全部商品分類
２０２３年，中國人口數量的負增長成為新常態，這一重大轉折點背后是快速老齡化和極低生育率的雙重影響。這一人口結構的長期改變不僅對醫療服務市場規模和健康產業產生了深遠影響，同時也催生了新的機遇。
日前，易凱資本發布白皮書，探討了２０２３年中國人口負增長帶來的變化、市場表現，并對２０２４年的市場機會進行了預測。
根據中國衛生統計年鑒以及國家衛健委統計數據顯示，我國 ２０２２ 年醫療服務市場整體規模估算值在 ８．３ 萬億元左右，在后疫情時期，我國醫療服務整體呈現出積極復蘇的態勢。但是，白皮書認為，綜合考量下，醫療服務市場規模整體增長率大致在 ４．５％左右，因此，２０２３ 年醫療服務市場規模接近 ９ 萬億，比國家衛健委于 ２０１７ 年頒布的《＂健康中國２０３０＂規劃綱要》中提到的 ９．１ 萬億略低。
＂一老一小＂的問題造成人口結構的長期改變，影響著醫療服務市場規模乃至整個健康產業的外延，同時也迸發出新的商業機會。
一 醫療服務行業正在重塑
１．人口負增長與＂一老一小＂問題
中國的人口發展呈現出新的趨勢。連續兩年的人口負增長，無疑給社會帶來了新的挑戰。這種趨勢要求我們必須高度關注＂一老一小＂問題，即養老服務和生育優化。隨著老齡化程度的加深，養老服務產業正迎來其發展的元年，如何提供高質量、多樣化的養老服務成為關鍵。同時，生育問題也從家庭事務上升到了國家事務的高度，如何優化生育環境、提高生育率成為亟待解決的問題。
２．醫療服務企業的經營與資本市場
雖然醫療服務企業在疫情后的業績有所改善，但資本市場的下行趨勢，以及醫療行業集采、ＤＲＧＳ 等醫保改革政策端影響，使得投資機構在投資和退出方面變得更加謹慎。這種變化對醫療服務企業的經營策略產生了深遠影響，企業需要更加注重自身的盈利能力和風險控制。同時，＂醫療反腐＂的積極效應開始顯現，這無疑是對醫療行業的一次深刻洗禮，客觀上延緩了 ＴｏＢ 類醫療服務企業經營業績的增長。體系的重塑并非一蹴而就，需要各方的共同努力和時間的沉淀。
３．ＡＩ技術在醫療服務領域的應用
隨著ＣｈａｔＧＰＴ面世，掀起＂千模大戰＂，ＡＩ醫療正步入新的發展階段。頭部企業紛紛在第一時間將視角轉向醫療垂類大模型落地，ＡＩ醫療進入新的投資周期，迎來熱潮。
自 ２０２３ 年起，國產醫療大模型全面開花，以百度、華為、騰訊為首的傳統互聯網巨頭；以衛寧健康、東軟等為代表的醫療信息化平臺企業；以醫渡、左手醫生等為代表的互聯網醫療新秀等眾多企業摩拳擦掌，在近一年時間內陸續有近 ４０ 個大模型問世。多模態大模型正在全面賦能服務診療等產業生態圈發展。
二 新的需求逐步崛起
基于以上變化，白皮書認為，＂銀發經濟＂下，涉及養老概念的醫療服務投資機會越發顯現。我國養老服務體系當前正逐步從機構養老轉向社區居家養老，圍繞養老服務體系建設，老年用品、康復輔具、人才教育、適老化建設、智慧養老、老年金融等領域逐步起步。醫療、醫藥、醫械、康復等業態正逐漸成為重點。同時，中低齡老年群體＂新消費＂的崛起，對智慧化、科技化、智能化產品的需求日益增長。
此外，白皮書提到，后疫情時期的消費醫療復蘇，新生兒數量及結構變化帶動新婦產和輔助生殖行業的發展、以及眼科連鎖服務、傳統中醫與現代就醫消費理念融合的＂新中醫＂，將受到市場關注。
更重要的是，生成式 ＡＩ 及其背后的大模型技術對 Ｂ 端、Ｇ 端、Ｃ 端均具有顛覆性的影響，有望催生新一輪醫療數字化的變革。白皮書指出，大模型可能在輔助診斷／治療／方案生成，患者服務，醫院管理／質控，醫療科研，公共衛生等多個領域發揮重大作用。
舉例來看，在輔助診斷／決策／方案生成領域，相較于傳統 ＣＤＳＳ（臨床決策支持系統）而言，大模型的訓練數據來源更為廣泛，自我凈化能力更為高效，因而能為 ＣＤＳＳ 帶來較大幅度的提升。此外在交互方式及自主輔助方面，也能提升醫生的使用體驗。同時，大模型可以在急救藥學服務、骨科、細菌感染等領域接受患者后迅速生成治療方案。
三 行業更需要垂類大模型
白皮書也強調，由于醫療場景的特殊性和高標準要求，現有的通用大模型往往難以滿足醫療行業的具體需求，這就要求開發專門針對醫療領域的垂類模型，以適應該領域的特定需求和挑戰。
首先，醫療行業的場景需求具有高度的專業性和技術性，對錯誤容忍度極低，這就要求大模型在提供醫療建議時必須具備更高的準確性和專業性。ＡＩ 系統需要依托豐富的醫療專業數據，才能生成符合醫療標準的高質量建議。
其次，醫療數據的多模態特性要求大模型能夠處理和分析包括醫學影像、文本、語音和視頻在內的多種數據類型。為了在醫療領域中實現有效的決策支持，大型模型必須能夠綜合這些不同類型的數據，以提供全面的醫療解決方案。
再者，考慮到醫院的實際操作環境和對數據安全的要求，大模型在規模和可實施性上需要做出平衡。模型的規模并非越大越好，而是要確保其能夠在醫院環境中有效部署和運行。
在訓練數據方面，醫療數據的多樣性和復雜性對大模型的訓練提出了額外的挑戰。為了實現大模型在醫療領域的有效應用，需要大量的高質量醫療影像數據支持。同時，隨著計算機視覺和隱私保護技術的發展，算力分配和數據管理成為了推動模型發展的關鍵因素。因此，需要進一步建設和完善相關的基礎設施，并構建跨醫院的數據集，以促進醫療數據的有效整合和利用。
最后，在應用對象方面，醫療大模型主要服務于醫療機構和政府部門，這些用戶對模型的準確性和可靠性有著極高的要求。因此，醫療大模型在提供決策支持時，必須確保其結論的精確性，并能夠提供充分的證據支持其建議，以滿足醫療領域的嚴格要求。
四 結語
中國人口負增長的新常態為醫療服務行業帶來了前所未有的挑戰與機遇，醫療領域各細分賽道也涌現出新的投資熱潮。值得注意的是，生成式ＡＩ及其背后的大模型技術對醫療行業數字化產生了顛覆性影響，ＡＩ醫療賽道正快速顯現出廣闊的市場空間，醫療領域垂類大模型將展現出更多可能性。
(文章來源于健康界)
