政策驱动
我国是典型的“大政府”； 医疗行业属于强监管行业； 我国以公立医疗及国家强制 医保为主体。
资本驱动
截止2022年3月底，共计有63 家投资机构布局中国神经科学数 字化技术赛道，其中不乏中国红 杉、高瓴、鼎晖投资、山蓝资本 等明星投资机构。 从投资机构的投资轮次分布看， 天使轮和pre-A轮最多，占比高 达85%，累计投资总额在1000 万人民币以下的占比68%。这 说明神经科学数字化技术产业处 于发展早期，未来投资空间大。
技术驱动
数字化与医疗结合，全面参与医 疗闭环。
神经科学数字 技术定义
神经科学数字技术是神经科学与 数字技术的交叉，目标是通过数 字技术引入新的应用、流程、产 品、服务及商业模式来提供可扩 展的解决方案，从而为患者、医 疗机构、研究和支付赋能。 数字技术是将各种模拟或数字信 号转化为电子计算机能识别的二 级制数据（0和1）后进行运算、 加工、存储、传送、传播、还原 的技术。根据其核心作用，在“ 采集（输入）-传输-存储-处理输出”的经典数据模型中扮演一 个或几个角色。
数字技术凸显神经科学数字化创新优势
信息化优势
数字技术的引入使得医院内部 、 医联体以及互联网医疗数据实时 流转、互联互通，从而实现智慧 医疗、智慧管理和智慧服务。
智能化优势
人工智能可以快速阅片，定位医 疗影像中的病灶，为医生提供辅 助诊断意见，从而极大地提高诊 断效率，缓解放射科医生严重不 足的窘境。 同时，人工智能没有疲劳感，可 以有效降低因此造成的疏漏或错 误。此外，对于缺乏阅片能力的 基层医疗，人工智能更是可以极 大提高其诊断水平，实现标准的 一致化。
网络化优势
包括云计算、大数据和5G等网 络基础设施的逐渐成熟，使得远 程医疗蓬勃发展。 患者在家就可以享受到远在千里 之外的三甲医院的专家服务。 基层医院的诊断数据可以及时传 递到三甲医院得到咨询，同样可 以在知名专家的远程指导下完成 以前无法想象的高难度手术。
个性化优势
数字疗法+传感器的介入为个性 化医疗提供了可能。 如今，患者可以根据自身的体质 实现精确给药，不再以固定剂量 给药，极大提高了药效，减少了 副作用。
传感器
对人体数据的有效感知，依赖于 各种类型的传感器。 人体所用传感器需要具备体积小 、质量轻、功耗低、可靠性好、 稳定性高、易于集成等特点，目 前使用的传感器主要包括运动感 知类传感器、环境感知类传感器 和生理参数检测类传感器，其中 生理参数检测类传感器用于检测 人体各项体征数据，比如血糖、 心率、血压等，是可穿戴设备提 供各类健康和医疗服务的基础。
传感器——物理传感
动作捕捉是在运动物体的关键部 位设置跟踪传感器，通过空间尺 寸测量、物体定位、物体空间方 位、物体空间移动等方式，由系 统捕捉跟踪器位置，再经过计算 机处理后得到三维空间坐标及移 动情况的相关数据。 通过处理、分析数据，可以应用 在步态分析等神经科学数字化领 域。
传感器—— 生物传感
心肌细胞的兴奋和兴奋传播是细胞 膜的生物电活动为基础的，所有心 肌细胞膜生物电活动的整体就构成 了心电信号。心肌细胞产生的生物 电活动可以通过周围的导体组织传 导到体表的任何部位，因此将电极 放置于体表或体内的某个部位，就 可以记录到对应的电位变化。通过 描记心动周期内由心脏电位变化引 起的体表两个部位之间的电位差随 时间变化的情况，即心电（ Electrocardiogram，ECG），它反 映了心脏兴奋的产生、传导和恢复 过程中的电生理活动。用于心电测 量的可穿戴设备的两种主要形态是 心电贴和智能手表两类 。
当人类机体受到感官刺激或者情 绪产生变化时，皮肤内的血管会 产生收缩和舒张，机体的汗腺（ 人体约三百万个汗腺，在手掌、 手指以及脚底分布较为明显）被 激活发生变化，进而分泌水分， 通过毛孔进入皮肤表面，在分泌 液中的离子改变电流正负平衡。 测量皮肤电导变化的传感器技术 叫做皮电活动（EDA - Electrodermal Activity）传感 技术。
通信
