AI医疗行业深度驱动因素发展前景产业链及相关企业深度梳理

行业研究报告行业研究报告慧博智能投研行业|深度|研究报告 随着自然语言处理、机器学习、深度学习等AI技术的不断演进，AI在医疗领域的应用将越来越广泛，涵盖病理研究、药物研发、基因检测、疾病筛查、辅助诊断、影像分析、精准医疗等几乎所有医疗环节，实现医疗水平提升、增加医疗服务可及性以及降低医疗成本。近期，DeepSeek的大幅降低训练成本，同时开源模式能够实现本地化部署，更好的保障数据隐私及安全性，更是加速推动医药企业及医疗机构拥抱AI。未来，随人工智能技术的持续发展和群众医疗健康需求持续提升，AI医疗领域有望进一步扩容。根据相关数据，2020年我国AI医疗市场规模约为66亿元，预计2020-2025年CAGR为39.4%，到2025年增长至349亿元。以下内容我们就将聚焦AI医疗行业，对AI医疗所涉及的行业内涵、现状、产业链情况及发展前景等相关内容展开梳理分析。当前AI医疗行业市场现状怎样？驱动AI医疗行业加速落地的因素有哪些？当下市场火热的DeepSeek的出现，又将给医疗行业带来怎样的变革？以及从产业链的视角，AI医疗行业产业链情况如何？在当前市场发展情形下，有哪些方向值得市场关注？相关企业发展情况如何？同时，基于进一步发展的视角，AI医疗行业后续的发展空间有多大？立足以上问题，我们为大家一一梳理分析。一、行业概况 1二、市场现状 6三、驱动因素 四、DeepSeek的出现对医疗行业影响 五、产业链分析 六、重点关注方向 21七、相关公司 25八、发展前景 29九、参考研报 AI医疗，即人工智能在医疗领域的应用，是指通过运用一系列尖端的人工智能技术，如机器学习、自然语言处理、深度学习等，对医疗行业的各个方面进行深入的智能化改造和管理升级。这些技术的应用不仅限于提高医疗服务的效率和质量，还包括优化资源配置、降低医疗成本、提升患者体验等多个维度。1/31行业|深度|研究报告 AI医疗的发展不仅推动了医疗技术的革新，也为患者带来了更加精准和个性化的医疗服务。随着技术的不断进步，AI医疗有望在未来解决更多的医疗难题，为全球健康事业做出更大的贡献。AI医疗影像是指利用计算机视觉技术，快速识别与分析医学影像，实现精准高效的诊断与病灶识别的智能化方法。该领域技术成熟度较高，市场需求旺盛，且应用场景广泛，涵盖了从早期筛查到疾病诊断和治疗监测的全过程，未来有望不断扩大覆盖范围，包括眼科、超声科、病理科、皮肤科、脑电图室等。2/31行业|深度|研究报告 AI医疗影像发展趋势：横向扩张低覆盖率的脏器市场，纵向构筑诊疗一体化体系。自2020年7月，国家加速AI医疗影像三类医疗器械证审批和发放，主要的产品研发和应用聚焦在心血管、肺部、脑血管、骨骼、眼底等几个细分领域。未来新老玩家将继续开拓影像诊断的其他脏器市场，如乳腺、冠脉、肝脏等覆盖率低、实用性强、临床价值高的产品，以及提供多脏器一体化诊断服务；另一方面，影像治疗类产品也将成为老玩家的聚焦的第二增长曲线，构建诊断治疗一体化的服务体系。AI医疗影像产业链上中下游协同发展。AI医疗影像领域上游主要由软件开发商构成，如联影智能、推想医疗等，它们利用算力处理海量医疗数据，开发针对具体应用场景的用户友好软件系统，并通过与硬件设备融合、合作或直接销售软件实现商业价值。中游则汇聚了GE、西门子、迈瑞等传统医疗硬件制造商，它们在AI软件开发方面能力较弱且自主研发成本高昂，倾向于与软件企业合作。例如，2021年GE医疗与多家软件企业建立了战略伙伴关系，共同推动医疗影像技术创新与应用。数据、算力、算法模型是核心技术壁垒，入院能力强的头部企业优势显著。医学影像数据的积累、算力积累、算法开发与模型训练是技术层面的核心工作内容，其中精准标注的大量图像数据是算法改进和训练的基础。入院较强企业在于医疗结构的长期合作中，受接受程度、中标几率以及获取标准化数据等多方面都具备显著优势。随着人工智能（AI）技术的迅猛发展，其在医疗领域正展现出较大的应用潜力。AI凭借对海量医疗数据的深度挖掘与分析，借助先进的大模型技术，能够显著提升疾病诊断的准确性。通过对各类临床症状、检验报告等数据的快速处理与分析，AI可以在短时间内为医生提供精准的诊断建议，大大缩短诊断所需的时间，从而提高诊断效率。不仅如此，AI还能够在疾病早期阶段就发出预警。通过对患者长期的健康数据监测，包括日常健康指标、生活习惯等信息，AI可以敏锐地捕捉到身体细微变化所蕴含的疾病风险信号，在疾病尚未出现明显症状时，就提醒医生和患者采取相应的预防措施，为疾病的早期干预争取宝贵时间。3/31行业|深度|研究报告 在成本控制方面，AI的应用有助于降低医疗成本。它减少了因人工诊断失误可能导致的重复检查、过度治疗等额外费用，同时提高了医疗资源的利用效率，让有限的医疗资源能够服务更多患者。此外，AI还是实现个性化医疗和远程医疗的重要载体。在个性化医疗方面，AI依据患者的个体基因数据、疾病史、生活方式等多维度信息，为患者量身定制专属的治疗方案，使治疗更加精准有效。而在远程医疗领域，AI能够辅助医生远程诊断患者病情，打破地域限制，让偏远地区的患者也能享受到优质的医疗服务，进一步提升整体医疗服务的可及性和覆盖范围，大幅提高诊断效率和能力，为医疗行业带来全新的变革与发展机遇。AI医疗手术机器人分为手术机器人、康复机器人、辅助机器人、服务机器人，2022年中国手术机器人和康复机器人占整体市场占比高达75%，其中，国外品牌产品占据超过80%的高端市场份额，国产替代空间广阔。