方案的接受程度不断增长，中国人工智能应用程度不断加深，推动 医疗信息化渗透率不断加深，市场迎来新的发展机遇 中国AI医院信息化行业综述——市场规模 来源：沙利文，头豹研究院 中国医疗信息化市场规模，2018-2028E 单位：亿元 n 政策利好和技术发展驱动医疗信息化需求持续释放，核心业务市场进一步拓开，随着云计算、大数据、 人工智能技术正在逐渐融入临床医疗实践，推动信息化领域人工智能渗透率，AI医院信息化行业持续扩 张，医疗信息化市场迎来新的发展机遇 数百家，且产品质量不高，产 品安全问题值得重视 医疗信息化硬件市场相对集中，但医疗IT软件竞争格局相对分散，全行业参与者高达数百家，中国医疗信息 化市场CR5为43.7%，其中卫宁健康作为市占率最高的企业占比仅为11.4%，而美国医疗信息化行业2019年 CR3已接近70%。同时，行业内还存在众多中小企业，且中大型计算机企业、科技企业进行垂直领域的拓展 也会延伸至医疗信息化领域，提供一定 中国AI医院信息化行业 行业概览 | 2023/08 www.leadleo.com 400-072-5588 15 中国AI医院信息化行业潜力巨大，赛道厂商众多，随着院内数字基 建的逐步完善，以及AI的渗透深入，软件及服务的投入占比将有望 进一步攀升 中国AI医院信息化行业市场分析——竞争格局 来源：各企业官网，头豹研究院 AI医院信息化行业竞争格局，2023 营业收入 应用场景 2 4

23 5.3 京东健康-大模型赋能，升级全周期闭环的数字营销新生态 .......................25 图表目录 图表 1 2020-2023 我国医药商品销售总额（亿元）及增长率（%） ................ 1 图表 2 2020 年－-2024 年制药企业销售费用变化趋势.................................. 1 图表 3 2015 增速增长。 图表 1 2020-2023 我国医药商品销售总额（亿元）及增长率（%） 数据来源：商务部官网，动脉智库分析 药企销售支出总体呈增长趋势。通过对国内头部制药企业与跨国 MNC 企业 2020 至 2024 年期间的财报分析，药企销售费用支出总体呈增长趋势，平均增长率超过药品总 体市场销售规模的增长率。 图表 2 2020 年－-2024 年制药企业销售费用变化趋势 数据来源：各企业年报，动脉智库分析 都直 接与最终销量挂钩，这样势必会造成量化困难，进而造成投入无效的误解。 例如，面向医生的学术推广环节应在过去以处方量为 kpi 的模式中，嵌入更细的考核方 式，如以学术信息的点击率、完读率、收藏率、复读率等体现医生接受程度的指标，并 明确医生信息接收到处方量之间还有其他的影响因素，在营销体系中也纳入管理和考核。 过去，由于医生接收信息的渠道较单一且信息化基础建设不完善，直接以处方量考核学

年国家相继发布了医疗健康行业 47 大政策 慢性病已经成为中国乡村主要的公共健康问题 2019 年我国因慢性病导致的死亡占总死亡 88.5% 心脑血管病、癌症、慢性呼吸系统疾病死亡比例为 80.7% 农村居民慢性病患病率增加比例 (5.0%) 略高于城市 (4.3%) 创新数字引领 构建以慢病防控为核心的整合型医疗健康服务体系 现状分析 医疗数据割裂 程度深 住院病历 / 影像资料存管难、存储管理成本高 • 影像诊断准确率和效率低 • 用户体验差 • 医疗纠纷多 • 跨院医疗协作难以开展 • …… 医疗管理部门 • 区域内医疗资源分布不均 • 基层医院无人问津，大型医院人满为患 • 区域数据缺乏监管、影像数据价值有待挖掘 患者 • 看病难、看病贵、看病时间长 • 过度检查 • 转诊转院重复拍片 • 影像咨询困难 • 误诊率高 • …… 医生 • 阅片工作量大 阅片工作量大 • 诊断效率低、诊断准确率低 • 业务交流困难、学习资料匮乏 医疗影像云—建设目标 满足医疗一线需求：为医生工作提供工具，提升医疗服务水平 1 医疗体系构建：为医联体、医共体建设和区域医疗协同提供支持 2 技术与资源导入：人工智能应用及联合科研、医生及教育资源导入 3 满足当前业务需求，助力未来业务发展 医疗影像云—建设路径： 围绕云影像，建设智慧医疗大数据平台 数据互通，结果互认

