行业|医疗信息化细分行业之PACS：智慧医疗需求奠定发展基础，智能化云端化指引未来方向

一、PACS行业简介

PACS系统（Picture Archiving and Communication Systems），意为影像归档和通信系统。技术进步已推动医学影像从最初的医院功能科室的地位，逐渐成为一个独立产业。

完整的 PACS 功能主要涉及图像采集（有纯数字采集、视频采集和胶片扫描三种方式），数据的传输 & 存储（DICOM 标准是统一标准），影像分析 & 处理三个环节，同时随 HL7 标准和 IHE 规范不断完善，PACS 已从简单的几台放射影像设备之间的图像存储与通信扩展至医院所有影像设备乃至不同医院影像之间的相互操作，并出现 Mini PACS（微型 PACS）、科室级 PACS、全院级 PACS、区域 PACS 等类型。

医学影像涉及多种影像检查手段，是临床上最大的证据源，这也客观决定 PACS 类创新具备巨大市场潜力。目前 90% 的医疗数据来自医学影像，70% 的临床诊断需借助医学影像，国内三甲医院营收数据显示一般医学影像收入占全院总收入约 20% 且增速远高于药品，未来随着影像诊断和IT技术的进步，影像在临床的重要性只会不断提升，新型应用的出现与普及将进一步抬升 PACS 产业的产值和潜在天花板。

二、PACS发展趋势

1、PACS 建设相对不完善为整个 PACS 细分产业带来整体性机遇

（1）我国 PACS 领域信息化建设依然不完善，存在从无到有的建设机会

按 CHIMA 统计，PACS 在等级医院中渗透率不超过 50%（科室级 60%-70%，多科室或院级 50%-60%，区域级 10%-20%），我国基层医院信息化建设通常滞后于等级医院， PACS 建设更不完善，这意味着在我国，PACS 不论在等级医院的信息化深化，还是分级诊疗推动的基层医疗机构信息化建设，都存在机遇。

然而传统 PACS 领域参与者多，竞争激烈，单个公司规模通常有限，竞争相对呈红海状态，最佳投资对象很可能是有望受益于行业整合的龙头企业；相比之下基于公有云的 PACS 是领域中相对较新的细分方向，并且也是建设空间较大的区域级 PACS、对成本控制要求较高的基层医院、注重盈利与成本管理的专科医院等在 PACS 建设时适合采用的模式。

（2）PACS 存在诞生专科型细分系统的机遇

目前，主流 PACS 往往在满足特定专科需求方面存在缺陷（例如多数眼科设备不符合 DICOM 标准，以及特殊设备等，难以和传统 PACS 兼容），专科 PACS 市场亦存在供给不足的客观情况，相关潜在的专科方向至少有心脏病专科、眼科（例如浙江省眼科医院开发的自用眼科 PACS）、牙科等方向。

（3）解决传统影响应用痛点及其无法满足的临床需求

传统影像应用痛点和传统应用无法满足临床需求，让大量 PACS 创新存在重要机遇，这些机遇也代表着 PACS 功能不断扩展的方向。例如，病灶自动识别、病情严重度分析、甚至治疗方案推荐等。其中，大数据相关应用在当前很难预测其天花板上限。我们可将传统 PACS 痛点与传统手段无法满足的需求，和相关针对性 PACS 创新归纳如下图所示：

PACS创新直接指向的产业痛点与需求汇总

2、PACS 创新，短看 PACS 云与流程优化，长看影像大数据挖掘

（1）影像诊疗流程优化创新

此类创新当前主要致力于解决以下问题：

优化影像诊断基本流程：包括影像彻底的无纸化展示、云端安全存储、便捷传输以让医生能在移动端或 PC 端随时访问并秒速查阅医学影像，并能在患者完成拍片后立即可在远程查看影像，从而优化患者就医流程。除此以外，此类流程优化还能满足分诊、会诊、二次诊断、病历管理等需求，于是分级诊疗加速落地和医生集团创业潮，很大程度会让医生和医院对影像流程优化类应用的需求变得更为迫切；

优化影像展示效果，提升信息利用率：PACS 创新不仅可通过纠错、提升影像质量等方法尽量减少由影像分辨率、清晰度等导致的读片误差，影像计算机重建还可帮助医生看清传统成像无法展示的细节，或是通过特异性成像满足医生在特定场景对影像的需求，从而拓展医学影像的应用范围并推动 PACS 创新进一步向重度垂直的方向发展。

