分享
分享赚钱 收藏 举报 版权申诉 / 45

类型2016年医疗行业大数据分析.pptx

  • 上传人:hyngb9260
  • 文档编号:4098387
  • 上传时间:2018-12-09
  • 格式:PPTX
  • 页数:45
  • 大小:874.70KB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    2016年医疗行业大数据分析.pptx
    资源描述:

    1、1,目 录 Contents,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,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,细分领域分析, 数据采集基础设施、数据采集端口、数据管理 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,价值因素分析, 总结,宏观环境分析,CHAPTER 1, 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,医疗行业需求持续增长地老龄人群、慢病人群等造成医疗需求攀升,需提升医疗服务效率缓解 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

    2、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。,0,350,700,我国居民慢病患

    3、病率(),0.5,1.0,1.5,1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014,我国65岁以上人口数量(亿人),1.6,3.3,1.0,2.0,4.0,2003,2008,2013,我国慢病人群总数变化(亿人),0.0,1.0,3.0 2.0 2.1,3.0,4.0,1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

    4、 2014,1993 1998 2003 2008 2013我国卫生支出情况(万亿元),政府卫生支出,社会卫生支出,个人现金卫生支出,医疗行业需求过度医疗和医疗资源配置不合理造成医疗资源严重浪费,医疗资源利用效率亟待提高 根据美国医学研究所(Institute of Medicine)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%。, 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

    5、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。, 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。,医疗行业需求现行医疗保险支付压力大,且商保不能有效补充,支付方控费需求强烈 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

    6、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。,92% 92%,85%,80%,72%,65%,58%,44%,35%,32%,28%,18%,16% 15%,13%,0.8% 0%,50%,100%,各国商业健康保险人群覆盖率,4.0 4.3,4.7,5.4,5.7 6.0,3.0,5.0,7.0,21%,17%,17%,34%,26%,29% 25% 25% 25% 19%,23% 20%,0%,10%,20%,30%,我国城镇基本医疗保 险参保人数(亿人) 6.7 40%,我国医保基金收入与 支出增长比变化,12 11 11,10 9,9,5,0,5,10,1

    7、5,20,美国 法国 德国 加拿大 英国 意大利 日本 中国,我国人均医疗卫生费用 占比人均GDP(%) 18,2009 2010 2011 2012 2013 2014 医疗保险基金收入增长比 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

    8、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。,71.6,90.1,114.1,146.3,170.8,207.5,248.7,290.2,310.5,336.5,0.0%,8.0%,16.0%,24.0%,32.0%,0,100,200,300,400,2008,2013E,2014E,2017E,医疗大数据行业需求我国医疗数据地域、行业割裂严重,医疗数据的融合及管理是趋势 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

    9、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,2009 2010 2011 2012E医疗行业IT投入(亿元),2015E 2016E同比增长率,医院: 电子病历,可穿戴设备+app: 个人健康数据,我国健康大数据急需融合区域信息化平台

    10、: 健康档案,0融合,医疗大数据行业需求医疗数据加速积累,对存储、管理等提出更高要求 医疗行业是数据密集型行业。IDC Digital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。,0.8 1.2,1.8,2.8,8.6,40.0,0,10,20,30,40,2009 2010 2011 2012 2015E 2020E,人类产生复制的医疗数据总量,预测(万亿GB),43.6,55.6,68.9,83.8,101.1,120.6,0,50,100,150,2012 2013E 2014E 2015E 2016E 2017

    11、E,数据生成和共享速度迅速增长 (10亿GB/月),),大数据对传统数据处理、管理、分析等提出更高要求,技术因素技术进步进一步丰富医疗大数据,并使存储、分析、应用成为可能 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。,0.00,0.10,0.20,0.30,0,50,100,150,200,2002 2004 2006 2008 2010 2012 2014 2015 晶体管尺寸(纳米) 晶体管价格(0.000001*美元),0.1,0.40 100000 10000 1000 100 10 1,1970 1980 1990,2000,2010,2020,0.9 2.3,6,24.

