患者购买慢病管理服务。
•本领域按产品的不同,可以分为四类。我们认为低成本和高效率
的数据处理及存储是数据管理企业的核心竞争力。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•数据整合及标准化技术:市场参与者较多,具有较多大型医院客
户、技术先进、成本较低的提供商可占领较多市场;
•远端存储服务:基本为大公司,主要原因是存储基础设施成本及
技术壁垒较高,小玩家难以介入,能实现海量数据高效调用、尽可能的低成本的存储服务公司易获得和留存客户。部分新进入者
基本选择从单一的医疗影像数据或基因数据存储切入(一是技术
难度相对小,二是此类数据体量大,市场需求多);
•数据整合平台:一级市场参与者众多,主要从影像、医药电商、
体征数据、肿瘤数据、基因、云端电子病历等数据切入。我们认为抱着特定倾向收集数据的企业可能凭借海量数据的积累建立行
业壁垒,例如2000个乳腺癌病人的基因组数据比无差别收集20
万表型不明的基因组数据价值更大。当数据整合平台积累了海量
数据,可通过数据出售、开发应用系统、咨询服务等方式变现。
•安全管理:参与者缺乏,原因是我国医疗大数据行业尚处于形成
期、其使用安全的法律也才刚出台。但随着政策的推进,大型医疗信息化厂商可凭借数据安全技术及客户资源垄断市场。
•华润万里云医疗:作为为医院提供在云端存储部分或全部医疗数据服务的代表,其产品是一个云端存储医学影像的平台,优势是拥有60年医学影像积累。
•解码DNA:通过自建平台收集医疗数据的医疗数据公司之一,其为医院和个人提供个人基因测序服务,专注于临床基因的检测,同时能够收集大量的基因数据,建立庞大的基因数据库。
华润万里云医疗解码DNA
成立时间•2009年•2011年
服务客户•医院、患者、医生•医院、个人
•医学影像大数据云平台
•影像云存储服务•临床基因检测服务
业务/产品•远程医疗影像咨询服务•基因体检服务
•第三方医学影像中心•个人健康管理基因检测服务
盈利模式•向医院收费(医学影像存储、会
诊、分析服务收费)•向医院/个人收费
最新融资•A轮,2016.03,2.25亿人民币•A轮,2016.04,数千万人民币累计融资•1轮,2.25亿人民币•2轮,数千万人民币
投资人•阿里健康•海汇投资
•中国平安(平安创新投)
来源:36氪研究院
CHAPTER3
细分领域分析之数据分析应用
•临床决策支持
•医药研发
•医疗支付
•慢病及健康管理
•公共卫生管理
•精准诊疗-临床决策支持系统:目前参与者较少。未来医疗数据
收集基础设施提供商可凭借坐拥大量电子病历开发临床决策辅助系统,发展值得期待。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•精准用药:参与者众多,进入红海竞争阶段。具有大体量基因数
据、先进的生物信息分析挖掘技术者具有核心竞争力和建立行业壁垒,易切入蓝海市场。因此,具有流量优势的基因检测平台最容易获得基因数据的积累,而生物信息分析挖掘技术则需要依靠具有生物医学和IT经验背景的复合型人才。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
大数据模型预测疾病发展能实现全靠医生经验积累达不到精度。医疗的本质是基于充分的数据积累包括患者诊疗数据、行为感官数据、最新科研成果等对患者健康数据进行处理,进而做出决策。与人的头脑相比,计算机能更快、更全面地存储和学习医疗知识信息,因此通过建立在更强大的医疗信息库上的的健康大数据模型得到的病情恶化可能性预测比纯靠医生经验的预测更精准:
•(1)结合组学知识数据库的大数据模型能对病前临界态进行预
警,发现“准病患”并及时干预。例如基于基因组学的大数据分析能捕捉到在外在表征正常但在分子级别上的表达异常,对疾病临界态预警,但是通常医生根据经验缺无法做到。这类干预对控制心脏病、癌症等慢性疑难病症疗效显著。
•(2)提高临床决策和诊疗方案制定的速度。当医生输入新病人
的特征变量,临床决策辅助系统就能通过建立在医疗大数据的诊疗模型直接输出建立在对以往相似病患大数据挖掘基础之上的关于同类患者类型、使用各种已有的处理方式的疗效以及一系列从最优到最差的诊疗建议推荐等结果。通常医生需1个月或更长时间制定个性化诊疗方案,而临床决策系统能压缩到1天至几天。从医疗大数据挖掘到形成最终临床决策支持的常规流程
医疗文档抽取健康风
数据险预测风险因素患者分群分析患者特征疗效分析数据驱动的证据临床决策支持
修复
•(1)精准选择靶向药物,为患者选择直接受益的治疗。分子靶
向治疗是特异性非常高的个体化治疗手段,并非对任何病人都有效。例如人体表皮细胞生长因子受体发生了基因突变的肺癌病人接受分子靶向治疗的有效率高达70%,若此基因没有突变,即使接受了目前国际上最先进的分子靶向治疗药物也不会有效果。
药物类型有效人群靶向药物检测基因
选择性环氧化酶-2抑制剂80%GefitinibEGFR
抗抑郁药62%I cotinibErlotinib埃克替尼厄洛替尼吉非替尼
KRAS 突变野生型
抗哮喘药60%Afatinib阿法替尼EGFR HER2 突变突变
抗心律失常药60%OsimertinibRociletinib(AZD9291)EGFR (T790M)
抗糖尿病药57%艾维替尼(HM61713)(CO-1686)
抗急性偏头痛药52%MET
Crizotinib克唑替尼MET 14 exon skipping扩增
预防偏头痛药50%ROS1ALK 融合融合
抗HCV药47%Certinib色瑞替尼(LDK-378)ALK 融合
AlectinibALK 融合抗尿失禁药40%VemurafenibBRAF 突变
抗阿兹海默症药30%Dabrafenib威罗菲尼达拉菲尼
Trastuzumab曲妥珠单抗HER2 突变
抗肿瘤药Herceptin25%Cabozantinib卡博替你RET 融合
来源:Personalized Medicine,36氪研究院•(2)帮助安全用药。由于遗传差异,有人代谢慢造成药物易蓄
积并引起中毒,有人代谢快导致药物在体内不易达到有效浓度。卫生部数据显示每年因药物不良反应造成20万人死亡、250万人住院。基于药物组学的基因检测,医生能够根据个体遗传差异进行精准用药剂量、避免药物毒害、选择疗效成本最佳药物等。
药物变异基因药物不良反应的基因组层及原因
华法林CYP2C9剂量需求低,达到稳态浓度的时间较长,治疗初期出血危险性较高
别嘌呤醇HLA-B*5801可能出现严重的皮肤反应
氨基糖苷类抗生A1555G或C1494T易引发感音神经性耳聋
氯吡格雷CYP2C19可能使药效下降,增加出血危险性
他汀类药物SLCO1B1使药物在体内过量残留
硝酸甘油ALDH2使酶活性降低,导致无法产生有效一氧化氮,从而药品无效
卡马西平HLA-B*1502可能出现严重甚至致死的皮肤反应
伊立替康UGT1A1会造成中性粒细胞降低及其它毒性反应
临床决策支持根据医疗数据种类主要分为三种:
•第一种是综合医疗数据,代表公司是雕龙数据,它为医院提供数
据集成解决方案,同时利用医院的综合数据为各种临床决策提供支持服务。
•第二种是基因数据,代表公司有国内最大的基因测序公司华大基
因,它的优势是拥有国内最大的基因数据库及生物技术人才。
•第三种是肿瘤数据,代表公司有思派网络,它利用大数据技术为
肿瘤诊断提供临床决策支持,优势是拥有资深肿瘤专家支持。雕龙数据华大基因思派网络
成立时间•2000年•1999年•2014年服务客户•医院•医院/科研机构•药企院/科研机构/医
•医疗大数据服务(如决策支持系统)
业务/产品•医疗大数据产品(如医•测序设备,BGISEQ-500
院数据集成系统)•基因数据库•肿瘤数据平台
•智能诊疗系统
•移动•基因测序分析服务
app、风湿控等)app产品(如医了
盈利模式•系统销售•测序设备销售•肿瘤数据使用费
•系统维护升级费用•数据库使用费
•基因测序分析服务费•系统销售
最新融资•新三板•未披露,拟IPO•B千万美元轮,2016.06,数累计融资•N/A•N/A•2轮,数千万美元
•腾讯
投资人•N/A•N/A•斯道资本(富达亚洲)
•中国平安投)(平安创新
来源:36氪研究院
•药企研发从临床前至上市后医疗大数据都很重要:
来源:网络公开资料,36氪研究院
•我国医药信息化市场和研发大数据分析服务提供者较少,主要原
因是我国研发药少,以仿制药为主,但随着研发需求的增多和国家促医药行业信息化政策的推进,将出现大批新进入者;注释:蓝色字体为一级市场公司,灰色字体为二级市场公司•医疗机构数据收集基础设施提供商可能拓展医药企业临床试验数
据收集、药物警戒系统业务;