AI手术机器人：依托AI图像识别、深度学习以及实时感知技术，手术机器人在术前凭借对医学影像的深度分析，构建患者个体化3D模型，为外科医生制定精确手术策略。术中，利用强化学习算法与力反馈控制技术，机器人能依据组织力学特性和手术进程，自主规划机械臂运动轨迹，实现亚毫米级精准定位，完成复杂手术操作，同时通过实时监测与动态调整，保障手术安全性与高效性。康复机器人：融合了多模态数据融合与机器学习技术，能够实时采集患者的运动学、动力学及生物电信号，如表面肌电信号、关节角度等，通过深度数据挖掘和自适应控制算法，精准评估康复训练效果，自动调整训练参数，实现康复训练的个性化、智能化与精准化。其临床应用优势显著，能替代医师的机械重复操作，精准控制治疗过程，结合反馈系统和交互式设计，还支持远程及集中化康复治疗，为患者提供全周期康复解决方案。耗材及服务将成为手术机器人主要收入来源和竞争点。全球手术机器人收入结构，短期以设备销售为主，长期耗材将成为主要收入来源。行业初期，由于机器人手术量未达到一定规模，手术机器人企业收入以机器人本身的销售为主。未来手术机器人的商业模式，耗材及服务将成为企业的主要收入来源。在医疗信息化数据平台领域，先进的信息技术能够整合来自不同系统的医疗数据，如医院信息系统（HIS）中的运营与管理数据、实验室信息管理系统（LIS）中的实验室结果、影像存档与通信系统（PACS）中的影像数据，以及电子健康记录（EHR）等，共同构建一个全面而统一的医疗信息平台。提升了数据的可用性和互操作性，使得跨机构、跨地区的数据共享和分析变得更加便捷。临床决策支持（CDSS）是一种利用人机交互的医疗信息技术系统，深度融合人工智能理论。它超越了传统知识库查询模式，通过整合系统的临床医学知识库与患者病历信息，经AI优化构建最佳实践库，据此为医生提供精准的临床诊断与治疗决策支持，显著提提升医疗决策的科学性与效率。CDSS已进入规模化应用阶段，于三级医院覆盖面较广，二级及以下公立医院仍具备较大的市场潜力。4/31行业|深度|研究报告 整体上，AI在医疗领域的应用可分为三个阶段：2017年之前：此阶段为机器学习与深度学习突破阶段，卷积神经网络在计算机视觉领域取得重大突破，推动了医学影像分析的进步，AI算法在各类疾病（乳腺癌、肺癌、心血管疾病等）的影像诊断中逐渐显现出高于常人的准确率，AI与医疗开始进入初步结合阶段；2018-2022年：伴随AI应用的逐步深化，AI+医疗开始进入商业应用阶段。一方面，AI与硬件设备的结合逐步深化，部分诊断设备开始在无医生监督背景下运行；另一方面，AI应用领域逐步推广，诸如健康记录、个性化医疗、疾病预测与防控等多个领域也开始尝试与AI模型结合，2020年起疫情的出现则极大加速了AI在医疗领域的落地（图像识别被广泛应用于新冠肺炎检测识别）；2023年至今：2023年大模型的出现对医疗领域的直接影响在于，过往AI应用的精度得到了大幅提升。自2023年初GPT-4发布以来，医疗公司开始探索其在电子健康记录分析、病人数据管理和医疗文献综述等方面的应用。此后，在传统AI应用领域，大模型也开始展现出较传统AI模型更高的预判精度，各行业龙头对于AI+医疗投入力度持续加大。5/31行业|深度|研究报告 全球人工智能解决方案市场快速发展。近年来，人工智能大模型在数据、算法和算力等关键要素的共同推动下，呈现爆发式增长，从自然语言处理逐步扩展到计算机视觉、科学计算等领域，增强了人工智能的泛化性、通用性，开启了人工智能发展新范式。在技术进步、有利的政府政策以及各行业需求增加的推动下，全球人工智能解决方案市场正在快速发展。全球人工智能解决方案市场规模由2018年的433亿美元增至2022年的1,395亿美元，CAGR为34.0%，并预计将由2023年的1,870亿美元进一步增长至2030年的14,142亿美元，CAGR为33.5%。中国人工智能解决方案市场规模由2018年的35亿美元增至2022年的139亿美元，CAGR为40.8%，并预计将由2023年的185亿美元进一步增至2030年的1,683亿美元，CAGR为37.0%。人工智能在医疗保健领域的应用场景广泛，能够为多个环节赋能。AI（Artificialintelligence）在医疗领域应用潜力巨大，可以为生命科学研究、药械研发、医学影像、辅助诊断、健康管理等多个环节赋能，有助于提高医疗服务的效率和质量，改善患者的就医体验，并推动医疗行业向智慧医疗新时代发6/31行业|深度|研究报告 当前时点，海外AI+医疗应用逐渐向制药领域深化。近期英伟达于GTC大会上推出医疗保健项目GenAI，聚焦医疗场景的25个新的微服务（包括小分子建模工具、OpenFold蛋白质预测模型，以及与Recursion开发的用于靶点和药物发现的Phenom-Beta模型等），医疗保健是此次GTC大会重视度最高的行业，也是英伟达重点押注的下一个赛道。无独有偶，美国制药巨头礼来公司宣布已经与OpenAI达成合作，将利用大模型开发新型抗菌药物。国内AI+医疗则更偏向于健康管理领域。美年健康24年初与润达医疗、华为云等达成合作，推出基于生成式AI的数智健管师——“健康小美”，期望能有效提升健康预防和疾病管理的效率，为个人和体检机构带来全新的健康管理体验。除医疗类公司外，AI模型公司也在健康管理领域积极参与，商汤科技7/31行业|深度|研究报告 预计在2024年世界人工智能大会上推出自研医疗大模型，可帮助患者在院内实现全流程高效就医，并在院外化身患者的“随身AI智慧健康管家”，实现全周期个人健康管理。