AI 底层开源已成为趋势，降低应用开发壁垒。无论 Facebook 的Torch 和 Caffe、还是谷歌的 Tensorflow 和亚马逊的 MXnet 等等，科技巨头的深度学习框架均先后实现开源。底层技术的开放有利于降低人工智能进入门槛。
AI 技术在医疗应用将加速医疗大数据价值的实现，扎根细分领域、融合具体场景的医疗大数据产业链公司将受益。我们在互联网医疗系列报告五中提到，医疗大数据包括人口数据库、健康档案数据库以及电子病历数据库三大来源。其中电子病历数据包含医院诊断治疗全过程原始记录，商业化价值最高，其来源是临床信息管理系统。围绕医疗大数据，提供数据管理、采集端口、基础设施以及分析应用的企业将受益。
从具体应用领域来看，医学影像、辅助医疗、药物挖掘、健康管理是我们看好的“AI+”四个细分领域，有助于提高行业运行效率。
数据完备程度、变现渠道成熟度、刚性需求、技术成熟是影响细分领域“AI+”进程的主要因素：
数据完备程度：数据的完备性包括两方面，一是数据集中度，数据越集中越容易形成大数据。二是数据闭合度，即需同时包含输入、输出，事实证明有监督学习的效果更佳，训练机器人的数据最好是闭环，方便对机器进行训练。
商业模式成熟度：一般而言，已有的商业模式比新的商业模式更容易被相关方（包括客户、供应商等）接受。成熟的商业模式在变现时失败风险更低。
需求的刚性程度：无论 2B 还是 2C，刚性需求是客户掏钱的最直接原因。需求约刚性，毛利空间越大，变现速度越快。
技术成熟度：应用场景不同，对技术的要求也不同。涉及的技术越多，且技术尚不成熟，则风险越大。
据此，我们认为就短期投资价值而言，AI+医学影像和 AI+辅助诊疗的投资价值最大。
参考观研天下发布《2018-2023年中国智能医疗行业市场产销态势分析及未来发展前景预测报告》
资料来源：观研天下整理，转载请注明出处（ww）。
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