•医药研发外包公司凭借其数据、生物信息分析经验等优势可能切
入大数据分析咨询服务;
•此领域,坐拥大体量医药研发数据(医药信息化厂商)、具有多
年生物信息分析经验积累的公司可夺得市场。
麦肯锡估计医疗大数据为医药研发创造400-700亿美元/年的价值:•(1)利用文献传递关联分析提升潜在药物筛选效率.。例如通过
分析挖掘包含1900万篇以上文献的MEDLINE数据库,有效判断研发项目的成功可能性。科研学术信息集成平台具有数据优势。•(2)结合基因组及蛋白组学信息可优化药物研发方案及临床实
验设计,如更有针对性地筛选潜在靶点、在临床试验前对药物疗效和副作用提前预测、更高效地寻找参与临床试验的高质量目标志愿者等。此应用场景直指基因测序公司;
•(3)基因组大数据分析可能挽回部分新药的潜力和研究靶向药
。基于因组大数据挖掘的药物研发辅助如用基因测序+全基因组关联分析(GWAS)能用于挽回正常情况下有可能因适用人数比重过低、或在部分人群中出现和基因型差异紧密关联的显著毒性而无法通过临床试验的药物,进而避免相关巨额研发费用的损失,这在药物研发费用投入不断攀升的制药业是非常重要功能。来源:网络公开资料,36氪研究院
来源:网络公开资料,36氪研究院
麦肯锡估计医疗大数据为医药研发创造400-700亿美元/年的价值:•提早预测新药入市的不良反应事件,阻止其发生。由于药品反应
、治疗重复、药品重复、副作用等导致的药物不良反应事件(ADEs)普遍发生在临床干预中,1个ADE事件导致住院患者平均治疗费用增加3244美元、住院平均时间增加2.2天。通过对多个医疗数据源如MEDLINE的科技论文、不良事件报告、药品信息源、海量HER等数据进行分析挖掘,在新药进入市场前提早识别因临床样本局限在临床试验中未能发现ADEs,约29.4%的事实ADEs和89.7%的PADEs能被阻止,约占所有住院患者数的
3.7%。此类应用可细分为两种形式的服务:一是药物警戒相关临床试验系统,二是纯大数据分析服务。
•提高新药通过审批和纳入医保范畴可能性。比如,药企开发的新
药A比治同病的原有药B单疗程更贵、但全生命周期综合成本更低,当没有卫生经济学大数据评估之时,药企经常不易说服医保部门将新药A纳入医保和让CFDA通过新药A,而临床研发的卫生经济学大数据分析却能为新药通过审批和纳入医保提供必需、确凿的证据。此外,大数据可以用于药物经济学或卫生经济学分析,以治疗结果及其相应社会及经济效益作为定价基础,从而帮助监管部门及医疗支付方科学制定新药上市及报销政策。看好多年药物警戒系统经验累积的医药信息化厂商,因为对政策、审批流程更熟悉。
•助力基础科学研究的发展。多个药企已经开始和研究机构合作,
进行各种组学、电子病历等多累生物大数据的搜集、整合、分析,力图推进基础研究的进展,带动下游企业研发步入新的高度。
医药研发主要是帮助医药企业收集/分析实验数据,已有的企业包括国外成立较早的Mididata和国内新成立的太美医疗:
•太美医疗,被称为国内的Mididata,基于云计算和大数据技术,
帮助医药企业/科研机构收集/分析医疗实验数据;
•Mididata已于2009年上市,其产品基于云端的SaaS服务,用户
可以定制适合自己的服务,对临床试验进行云端管理和追踪,对试验进行大规模监控,降低研发成本。。Mididata太美医疗
成立时间•1999年•2013年
服务客户•药企/科研机构•药企/科研机构
•EDC电子数据采集系统
业务/产品•临床试验管理SaaS服务•CTMS临床试验项目管理系统
•临床研发战略咨询服务•IWRS交互式应答随机系统
•专业服务和培训认证•PV药物安全警戒系统
•数据处理分析服务
盈利模式•向制药企业、研机构收费(云服务使用费CRO公司、科•向制药企业、CRO公司收费(系统购买/
咨询服务费)/维护费用/数据处理分析服务费)
最新融资•已上市,市值约27亿美元•B轮2016.06 数千万人民币累计融资•N/A•3轮,数千万人民币
投资人•N/A•苏州凯风创投(天使轮)
•经纬中国(A轮)
•北极光创投(B轮)
来源:36氪研究院
•目前此领域参与者较少,但随着国家医保控费动机增强以及医药
分家政策的推进,将涌现大批新进入者。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36
氪研究院•我国医疗处方主要集中在医院,因此医疗大数据在医疗支付方向
的应用直指信息化智能管控提供商。由于医疗体系的差异,与美国PBM业务相比,我国医保控费信息化公司的盈利模式和产业链地位相对受限。医保支付方在产业链中仍有较高的主导权,因此与社保合作紧密的信息化智能管控提供商有一定的卡位优势;•布局较早且客户资源丰富的医疗信息化厂商也可以通过与不同的
社保信息化厂商合作来实现价值突破;
•由于医保是医疗信息化的主要受益者,也是投入资金动力最强的
相关方以及最终埋单者,医保的主要归属将对信息化市场的格局有决定性影响。考虑到我国近年来在医疗体系领域的不断改革如医药分离的趋势可能为商保的发展开辟出新的空间,医药电商、大型连锁药店可获得大量处方和支付数据,容易切入药品福利监管服务。
•PBM业务潜力巨大:CVSCaremark是美国最大的PBM业务提
供商,其股价在过去27年来翻了近20倍,大幅超过同期标普500,现在市值约为1020亿美元。海虹控股是我国PBM相关的概念股,自2014年开始转型做PBM业务,其股价一路飙升,从18元/股上涨超过80元/股,目前股价约为42元/股。
医疗大数据分析实现医疗保险精细化管理:
•(1)平衡医疗效用和支出,实现医疗服务的经济性。通过在临
床决策系统中添加治疗方案的成本数据,临床路径模拟模型就能同时评估和比较不同治疗方案的经济性,给出以效用和成本组合最优的治疗方案顺序。例如A治疗方案单一疗程费用比B、C贵,但在全疗程治疗周期视角下A方案更经济,临床决策系统的经济性评估结果即优先使用A。此应用场景的投资方向指向“具备经济性评估能力的”临床决策支持系统提供商。
•(2)识别医保欺诈和滥用。反医保欺诈和滥用是医保理赔运营
管理的关键环节,也是世界各国普遍存在的严重医疗问题。美国联邦医疗保险欺诈损失额超600亿美元/年,并且美政府称起诉1美元的医疗诈保花费可赢回8美元。医保欺诈通常案例不多但涉及金额大、医保滥用单笔金额不高但数量大,都很难根据经验判断,因此成为医疗大数据数据挖掘的重要应用领域。通过对以往理赔数据、特定病种群体的临床路径数据、用药数据等挖掘学习,建立欺诈风险识别模型,再对处方、理赔申请进行分析,揪出过度医药和欺诈案例。常见的理赔费用风险问题包括药品剂量超标、用药与医疗服务不匹配、由保障方案诱导的非必要医疗等。坐拥大量处方的公司可拓展PBM服务,具有专业分析技术和引擎的公司可开发具有识别医保欺诈和滥用功能的系统或咨询服务。
医疗大数据的挖掘可助力商保公司:
•(1)开发补充性、重大疾病等保险产品。目前我国商业医疗保
2014年8月我国人身险以个人储蓄理财型为主,少部分是消费理赔型(真正意义上的险保费规模构成医疗保险),并且消费理赔型产品同质化竞争严重,不能对客户
需求及医疗风险的准确把握。主要原因是缺乏对疾病治疗费用数
据的深度分析、参保群体医疗费用风险的科学评估,在保障设计
及精算定价方面无据可依,从而限制了产品的开发。尽管存在政府医保支付额度不能覆盖治疗肿瘤疾病的全部费用、报销目录通来源:保监会,36氪研究院常不收录疗效好但价格贵的靶向药等市场空缺,但商保公司因不
了解肿瘤治疗的实际费用,从而对产品设计与定价无从下手。分析挖掘肿瘤类疾病理赔数据如不同乳腺癌的治疗方案、患者费用分布、地理分布、年龄分布等可有力支持真正理赔型大病保障设计及相关精算定价。
•(2)结合基于医疗数据的健康及慢病管理可降低赔付成本。目
前国内100+家商保公司中只有4家公司专业经营健康险。由于赔付率过高,加上代理费和管理费等经营成本,多数健康险亏损。而基于患者健康数据、付费数据及疾病概率监测分析,保险公司可针对用户进行健康及疾病管理,做到“治未病”和“大病早治”等,避免医疗消费升级,从而有效降低理赔成本。保险公司与健康管理公司的合作运营是保险与医疗真正的融合。
医疗支付根据医疗数据使用目的主要分为两种:
•第一种是控制医药费用,代表公司有国内的快马医疗,它通过审
核处方、处理药品赔付申请、协助制定药品目录等方式,在不损害医疗质量的前提下,降低医疗成本,提升医保资金使用效率。•第二种是用于商业保险,代表公司有美国个人健康保险公司
Oscar,它过互联网技术、远程医疗和透明度积极敦促顾客的健康管理,并积极参介入医疗护理过程,降低保费支出。
快马医疗Oscar
成立时间•2014年•2013年
服务客户•医疗机构/医药企业•个人
业务/产品•合理用药软件•个人健康保险