在神经疾病的诊疗流程中，通信 技术主要解决脑机接口、人工智 能、数字疗法、虚拟与仿真等技 术应用过程中数据的传输问题。 通信技术是实现数据从采集到应 用的媒介，主要包括NB-IoT、 5G和全息影像技术等。
脑机接口
侵入式脑机接口指在大脑外部佩 戴设备，实现脑信号采集并与外 部设备之间创建的连接，从而实 现脑与设备的信息交换。 非侵入式脑机接口指在大脑外部 佩戴设备，实现脑信号采集并与 外部设备之间创建的连接，从而 实现脑与设备的信息交换。
大数据与云计算
在神经疾病的诊疗流程中，会产 生患者病历、检验、影像、患者 体征、用药、耗材等各类数据， 大数据与云计算技术主要对这些 数据进行挖掘、分析和计算，辅 助医生更好地对神经疾病进行诊 断、治疗和康复。 云计算和大数据主要包括AI-aaS 、数据可视化、边缘计算、分布 式处理、数据安全等。
人工智能
人工智能是研究开发能够模拟、 延伸和扩展人类智能的理论、方 法、技术及应用系统的一门新的 技术科学，研究目的是促使智能 机器会听（语音识别、机器翻译 等）、会看（图像识别、文字识 别等）、会说（语音合成、人机 对话等）、会思考（人机对弈、 定理证明等）、会学习（机器学 习、知识表示等）、会行动（机 器人、自动驾驶汽车等）。
人工智能—— 影像分析
基于人工智能的医学影像研究围 绕电子计算机断层扫描（CT）、 核磁共振（MRI）、X射线、超声 波、内窥镜和病理切片等多种类 型的医学图像分析展开，对包括 肺、乳腺、皮肤、脑部疾病和眼 底病变等展开研究。医疗影像分 析目前主要采用卷积神经网络（ CNN）：CNN获取原始像素的输 入图像，并通过卷积层、整流线 性单元（RELU）层和池化层对其 进行变换，完成特征提取，然后 输入到完全连接层中，该层计算 各分类的分数或概率，最高得分 （或最高概率）者即为最后的分 类结果。
人工智能—— 自然语言处理
自然语言处理（NLP——Natural Language Processing）探讨如 何处理及运用自然语言，包括认 知、理解、生成等部分。认知和 理解是让计算机把输入的语言变 成有意义的符号和关系，然后根 据目的进行处理。生成则是把计 算机数据转化为自然语言。 2017年以来，Transformer逐渐 成为NLP的主流处理器，最大创 新点在于直接摈弃了RNN和CNN 的架构，完全利用注意力机制， 拥有强大的语义特征提取能力、 长距离特征捕获能力、任务综合 特征抽取能力、并行计算能力及 运行效率。
人工智能—— 语音交互
语音助手背后的本质是语音交互 ，是人类与设备通过自然语音进 行信息的传递，主要经历语音识 别（ASR）、自然语言处理（ NLP）和语音合成（TTS）。 ASR语音识别在识别过程中要对 输入语音进行编码转化为数字向 量，将其输入声学模型获得向量 代表的字母，再根据语言模型装 配为单词，最终转变为文字。 TTS语音合成主要有拼接法和参 数法。拼接法是从事先录制的语 音中选择基本单位拼接而成，参 数法是根据统计模型产生每时每 刻的语音参数，再转化为波形。
人工智能—— 知识图谱
知识图谱，是结构化的语义知识 库，用于以符号形式描述物理世 界中的概念及其相互关系，其基 本组成单位是“实体–关系–实体” 三元组，以及实体及其相关属性– 值对，实体之间通过关系相互联 结，构成网状的知识结构。 在医学中主要用于鉴别诊断（病 情预测/辅助录入）、病情检索（ 模糊查询/症状详情）、诊疗建议 （系统查询知识库并给医生处置 建议）及用药建议（合理建议/药 物禁忌）。
虚拟现实
根据工信部定义虚拟（增强）现 实（Virtual Reality，VR, Augmented Reality，AR）是 ，指借助近眼显示、感知交互、 渲染处理、网络传输和内容制作 等新一代通信技术，构建身临其 境与虚实融合沉浸式体验所涉及 的产品和服务。
虚拟现实—— XR
XR技术是包含VR、AR、MR技术 的总和。VR是虚拟现实，利用计 算设备模拟产生一个三维立体逼 真图像形成的模拟环境，提供用 户关于视觉、听觉等感官模拟场 景。 AR是增强现实，让参与者与虚拟 对象进行实时互动，AR通常是借 助设备如摄像头，获取真实影像 ，再经过信息技术处理，叠加声 音、动画、图像等信息后展现给 用户。 MR合并虚拟和现实世界，产生新 的可视化环境。MR与AR、VR之 间较大的区别就是可实现三维共 存，并且是实时互动的。