整体而言，PACS 领域近年来涌现的众多创新主要集中在云模式的影像诊疗流程优化工具（存储，传输，可视化）和影像诊断辅助工具两大与诊疗流程直接关联的方向，相关核心技术涉及低成本实现大体量数据的存储和快速取用、影像快速无失真的解压缩、DICOM 接口标准开发、医学影像数字化重建等，应用种类上涉及如影像 3D 可视化、云端 PACS、专业影像自动算法分析、远程影像诊断平台等应用，这些应用涉及到的影像标准化处理流程（包括采集成像、影像存档、影像传输、影像显示、影像分享、影像诊断这些环节）以及对病种的覆盖情况动脉网曾整理如下：

注：√是直接针对的环节，* 是解决核心问题需要疏通或会涉及的环节

PACS 创新力求解决的临床问题

PACS 领域创新主要覆盖的病种范围

各类 PACS 创新对 IT 技术和医疗能力的要求

PACS 创新面对的主要风险

（2）影像辅助诊断是从事影像云的企业普遍在探索的方向，和未来非常有潜力的技术转化风口。虽当前传输和流程优化依然是大量影像类创新的切入方向，但传输已不是影像应用本质，影像计算才是医学影像应用的未来，影像学和信息学的快速进步正在为诊断、治疗和预防如老年痴呆症、心脏疾病和癌症这样的潜在疾病开辟新的路径，成为未来潜在技术转化新风口，影像辅助诊断类创新当前主要致力于给出参考建议并实现以下效果：

降低医生阅片主观性带来的读片误差。阅片的个人主观性导致阅片误差，从误差程度看，有资料显示放射科医生平均失误率在 30% 上下，并随病种不同而不同；

提高医学影像信息的利用率，实现常规人工读片难以实现的功能。医学图像中一般存在人眼无法有效分辨、但计算机算法有可能系统性识读的图像信息，而这些信息经挖掘后可用于辅助判断疾病类型，判断疾病严重程度等。

值得注意的是，从研究方法方面的突破看，医学影像应用未来仍存在涌现出大量新技术的空间。未来医学影像学有望涌现出大量新领域，并进一步提升影像在临床中的应用价值，而 PACS 领域未来亦有望涌现大量与大数据紧密结合的新技术并成为技术转化热点，有非常乐观的长期发展前景。

三、代表性PACS创新企业盘点

（一）国内：

1、心医国际

成立时间：2010年  

融资情况：A轮，世铭投资；B轮1亿，中钰资本、以色列英菲尼迪；B＋轮，广发直投、汉景家族基金；C轮2亿，中金智德领投

切入方向：影像云，远程医疗

心医国际是专注于分级诊疗和创新医疗解决方案的专业服务商。已拥有多项专利，搭建数百家经销商网络，其业务服务覆盖31个省（市、自治区），医院用户已超过3000家，目前已构建国内最大的专业分级诊疗平台。心医国际高管层平均拥有15年以上的医疗或IT行业经验，70%以上的团队成员拥有医学学位或相关临床服务经验。公司主营产品包括PACS、远程会诊、电子病历等。

2、海纳医信

成立时间：2008年  

融资情况：A轮3000万，红杉资本

切入方向：全院级和区域级PACS， 影像处理与交互，远程会诊

海纳医信是由数位留美归国专家和管理者共同创立的国家级高新技术企业，是北京市、中关村及清华科技园重点支持的自主创新型企业。推出了完全自主知识产权的、适合中国国情的、并充分融合了全院级、区域级PACS、远程诊断会诊及网络化三维影像处理等关键应用于一体的综合性医疗影像信息管理平台（HINA MIIS），以满足从基层到三甲医院以及区域医疗的全面影像信息应用需求。