•临床药学管理系统•免费远程医疗服务
盈利模式•(软件使用费、系统购买)向医疗机构、医药企业收费•(互联网医疗保险保费)向个人收费
最新融资•Pre-A,2015.11,数千万人民币•私募,2016.02,4亿美元累计融资•2轮,数千万人民币•6轮,7.275亿美元投资人•经纬中国
•真顺基金•Fidelity Investments
来源:36氪研究院
健康及慢病管理根据医疗大数据类别主要分为两种:
•(1)基于基因数据的健康预防,目前市场参与者较多,且以一
级市场公司为主。具有精准健康管理模型的公司具有核心竞争力,并且此类公司后来将具有数据积累优势,变现模式增多。
来源:
注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•(2)基于患者行为感官数据和慢病数据库的慢病管理,此领域
参与者众多,竞争激烈,具有大体量活跃用户者后期将具有患者数据优势。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
麦肯锡预测在此领域可产生700亿-1000亿美元/年的价值:
实时患者数据:个性化
运动饮食、体高危预防方疾病发
重、用药等智能应用个体
+案生率降低医疗成本降低
数据库:人口统教练医师
计数据库、慢病人朋友++亲依从者生活质+患数据库等性差个性化提醒方依从性量提高
个体案提高
来源:36氪研究院
•帮助精准预防疾病,实现“治未病”。例如:(1)通过智能硬
件和软件实时收集用户行为感官数据,智能应用和医师可将用户数据如运动数据与人口统计数据库进行比对分析,从而识别筛选出高危群体;(2)通过基因检测分析预测出个体高发疾病种类。最后针对高危人群、个体易发疾病进行健康教育或提供防止疾病的协助,例如制定个人运动提醒,实现“未病”先治、轻治。•帮助精准管理慢性疾病,提高治疗依从性。美国每年由病人因各
种原因不按照医嘱接受治疗导致再入院、急诊及并发症等的治疗支出达1000-2890亿美元,而健康大数据可改善此局面,例如:
(1)通过慢病健康管理应用的社交功能,患者数据可分享至亲人朋友,他人鼓励提高依从性;(2)由患者分享数据或智能硬件(如智能药丸分配器)自动聚集的数据可用来提醒患者按时治疗。患者治疗依从性的提高可将疾病危害降到最低程度,防治医疗消费升级。我国慢性人群基数庞大,如心脏病、糖尿病、高血压等,以糖尿病为例,若每年能防止5%的无并发症患者出现并发症就可节省约860亿元的支出。
来源:中华医学会糖尿病学分会,36氪研究院
慢病及健康管理根据医疗数据类别主要分为两种:
•基于基因数据的健康预防类:代表公司23andme,其通过个人
DNA鉴定和基因测序/分析服务,建立了庞大DNA数据库。
•基于患者数据和慢病数据库的慢病管理:代表公司糖医生,其通
过智能硬件获取患者的健康数据,然后对患者做出健康建议和提醒。糖医生目前已成为糖尿病管理行业内拥有最大体量用户的患者数据收集平台。
糖医生23andme
成立时间•2014年•2006年
服务客户•糖尿病患者/医疗机构/保险公司•个人
业务/产品•糖尿病管理app
•健康管理咨询服务•个人基因检测服务
•app商城•基因数据包
盈利模式•app商城商品(如药品)销售•向个人收费(基因检测服务费)
•向药企收费(基因数据使用费
最新融资•天使轮,2015.05,1000万人民币•E轮,2015.07,1.15亿美元累计融资•1轮,1000万人民币•6轮,2.25亿美元
•CasdinCapital
•Fidelity Management & Research
•Johnson & Johnson Development Corporation
投资人•南京万川凯源•GV
•New Enterprise Associates
•Illumina
•MPM Capital
•Sergey Brin
•Etc.
来源:36氪研究院
•
•
来源:36氪研究院更早地对公共疾病进行预警:传统的公共卫生管理要求医生在发现新型流感病例时告知疾病控制与预防中心,但是通常是人们发病多日后才就诊,由于流行疾病的传播性远快于后置传递信息,从就诊到医院发出诊断预警信息约有1-2周的滞后周期,从而导致错过了流行病的最佳预警时期。实际上这一时期中互联网搜索、社交、LBS等数据,结合疾病、环境数据,采用机械学习(machinelearning)和群智(crowdsourcing)等技术,开展监测、传播动力学研究和风险评估,即可对:(1)对公共流行疾病提前预警;(2)实时评估不同地域病情,制定有针对性的响应计划和配以合理资源进行及时防控。互联网搜索、社交巨头凭借搜索和社交数据优势及技术挖掘优势卡位医疗大数据在公共卫生管理的应用。例如Google在2009年通过对5000万条美国人最频繁检索的词汇分析与美国疾病中心在2003年-2008年间季节性流感传播时期的数据进行比对分析,建立得出的模型成功预测了2009年冬季流感的传播,其研究结果发布在2009年的Nature杂志上。Twitter根据各地人微博文风成功预测当地心脏病风险。我国百度通过医疗检索数据也建立了流感预测模型,辅助公共卫生管理部门预测流感在各流行区域间传播时空路线和规律,为靶向疫苗研制和使用提供建议。来源:网络公开资料,36氪研究院
CHAPTER4
价值因素分析
市场(1)政策决定行业天花板打开进程
(2)信息化程度决定数据积累体量和质量
(3)大数据挖掘手段和生物信息学发展决定数据应用的程度
趋势(1)数据收集基础设施提供商转型数据运营
(2)多个端口的孤立数据被标准化、整合和共享是必然趋势
变现模型(1)粗加工后的大体量数据出售
(2)开发基于医疗大数据的应用
(3)基于数据分析的应用咨询服务
(4)免费服务换取流量后依靠流量盈利
行业壁垒(1)医疗数据积累量及其质量
(2)医疗大数据和生物信息的分析挖掘技术
优质的产业链切(1)数据整合平台
入点(2)临床决策支持系统
(3)医药研发辅助
同一切入点的企(1)背靠大树的企业,具有资金、客户资源等
业相对优势(2)数据优势明显
(3)细分领域技术和经验累积深厚
需关注的四类企(1)医疗数据收集基础设施提供商
业(2)医疗数据垂直整合平台
(3)生物信息云服务企业
(4)生物信息学分析企业
可能存在的风险(1)政策推进缓慢
(2)数据安全隐患
来源:36氪研究院
数据管理整合/标准化技术:人仁医、LinkDoc零氪科技、元合科技、泽信软件、盈谷网络、芯联达、桃谷科技、太美医疗、中迈数字医疗、雕龙数据、卫宁软件、万达信息、复高信息、米健信息、医惠科技远端存储平台:华润万里云医疗、新屿科技、91360智慧病理网、思派网络、其明生物等
存储服务:华润万里云医疗、金山云、百度云、腾讯云、阿里云、IBM、亚马逊等
安全管理:IBM
数据采集端口传统医疗服务机构:燃石医学、协和医院、华大基因、朗玛信息等研发机构:贝达药业、信达生物、润东医药、恒瑞医药、药明康德等互联网医疗机构:医云健康、23魔方、糖医生、掌上糖医、咕咚等传统医疗解决方案:领健信息、天方达、健麾信息、安泰创新、上海臻鼎、安华亿能、海纳医信、安盟生技、太美医疗、善康科技、联达动力宁远科技创业软件卫宁软件万达信息联达动力米健信息医惠科技
互联网医疗解决方案:小鹿医生、京颐科技、海鹚网络、芯联达、卓健科技、桃谷科技、云中医、众意好医师、特扬网络、博识医疗云、希禾科技、嗵嗵e研、脉极客医疗、倍泰健康、医惠科技
来源:36氪研究院
数据采集基础设施
全景数据浪潮,智能医疗曙光
医疗大数据行业研究报告
目录Contents
宏观环境分析
•医疗行业需求…………………………………………….......3•医疗大数据行业需求………………………….………...….7
•技术因素…………………………………………………...…..9
•政策…………………………………………………………....10
•资本流向……..……………………………………………....11产业结构分析
•医疗大数据分类…………..…………………………….....13
•医疗大数据特性…………..…………………………….....14
•应用场景………......………..…………………………….....15
•市场规模…………..…………………...………...……….....16
•产业链及一二级市场企业图谱…………….……….....17细分领域分析
•数据采集基础设施、数据采集端口、数据管理....18
•数据分析应用………………………..………….…………..25
临床决策支持……………………………………………….……..26
医药研发…………..…………………………………….……….....30