数字疗法
数字疗法与数字医疗（Digital Medicine）和数字健康（Digital Health）的概念有所重合，三者 实际上是层层包含的关系，即数 字健康＞数字医疗＞数字疗法。 数字医疗针对特定的疾病患者， 是符合数字健康概念且具有循证 基础的，适用于医疗流程的技术 、平台或者产品，但不一定采用 软件驱动的干预及治疗措施。一 般来说，数字医疗更多特指利用 移动互联手段的医疗信息化手段 ，数字疗法则是近年兴起的重要 一环。
数字疗法—— 形式和类型
通过审批的数字疗法是SaMD的 一种，既可以单独使用，也可以 与药物、硬件、服务、平台或其 他疗法协同使用。 数字疗法针对神经科学更多是通 过心理疗法的数字化赋能实现抑 郁、轻度认知障碍、阿尔茨海默 症、帕金森症等神经疾病的早筛 、辅助治疗及康复训练。目前， 主要应用的心理类疗法包括行为 认知疗法（CBT）、行为激活疗 法（BA）和接纳承诺疗法（ ACT）等类型。
数字疗法—— 干预流程
数字疗法的核心是服务的数字化， 涉及到大量数字技术，如无线网 络、传感器、微处理器和集成电 路、人工智能、云计算及大数据 技术等。因此，这些数字技术的 赋能也为数字疗法产品的实现奠 定了基础。
数字疗法—— 生物反馈
生物反馈是利用仪器将患者通常 情况下难以意识到的生理活动， 记录、保存并转变为直观的信号 ，经由这些信号了解自身的生理 变化，通过训练使生理变化朝一 定的目标方向改变。
神经科学数字化创新价值分析
在神经科学发展过程中，与数字 化的结合，给医疗行业不同的参 与主体均带来了积极的影响。 从最主要的四个参与方来看， 神 经科学数字化创新均体现出对行 业不同主体、不同医疗环节的价 值赋能。
医疗流程应用演变趋势
数字化技术在神经疾病的医疗流 程应用将从评估诊断向疾病预防 进行阶梯式创新演进。 数字化技术早期主要是辅助神经 疾病的评估诊断，提高诊断的准 确性；中期将在神经疾病的康复 和愈后管理发挥作用，改善康复 效果和患者的长期跟踪管理；长 期将解决神经疾病的治疗问题， 辅助手术、辅助新药开发等，甚 至实现神经疾病的高效预防，降 低发病率，最大限度降低医疗费 用支出。
疾病类型应用演变趋势
数字化技术在神经疾病的病种应 用将从后天性神经疾病向先天性 神经疾病演进。 数字化技术优先对那些发病机制 明确且已有部分治疗药物的后天 性神经疾病提供辅助诊断、治疗 、康复以及管理。因为这些疾病 有充足的临床数据进行模型训练 ，数字化技术能够较好地识别疾 病特征、治疗手段。而对于那些 病例数量少导致临床数据不足的 先天性神经疾病，对数字化技术 提出了较高门槛，需要长时间进 行技术突破。
创新主体演变趋势
神经科学数字化创新必然会朝着 多市场主体协同创新演变，包括 创新企业、政府部门、投资机构 、科研院所、医疗机构。 创新企业主要定位于神经科学数 字化技术研发、产品设计、临床 试验和市场推广；政府部门负责 理论研究经费支持、产品审评审 批；投资机构负责提供社会资本 ，支持产品从研发到上市；科研 院所主要负责理论研究和产品孵 化；医疗机构则推动临床试验和 产品的临床应用。
数字化政策现 状
WHO
2016年开始，WHO开始制定一 系列卫生健康数字化政策，以为 全球卫生健康数字化进行指导。
FDA
美国在数字健康上走在前列，自 2005年开始，FDA制定了一系 列与数字健康有关的政策，奠定 了美国数字健康领先全球的政策 基础。近年来，FDA对数字健康 政策制定愈发重视。
我国卫生健康 数字化政策现状
我国卫生健康数字化政策制定较 晚，但发展迅猛。 不过，卫生健康数字技术具有跨 行业特征。目前，行业政策制定 并无协调统一的框架。各项政策 较为分散，不成体系。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