3、西安盈谷

成立时间：2001年  

融资情况：2015年A轮，中卫基金

切入方向：医学图像处理及分析技术，国内少有的纯技术开发开放平台

西安盈谷科技有限公司（AccuRad)成立于2001年，是一家直致力数字医学影像3D可视化、CAD(计算机辅助诊断)智能化、网络化及应用解决方案的创新型科技公司。2005年盈谷科技在PC平台下开发的国内首套完全自主知识产权并通过SFDA认证的AccuRadproTM 3D医学图像高级处理系统，为中国医生提供了中文界面、具有国际先进水平的3D诊断系统。2010年推出全球首创、变革性的云计算架构先进临床影像解决方案——@iMAGES图像处理及分析引擎。支持全DICOM的医学影像数据，具有全功能的2D图像处理，以及根据CR、DR、DSA以及乳腺的设备特点提供盈谷独有的和弦图像处理算法；对于多排CT，高场MR等先进影像设备，iMAGES提供了CT、MR的体数据分析功能，在线实现MRP、VR容积重建等高级功能，为放射科和临床科室提供高效快速的在线图像处理及分析结果的即时终端显示，并提供在心脏、肺、肝脏、乳腺等方面的专业功能分析软件包，全面满足放射科的专业应用。

4、雅森科技

成立时间：2006年  

融资情况：A轮数千万，中股集团顺禧基金以及虎丘医疗科技（苏州）有限公司；A+轮数千万元，科大智能机器人技术有限公司

切入方向：影像自动分析及诊断

雅森科技是一家致力于医学影像智能分析的创新企业，专注于脑、甲状腺、心脏、肺、肾及全身骨的的医疗影像分析，进行3D重构和重切，采用专利数学模型和人工智能，不断提高诊断准确性。作为国内最早一家从核医学领域切入的CAD公司，专注于采用各类数学算法进行医疗图像处理、机器训练、大数据库比对、标准生物物理影像模型的开发与应用，将海量数据可以转化为高效的诊断能力。

5、推想科技

成立时间：2016年  

融资情况：天使轮1250万，A轮5000万，红杉中国领头，广发证券直投部跟投，B轮1.2亿，启明创投领投,元生资本、红杉中国联合投资

切入方向：人工智能医学影响诊断

推想科技是一家人工智能医疗服务科技公司，基于医学影像数据，分析对应的临床资料，提供医疗解决方案。其智能医疗影像系统INFERVISION已经在数百家基层医院放射科上线，并根据不同病种和场景，借助实际产生的数据迅速迭代与更新当中，应用场景覆盖X光、CT、MRI、超声、病理影像等。

6、Deepcare

成立时间：2016年  

融资情况：天使轮600万，瑞峰资本； A轮数亿元，中关村发展集团投资

切入方向：人工智能医学影像识别

北京羽医甘蓝信息技术有限公司(DeepCare)是一家将人工智能应用于医疗图像的识别和早期筛查的医疗科技公司。目前专注于研发病理图像的检测、识别和分析技术，通过融合机器视觉、深度学习以及大数据挖掘技术，为医疗机构和医疗器械厂商提供产品和技术服务。

（二）国外：

1、Arterys

成立时间：2007年  

融资情况：种子轮172万美元，Asset Management Ventures（AMV），Morado Venture Partners；A轮1200万美元，领投方为通用医疗、the Stanford-StartX Fund、Norwich Ventures、Emergent Medical Partners，跟投方有Asset Management Ventures、AME Cloud Ventures、Morado Ventures

切入方向：基于深度学习的医学诊断，已切入心血管疾病方向影像数据分析与诊断，正待切入肿瘤诊断。

Arterys公司是一家提供SaaS服务的创业公司。公司成立于2007年，主营业务是为医疗机构提供更精准的3D血管影像，并提供量化分析。Arterys公司致力于创建一个智能自动化诊断平台，利用高性能云计算技术快速分析处理影像数据，为患者和临床医生带来更好的治疗体验。专注于开发以云平台为基础的医学成像软件，目前Arterys公司已经推出了用于心血管疾病患者核磁成像图像数据分析的软件，它能够帮助医生在非介入条件下定量分析患者心脏血流及心脏功能，改善心脏病患者的临床治疗效果。公司正在进一步探索深度学习应用程序，提高其软件分析能力，使应用程序的功能更加丰富和实用。

2、Medymatch

成立时间：2016年  

融资情况：种子轮200万美元，新一轮800万美元

切入方向：人工智能分析医学影像，中风方向

MedyMatch公司的产品是一款可以从普通断层扫描中提取图像的软件，该软件运用了深度学习技术，方法是向计算机导入系列图例，从而设定读图基准，随后把系列图片上传到计算机，计算机可以从中“学到”血流的模式。用图例培训计算机，经过这种训练后，计算机就可以自己阅读图像。产品的具体应用场景为急诊室与监护室，软件利用MedyMatch开发的专有算法在云端处理图像，并在图像上做笔记，为医生标注出重点。在做完以上工作后，软件会将原图与处理后的影像图片一同发送至医生的平台。对于中风这类型疾病，诊疗的速度非常重要，而借助MedyMatch的软件，医生可以实现在3—5分钟内对中风类型作出判断，从而缩短诊疗时间，使患者得到及时的救治。