目前医疗AI的技术架构已开始从深度学习向大模型方向转移，2017年谷歌公司首次提出基于自注意力的Transformer架构，奠定了预训练大模型的算法基础；2018年基于Transformer的算法框架，谷歌和OpenAI分别搭建了GPT与BERT大模型，使得预训练大模型成为自然语言处理领域的主流。由于医学数据具备复杂性、多样性和高维性，单一文本模态的技术应用较为受限；而预训练大模型在单模态的基础上演化出了语音、图像、视频等多模态，打通了自然语言处理与计算机视觉之间的壁垒，为医疗AI技术的发展提供了强有力的支持。8/31行业|深度|研究报告 助力医疗产业升级的多模态AI大模型分为五个类别：图学习大模型（LGMs）可用于预测蛋白质结构、分析基因组学及设计药物，助力制药领域的药物研发和生产工艺提升；语言条件多智能体大模型（LLMMs）可实现远程诊疗、智能导诊和手术机器人，助力医疗器械领域的产品设计和智能化网络升级；多模态大模型（LMMs）可用于识别医学数据并挖掘数据价值，助力商业领域分析健康大数据，构建信息化平台；大型语言模型（LLMs）可用于回答医学问题、提供医学建议；视觉大模型（LVMs）及视觉-语言大模型（VLMs）可用于识别医学图像、生成图像注释，三类模型均可提供AI辅助诊断、AI辅助治疗的医疗服务。AI大模型的应用将极大提高医药产品质量和医疗服务水平，推动医疗行业的智能化升级。在产业升级进程中，已诞生多款用于医药健康领域的AI大模型实例。LLaVA-Med是微软公司推出的视觉-语言大模型，其利用Pubmed提取大量影像学图像进行医学概念对齐，再使用GPT-4生成的医学指令掌握开放性对话语义，模拟从零学习医学知识的过程。LLaVA-Med可根据X光、CT、MRI等影像学图像推测患者的疾病状况，并针对图像相关的问题生成自然语言回答；该模型可推动AI辅助诊断领域的智能化升级，有效提高疾病诊断的精度和效率。Med-PaLM2是谷歌公司研发的大型语言模型，用于回答医学问题并给出专业建议。Med-PaLM2可通过多个路径提升推理能力，针对医学咨询给出专家水平的答复，在接近90%的疾病、用药、副作用等临床相关问答方面优于临床医生，同时获得医生和患者群体的高度认可。Med-PaLM2的出现为医疗服务领域提供强大灵活的问答系统平台，驱动AI辅助治疗的智能化升级。9/31行业|深度|研究报告 国内医疗AI大模型多处于研发内测或定向体验阶段，由于技术尚未成熟且医疗行业具备特殊性，AI大模型当前的适用范围较为受限，预计未来有较大的可拓展空间。其中灵医智慧大模型是百度自研的大型语言模型，算法方面基于百度文心大模型，内置多项增强技术提升准确性和多样性；算力方面基于百度智能云千帆算力资源，不断进行预训练优化底层参数；数据方面使用Token训练语料，包括300万例多模态影像数据、6亿条健康科普内容及70万条临床研究信息。灵医大模型具备智能健康管家、智能医生助手和智能企业服务三大解决方案，其中智能健康管家为患者提供导诊、问诊和健康咨询等就医引导；智能医生助手为医生提供临床决策支持、病历草稿生成和文献速览等工作帮助；智能企业服务为药企提供运营助手、职业培训和创新营销等服务。灵医大模型可满足患者、医生和企业客户各自的需求，具备医药健康全产业链的支持能力。AI智慧医疗的发展动力主要源于信息技术的进步、社会医疗需求的增长以及政策的推动。大数据技术使得医疗机构能够存储和分析海量的患者数据，从而提供更精准的诊断和治疗建议。云计算平台则为医疗数据的存储、处理和共享提供了强大的支持，使得医疗服务更加灵活和高效。人工智能技术，尤其是机器学习和深度学习，正在被用于开发智能诊断工具、预测疾病发展趋势以及个性化治疗方案。新的生成式AI带来新市场空间。在机器学习领域，大模型作为一种新兴工具，专门用于处理和生成自然语言文本。这些模型通过集成高级文本情感分析等元信息，能够极大地丰富神经科学数据集，并实现信息的高度融合。特别是在数据量庞大且多元的医疗领域，大模型展现出巨大的应用潜力。从判别式AI向生成式AI的转变，基于深度学习的影像AI本质上属于判别式AI，其分类效果依赖于训练数据的数量和质量。随着注意力机制的突破和知识体系的引入，大模型以其复杂的结构和庞大的参数量，展现出更强的学习能力和生成能力。在医疗领域，判别式AI主要用于分类、检测和识别任务，核心在于判断输入数据属于哪个预定义类别，例如疾病类型或病变程度。而生成式AI则专注于生成与训练数据相似分布的新数据实例。理论上，成熟的生成式AI能够超越判别式AI的应用范围，处理一些判别式AI难以应对的场景。例如，一个融合了医学知识、病例数据和推理逻辑的生成式AI在影像识别上的实际效果，可能优于仅基于深度学习的影像AI。10/31行业|深度|研究报告 智慧医疗能够通过远程监控、智能穿戴设备等手段，为老年人和慢性病患者提供更加便捷和连续的医疗服务。此外，智慧医疗还能够通过数据分析预测疾病风险，实现早期干预，减少医疗资源的浪费。医疗资源不足及公众健康意识的提高，公共卫生机构对AI医疗的需求将显著增长。当前，我国医疗资源的地域分布不均，城乡之间、发达与欠发达地区之间的差异显著。农村和偏远地区的医疗设施简陋，医疗人员短缺，难以满足当地居民的基本医疗需求。与此同时，随着人口老龄化的加速和公众健康意识的增强，患者数量不断增加，对医疗资源的需求持续上升，导致现有医疗资源更加紧张，医院常常超负荷运转，患者等待时间延长，就医体验受到负面影响。