医疗支付…………..………………………………………….….....34
慢病及健康管理….……………..……………………………......38公共卫生管理…………..……..…………………………….….....41
价值因素分析
•总结........................………………………………………....43
CHAPTER1
宏观环境分析
•医疗行业需求
•医疗大数据行业需求
•技术因素
•政策
•资本流向
•近年来我国医疗需求攀升:一是,我国老龄人口持续增加。近20
年我国人口总量持续增长,特别是疾病高发的老年群体,带来更多的医疗需求;二是,我国慢病人群庞大。根据国家卫生计生委疾控局2014年数据,我国现有确诊慢病患者近3亿人,并且发病率以每年8.7%的速率上升。慢性病具有病程长、流行广、费用贵、致残致死率高等特点,其带来的医疗需求远多于其他病种,目前慢病负担已占总疾病负担的70%。
•医疗需求攀升引发看病难、医疗服务质量差等一系列问题,需更
高效地提供医疗服务来应对。医疗大数据可提升医疗服务效率,例如基于医疗大数据的临床智能决策系统可提高医生诊疗速度和准确度、移动慢病及健康管理可降低慢病发病率和提升病人依从性从而提高疗效。
我国65岁以上人口数量(亿人)我国居民慢病患病率(‰)1.57001.03500.50
[***********][***********][***********][***********]22222222
[***********]13
[***********][***********][***********][***********]2222来源:中国卫生统计年鉴,36氪研究院政府卫生支出社会卫生支出个人现金卫生支出
•根据美国医学研究所(InstituteofMedicine)调查报告,美国
医疗系统因不必要的诊治、繁杂文件、欺诈和其它等原因造成每年7500亿美元的医疗资源浪费,约医疗支出的30%。
来源:美国医学研究所(Institute of Medicine),36氪研究院
•我国由过度医疗、过度耗材、医疗资源分配不合理等原因造成的
资源浪费也很严重,常见现象例如大处方,偏好昂贵药品、检查项目、治疗手段,不必要的重复检查,医生、药品、器械使用率低下等。根据北京市药监局西城分局对辖区内五个街道的过期药品回收状况的调查显示,91.8%的家庭有过期药品,70.1%的家庭储存过期药超过半年,主要原因是包装剂量大和大处方。
来源:36氪研究院
•医疗大数据可减少医疗资源浪费,提高其利用率。例如基于医疗
大数据的药品监管系统可减少药品浪费、临床决策支持系统减少无效诊疗、医保控费系统减少医保欺诈等。
•医保支付体系压力大且将加剧,急需有效控费:(1)国家推行
医保全民覆盖,保险基金收入增长比在多数年份超过支出增长比;(2)我国人均卫生投入远低于世界平均水平,继续加大投入是必然趋势;(3)个人现金支出占整个医疗卫生支出比例持续下降。社会政府支付压力持续加剧,急需精准有效控费和商业保险补充支持。
我国城镇基本医疗保我国医保基金收入与我国人均医疗卫生费用险参保人数(亿人)支出增长比变化占比人均GDP(%)7.040%34%2030%29%25%
5.023%20%1510%10
17%5
3.00%0
[***********]132014国国国大国利本国
医疗保险基金收入增长比美法德拿英大加意日中
来源:卫计委,36氪研究院
•商业保险发展乏力,需利用医疗大数据提高精算能力:(1)健
康险规模小且人口覆盖率低;(2)现有商业医疗保险以理财型为主,消费型健康险收入仅占人身险总收入的12%;(3)我国商保赔付占国家医疗卫生总支出比例尚小,约2%,而发达国家在10%左右。我国100多家开展商保业务的公司,但是仅有4家专业经营消费型健康险,主要原因是商保公司难以获得一些重大疾病的发生率、诊疗支出等数据,导致产品开发进度缓慢和多数险种盈利低甚至亏损。而医疗大数据可帮助商保公司提高保险精算能力和通过健康管理降低赔付成本。
100%50%0%
来源:OECD,36氪研究院
我国医疗数据地域、行业分割严重,亟待融合:
•地域上的众多信息孤岛。一方面,各地医疗机构的信息系统由多
个信息化厂商提供,缺乏统一的建设标准指导导致接口各异;另一方面,医院部门间、医院间数据不开放,以邻为壑、共享难。例如我国95%医院的电子病历还未全院流通,仅20%的电子健康档案与电子病历互通。
•医疗子行业间数据割裂严重。医疗服务机构数据(如电子病历、
影像、放射、基因等)、药店数据、医药研发数据、商业保险数据等系统接口未打通,不能形成数据闭环。
•完整的数据是应用的基础,随着医疗信息化建设的持续投入,数据融合是发展的趋势,同时也将带来信息化厂商转型及合并。
我国医疗卫生信息化建设投入情况
400
32.0%
30024.0%
20016.0%
1008.0%
00.0%[***********]12E2013E2014E2015E2016E2017E医疗行业IT投入(亿元)同比增长率
来源:IDC,36氪研究院我国健康大数据急需融合
来源:CHIMA,36氪研究院
•医疗行业是数据密集型行业。IDCDigital预测截至2020年医疗
数据量将达40万亿GB,是2010年的30倍。同时数据生成和共享的速度迅速增加,导致数据加速积累。
人类产生复制的医疗数据总量数据生成和共享速度迅速增长
预测(万亿GB)40.0(10亿GB/月)
4015030100
201050
00
[***********]15E2020E20122013E2014E2015E2016E2017E来源:IDC Digital,36氪研究院来源:Cisco,36氪研究院
大数据对传统数据处理、管理、分析等提出更高要求
来源:网络公开资料,36氪研究院
•可穿戴智能设备的普及实现大规模、实时、持续收集患者数据。我国可穿戴设备出货量变化情况4000300%200%2000100%00%[**************]4E2015E
出货量(万台)增长率(%)来源:速途网,36氪研究院•生物检测技术的进步促使生物数据大爆发。如二代测序(高通量
)技术不仅使测序成本降至1000美金(一代测序成本是30亿美金/个基因组),而且二代测序的通量远高于一代测序,自此大范围的基因组测序加速生物组数据的积累,逐步为临床操作和基础研发带来价值。基因数据价值高、存在无限被挖掘的可能性。
2009-2015年全球二代测序仪累计销量(台)全基因组测序成本(美元)[1**********]00
1000000
250010000
0100
[1**********]234
[***********]1320142015E[***********][***********]222222来源:Bloomberg,36氪研究院来源:NCI,36氪研究院
•IT技术进步使医疗大数据应用成为可能:数据融合、数据挖掘、
图像处理识别、机器学习、自然语言处理、数据可视化、人工智能等技术取得进步。例如数据融合可将多个医疗子行业的数据整合分析以产生新的更加精确、连续、有价值的信息。
数据存储和处理能力提高且成本下降网速增快(网速(kb/秒))2000.40100000
1500.3010000
1000.201000
100
500.1010
00.001
[***********][**************].1晶体管尺寸(纳米)晶体管价格(0.000001*美元)来源:IBM,36氪研究院
•2009-2015年国家出台了大量关于医疗信息化建设总体要求类的
政策,2011-2012年出台了大量促进医疗机构如医院、医药厂商等信息化的政策,2013年开始出台区域信息化建设的政策,目前我国区域信息化建设尚未成规模,并且2015年前缺少关于大数据应用的相关立法来保证共享和防止滥用,导致我国数据源开放和共享化程度处于较低水平。
•2015年《促进大数据发展行动纲要》明确了关于数据使用的总
体要求。2016年6月底国务院出台《关于促进和规范健康医疗大数据应用发展的指导意见》,将医疗大数据正式纳入国家发展,其对医疗大数据融合及共享开放建设,在医疗、医药、公共卫生、医保等方面的应用,以及使用安全保障等方面进行全面规范。数据应用政策的释放和推进将促使医疗大数据产业加速形成,从数据收集、融合、清洗处理到应用环节,短期内数据融合相关公司将高速发展,随后数据应用相关公司将迎来爆发式增长。
•在2014年6月至2016年5月底,医疗行业发生投资并购事件共计
373笔,其中医疗数据投资并购事件为24笔,HIS投资并购事件
为18笔,医疗数据相关的投融资事件共计42笔,此领域较受资
本青睐。
我国医疗行业各细分领域的投资并购数量
100500