决方案能够有效改善这一现状。据统计，三甲医院住院医师平均每 天需花费 2-3 小时完成病历书写，其中约 30%的时间用于重复性内 容填写和格式调整。AI 辅助系统的引入可将结构化数据自动转化率 提升至 70%以上，同时通过智能校验将关键信息缺失率降低至 5% 以下。 该系统核心价值体现在三个维度：  效率提升：通过语音识别和模板匹配技术，将口述内容实时转 化为符合《电子病历应用管理规范》的标准化文本，缩短书写 验结果、影像报告等数据的自动抓取与归集 当前医疗信息化建设已为 AI 辅助病历系统奠定基础条件。全 国二级以上医院电子病历系统普及率达 98%，且 80%的医疗机构 已完成临床数据中心的标准化改造。通过以下关键技术的成熟应 用，系统具备快速落地可行性： 实际部署案例显示，某省级医院在接入 AI 辅助系统后，门诊 病历完整率从 82%提升至 97%，入院记录书写时间由 25 分钟缩短 至 9 分钟。该系统尤其适用于病程记录、手术记录等高频文书场 分钟。该系统尤其适用于病程记录、手术记录等高频文书场 景，通过持续学习医院专科术语和医生个人用语习惯，其识别准确 率可在 3 个月磨合期后稳定在 92%以上。需要注意的是，系统设计 必须严格遵循《医疗质量安全核心制度要点》，所有 AI 生成内容 需经医师审核确认后方可生效，确保法律效力和医疗安全。 1.1 项目背景 近年来，随着医疗信息化建设的加速推进，电子病历系统已在 国内各级医疗机构得到广泛应用。然而，传统病历书写方式仍面临

...................... 10 （1）老龄化程度不断加深 ............................................. 10 （2）慢病发病率持续提高 ............................................. 11 （3）中医“治未病”优势明显 ............................. 神经网络及其软计算技术，构建了关于八纲辨证和脏腑辨证的多种模型和系统， 也取得了良好的成果。 虽然科研工作者利用机器学习对中医智能辨证诊断方法做了许多积极且富有 意义的研究探索，但受到技术手段制约，中医智能诊断系统诊断准确率低、覆盖 病种少以及系统应用率低的问题依然凸显。 （3）大数据与深度学习探索阶段 随着大数据产业和人工智能技术的进一步发展，尤其是神经网络技术的进步， 以深度学习技术为代表的新一轮智能技术浪潮随之而来。2016 亿人次，增长 4.1 个百分点。 结合中医类次均门诊次数和药费（总计约 440 元人民币），中医医疗服务 市场规模预期于 2027 年将超过 6700 亿元，2023 - 2027 年的年均复合增长率 3.6%。 图 2. 2014 - 2023 年中医类医疗卫生机构总诊疗量 （数据来源：国家中医药管理局） （2）中药产业利润增长 从中药工业来看，同样体现出勃勃生机。

境中运行的效 率，防止死锁和并发操作。 系统主界面的自动锁定与用户快速切换操作。 菜单、快捷键、工具栏、导航栏自定义功能 6.3.6、维护要求 系统参数维护应具有非编程的可定制的系统参数维护和自动生成系统参数 系统应支持支持多版本管理、历史版本回滚、文件压缩更新、智能角色更 新。 系统应支持提供远程桌面维护，减轻管理员维护工作强度。 程序界面调整应支持自适应分辨率、各应用模块界面美化处理，风格统一、 3、预约取消登记 当医生由于某些原因不能出诊时，门诊医生站和客服中心，可以申请取消 预约，系统支持将医生停诊通知通过公众号或短信接口反馈给已预约的患者。 7.1.2.2.4、统计分析 具有预约就诊率、爽约率统计分析功能。 具有预约渠道、人次、比例统计分析功能。 具有预约情况汇总，包括科室、日期、专家等信息统计分析功能。 具有预约记录查询支持多种条件筛选功能，如医生、科室、时间等。 7.1.2 室规则、费别与 挂号类别规则、大病项目与科室规则、科室次数规则、费别与科室规则等限制 规则。 支持挂号发票管理设置功能，支持自定义发票模板样式设置功能。 支持挂号时自动预约功能，提高医院预约率。 支持挂号登记时使用预约记录、预检记录进行登记。 支持打印挂号凭条功能，并且凭条上可以打印二维码。 挂号后打印发票或者支持电子票据。 支持挂号次数控制功能，可以根据患者费别、挂号类型、科室、医生、大

485 总线(通过串口转网络设备扩展 24 路 485 口)，并满足通讯实时性的要求 使用可视化、基于 Windows 的态配置工具 串口支持全双工 RS-232、半双工 RS-485。可以配置通讯波特 率、停止位、校验位、数据位等常用通讯参数 24ഀഀഀ 集成可配置采集规约 MODBUS、CJ-T188，内部转发规约。配 合产品配套的调试软件，用户可根据现场自主快速完成规约调 试配置,也可根据现场需求进行特殊规约的开发 勤保障的重中之重。医院 智慧运维平台围绕着设备设施综合监测和设备告警管理，通过建设现场设备监测点位 ， 建立设备运行预警平台，实现设备设施的在线实时监控，提升设备的安全运行保障， 降低设备故障率。同时通过设备能耗管理，在保证设备安全运行的基础上实现能源利 用合理化，降低能源消耗，起到降本增效的管理目标。  流程化工具保证医院综合运营与前台服务落地 服务是后勤管理的宗旨，医院智慧运维平台以提升后勤服务满意度为核心。通过 设备巡检和设备保养的全过程，实现设备台账的动态更新。  体系化的设备维修策略，实现设备可控： 医院后勤智慧运维平台通过设备标准检修体系和设备巡检、保养体系的建立，实 现设备日常运维工作标准化、规范化，降低设备故障率，提升设备生命周期。  设备管理数据中心，提供科学辅助决策能力： 医院后勤智慧运维平台利用 BI 技术，通过对平台数据的挖掘、整合、分析，为管 理决策人员准确掌握医院后勤资源的信息和后勤设备的状态，对后勤管理做出科学的