同时通过健康科普宣传，人们越来越重视健康管理，主动了解健康知识，追求健康生活方式，如定期体检、合理饮食和适量运动。面对疾病，患者不仅期待传统治疗方法，更渴望获得高效、精准、个性化的医疗服务。AI医疗以其强大的学习能力、数据处理能力和创新能力，为解决医疗资源不足提供了新途径。在影像诊断领域，AI能够快速准确地分析医学影像，辅助医生诊断，提升诊断效率；在临床决策支持方面，AI能够根据大量医疗数据为医生提供诊断建议和治疗方案，帮助医生做出更科学的决策，减少误诊和漏诊；在健康管理领域，AI通过分析个人健康数据，为患者提供个性化的健康管理方案，实现疾病的早期预防和干预。这些优势使得公共卫生机构能够在有限的医疗资源下，为更多患者提供优质医疗服务，满足公众不断增长的健康需求，因此对AI医疗的需求必将显著增加。智慧医疗作为一种创新的医疗模式，得到了政策上的支持和资金上的投入。同时，市场机制也在推动智慧医疗的发展，随着技术的进步和成本的降低，智慧医疗解决方案的商业价值逐渐显现，吸引了越来越多的投资者和企业参与其中。自2016年起，我国就开始出台政策，以促进人工智能技术在医疗领域的应用，旨在从宏观层面推动医疗行业的快速发展，提升服务效率和质量，实现智能化转型。这些政策旨在帮助医院正确理解和应用前沿技术，引导相关产业的快速成长。政策制定通常会依据医疗卫生领域的当前状况和未来走向，制定具有前瞻性和指导性的政策。这些政策不仅指明了医疗信息化的总体目标和分阶段任务，还涵盖了建设内容、技术规范和实施步骤等核心要素。对于公立医院而言，遵循政策要求是他们的首要任务。11/31行业|深度|研究报告 政策与提效两大购置动力支持下，目前国内已经孕育了一大批医疗人工智能产品，嵌入了医疗领域中的绝大多数场景。结构性矛盾如同深埋于医疗体系肌体内的病灶，长期困扰着全球医疗健康产业的发展。然而，危机往往也孕育着变革的契机。正是这些难以克服的结构性矛盾，催生了对技术革命的迫切需求，而DeepSeek等新一代AI大模型技术的出现，恰逢其时。DeepSeek(深度求索)作为一家专注于人工智能技术研发的公司，其技术对医疗领域具有深远的影响。通过人工智能、大数据分析和机器学习等技术，DeepSeek可12/31行业|深度|研究报告 以为医疗行业带来多方面的变革和提升。DeepSeek立足于解决医疗行业痛点、提升医疗服务效率和质量的务实创新。DeepSeek的技术突破，并非仅仅停留在实验室层面，而是深度契合医疗行业的实际需求，具备极强的医疗适配性，为商业价值的释放奠定了坚实的基础。DeepSeek通过智能化手段帮助医生从海量数据中快速提炼关键信息，实现精准医疗决策的飞跃。诊断效率的提升：DeepSeek能够整合患者病史记录、实验室检查结果及影像学数据（如X光片、CT、MRI13/31行业|深度|研究报告 等），快速生成初步诊断路径，为医生提供“可能性排名+检查建议”的智能化表格；急诊中的应用：在多发伤或复合伤场景中，DeepSeek能优化急救资源分配，如手术室安排、抢救人员调配，提升急诊成功率。个性化治疗方案优化：DeepSeek结合患者的基因信息、生活习惯和病史，推荐精准的药物组合或联合疗法，并实时更新医学指南（如2024年ESC心衰指南）；案例：在心衰治疗中，DeepSeek可提醒医生及时采用新型药物（如SGLT2抑制剂），并优化复杂患者的联合用药方案，减少不良反应。疑难病例的跨学科支持：DeepSeek整合多学科文献与权威指南，辅助医生解决罕见病或复杂病例的诊断难题；案例：骨科医生可通过模型获取手术风险评估及术后康复要点；在罕见病诊断中，DeepSeek结合多组学数据揭示疾病分子机制，为靶向治疗提供依据。科研与学术方面：从浩瀚文献到高质量论文的全流程赋能，DeepSeek以智能化能力提升医生科研效率和学术成果质量；文献检索与知识整合：DeepSeekV3模型基于海量预训练数据，快速提炼研究领域的前沿进展和核心观点，节省80%以上的文献筛选时间；案例：肿瘤科医生可快速掌握免疫治疗领域的最新趋势，集中精力设计创新临床研究方案。数据分析与科研设计：DeepSeek支持多源数据整合分析（如影像、基因、随访数据），并胜任复杂统计学问题（如生存分析、Meta分析）；科研设计：模型可推荐研究类型、样本量估算及统计分析方法，优化设计科学性。论文撰写与润色：DeepSeek-R1模型在逻辑推理和文本生成方面表现卓越，可优化论文结构、语言及摘要模板；案例：医生可获得详细修改建议或直接生成优化版本，非英语母语医生还能借助DeepSeek翻译高质量英文稿件，提升国际影响力。14/31行业|深度|研究报告 患者管理方面：从单向沟通到双向互动的智能化转型，DeepSeek推动医疗服务向智能化、个性化的双向互动模式转型。医学概念的通俗化解释：通过自然语言处理，DeepSeek将复杂医学术语转化为患者易懂的语言，减少信息不对称；案例：儿科医生可用模型解释疫苗接种的必要性，提升家长意愿。个性化随访与康复计划：DeepSeek根据患者病情阶段定制随访提醒和康复方案，指导术后康复训练并预警可能并发症。跨年龄层沟通策略：DeepSeek生成差异化沟通内容。老年患者：简洁语言和大字体用药指南；儿童患者：互动式健康科普故事或动画，寓教于乐。医疗管理与教学方面：效率提升与模式创新的双重突破。