3、EDDA

成立时间：2003年  

融资情况：曾获得晨兴和软银等机构投资

切入方向：影像分析，面向微创外科和机器人外科手术

EDDA 科技成立于2003年，总部位于美国新泽西州普林斯顿区，2004年在上海设立独资子公司—医软信息科技（上海）有限公司，并在中国（上海）自由贸易试验区设有办公场所。EDDA科技进而在苏州成立了医达极星医疗科技（苏州）有限公司，专注打造以新一代实时交互性计算机辅助精准肿瘤治疗术中导航为核心的高科技、智能型医疗设备新产业。

EDDA成功开发并投入市场具有领先水平的IQQA®技术平台和产品系列，均已通过美国FDA、中国CFDA及欧盟CE等多方国际认证。产品涵盖诊疗管理全周期，有效应用于各种疾病（尤其是肝、胆、胰、脾、胃、肺、肾等肿瘤）的早期检测与诊断、术前精准模拟规划、术中影像全程引导监测及实时导航、术后定量评估及随访，为一体化的现代集成式手术室提供综合影像应用解决方案。公司的代理渠道已覆盖中国、美国、欧盟、中东和东南亚国家及地区。

4、Enlitic

成立时间：2014年  

融资情况：种子轮200万美元，累计1500万美元

切入方向：人工智能医学影像识别。

Enlitic，2014年8月份成立，总部位于美国的旧金山，被MIT技术评论选为「全球最智慧的50家」之一。这家公司利用深度学习来帮助医生更快速、更准确、更方便地来进行疾病诊断，它的数据来源种类繁多，包括医疗影像、医生记录、结构化的实验室数据等医疗数据。

四、PACS 行业投资建议

投资PACS行业时除了应参考技术、认证、团队、行业地位等角度之外，从同业比较出发，以下几点值得投资人注意：

（1）以 PACS 影像识别为核心突破方向的企业，核心算法和公司通过在使用中不断完善最终形成的独有影像数据库数据是关键。关于数据库特别值得强调的是，并非是影像都能直接使用，因用于建模的影像必须首先确保有足够质量和标准化水平，其次，病种、性别、年龄、健康状况、生活习惯的区域差异等因素亦都有可能成为影响影像数据在建模中分组聚类的潜在因素，进而对取样方式产生建模之前可能预期不到的特殊要求。

（2）有数据≠能顺利做出优秀产品，为做出真正过硬的影像数据产品，技术是硬门槛，很强的技术转化特征和技术探索特征让真正强大的医学影像大数据公司几乎必须具备过硬的技术，因而创始团队中是否有技术实力非常强的人员至关重要。

除此以外，考虑到影像大数据属于前沿研究热点，未来有潜力转化的技术可能大量涌现，且实现影像大数据几乎不可或缺的人工智能和机器识别技术本身亦在快速进步，壁垒很高，因而非常重视原创性技术突破、将自己定位为科技型企业、对取得和稳步积累原创性技术突破特别重视的企业值得重点关注。

（3）规模优势、渠道优势、资金优势突出的传统医疗信息化企业则可通过并购体量有限的创新型企业获取相关创新业务。但值得注意的是，医疗大数据归根结底归患者和医院所有，而不归通过医疗信息化工程切入医院渠道的医疗 IT 企业所有，能获得医院的数据的传统医疗信息化企业不构成必然的竞争优势。新入者凭借突破性产品亦完全有可能快速拿到更多医院授权，并形成自己的渠道优势。

看文章不过瘾，想和业内高手聊一聊？

想发现更多优质项目？

思宇研究院投融资项目交流群等你来撩！

猛戳上方勾搭我们~

为保证大家交流质量，请您提交名片等资料。

作者：王卓逸，华中科技大学药学院药理学系硕士，美国爱荷华大学药学院访问学者，研究方向涉及阿尔茨海默病，帕金森病等神经退行性疾病和癌症的发病机制与药物治疗。

【往期精彩回顾】