485 总线(通过串口转网络设备扩展 24 路 485 口)，并满足通讯实时性的要求 使用可视化、基于 Windows 的态配置工具 串口支持全双工 RS-232、半双工 RS-485。可以配置通讯波特 率、停止位、校验位、数据位等常用通讯参数 25ഀഀഀ 集成可配置采集规约 MODBUS、CJ-T188，内部转发规约。配 合产品配套的调试软件，用户可根据现场自主快速完成规约调 试配置,也可根据现场需求进行特殊规约的开发 勤保障的重中之重。医院 智慧运维平台围绕着设备设施综合监测和设备告警管理，通过建设现场设备监测点位 ， 建立设备运行预警平台，实现设备设施的在线实时监控，提升设备的安全运行保障， 降低设备故障率。同时通过设备能耗管理，在保证设备安全运行的基础上实现能源利 用合理化，降低能源消耗，起到降本增效的管理目标。  流程化工具保证医院综合运营与前台服务落地 服务是后勤管理的宗旨，医院智慧运维平台以提升后勤服务满意度为核心。通过 设备巡检和设备保养的全过程，实现设备台账的动态更新。  体系化的设备维修策略，实现设备可控： 医院后勤智慧运维平台通过设备标准检修体系和设备巡检、保养体系的建立，实 现设备日常运维工作标准化、规范化，降低设备故障率，提升设备生命周期。  设备管理数据中心，提供科学辅助决策能力： 医院后勤智慧运维平台利用 BI 技术，通过对平台数据的挖掘、整合、分析，为管 理决策人员准确掌握医院后勤资源的信息和后勤设备的状态，对后勤管理做出科学的

胸痛、 卒中系 统 质控分析 急诊挂号人数、 预检分诊人数、 就诊人 数 病情分级中各级患者人数 护士预检分诊准确率 急诊病历合格率 抢救室死亡率 急诊总死亡率 平均留观时间超过 72 小时的患者人数 急诊监护室或 EI CU 实际病死率 人均单次急诊费用 … … 决策支持 各类统计分析功能 ，科学高效辅 助决策支持； 急诊质控指标； EI CU 日常运营统计报表。 四、效果 早、快、准 n 更快更优行驶路径 ， 更早到 达现场 ，更快到达医院； n 提前预检分级评估 ， 简化到 院的分诊工作 ， 自带预检分 级知识库 ，提高分级准确率； n 提前准确掌握院外信息 ， 患 者未到信息先到 ， 更早更快 的接诊准备工作； n 事件全过程记录 ， 事后分析 更精准。 互联互通 n 12 0 接 诊 系 统 、 车 载 定 位 满足 不同应用场景。 更智慧 n 国际预检分级知识库； n 根 据 诊 断 自 动 推 荐 成 套治疗方案； n 自动生成护理病历表单。 急而有序 ， 提高医护工作效率 ， 减少医疗差错率 ， 提升患者满 意度 急诊系统建设成效 全流程闭环 n 基 于 全 救 治 过 程 的 时 间轴管理； n 从院前接诊 ， 院中救治 ， 到院后康复随访 ， 实现 患者救治闭环。 持续提升

超级计算机击败国际象棋冠军，体现专用 Al 的突破，但通用智能仍未实现。 ◆ 2012 年——技术突破的转折点：深度学习崛起， Geoffrey Hinton 团队在 ImageNet 竞赛中以卷积神经网络将错 误率 从 26% 降至 15%, 引发算力与数据驱动的 Al 革命。 ◆ 2016 年—— AlphaGo: DeepMind 击败李世石，引发公众对 Al 潜力的广泛关注，推动资本涌入 Al 领域。 (2) 计算机视觉 大模型在计算机视觉领域也有广泛应用，可以用于图像分类 ( 识别图像中的物体和场景 ) 、目标检测 ( 能够定位并识别 图 像中的特定物体 ) 、图像生成 ( 如风格迁移、图像超分辨率增强 ) 、人脸识别 ( 用于安全验证和身份识别 ) 、医学 影像分 二、大模型：人工智能的前沿 析 ( 辅助医生诊断疾病 ) 等 2.5 大模型的应用领域 大模型的应用领域非常广泛，涵盖了 言 翻译和语音识别以及生成自然语音 (4) 推荐系统 大模型可以用于个性化推荐、广告推荐等任务。通过分析用户的历史行为和兴趣偏好，大模型可以为用户提供个性化的推 荐服务，提高用户满意度和转化率 二、大模型：人工智能的前沿 证 新 产品 提高 工作效率 大模型在自然语言处理、机器 翻译等领域的应用，使得人们 能够快速、准确地处理大量文 本数据，提高工作效率。例如，