医院流程优化：DeepSeek分析就诊流程数据，识别瓶颈并提出改进建议，如优化排班、缩短等待时间；案例：急诊科通过动态数据分析调整人员配置，提升救治效率。医学教学升级：DeepSeek自动生成符合最新指南的培训课件，并设计模拟案例，确保内容权威性和时效性；个性化教学：根据学员进度调整内容和难度，提升教学效果。通过深度整合DeepSeek等智能化工具，医生群体有望在工作效率的显著提升与专业技能的持续深耕之间，找到最佳的平衡点，最终为每一位患者提供更加优质、更加高效、更加人性化的卓越医疗服务，共同谱写人类健康事业发展的新篇章。15/31DeepSeekAI的技术优势，将沿着以下四大路径，逐步释放商业价值，深刻改变医疗健康产业的格局。医疗资源分布式重构：利用AI技术，构建“区域中心+社区节点”的“1+N”分布式医疗服务网络，将优质医疗资源下沉到基层。基层医疗机构AI诊断终端普及：在基层医疗机构部署AI诊断终端，提升基层医生的诊断能力，实现常见病、多发病的就近诊疗，缓解大医院就诊压力。私立医院运营成本显著降低：通过自动化报告生成、智能分诊等AI应用，私立医院运营成本有望降低22%，提升运营效率和盈利能力。制药工业范式革新：DeepSeekAI技术将渗透到药物研发的各个环节，革新制药工业范式。化合物筛选效率指数级提升：利用AI技术，将化合物筛选效率提升40倍，大幅缩短新药研发周期。临床试验患者精准匹配：AI技术可以将临床试验患者匹配精度提高至89%，缩短研发周期6-8个月，加速新药上市进程。药物靶点发现与设计加速：利用AI分析生物数据和分子结构，加速药物靶点发现和药物分子设计，为新药研发提供更强大的技术支撑。临床试验设计与优化：AI能够优化临床试验方案，提高试验效率和成功率，降低研发风险。药物生产工艺优化：AI可以用于优化药物生产工艺，降低生产成本，提高药品质量和生产效率。健康管理服务升级：以Deepseek为基座的大模型AI技术将推动健康管理服务从被动式、粗放式向主动式、个性化、精细化升级。心血管事件风险提前预警：通过可穿戴设备数据实时分析，AI系统可以提前14天预警心血管事件风险，为用户争取宝贵的预防和治疗时间。个性化健康方案动态调整：AI系统能够根据用户健康数据和生活习惯，动态调整个性化健康方案，调整频率可达分钟级，实现更精准、更有效的健康干预。主动式健康监测与干预：AI主动监测用户健康数据，并在风险出现前进行干预，例如主16/31动推送健康提醒、预约体检等。虚拟健康顾问：提供7x24小时在线健康咨询和指导，解答健康疑问，提供情绪支持。医保支付体系优化：DeepSeek将助力医保支付体系实现精细化管理和智能化升级。精算模型精度大幅提升：AI精算模型可以纳入10,000+临床变量，将保费定价误差率降至0.3%，实现更精准的风险评估和保费定价。欺诈检测系统挽回巨额损失：据案例显示，AI欺诈检测系统每年可挽回损失超过12亿元，有效遏制医保欺诈行为，保障医保资金安全。基于价值的支付模式：将支付与医疗服务质量和效果挂钩，激励医疗机构提供更高质量、更低成本的服务。动态医保目录调整：利用AI分析药物疗效、成本效益等数据，动态调整医保目录，提高医保资金使用效率。DeepSeekAI通过医疗资源重构、制药工业革新、健康管理升级和医保体系优化四大路径，全面释放商业价值。其技术助力基层诊疗能力提升和私立医院效率优化，加速药物研发与生产流程，提升健康管理17/31的精准性与主动性，同时优化医保支付模式，降低成本、提升效率，为医疗健康产业带来高效、智能化的深刻变革。基于大模型驱动的AI医疗产业链可以分为基础层、模型层与应用层。基础层，除数据服务外，芯片与通信等基础核心领域与其他行业共通，而医疗数据由于其特殊性，数据开放度较低，获取存在一定壁垒，其数据的确权与流通问题尚待解决；模型层，AI算法、框架需要长期的研发投入，目前各大科技企业与互联网巨头均在加速布局，大模型在医疗领域的应用越发广泛，解决了一些关键问题；应用层，应用层可触达全医疗服务场景，如院内临床决策系统、手术机器人、智慧病案系统、医疗影像、药企新药研发与基因检测。大型科技公司基于自己的通用大模型，开发垂直化服务平台进行赋能，主要代表公司有英伟达、英特尔、腾讯、百度、阿里等等，比如英伟达推出了生物医药基础模型云服务平台BioNeMo，提供生成式化学、蛋白质语言和结构预测相关开源模型，可以进行蛋白质、DNA和生物化学数据处理，从而加速药物研发。医药类企业具有丰富的生物医学行业数据、用户资源和细分领域专业能力，以调用接口或基于开源模型自研的方式切入，微调改进自身产品或开发智能化产品。如FermaAI、Nuance、Wondercise集成Chat-GPT等模型，提供更加快捷智能的生物技术及制药咨询、自动生成病例、医学文档处理、个人健康管理功能。18/31行业|深度|研究报告 应用层，大模型的应用使得多个领域的新场景涌现，按成熟度由高到低为生命科学研究领域、药械研发领域、医学影像和图像领域、医疗问答和智能问诊领域、辅助诊疗和临床决策领域、个人健康管理领域、医学教学领域。生命科学研究领域：AI大模型在该领域发展较为成熟，起步早，模型数量多，迭代发展快。例如，AI大模型可以完成蛋白质语言理解和生成的任务，协助蛋白质结构预测和从头设计合成；可以赋能DNA/RNA等生命组学计算，为病因推断、疾病预测、精准医疗提供新思路；可以作为科研助手辅助生物医学研究开发工作，优化科研流程。