免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出 的 AlphaFold 主要解决从已知的氨基酸序列，预测相应蛋白质 3D AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind 两代 AlphaFold 引领行业进入高速发展期。梳理 AI+制药的发展历程，我们发 现 AI 与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括 Exscientia、 Atomwise、英矽智能、晶泰科技在 AI 新药研发领域的早期探索（2014-2017 年）、最早一 批 AI+新药企业开始获

能技术的序幕。在这一 轮人工智能热潮中，通过深度学习、强化学习、迁移学习等技术手段，极大地推 动了自然语言处理、知识图谱、大数据挖掘、图像识别等相关领域的应用与发展。 这些新技术还在辅助诊断、新药发现等领域发展发挥了重要作用。 在中医药领域，深度学习、迁移学习技术已经广泛应用于中医舌诊、面诊的 5 辅助诊断中应用最为广泛。如北京交通大学胡晓晨团队将深度学习和强化学习结 合运 国家逐步推进中医诊所管理信息化，有条 件的地方可实行网上申请备案 2016 中共中央、国务 院 健康中国 2030 规划纲要 加强慢病防控、精准医学、智慧医疗等关 键技术突破，重点部署创新药物开发、医 疗器械国产化、中医药现代化等任务 2016 国务院 中医药发展规划纲要 （2016-2030 年） 推动“互联网+”中医医疗，大力发展中 医远程医疗、智慧医疗和移动医疗等新型 6%。 在研发投入方面，中药企业研发投入持续加大，中药创新药快速发展。以天 士力为例，年报显示，公司 2023 年全年研发投入 13.15 亿元，同比增长 29.49%，占医药板块收入比例达到 17.73%。数据显示，近 5 年公司累计研发投 入 45.03 亿元，占医药工业收入比例为 13.32%。在高研发投入下，天士力中药 创新药也不断实现突破，当前公司有 9 款创新中药处于临床 III

围绕药物发现、临床前研究管理、临床试验管理等环 节，应用数智技术提升新靶点和新药发现效率，加速药物 研发和临床试验进度。 1.精准靶点识别与筛选 面向疾病机制探究和药物靶点发现等业务活动，针对 传统实验方法在通量和成本方面的局限性问题，利用多组 学数据分析和文本挖掘方法，整合丰富的生物学数据，结 合自然语言处理、深度学习、图像识别以及大模型等人工 智能（AI）技术，构建新药研发知识图谱，开展复杂蛋白 质结构预测，显著提升药物靶点的识别和筛选效率。 决策质量、效率和成本效益。 5.中医药人用经验数据挖掘和决策模型研究 面向协定处方和院内制剂向创新药转化等业务活动， 针对人用经验缺乏高质量数据证据等问题，运用数据挖掘、 聚类分析、模拟技术，建立人用经验大数据库，针对疾病 特点和中医理论建立决策树、神经网络等不同模型，对临 床有效性和特点进行解析，提高中药创新药转化决策质量、 效率和成本效益。 6.基于风险的临床试验管理 3 面

数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药专家的AI助手，提升药物研发人员的工作效率。 培训环境和模拟手术，生成虚拟病例、手术模拟和临床案例，帮助医学生和医疗专业 人员提高技能。 在药物研发与药物反应监测方面，医疗大模型未来或可通过预测药物-蛋白质相互作 用、药物毒性等信息来预测新药物的功效和安全性，有助于缩短药物研发的周期，加 速新药的发现。此外，模型还可用于监测和评估药物的不良反应和副作用。 在提高全球医疗效率和资源配置上，医疗大模型可用于流行病学研究和疫情监测，分 析大规模健康数据，如病例报告、病

通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅

生早已不再仅仅依赖纸质书刊 及医药代表传达专业前沿的学术信息，近年来，专业的医生平台、学术交流甚至自媒体 平台均有医生青睐的信息来源。据医脉通《2024 年中国医生数字调研报告》数据，医 生对新药信息的获取呈现出多渠道交叉验证的特点，平均每个医生使用 3.07 个信息渠 道，仅有 5.6%的医生依赖单一渠道。 因此，若此时只是单纯借助信息化工具将线下医药代表对于医生的学术信息传达转为线 万名医生以及 1.17 万家医疗机构，正通过“4 大路径+2 个中心”的核心战略，在 AI 的强大赋能下，实现多元场景的精准营销。 布局 4 大关键路径：  临床路径：专注于处方药，尤其是创新药和原研药，提供合规高效的医生学术教育、 信息传递与互动平台。  药店终端路径：覆盖院边店与社区连锁/单体药店，通过数字化赋能提升药店服务 能力与用户粘性，实现药品的精准铺货与动销增长。  为经得起市场挑战的医疗服务价值赔付。 “新机安付”以支付为支点，铸造了医、患、险三方的信任桥梁。患者出于对垫付服务产 生的信任感，极大提高了在专病管理中的依从性，从而提升了治疗方案的有效性。该过 程也帮助药物，尤其是创新药追踪药物效果，优化使用指南；同时，专病管理更是深度 为商保把控合理赔付细则。由于医疗垫付+专病管理模式为参与各方带来明显助益，该 服务推出后便受到广泛欢迎。目前，商涌科技已为近 4 万人提供垫付服务、为千余名血

的提升，算法的不断优 化，以及跨学科合作的加深，我们有理由相信，AI在药物虚拟筛选中的应用将越 来越广泛，其精准度和可靠性也将不断提升。 展望未来，AI大模型辅助的药物虚拟筛选方法方法将继续促进创新药物的研 发。它是一个诞生于大数据时代的工具，也将作为大数据时代的代表将药物筛选 由principle base 推向 data base。这不仅有助于缩短药物从实验室到市场的 时间，还有望为患者带

年末，新冠病毒的出现更是对全世界造成了前所未有 的影响。对于此类输入性传染病、少见和新发传染病， 及早识别、预警和响应较为困难。与此同时，一些古老 的传染病疫情也呈现出新的特点。部分病原体出现了 多重耐药的趋势，新药研发速度难以跟上耐药性进化 的脚步 ［6］，不仅影响临床治疗，还增加院内感染的风 险 ［7］，病原体变异和耐药情况监测亟待强化。 2.3 社会发展对传染病防控提出更高要求 社会发展促进了社会公众健康素养的提升，而公

在用药咨询中的准确性和可行性，展示了大模型在医疗保健领域的巨 大潜力。此外，苏龙翔等[20]将大模型应用到真实病例用于预后与死亡风险预测上，并 取得一定的效果。 3.4 人工智能大模型在医学研究的应用 3.4.1 药物研发 从新药靶标到发现到临床试验研究通常需要海量的多模态数据以及大量的实验研 究。大模型正在全面驱动生物医药领域的变革，可充分发挥大模型的强大分析能力， 率先在模拟细胞培养、药物试验等场景展开应用探索，提升实验设计的准确性，提高

智慧管理：院区协同、物联平台 l 智能运营：智慧运营中心 l 医疗影像：智能标注 、三 维重建 l 辅助诊断：临床决策、手术机器人 l 数字医生：虚拟问诊、虚拟手术 l 虚拟患者：模拟治疗、医教培训 l 药物研发：新药发现、作用评估 以 ChatGPT 为代表的人工智能技术正在颠覆未来医 疗 增强 现实 云 计 算 以 5G 为核心的通信技术正在医疗行业注 入新 鲜血 液 大数据 智慧医院建设新策略