    12、5,107.9,155.6%,308.3%,170.2%,63.0%,0.0%,160.0%,320.0%,0,60,120,90,765,2260,156% 230,233%,195% 66.2,0%,100%,200% 160.9,0,2000,4000,2011 2012,2013,我国可穿戴设备出货量变化情况 我国可穿戴设备市场规模变化情况 3300 300%,出货量(万台),46%2014E 2015E 增长率(%),2010 2011 2012 2013E 2014E 2015E 市场规模(亿元) 增长率(%),599,1372,2050,2642,3481,0,2500,5000

    13、,2009 2010 2011 2012 2013 2014 2015E 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),100,10000,4393 100000000 39991000000,2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014, 生物检测技术的进步促使生物数

    14、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),政策国家战略推进医疗机构、区域信息化及医疗大数据应用建设,促使医疗大数据产业正在加速形成 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

    15、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。,备注

    16、:关于政策的具体内容,请详见附录。,68,56,51,34,29,24,18,17,13 14,10 10,7,7,6,4,3,2,0,50,100,挂号问诊,健康预防,医疗技术,硬件设备,医药电商,医疗数据,HIS,医生工具,慢病治疗,医生社区,心理健康,中医,医疗媒体,医生集团,院外康复,PBM,美容整形,养老,资本流向近年流入健康数据领域的资本 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, 医疗大数

    17、据公司融资额度较大,多在千万级别和亿级。,59.5%,14.3%,11.9%,9.5%,十亿级,未透露,千万级 亿级 百万级,0,10,20,30,十亿级 未透露,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 4.8%,百万级 千万级 亿级天使轮 A轮 B轮 C轮,新三板 被收购,0,10,14,2,13,3,16 12 8 4 0,2016, 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,2014 20

    18、15医疗数据投融资事件笔数,HIS投融资事件笔数,产业结构分析,12,CHAPTER 2, 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,医疗大数据分类医疗数据产生场景多,质量参差不齐,各类数据潜在变现能力不同 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

    19、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。,、,医疗大数据特性医疗大数据的“大数据性+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

    20、出医疗领域特有性质:,多态性,时序性,不完整性,冗余性,隐私性,(1)1个CT图像约150MB,1个基因组序列约750MB,1个标准的病理约5GB (2)1个社区医院数据量约在数TB至PB,全国医疗数据到2020年约35ZB,(1)包含各种结构化表、非(半)结构化文本文档(XML和叙述文本)、医疗影像 等多种多样的数据存储形式 (2)包含网络日志、视频、图片、地理位置信息等,(1)大量在线或实时数据持续增多,如临床决策诊断、用药、流行病分析等 (2)信息技术发展促使越来越多的医疗信息被数字化,(1)医疗数据的有效利用有利于:公共疾病防控、精准诊疗、新药品研发、 医疗控费、顽疾攻克、健康管理等

    21、(2)但数据价值密度低,(1)多种形态数据:包括纯数据(如体检、化验结果)、信号(如脑电信号、心 电信号等)、图像(如B超、X线等)、文字(如主诉、病史、检测报告等),以及用 以科普、咨询的动画、语音盒视频信息等,可显著区别于其他领域数据 (2)医师对病人的描述具有主观性、不标准化,呈现多态性,(1)患者就诊、疾病发病过程在时间上有一个进度 (2)医学检测的波形、图像都是时间函数,(1)大量数据来源于人工记录,导致数据记录的偏差和残缺 (2)许多数据的表达、记录本身也具有不确定性,病例和病案尤为突出 (3)医疗数据的不完整搜集和处理使医疗数据库不能全面反映任何疾病信息 (4)医疗分析对病人的状

    22、态描述有偏差和缺失,(1)冗余医学数据量大,每天产生的大量数据中可能包含重复、无关紧要甚 至是相互矛盾的记录,(1)患者的医疗健康数据具有高度的隐私性,泄漏信息会造成严重后果,医 疗 性,医 疗 健 康 大 数 据 特 性,医疗数据 质量问题, 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