由温州眼视光国际创新中心(中国眼谷)开发的眼科专用大型语言模型EyeGPT，目前主要应用于科研场景以及临床医疗辅助等医疗相关内容，已在研究性论文、病例报告生成、医学学术文章润色、医疗文档写作等方面有较为成熟的落地，未来将进一步向眼健康早期检测和智能诊断场景拓展。药械研发领域的应用：AI大模型可服务于药品和器械从研发到上市的各个环节，包括药物发现、临床前研究、临床试验、注册申请、上市后再评价等，实现提速降本增效。例如，AI大模型可助力药物研发早期阶段，可以协助进行分子性质预测和靶点发现；可以助力药械注册和审评自动化，提升药械企业和监管机构的办公效率；可与生物医药行业数据相结合，驱动行业信息咨询服务新发展。通义医疗行业大模型由阿里云研发，是以通义生成式语言大模型为基底，在通义Qwen整体训练数据超过3万亿tokens基础上，融入海量医学知识文献与医疗数据所训练出来的行业大模型。通义行业大模型通过API与交互式问答形式提供服务,并提供用于模型二次训练与评测的完整操控平台，已经开始在行业应用层面探索落地。19/31行业|深度|研究报告 医学影像和图像领域：在该领域，AI大模型可以辅助医学影像诊断分析，并可自动生成影像诊断报告。大模型基于医学影像的图文对数据集进行训练，可以将视觉理解与文本知识相结合，以对话方式解释医学图像，回答相关问题。近期，深睿医疗颅内动脉瘤CT造影图像辅助检测软件通过创新通道获批NMPA三类证，成为国内首个创新人工智能颅内动脉瘤CT检测系统。本次获证的颅内动脉瘤AI产品也是深睿医疗DeepwiseMetAI智慧影像&大数据通用平台中睿影辅助诊断系统的重要组成部分。结合睿影系列的ASPECT评分、头颈CTA、脑灌注(CTP)、脑出血等多个系统，针对缺血性脑卒中和出血性脑卒两大临床应用场景。医疗问答和智能问诊领域：AI大模型可以对话方式回答用户的医疗健康问题并支持连续自由对话和多场景的功能，并且提升了问诊类产品的准确性和智能化程度。腾讯医疗大模型包括文案生成、智能问答、病历结构化和检索、影像报告和辅助诊断等场景，为医疗决策全流程提供更精准的辅助，助力患者就医体验以及临床医生、药剂师服务效率和质量的双向提升。此外，基于腾讯医疗大模型的家庭医生助手能够提升基层服务能力，畅通医患沟通渠道，为医生提供更加智能的签约、咨询、随访、宣教能力，也为居民提供精细化的健康管理。20/31行业|深度|研究报告 辅助诊疗和临床决策领域：AI大模型可以预测疾病风险，并生成诊断和治疗建议，为临床决策提供支持。百度灵医大模型使用了千亿tokens的训练语料数据，包括海量临床脱敏数据、医学知识图谱、300万+例多模态影像数据，6亿+条健康科普内容，70万+临床试验研究信息，实现智能医生助手从辅助诊断、病历生成、文献速览等方面为医生提供服务。个人健康管理领域：个人健康管理领域大模型分布广泛，模型种类众多。提供的主要功能有：推动个人健康管理迈向主动化、个性化、智能化；提供营养、运动辅导服务，多方面支持个人智能健康管理；提供更拟人化的情感疏导与支持，同时带来心理健康评估、疗愈的新工具；生成中医药处方或多维度中医养生方案；智慧康养，满足老年人陪伴、看护、社交娱乐等多样化需求。由OPPO打造的运动健康助手依托健康知识图谱训练的大型语言模型andesGPT，再结合健康大数据感知与分析技术，进一步增强通用大模型的数据分析能力，打造运动健康领域的专属解决方案。医学教学领域：模拟不同类型病人，通过提供及时反馈和个性化指导，提高学生知识和技能。HippocraticAI产品将医学理论知识应用于现实世界情境，利用大模型的能力虚拟患者，完成和人类医生的对话，其模拟的患者不仅具有不同疾病、性格、情绪和疾病史，还能为医学生的临床诊断技能提供反馈评价。HippocraticAI主要提供了Patientsimulator（类ChatGPT问答）和flashcardgenerator两种功能。Patientsimulator提供了心血管、呼吸、肠胃、肌肉骨骼、神经学、内分泌、肾脏、生殖8种模拟病人问答，并且在整个过程中病人还会表现出愤怒、急躁、焦虑等拟人化情绪，以帮助医生适应不同类型的病人。Patientsimulator还提供了考试、笔记、病例录入等学习功能。从应用端看，AI可与医疗领域各环节融合，提升效率，降低成本。其中，药物发现、医学影像和医疗信息化已展现出较大的潜力，或将是未来AI医疗发展的重点方向。21/31行业|深度|研究报告 AI助力药物研发降本增效。药物研发面临高成本、长周期和低成功率挑战，研发1种新药平均需要投入约26亿美元，耗时12至15年，同时临床试验成功率不足10%，其根源在于人体系统、疾病和传统药物研发过程高度复杂。随着AI技术的进步，特别是像ChatGPT和Deepseek等通用大语言模型，以及Sora等生成式AI，已经在某些情况下展现出超越人类智能的能力，AI处理海量数据的能力有望克服传统方法中的障碍，大幅加速并改善药物研发过程。显著提高早研效率，后期开发待突破。当前，AI制药应用主要集中在药物早期发现阶段，包括：药物靶点发现/确证、蛋白结构预测、核心分子生成、苗头化合物生成/优化和ADMET预测等，通过AI计算获得初步候选建议，解决临床前研究试验成本高、周期长的问题。但是，由于存在种属/个体差异、后期数据公开少且质量不一、评价参数多且复杂等问题，对于研发成本更加巨大的后期开发，包括：候选化合物成药性优化、药理毒理、安全性/有效性等临床前试验评价乃至临床试验评价，AI应用仍有很大进步空间。AI管线值得关注，新药研发成功率有望翻倍。