诊防术备商据SIH具疗区康医体团复M形老问预技设电数工治社健中媒集康B整养
号康疗件药疗生病生理疗生外P容
挂健医硬医医医慢医心医医院美
来源:IT桔子,36氪研究院•医疗数据领域(医疗数据和HIS)的资本涌入从2014年底开始,
在2015年继续增加,2016年对医疗数据企业的投资达到新的高
峰。资本大规模涌入将进一步加速医疗大数据产业的发展。
资本流入医疗数据相关领域的时
间分布情况
16128
40
[1**********]6
医疗数据投融资事件笔数HIS投融资事件笔数
来源:IT桔子,36氪研究院
•医疗大数据公司融资额度较大,多在千万级别和亿级。
医疗大数据公司融资额分布情况
医疗大数据公司融资额分布情况
3020
100
百万级千万级亿级十亿级未透露
天使轮A轮B轮C轮新三板被收购
CHAPTER2
产业结构分析
•医疗大数据分类
•医疗大数据特性
•应用场景
•市场规模
•产业链及一二级市场企业图谱
医疗大数据可以分为以下四大类:
•诊疗数据:来自患者在医院诊所就医过程中产生的数据,主要的
采集端口是医疗机构,如医院。其包括电子病历、传统检测项目
结果(生化、免疫、PCR等)、新兴检测项目结果(基因测序
等)、医生用药选择、诊疗路径记录等。增长快速,特别是新兴
检测数据,如基因检测数据。
•研发数据:主要来自器械医药研发企业、研发外包公司、科研机
构等研发过程中产生的数据,主要的数据来源如:(1)医药研
发过程如医院临床试验;(2)科研机构最新科研进展。
•患者数据:患者自身的、在院外的行为和感官产生的数据,主要
采集终端是可穿戴设备和各类网上轻医疗平台,包括(1)通过
可穿戴设备收集的体征类的健康管理数据;(2)网络行为数据
,例如挂号问诊、网络购药、健康管理、医患病友交流等。
•支付&医保数据:一切与付费方相关的审核/报销记录,主要包括患者支付记录、报销记录、医药流通记录等。
来源:36氪研究院
+医疗性”规模巨大的诊疗数据、患者行为感官数据、研发数据和支付医保数据等汇聚形成的医疗大数据,不仅呈现出其作为大数据的“4V”的特性,也表现出医疗领域特有性质:
临床决策
支持
慢病和健康管理医疗健康
大数据保险开发
医疗器械
研发医疗管理
来源:36氪研究院
•临床决策支持:临床决策支持系统、基因检测等能够帮助医生提
高医疗服务质量,如:(1)病情早发现并干预;(2)实现精准
医疗,对人下药而非对症。
•健康及慢病管理:基于慢病及健康数据库结合远程智能监护系统
和可穿戴设备、智能手机等终端,可帮助个人健康管理,包括:
(1)实时跟踪用户身体状况;(2)根据监测数据为用户实施个
性化的健康管理方案;(3)基于数据的健康管理能降低重病发
病率,减少医疗支出。
•医疗支付:医疗大数据可减少现有支付体系压力,如:(1)精
准诊疗可降低由病因不确定导致的资源浪费;(2)优化并制定
多元化的医疗支付手段如DRGs;(3)基于患者付费及疾病概率
数据,结合健康病管理降低保险公司赔付成本;(4)基于疾病
概率、医疗支出等数据帮助保险公司开发新产品和提高盈利率;
(5)通过药品流通数据优化医药流通环节,降低医药成本。
•医药研发:(1)基于疾病、用药等建立数据建模,预测药品研
发过程中的安全性、有效性、副作用等;(2)通过智能分析系
统,减少人力、时间、物力等投入,降低药品研发成本。
•医疗管理:(1)公共卫生管理:通过多家医院的数据,建立和
完善区域及跨区域的疾病防控、妇幼健康、综合监督、食品安全
、血液管理、健康教育、分级诊疗等体系,实现医疗资源合理配
置;(2)通过数据整合分析、智能应用等帮助医院运营管理。
•医疗大数据产业的发展由价值医疗医疗驱动(即医疗服务质量与
医疗成本的双赢),其潜在价值空间巨大,且产生于具体的应用
场景。医疗大数据的服务对象可为居民、医疗服务机构、科研机
构、医疗保险管理机构和商保公司、公共健康管理部门等。
•麦肯锡在2013年报告中预测仅在美国,医疗大数据的应用有望
减少3000亿-4500亿美元/年的医疗费用。我国存在人口基数巨
大、医疗资源浪费严重、医疗资源紧缺和配置不合理、医疗支出
增长过快、商保发展乏力等问题,医疗大数据的可应用场景丰富且能深度挖掘,因此我国医疗大数据的市场规模至少在千亿级。
来源:麦肯锡,36氪研究院
产业链及一二级市场公司图谱:看好
来源:36氪研究院注释:(1)信息截止2016年6月30日,排名不分先后
CHAPTER3
细分领域分析之数据采集基础设施、数据采集端口、数据管理
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•传统医疗解决方案提供者,主要为传统医疗机构提供信息化服务
多数厂商来自二级市场和新三板,由于医疗机构地域性较
强的市场特性,各供应商的市场份额不大且相对稳定;
由于数据标准向统一标准的方向发展、医院客户对信息化
厂商一站式服务能力要求的提升,将驱动行业整合。
我国医疗信息化行业集中度低&未来并购趋势明显
来源:全国医疗信息化联盟,36氪研究院
•移动医疗解决方案的提供厂商,主要向互联网医疗公司和小型医
疗机构服务:
以一级市场公司为主,部分二级市场公司有开展此业务;
看好有能力提供区域信息•由政策带来的医疗信息化需求增长促使供给方快速发展。国家部
门自2009年开始已出台多个加快医疗行业信息化建设的政策,释放了传统医疗机构的信息化建设需求;同时,国家战略牵头“互联网+”带来移动医疗信息化解决方案的新需求。
•医院信息化:关于促进医院信息化建设政策已在2012-2014年间
大量出台,根据CHIMA2014-2015年数据:(1)我国医院管理信息系统建设水平在70%-80%之间,上升空间仍有但不大;(2)医院临床信息系统建设水平处于40-80%,建设程度较低的领域上升空间大,如远程医疗、手术麻醉、感染/传染监控系统、临床决策系统等;(3)医疗诊所信息化程度低,长尾市场可挖掘,利好移动医疗解决方案提供商。
2014-2015中国医院管理信息系统实施情况2014-2015中国医院临床信息系统实施情况门急诊划价收费系统电子病历系统
住院药房管理系统实验室信息系统
药库管理系统放射科信息系统
门急诊药房管理系统超声影像信息系统
门急诊挂号系统临床知识库系统
病案管理系统PACS系统
临床路径系统
物资材料管理系统体检中心管理系统
会计账目系统临床决策支持系统
固定资产管理系统感染/传染监控系统
医疗统计系统远程医疗信息系统
护理信息系统区域卫生信息系统
0%50%100%0%50%100%
已实施准备建无已实施准备建无
来源:CHIMA官网,36氪研究院
•医药信息化:我国医药信息化建设程度较低且供给者较少,但发
达国家医药信息化程度超过80%,因此,随着我国药品研发的增多以及政策继续加码,医药信息化领域潜力巨大,现有提供商将迎来高速发展及拥有先发优势,并且会出现新进入者。
•区域信息化:相关政策从2013年开始持续出台,目前我国区域
卫生信息化建设水平低于30%,上升空间大,看好有能力数据融
我们选取三家在国内外具有代表性的公司:
•领健信息:专注于诊所管理系统,优势在于其专注于牙科领域,打通pc/移动端,拥有牙科/计算机专业人才;
•PracticeFusion:采取免费战略占领市场,优势在于有美国政府政策支持;
•Athenahealth:电子病历早期实践者,优势在于技术积累深厚,提供基于云端的大数据应用以及移动端的应用软件。领健信息Practice FusionAthenahealth
成立时间•2015年•2005年•1997年服务客户•诊所•医生/患者/科研机构/保险•医生/医院
公司/医药公司
业务/产品•口腔电子病历系统•电子病历系统•电子病历系统
•诊所管理软件•医疗数据产品•涉及“收入循环+保
•医生评价及预约服务平台险报账”管理
盈利模式•向诊所收费(系统•医药企业广告费•向医院收费(购买服
使用账号销售/后期•实验室/影像中心加盟费务使用权/后期升级)
维护升级费用)
最新融资•A轮,2016.01•二级市场,2014.10•已上市
•数千万人民币•250万美元•市值约51亿美元
累计融资•2轮,数千万人民币•12轮,1.575亿美元•3轮,4000万美元投资人•经纬中国•Longitude Capital•GGV Capital
•丁香园•Qualcomm Ventures•Venrock
•ARTIS Ventures
•Founders Fund
•Glynn Capital
Management
•MorgenthalerVentures
来源:CruchBase,36氪研究院
端口一:医疗服务机构
•主要包括医院、诊所、体检机构、基因测序公司等;
•拥有约90%的医疗数据,数据累积速度快;