    23、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

    24、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。,应用场景医疗健康大数据的五大应用场景,医疗健康 大数据,临床决策 支持,医保控费,保险开发,医疗管理,医疗器械 研发,慢病和健 康管理, 优化临床试验设计方案和流程 药物警戒 促进新药通过监管认证和纳入医保 避免错误研发方案的重复研发 识别未满足的市场需求,促进医药研发(Right Living)),医 疗 健 康 大 数 据, 医疗服务质 量提高 3000亿- 4500亿美 元/年的医 疗成本减少,900-110

    25、0亿美元/年,700-1000美元/年,500-1000亿美元/年,500-700亿美元/年,400-700亿美元/年, 临床决策支持 疾病管理 公共医疗卫生管理 安全检测,市场规模医疗健康大数据应用潜力巨大 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

    26、、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。 提升医疗服务质量(Right Care), 疾病预防,实现“治未病” 数据驱动慢病管理,个人健康促进(Right Living)), 识别医保欺诈 创新支付方式 创新保险产品,改善医疗支付(Right Value)), 优化医疗资源配置 优化绩效治疗评估,优化医疗管理(Right,provider),诊疗数据,患者数据 诊疗数据,支付数据 诊疗数据 患者数据,诊疗数据,研发数据 诊疗数据,百度,Google,Twitter,Facebook,社 交,搜 索,星舰基因,23

    27、魔方,快马医疗,大特保,音特立杰,海虹控股 德力信息,Oscar,XtalPI晶泰科技,太美医疗,行动基因,埃森哲,泰克科技 思路迪,Mididata,雕龙数据,IBM,新屿科技,思派网络,临床决策支持,雅森科技,燃石医学,行动基因,贝瑞和康,海普洛斯,Prenetics,华大基因,鼎晶生物,思路迪,和壹基因,23andMe,慢 病 管 基云惠康 糖医生 掌上糖医 理,医疗支 付,健康管 理,产业链图谱医疗大数据产业链及一二级市场公司图谱:看好数据管理和数据分析应用两个切口精准诊疗 精准用药,公共卫 生管理,医 保,控 费,健 康 预 天昊基因 防,商 保 开 发,海鹚网络,芯联达,卓健科技,

    28、特扬网络,医惠科技,倍泰健康,宁远科技,创业软件,卫宁软件,万达信息 雕龙数据 联达动力,传统 医疗 解决 方案,互联 网 医疗 解决 方案,数 据 采 集 端 口 数 据 采 集 基 础 设 施,数 据 管 理,数 据 分 析 应 用,医药研 发,医疗 支付,健康 管理,公共卫生管理,数据分析应用数据管理数据采集端口数据 采集基础设施,医药 研发,注释:(1)信息截止2016年6月30日,排名不分先后,(2)蓝色字体为一级市场公司,灰色字体为二级市场公司,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,18,CHAPTER 3, 移动医疗解决方案的提供厂商,主要向互联网医疗公司和

    29、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;, 小型医疗机构如诊所的信息化长尾市场潜力较大。,海鹚网络,京颐科技,芯联达,卓健科技,云中医 桃谷科技,医惠科技,倍泰健康,数据收集基础设施市场集中程度低,并购趋势明显,看好具有资本和客户资源优势的信息化厂商,雕龙数据,领健信息,人仁医,安盟生技 健麾信息,宁远科技,创业软件,卫宁软件,万达信息,联达动力,海纳医信,嗵嗵e研,传统 医疗 解决 方案,互联 网 医疗 解决 方案,桃谷科技 特扬网络 脉极客医疗,2.96% 2.62%,1.66%,71.20%, 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

    30、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11.28% 3.72% 3.47% 3.10%,中联信息,创业软件,嘉和美康 其他,东软集团 万达信息 卫宁软件 天健源达,门急诊划价收费系统 住院药房管理系统 药库管理系统 门急诊药房管理系统 门急诊挂号系统 病案管理系统 住院病人入出转管 物资材料管理系统 会计账目系统 固定资产管理系统 医疗统计系统 护理信息系统, 医药信息化:我国医药信息化建设程度较低且

    31、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,看好有能力数据融合技术强、做区域性信息系统及拥有跨区域客户资源的提供商。,电子病历系统 实验室信息系统 放射科信息系统 超声影像信息系统 临床知识库系统 PACS系统 临床路径系统 体检中心管理系统 临床决策支持系统 感染/传染监控系统 远程医疗信息系统 区域卫生信息系统,数据收集基础设施数据融合技术是关键,看好有能