据智药局统计，截至24年初，全球临床1-3期AI药物管线分别为56/41/5个，尚未有3期临床试验成功。此外，据波士顿咨询统计：截至23年底，AI药物在I期临床试验中，成功率高达80%-90%，远高于40%-65%的历史行业平均水平；在II期临床试验中，成功率为40%，仍处于历史区间上限（30%-40%假定其Ⅲ期临床成功率保持历史行业平均水平，则新药整体成功率将由5%-10%提升至9%-18%。22/31研发终将迎来“Deepseek”时刻，优质数据或为核心壁垒。从TMDD到AIDD，真实试验和药学专家的经验直觉等“隐性知识”依然是新药研发成功的基础，对制药来说AI仍是辅助而非颠覆。新药研发面临数据量少、体系和标准不统一等带来的数据准确性问题。同时，研发数据作为药企核心资产，通常不会公开，即使公开也会埋没大量的阴性数据，对AI模型建立构成阻碍。可以预见的是，未来AI竞争更多在于数据，CXO和传统药企在经验和数据上具备优势，新兴AI制药企业更熟悉算法和平台，二者联合将是大势所趋。AI医学影像可提升效率，市场需求迅速增加。传统医学影像行业面临医生资源不足且培养周期长、影像数据解读难度大/效率低等问题。AI医学影像是利用人工智能技术对医学影像（放射学影像、超声影像和病理影像等）进行解析和分析，提升阅片效率，降低漏诊和错诊。根据亿欧智库，2022-2024年，医疗机构AI医学影像项目中标项目数量从186个增长至387个，AI医学影像应用正不断普及，医疗机构需求也在快速增加。23/31上市产品以心脑血管&肺部疾病为主，国内领先。根据弗若斯特沙利文，截至2024年6月，国内已上市92款包含自动检测功能的AI医学影像软件（三类医疗器械）。从疾病领域看，心脑血管及肺部疾病合计占70%；而从获批产品企业看，国内企业占据绝对领先地位。AI医疗信息化主要是运用AI等技术手段，形成信息化智能管理模式，提升医院的管理和诊疗效率以及患者的就医体验，建设“智慧医院”。其中，面向医务人员的智慧医疗发展最为成熟，以电子病历为核心，整合影像、检验、临床智能辅助诊疗等其他系统，建设互联互通的信息系统。24/31行业|深度|研究报告 电子病历系统的建设主要围绕政策指导展开，2018年国家公布EMRs应用水平分级评价标准将电子病历系统分为了0-8级，全国医院电子病历系统应用平均水平迅速发展。2024年，将电子病历分级评价标准修订为智慧医疗分级评价新标准，新增“人工智能”要求，包括：方案推荐、辅助判断、病历辅助生成等内容，AI医疗信息化落地将进一步加速。AI技术将赋能医药各产业链，包括疾病的辅助筛查与诊断、临床治疗辅助决策、药物研发、医学影像、医疗信息化等方面，市场空间广阔。相关人士认为医疗AI未来更注重实用侧，医疗影像、辅助诊断、AI制药等逐步走向成熟期和商业化阶段。AI影像与诊断：图像处理和识别等相关技术相对成熟，行业增长受制于院内AI医疗服务收费项目数较少，因此商业化能力较强以及软件服务可以搭载硬件设备进行销售的公司，或将更为受到市场关注。AI制药：AIDD有望革新传统药物研发模式，大大缩短药物早期发现时间，管线丰富、研发进展较快、与药企合作紧密的企业，有望受益。CDSS与医疗信息化：自然语言模型技术进步有望解决结构化病历信息的难点，从而推动CDSS进一步发展，市场上已经开发出语言模型、医院端合作基础较好、病历信息资源丰富的公司，更易抢占先机，获得发展机遇。卫宁健康科技集团股份有限公司始于1994年，以“科技赋能，提升人们健康水平”为使命，业务覆盖智慧医院，智慧区域卫生，互联网+医疗健康等，致力于成为“数字健康领域值得信赖的服务提供者”。25/31行业|深度|研究报告 集团总部位于上海，遍布全国10个研发基地与20个分支机构，服务6000余家医疗卫生机构用户，其中三级医院用户400余家。公司采用“1+X”战略，涵盖智慧医院、智慧卫生及互联网+医疗健康等业务：智慧医院：提供覆盖医院各类业务及日常管理的信息化产品，支持区域化信息共享与协同。智慧卫生：以全域健康一体化中枢为核心，打造协同融合、数据聚能的全民健康基座，支撑医疗与公卫协同、突发公卫应急及全民健康治理等场景。互联网+医疗健康：联合医院、医保、商保及药企，覆盖医疗服务、健康管理、医保风控等环节，构建三医联动的闭环生态，推动盈利模式从软件实施向O2O及B+B2C拓展。公司专注于研发、销售和技术服务一体化，致力于提供医疗健康卫生信息化解决方案，不断提升就医体验与健康水平。业务覆盖智慧医院、区域卫生、基层卫生、公共卫生、医疗保险及健康服务等领域，是中国医疗健康信息行业具有竞争力的整体方案与服务供应商。自2015年起，公司在夯实传统医疗信息化业务的同时，积极布局“互联网+医疗健康”创新业务，形成“双轮驱动”战略，并于2022年升级为“1+X”战略。“1”指基于统一中台的WiNEX系列产品，实现医疗卫生资源数字化；“X”指通过卫宁数字健康平台WinDHP，构建数字基座，推动数字化产品、数据服务创新、互联网医院及医药险联动等多元健康应用场景，打造医疗数字化生态。卫宁健康2023年10月发布面向医疗垂直领域的大模型WiNGPT，该解决方案在第五代英特尔®至强®可扩展处理器上以可以实现最佳性能运行，运行速度可加快6.3倍，加快了人工智能驱动的医疗信息整合解决方案的更好实施。