•数据质量一般(存在孤立、不标准化、非结构化等问题),从而数据处理分析成本较高,随着区域信息化建设程度的提高、图像识别技术进步等,有望提高;
•临床数据短期内变现能力一般,一是医院数据质量一般,二是医
院不愿意开放共享数据,三是其部门应用场景的受益方购买动机不强,如医院购买临床决策系统,但随着数据质量提高和医院开
放数据态度改善,其变现潜力可期待。
端口二:研发机构
•主要包括药企、药品研发外包公司、科研机构;
•拥有月4%的医疗数据,短期内数据累积速度一般,中长期内增快(随着我国药品研发增多);
•数据质量高,数据处理分析成本较低(但可能需要医疗服务机构
数据、互联网医疗数据辅助使用);
•研发数据变现能力大,直接用于医药研发,降低药企研发投入,来源:36氪研究院但是由于研发机密性较高,数据共享可能性较小;
端口三:互联网医疗公司
•包括挂号问诊、医药电商、移动健康管理、医患社交等平台。
•拥有约6%的医疗数据,数据累积速度高速增长,未来数据比例
将大大提高;
•数据质量普遍较差(健康管理app的数据质量较高,且具有实时性和持续性),数据处理分析成本一般较高;
•短期内患者行为数据变现能力较差,一是大部分数据质量较差,来源:36氪研究院二是2C端的受益方购买动机不强,如患者购买慢病管理服务。
•本领域按产品的不同,可以分为四类。我们认为低成本和高效率
的数据处理及存储是数据管理企业的核心竞争力。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•数据整合及标准化技术:市场参与者较多,具有较多大型医院客
户、技术先进、成本较低的提供商可占领较多市场;
•远端存储服务:基本为大公司,主要原因是存储基础设施成本及
技术壁垒较高,小玩家难以介入,能实现海量数据高效调用、尽可能的低成本的存储服务公司易获得和留存客户。部分新进入者
基本选择从单一的医疗影像数据或基因数据存储切入(一是技术
难度相对小,二是此类数据体量大,市场需求多);
•数据整合平台:一级市场参与者众多,主要从影像、医药电商、
体征数据、肿瘤数据、基因、云端电子病历等数据切入。我们认为抱着特定倾向收集数据的企业可能凭借海量数据的积累建立行
业壁垒,例如2000个乳腺癌病人的基因组数据比无差别收集20
万表型不明的基因组数据价值更大。当数据整合平台积累了海量
数据,可通过数据出售、开发应用系统、咨询服务等方式变现。
•安全管理:参与者缺乏,原因是我国医疗大数据行业尚处于形成
期、其使用安全的法律也才刚出台。但随着政策的推进,大型医疗信息化厂商可凭借数据安全技术及客户资源垄断市场。
•华润万里云医疗:作为为医院提供在云端存储部分或全部医疗数据服务的代表,其产品是一个云端存储医学影像的平台,优势是拥有60年医学影像积累。
•解码DNA:通过自建平台收集医疗数据的医疗数据公司之一,其为医院和个人提供个人基因测序服务,专注于临床基因的检测,同时能够收集大量的基因数据,建立庞大的基因数据库。
华润万里云医疗解码DNA
成立时间•2009年•2011年
服务客户•医院、患者、医生•医院、个人
•医学影像大数据云平台
•影像云存储服务•临床基因检测服务
业务/产品•远程医疗影像咨询服务•基因体检服务
•第三方医学影像中心•个人健康管理基因检测服务
盈利模式•向医院收费(医学影像存储、会
诊、分析服务收费)•向医院/个人收费
最新融资•A轮,2016.03,2.25亿人民币•A轮,2016.04,数千万人民币累计融资•1轮,2.25亿人民币•2轮,数千万人民币
投资人•阿里健康•海汇投资
•中国平安(平安创新投)
来源:36氪研究院
CHAPTER3
细分领域分析之数据分析应用
•临床决策支持
•医药研发
•医疗支付
•慢病及健康管理
•公共卫生管理
•精准诊疗-临床决策支持系统:目前参与者较少。未来医疗数据
收集基础设施提供商可凭借坐拥大量电子病历开发临床决策辅助系统,发展值得期待。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•精准用药:参与者众多,进入红海竞争阶段。具有大体量基因数
据、先进的生物信息分析挖掘技术者具有核心竞争力和建立行业壁垒,易切入蓝海市场。因此,具有流量优势的基因检测平台最容易获得基因数据的积累,而生物信息分析挖掘技术则需要依靠具有生物医学和IT经验背景的复合型人才。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
大数据模型预测疾病发展能实现全靠医生经验积累达不到精度。医疗的本质是基于充分的数据积累包括患者诊疗数据、行为感官数据、最新科研成果等对患者健康数据进行处理,进而做出决策。与人的头脑相比,计算机能更快、更全面地存储和学习医疗知识信息,因此通过建立在更强大的医疗信息库上的的健康大数据模型得到的病情恶化可能性预测比纯靠医生经验的预测更精准:
•(1)结合组学知识数据库的大数据模型能对病前临界态进行预
警,发现“准病患”并及时干预。例如基于基因组学的大数据分析能捕捉到在外在表征正常但在分子级别上的表达异常,对疾病临界态预警,但是通常医生根据经验缺无法做到。这类干预对控制心脏病、癌症等慢性疑难病症疗效显著。
•(2)提高临床决策和诊疗方案制定的速度。当医生输入新病人
的特征变量,临床决策辅助系统就能通过建立在医疗大数据的诊疗模型直接输出建立在对以往相似病患大数据挖掘基础之上的关于同类患者类型、使用各种已有的处理方式的疗效以及一系列从最优到最差的诊疗建议推荐等结果。通常医生需1个月或更长时间制定个性化诊疗方案,而临床决策系统能压缩到1天至几天。从医疗大数据挖掘到形成最终临床决策支持的常规流程
医疗文档抽取健康风
数据险预测风险因素患者分群分析患者特征疗效分析数据驱动的证据临床决策支持
修复
•(1)精准选择靶向药物,为患者选择直接受益的治疗。分子靶
向治疗是特异性非常高的个体化治疗手段,并非对任何病人都有效。例如人体表皮细胞生长因子受体发生了基因突变的肺癌病人接受分子靶向治疗的有效率高达70%,若此基因没有突变,即使接受了目前国际上最先进的分子靶向治疗药物也不会有效果。
药物类型有效人群靶向药物检测基因
选择性环氧化酶-2抑制剂80%GefitinibEGFR
抗抑郁药62%I cotinibErlotinib埃克替尼厄洛替尼吉非替尼
KRAS 突变野生型
抗哮喘药60%Afatinib阿法替尼EGFR HER2 突变突变
抗心律失常药60%OsimertinibRociletinib(AZD9291)EGFR (T790M)
抗糖尿病药57%艾维替尼(HM61713)(CO-1686)
抗急性偏头痛药52%MET
Crizotinib克唑替尼MET 14 exon skipping扩增
预防偏头痛药50%ROS1ALK 融合融合
抗HCV药47%Certinib色瑞替尼(LDK-378)ALK 融合
AlectinibALK 融合抗尿失禁药40%VemurafenibBRAF 突变
抗阿兹海默症药30%Dabrafenib威罗菲尼达拉菲尼
Trastuzumab曲妥珠单抗HER2 突变
抗肿瘤药Herceptin25%Cabozantinib卡博替你RET 融合
来源:Personalized Medicine,36氪研究院•(2)帮助安全用药。由于遗传差异,有人代谢慢造成药物易蓄
积并引起中毒,有人代谢快导致药物在体内不易达到有效浓度。卫生部数据显示每年因药物不良反应造成20万人死亡、250万人住院。基于药物组学的基因检测,医生能够根据个体遗传差异进行精准用药剂量、避免药物毒害、选择疗效成本最佳药物等。
药物变异基因药物不良反应的基因组层及原因
华法林CYP2C9剂量需求低,达到稳态浓度的时间较长,治疗初期出血危险性较高
别嘌呤醇HLA-B*5801可能出现严重的皮肤反应
氨基糖苷类抗生A1555G或C1494T易引发感音神经性耳聋
氯吡格雷CYP2C19可能使药效下降,增加出血危险性
他汀类药物SLCO1B1使药物在体内过量残留
硝酸甘油ALDH2使酶活性降低,导致无法产生有效一氧化氮,从而药品无效
卡马西平HLA-B*1502可能出现严重甚至致死的皮肤反应
伊立替康UGT1A1会造成中性粒细胞降低及其它毒性反应
临床决策支持根据医疗数据种类主要分为三种:
•第一种是综合医疗数据,代表公司是雕龙数据,它为医院提供数
据集成解决方案,同时利用医院的综合数据为各种临床决策提供支持服务。
•第二种是基因数据,代表公司有国内最大的基因测序公司华大基
因,它的优势是拥有国内最大的基因数据库及生物技术人才。
•第三种是肿瘤数据,代表公司有思派网络,它利用大数据技术为
肿瘤诊断提供临床决策支持,优势是拥有资深肿瘤专家支持。雕龙数据华大基因思派网络