    32、力提供区域信息化建设、医药信息化建设的服务提供商 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;

    33、(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,提供基于云端的大数据应,用以及移动端的应用,软件。,数据收集基础设施国内外代表企业案例分析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; Practice Fusion: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,, 主要包括医院、诊所、体检机构、基因测序公司等

    34、; 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

    35、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, 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, 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。,数据采集端口研发端口数据变现能力最强,医院端口数据变现潜力大 端口一:医

    36、疗服务机构,星舰基因,23魔方,爱康国宾,恒瑞医药,药明康德,协和医院,贝达药业,华大基因,达安基因,咕咚,糖医生,医 疗 服 务 机 构,研 发 信达生物 机 构,互 联 网 医 疗 公 司,数据管理数据融合趋势利好数据整合、标准化技术提供商及数据整合平台公司 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。,雕龙数据,零氪科技,元合科技,新屿科技 华润万里云 思派网络,其明生物,盈谷网络,卫宁软件,万达信息,米健信息,桃谷科技,华大基因,注释:蓝色字体为一级市场公司,灰色字体为二级市场公司 数据整合及标准化技术:市场参与者较多,具有较多大

    37、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

    38、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。,IBM,IBM,华润万里云 百度云,阿里云,腾讯云,亚马逊,平安健康云,整合及,标准化,技术,安全,管理,远端 存储,整合 平台,数据管理国内外代表企业案例分析 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

    39、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。,细分领域分析 之 数据分析应用,25,CHAPTER 3, 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,雕龙数据,IBM,新屿科技 思派网络,注释:蓝色字体为一级市场公司,灰色字体为二级市场公司 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。,临床决策支持看

    40、好具有数据累积优势的数据收集基础设施提供 商和基因测序公司 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。,精准 诊疗 - 临床 决策 支持 系统,临床决策支持,精准诊疗-临床决策支持系统,精准用药,数据采集,数据分析,应用干预,症状: 发热、头晕、 呕吐、影像、 咳嗽、无力、 肚子痛等,家族病史/基 因谱: 糖尿病、高血 压、乳腺癌、 青光眼等,患者数据:饮 食锻炼、体重 身高、睡眠、 血压心率脉 搏、个人病史 等,患者组学: 基因组、转录 组、蛋白组、 代谢组、生物 标记组等,科研进 展: 新药、新 靶点

    41、、新 机理等,上亿的其他患者病史、治疗路径、疗效等数据上万医生对同种病的治疗方案及疗效 (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

    42、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 医疗文档抽取数据修复,临床决策支持诊疗:提高医生诊断的精度和效率,实现疾病早预警和治未病 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: 目前诊疗:对症 精准诊疗:对人,

    43、 (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。,临床决策支持用药:基于药物基因组学的基因检测帮助医生精准用药 (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

    44、子靶向治疗药物也不会有效果。,临床决策支持临床决策支持相关公司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。, 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

    45、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。,XtalPI晶泰科技,太美医疗,行动基因 思路迪 注释:蓝色字体为一级市场公司,灰色字体为二级市场公司,埃森哲,塔塔咨询,泰克科技, 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;,医药研发市场处于起步期,看好医药信息化厂商和具有领先的生物信息挖掘技术的公司 药企研发从临床前至上市后医疗大数据都很重要:,Mididata,医 药 研 发,医药研发临床试验:可提高研

    46、发效率,看好基因测序公司及科研学术信息集成平台 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。,

    展开阅读全文
    提示  道客多多所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:2016年医疗行业大数据分析.pptx
    链接地址:https://www.docduoduo.com/p-4098387.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    道客多多用户QQ群:832276834  微博官方号:道客多多官方   知乎号:道客多多

    Copyright© 2025 道客多多 docduoduo.com 网站版权所有世界地图

    经营许可证编号:粤ICP备2021046453号    营业执照商标

    1.png 2.png 3.png 4.png 5.png 6.png 7.png 8.png 9.png 10.png



    收起
    展开