2024年，为推进医疗数据要素发展及落地，公司医疗大模型WiNGPT通过国家互联网信息办公室“深度合成算法”备案，《基于医疗大模型增强的临床辅助决策》数据产品在上海数据交易所完成登记并上架；WiNEXCopilot病历质控助手、智能语音查房助手、病历文书助手、超声质控助手等产品已在北京大学人民医院、天津市海河医院、上海市肺科医院、上海市同济医院等项目中落地，充分释放AI增强的智能化产品的能力。26/31行业|深度|研究报告 为了扩大不同业务场景的产品在安全性、可靠性、性能和兼容性等方面验证范围，目前核心产品已完成上海信创综合服务中心适配，并获得上海信创工委会认证。公司积极与华为、联通、移动、电信等企业加深信创合作，提升医疗信创云的良好兼容适配，推动医疗信创云项目实践落地并支撑业务稳定运行，助力医疗信创生态更加高效、可靠、安全的发展。业绩符合预期，体外诊断业务成收入第一大板块。公司2024年前三季度营业收入294.8亿元，同比增长8.0%，其中第三季度营业收入89.5亿元，同比增长1.4%；归母净利润30.8亿元，同比下滑9.3%。2024年前三季度公司收入分产品线看，体外诊断业务收入114.0亿元，同比增长20.9%，占营业收入的比重达38.7%，其中化学发光业务增速超过20%。医学影像业务2024年前三季度收入为59.7亿元，同比增长11.4%，其中超声高端及超高端型号增长超过30%。生命信息与支持业务2024年前三季度收入为108.9亿元，同比下降11.7%，其中种子业务微创外科增长超过45%。海外市场持续发力，高端客户持续突破。2024年前三季度公司收入294.8亿元，其中国际收入120.2亿元，同比增长18.3%。单三季度公司海外收入为41.1亿元，同比增长18.6%，按照区域拆分，单Q3欧洲市场收入同比增长近30%，亚太区市场收入同比增长超30%，拉美市场同比增长近25%。公司海外收入维持较快增长主要是由于持续突破海外高端战略客户和中大样本量实验室，且种子业务包括动物医疗、微创外科、AED等逐步放量。截至2024Q3公司在生命信息与支持业务的高端客户超65家、体外诊断的高端客户超200家、医学影像的高端客户超100家，并推动高度客户的横向突破。深耕智慧医疗，致力于“设备+IT+AI”智能医疗生态系统的搭建。公司的“三瑞”数智化方案持续升级迭代。“瑞智联”：截至2024年前三季度公司在国内实现装机医院超过1000家，国际市场累计签单项目数量超过600个，其中前三季度国内新增装机近400家，国际新签项目超过200个。“瑞影云++”影像云服务平台：截至2024年前三季度公司在国内实现累计装机14300套，其中前三季度新增装机近3700套。智检实验室：截至2024年前三季度公司已经装机医院超过440家，其中80%为三级医院。成都先导成立于2012年，聚焦小分子及核酸新药的发现与优化，是DNA编码化合物库（DEL）领域的领先企业。2021年9月，公司同腾讯AILab合作共同设计开发了一款分子骨架跃迁算法（GraphGMVAE其筛选JAK1抑制剂结果已发表于ACSOmega上。公司基于AI模型主要聚焦两个方向的研究：利用已经积累的DEL筛选项目的大量数据集，构建靶点-万亿化合物的亲和力预测模型，赋能高质量苗头化合物发现环节；聚焦AI分子生成和评估、高精度结合自由能计算以及AI成药性评估，结合公司搭建的高效化学合成和高通量化合物检测平台，建设DEL+AI+自动化的“设计-合成-测试-分析”（DMTA）分子优化的能力平台，干湿结合加速化合物优化环节，赋能新药优化环节。27/31行业|深度|研究报告 联影智能是联影医疗控股股东联影集团旗下的AI医疗公司，联影集团持股24.1%。联影智能以全栈全谱的医学影像AI赋能临床、科研及影像设备。联影医疗与联影智能深入协同合作，已在全线设备产品中融入AI应用，通过高效的诊断辅助和数据处理能力，优化医疗设备的使用体验，并提升影像和放疗设备性能及成像质量。依托与联影智能的业务协同，联影医疗正从传统设备制造商转型为智慧影像解决方案提供商。联影医疗将凭借“设备+AI”的领先优势进一步巩固行业龙头地位，构建更强的竞争壁垒。全栈全谱AI布局，多维度赋能医疗场景。联影智能的全栈全谱医学影像AI能力贯穿成像、筛查、随访、诊断、治疗的完整工作流，覆盖XR、CT、MR、MI等多模态场景。联影智能的业务分为三个方向：赋能临床：业务占比约60-70%，利用AI帮助医生进行临床任务和决策，目前主要在影像科落地。截至2024年底，联影智能已推出超100款医疗AI产品，共获得12张NMPA三类证，21张NMPA二类证，13款应用获CE认证，15款应用获FDA认证。赋能科研：业务占比约20%，即协助医生进行科研工作。赋能设备：业务占比约10%，即与联影医疗合作，助力影像设备的智能化升级与性能提升。目前，在国内影像AI的应用方面，联影智能具备较强的先发优势，其获证数量远超GPS等国际同行。软硬件协同创新，共建“设备+AI”一体化竞争力。联影医疗和联影智能形成了软硬件协同创新优势，引领全球“医疗设备+AI”的技术创新。例如，联影智能将AI算法直接嵌入联影医疗的影像设备，实现患者智能摆位、扫描参数智能优化、图像重建加速等功能，提升成像效率和质量。相关人士认为，AI可加强影像设备竞争力与议价能力，“影像诊疗+AI”带来的市场增量将一部分体现在联影医疗的设备收入中。目前，AI及智能化应用已覆盖联影医疗的全产品线。凭借与联影智能的协同合作，联影医疗已形成“设备+AI”一体化竞争力。在政策驱动设备更新与AI应用渗透率提升的背景下，联影医疗的收入有望持续快速增长。公司调整股权激励目