成立时间•2000年•1999年•2014年服务客户•医院•医院/科研机构•药企院/科研机构/医
•医疗大数据服务(如决策支持系统)
业务/产品•医疗大数据产品(如医•测序设备,BGISEQ-500
院数据集成系统)•基因数据库•肿瘤数据平台
•智能诊疗系统
•移动•基因测序分析服务
app、风湿控等)app产品(如医了
盈利模式•系统销售•测序设备销售•肿瘤数据使用费
•系统维护升级费用•数据库使用费
•基因测序分析服务费•系统销售
最新融资•新三板•未披露,拟IPO•B千万美元轮,2016.06,数累计融资•N/A•N/A•2轮,数千万美元
•腾讯
投资人•N/A•N/A•斯道资本(富达亚洲)
•中国平安投)(平安创新
来源:36氪研究院
•药企研发从临床前至上市后医疗大数据都很重要:
来源:网络公开资料,36氪研究院
•我国医药信息化市场和研发大数据分析服务提供者较少,主要原
因是我国研发药少,以仿制药为主,但随着研发需求的增多和国家促医药行业信息化政策的推进,将出现大批新进入者;注释:蓝色字体为一级市场公司,灰色字体为二级市场公司•医疗机构数据收集基础设施提供商可能拓展医药企业临床试验数
据收集、药物警戒系统业务;
•医药研发外包公司凭借其数据、生物信息分析经验等优势可能切
入大数据分析咨询服务;
•此领域,坐拥大体量医药研发数据(医药信息化厂商)、具有多
年生物信息分析经验积累的公司可夺得市场。
麦肯锡估计医疗大数据为医药研发创造400-700亿美元/年的价值:•(1)利用文献传递关联分析提升潜在药物筛选效率.。例如通过
分析挖掘包含1900万篇以上文献的MEDLINE数据库,有效判断研发项目的成功可能性。科研学术信息集成平台具有数据优势。•(2)结合基因组及蛋白组学信息可优化药物研发方案及临床实
验设计,如更有针对性地筛选潜在靶点、在临床试验前对药物疗效和副作用提前预测、更高效地寻找参与临床试验的高质量目标志愿者等。此应用场景直指基因测序公司;
•(3)基因组大数据分析可能挽回部分新药的潜力和研究靶向药
。基于因组大数据挖掘的药物研发辅助如用基因测序+全基因组关联分析(GWAS)能用于挽回正常情况下有可能因适用人数比重过低、或在部分人群中出现和基因型差异紧密关联的显著毒性而无法通过临床试验的药物,进而避免相关巨额研发费用的损失,这在药物研发费用投入不断攀升的制药业是非常重要功能。来源:网络公开资料,36氪研究院
来源:网络公开资料,36氪研究院
麦肯锡估计医疗大数据为医药研发创造400-700亿美元/年的价值:•提早预测新药入市的不良反应事件,阻止其发生。由于药品反应
、治疗重复、药品重复、副作用等导致的药物不良反应事件(ADEs)普遍发生在临床干预中,1个ADE事件导致住院患者平均治疗费用增加3244美元、住院平均时间增加2.2天。通过对多个医疗数据源如MEDLINE的科技论文、不良事件报告、药品信息源、海量HER等数据进行分析挖掘,在新药进入市场前提早识别因临床样本局限在临床试验中未能发现ADEs,约29.4%的事实ADEs和89.7%的PADEs能被阻止,约占所有住院患者数的
3.7%。此类应用可细分为两种形式的服务:一是药物警戒相关临床试验系统,二是纯大数据分析服务。
•提高新药通过审批和纳入医保范畴可能性。比如,药企开发的新
药A比治同病的原有药B单疗程更贵、但全生命周期综合成本更低,当没有卫生经济学大数据评估之时,药企经常不易说服医保部门将新药A纳入医保和让CFDA通过新药A,而临床研发的卫生经济学大数据分析却能为新药通过审批和纳入医保提供必需、确凿的证据。此外,大数据可以用于药物经济学或卫生经济学分析,以治疗结果及其相应社会及经济效益作为定价基础,从而帮助监管部门及医疗支付方科学制定新药上市及报销政策。看好多年药物警戒系统经验累积的医药信息化厂商,因为对政策、审批流程更熟悉。
•助力基础科学研究的发展。多个药企已经开始和研究机构合作,
进行各种组学、电子病历等多累生物大数据的搜集、整合、分析,力图推进基础研究的进展,带动下游企业研发步入新的高度。
医药研发主要是帮助医药企业收集/分析实验数据,已有的企业包括国外成立较早的Mididata和国内新成立的太美医疗:
•太美医疗,被称为国内的Mididata,基于云计算和大数据技术,
帮助医药企业/科研机构收集/分析医疗实验数据;
•Mididata已于2009年上市,其产品基于云端的SaaS服务,用户
可以定制适合自己的服务,对临床试验进行云端管理和追踪,对试验进行大规模监控,降低研发成本。。Mididata太美医疗
成立时间•1999年•2013年
服务客户•药企/科研机构•药企/科研机构
•EDC电子数据采集系统
业务/产品•临床试验管理SaaS服务•CTMS临床试验项目管理系统
•临床研发战略咨询服务•IWRS交互式应答随机系统
•专业服务和培训认证•PV药物安全警戒系统
•数据处理分析服务
盈利模式•向制药企业、研机构收费(云服务使用费CRO公司、科•向制药企业、CRO公司收费(系统购买/
咨询服务费)/维护费用/数据处理分析服务费)
最新融资•已上市,市值约27亿美元•B轮2016.06 数千万人民币累计融资•N/A•3轮,数千万人民币
投资人•N/A•苏州凯风创投(天使轮)
•经纬中国(A轮)
•北极光创投(B轮)
来源:36氪研究院
•目前此领域参与者较少,但随着国家医保控费动机增强以及医药
分家政策的推进,将涌现大批新进入者。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36
氪研究院•我国医疗处方主要集中在医院,因此医疗大数据在医疗支付方向
的应用直指信息化智能管控提供商。由于医疗体系的差异,与美国PBM业务相比,我国医保控费信息化公司的盈利模式和产业链地位相对受限。医保支付方在产业链中仍有较高的主导权,因此与社保合作紧密的信息化智能管控提供商有一定的卡位优势;•布局较早且客户资源丰富的医疗信息化厂商也可以通过与不同的
社保信息化厂商合作来实现价值突破;
•由于医保是医疗信息化的主要受益者,也是投入资金动力最强的
相关方以及最终埋单者,医保的主要归属将对信息化市场的格局有决定性影响。考虑到我国近年来在医疗体系领域的不断改革如医药分离的趋势可能为商保的发展开辟出新的空间,医药电商、大型连锁药店可获得大量处方和支付数据,容易切入药品福利监管服务。
•PBM业务潜力巨大:CVSCaremark是美国最大的PBM业务提
供商,其股价在过去27年来翻了近20倍,大幅超过同期标普500,现在市值约为1020亿美元。海虹控股是我国PBM相关的概念股,自2014年开始转型做PBM业务,其股价一路飙升,从18元/股上涨超过80元/股,目前股价约为42元/股。
医疗大数据分析实现医疗保险精细化管理:
•(1)平衡医疗效用和支出,实现医疗服务的经济性。通过在临
床决策系统中添加治疗方案的成本数据,临床路径模拟模型就能同时评估和比较不同治疗方案的经济性,给出以效用和成本组合最优的治疗方案顺序。例如A治疗方案单一疗程费用比B、C贵,但在全疗程治疗周期视角下A方案更经济,临床决策系统的经济性评估结果即优先使用A。此应用场景的投资方向指向“具备经济性评估能力的”临床决策支持系统提供商。
•(2)识别医保欺诈和滥用。反医保欺诈和滥用是医保理赔运营
管理的关键环节,也是世界各国普遍存在的严重医疗问题。美国联邦医疗保险欺诈损失额超600亿美元/年,并且美政府称起诉1美元的医疗诈保花费可赢回8美元。医保欺诈通常案例不多但涉及金额大、医保滥用单笔金额不高但数量大,都很难根据经验判断,因此成为医疗大数据数据挖掘的重要应用领域。通过对以往理赔数据、特定病种群体的临床路径数据、用药数据等挖掘学习,建立欺诈风险识别模型,再对处方、理赔申请进行分析,揪出过度医药和欺诈案例。常见的理赔费用风险问题包括药品剂量超标、用药与医疗服务不匹配、由保障方案诱导的非必要医疗等。坐拥大量处方的公司可拓展PBM服务,具有专业分析技术和引擎的公司可开发具有识别医保欺诈和滥用功能的系统或咨询服务。
医疗大数据的挖掘可助力商保公司:
•(1)开发补充性、重大疾病等保险产品。目前我国商业医疗保
2014年8月我国人身险以个人储蓄理财型为主,少部分是消费理赔型(真正意义上的险保费规模构成医疗保险),并且消费理赔型产品同质化竞争严重,不能对客户
需求及医疗风险的准确把握。主要原因是缺乏对疾病治疗费用数
据的深度分析、参保群体医疗费用风险的科学评估,在保障设计
及精算定价方面无据可依,从而限制了产品的开发。尽管存在政府医保支付额度不能覆盖治疗肿瘤疾病的全部费用、报销目录通来源:保监会,36氪研究院常不收录疗效好但价格贵的靶向药等市场空缺,但商保公司因不
了解肿瘤治疗的实际费用,从而对产品设计与定价无从下手。分析挖掘肿瘤类疾病理赔数据如不同乳腺癌的治疗方案、患者费用分布、地理分布、年龄分布等可有力支持真正理赔型大病保障设计及相关精算定价。
•(2)结合基于医疗数据的健康及慢病管理可降低赔付成本。目
前国内100+家商保公司中只有4家公司专业经营健康险。由于赔付率过高,加上代理费和管理费等经营成本,多数健康险亏损。而基于患者健康数据、付费数据及疾病概率监测分析,保险公司可针对用户进行健康及疾病管理,做到“治未病”和“大病早治”等,避免医疗消费升级,从而有效降低理赔成本。保险公司与健康管理公司的合作运营是保险与医疗真正的融合。
医疗支付根据医疗数据使用目的主要分为两种:
•第一种是控制医药费用,代表公司有国内的快马医疗,它通过审
核处方、处理药品赔付申请、协助制定药品目录等方式,在不损害医疗质量的前提下,降低医疗成本,提升医保资金使用效率。•第二种是用于商业保险,代表公司有美国个人健康保险公司
Oscar,它过互联网技术、远程医疗和透明度积极敦促顾客的健康管理,并积极参介入医疗护理过程,降低保费支出。
快马医疗Oscar
成立时间•2014年•2013年
服务客户•医疗机构/医药企业•个人
业务/产品•合理用药软件•个人健康保险
•临床药学管理系统•免费远程医疗服务
盈利模式•(软件使用费、系统购买)向医疗机构、医药企业收费•(互联网医疗保险保费)向个人收费
最新融资•Pre-A,2015.11,数千万人民币•私募,2016.02,4亿美元累计融资•2轮,数千万人民币•6轮,7.275亿美元投资人•经纬中国
•真顺基金•Fidelity Investments
来源:36氪研究院
健康及慢病管理根据医疗大数据类别主要分为两种:
•(1)基于基因数据的健康预防,目前市场参与者较多,且以一
级市场公司为主。具有精准健康管理模型的公司具有核心竞争力,并且此类公司后来将具有数据积累优势,变现模式增多。
来源:
注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
•(2)基于患者行为感官数据和慢病数据库的慢病管理,此领域
参与者众多,竞争激烈,具有大体量活跃用户者后期将具有患者数据优势。
来源:注释:蓝色字体为一级市场公司,灰色字体为二级市场公司36氪研究院
麦肯锡预测在此领域可产生700亿-1000亿美元/年的价值:
实时患者数据:个性化
运动饮食、体高危预防方疾病发
重、用药等智能应用个体
+案生率降低医疗成本降低
数据库:人口统教练医师
计数据库、慢病人朋友++亲依从者生活质+患数据库等性差个性化提醒方依从性量提高
个体案提高
来源:36氪研究院
•帮助精准预防疾病,实现“治未病”。例如:(1)通过智能硬
件和软件实时收集用户行为感官数据,智能应用和医师可将用户数据如运动数据与人口统计数据库进行比对分析,从而识别筛选出高危群体;(2)通过基因检测分析预测出个体高发疾病种类。最后针对高危人群、个体易发疾病进行健康教育或提供防止疾病的协助,例如制定个人运动提醒,实现“未病”先治、轻治。•帮助精准管理慢性疾病,提高治疗依从性。美国每年由病人因各
种原因不按照医嘱接受治疗导致再入院、急诊及并发症等的治疗支出达1000-2890亿美元,而健康大数据可改善此局面,例如:
(1)通过慢病健康管理应用的社交功能,患者数据可分享至亲人朋友,他人鼓励提高依从性;(2)由患者分享数据或智能硬件(如智能药丸分配器)自动聚集的数据可用来提醒患者按时治疗。患者治疗依从性的提高可将疾病危害降到最低程度,防治医疗消费升级。我国慢性人群基数庞大,如心脏病、糖尿病、高血压等,以糖尿病为例,若每年能防止5%的无并发症患者出现并发症就可节省约860亿元的支出。
来源:中华医学会糖尿病学分会,36氪研究院
慢病及健康管理根据医疗数据类别主要分为两种:
•基于基因数据的健康预防类:代表公司23andme,其通过个人
DNA鉴定和基因测序/分析服务,建立了庞大DNA数据库。
•基于患者数据和慢病数据库的慢病管理:代表公司糖医生,其通
过智能硬件获取患者的健康数据,然后对患者做出健康建议和提醒。糖医生目前已成为糖尿病管理行业内拥有最大体量用户的患者数据收集平台。
糖医生23andme
成立时间•2014年•2006年
服务客户•糖尿病患者/医疗机构/保险公司•个人
业务/产品•糖尿病管理app
•健康管理咨询服务•个人基因检测服务
•app商城•基因数据包
盈利模式•app商城商品(如药品)销售•向个人收费(基因检测服务费)
•向药企收费(基因数据使用费
最新融资•天使轮,2015.05,1000万人民币•E轮,2015.07,1.15亿美元累计融资•1轮,1000万人民币•6轮,2.25亿美元
•CasdinCapital
•Fidelity Management & Research
•Johnson & Johnson Development Corporation
投资人•南京万川凯源•GV
•New Enterprise Associates
•Illumina
•MPM Capital
•Sergey Brin
•Etc.
来源:36氪研究院
•
•
来源:36氪研究院更早地对公共疾病进行预警:传统的公共卫生管理要求医生在发现新型流感病例时告知疾病控制与预防中心,但是通常是人们发病多日后才就诊,由于流行疾病的传播性远快于后置传递信息,从就诊到医院发出诊断预警信息约有1-2周的滞后周期,从而导致错过了流行病的最佳预警时期。实际上这一时期中互联网搜索、社交、LBS等数据,结合疾病、环境数据,采用机械学习(machinelearning)和群智(crowdsourcing)等技术,开展监测、传播动力学研究和风险评估,即可对:(1)对公共流行疾病提前预警;(2)实时评估不同地域病情,制定有针对性的响应计划和配以合理资源进行及时防控。互联网搜索、社交巨头凭借搜索和社交数据优势及技术挖掘优势卡位医疗大数据在公共卫生管理的应用。例如Google在2009年通过对5000万条美国人最频繁检索的词汇分析与美国疾病中心在2003年-2008年间季节性流感传播时期的数据进行比对分析,建立得出的模型成功预测了2009年冬季流感的传播,其研究结果发布在2009年的Nature杂志上。Twitter根据各地人微博文风成功预测当地心脏病风险。我国百度通过医疗检索数据也建立了流感预测模型,辅助公共卫生管理部门预测流感在各流行区域间传播时空路线和规律,为靶向疫苗研制和使用提供建议。来源:网络公开资料,36氪研究院
CHAPTER4
价值因素分析
市场(1)政策决定行业天花板打开进程
(2)信息化程度决定数据积累体量和质量
(3)大数据挖掘手段和生物信息学发展决定数据应用的程度
趋势(1)数据收集基础设施提供商转型数据运营
(2)多个端口的孤立数据被标准化、整合和共享是必然趋势
变现模型(1)粗加工后的大体量数据出售
(2)开发基于医疗大数据的应用
(3)基于数据分析的应用咨询服务
(4)免费服务换取流量后依靠流量盈利
行业壁垒(1)医疗数据积累量及其质量
(2)医疗大数据和生物信息的分析挖掘技术
优质的产业链切(1)数据整合平台
入点(2)临床决策支持系统
(3)医药研发辅助
同一切入点的企(1)背靠大树的企业,具有资金、客户资源等
业相对优势(2)数据优势明显
(3)细分领域技术和经验累积深厚
需关注的四类企(1)医疗数据收集基础设施提供商
业(2)医疗数据垂直整合平台
(3)生物信息云服务企业
(4)生物信息学分析企业
可能存在的风险(1)政策推进缓慢
(2)数据安全隐患
来源:36氪研究院
数据管理整合/标准化技术:人仁医、LinkDoc零氪科技、元合科技、泽信软件、盈谷网络、芯联达、桃谷科技、太美医疗、中迈数字医疗、雕龙数据、卫宁软件、万达信息、复高信息、米健信息、医惠科技远端存储平台:华润万里云医疗、新屿科技、91360智慧病理网、思派网络、其明生物等
存储服务:华润万里云医疗、金山云、百度云、腾讯云、阿里云、IBM、亚马逊等
安全管理:IBM
数据采集端口传统医疗服务机构:燃石医学、协和医院、华大基因、朗玛信息等研发机构:贝达药业、信达生物、润东医药、恒瑞医药、药明康德等互联网医疗机构:医云健康、23魔方、糖医生、掌上糖医、咕咚等传统医疗解决方案:领健信息、天方达、健麾信息、安泰创新、上海臻鼎、安华亿能、海纳医信、安盟生技、太美医疗、善康科技、联达动力宁远科技创业软件卫宁软件万达信息联达动力米健信息医惠科技
互联网医疗解决方案:小鹿医生、京颐科技、海鹚网络、芯联达、卓健科技、桃谷科技、云中医、众意好医师、特扬网络、博识医疗云、希禾科技、嗵嗵e研、脉极客医疗、倍泰健康、医惠科技
来源:36氪研究院
数据采集基础设施