“722”事件后，NMPA（当时为 CFDA）相继发布了《关于开展药物临床试验数据自查核 查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内 EDC、 RTSM 市场的繁荣，太美医疗等企业在系统中植入 AI，使其顺势成为药企数字化的关键 要素。 如今 FDA 鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的 进一步开展转型。以 eCOA 为例，美国约 已经采购了相应的数智化系统，率 先享受到了 AI 赋能后的管理红利。 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 AI 形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医 IT 大模型落地的典例。 2.3 制药 AI：下行时期，在变化之中寻找新的机遇 自 2020 年制药 AI 在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。 此前，AI 主导的进入临床试验阶段的创新药项目仅为个位数。2021 年这一数字已迅速 增长至 100 多个，2022 年维持增势突破 200，2023 年进一步提升，管线数量迈入 300 大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等

供应商关系管理 获取 AI 收益 收益和效率的提高，具体取决于价值链所属环节 AI 主要应用领域 • 产品组合优化 • 药物发现 • 分子生成 • 生物标记开发 • 临床试验设计 • 临床试验数据分析和报告撰 写 • 市场研究 • 营销组合优化 • 现场人员优化 • 宣传材料制作 • 关键意见领袖（ KOL ） 管 理 • （医疗）知识管理 应用得当时， AI 对药物发现时间和成本减少的潜在影 响 到临床前候选药物 (PCC) 的成本 ( 百万美 元 ) 1 临床前候选药物 (PCC) 是指在早期实验室研究和动物模型中显示出良好效果、但尚未在人体临床试验中进行测试的化合物或候选药 物 到临床前候选药物 (PCC) 的时间 ( 年 ) 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 基线 AI 赋能流程 基线

管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速 以得到释放 医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化患者流程 • 多重购买渠道 腾讯⼤数据 腾讯健康药箱 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ 云深智药 DeepSeekJ会给医药企业带来哪些变化？—“技术为⾈，业务为舵” 懂业务者锚定价值，好奇⼼驱动突破 31 ⼤模型虽好，使⽤需谨慎 数据授权和管理 • 避免透露个⼈信息：⽐如⼿机号码、

GSK、强生为代表的大药企亦在积极布局AI制药领域，一方面运用AI技术加强数据管理决策并 深度融合至药物开发流程之中，一方面不断加强与AI制药专业公司合作，运用后者专业的技术平台，赋能药物发现和临床试验。建议关注AI 制药领域进展及具备潜力的海内外前沿公司：晶泰控股-P、皓元医药、药石科技、药明康德、成都先导等。 请务必阅读正文之后的免责声明及其项下所有内容 医疗健康是AI最大的应用领域 01 Insight，国信证券经济研究所整理 全球AI制药的市场快速扩张，AI技术布局药物研发全产业链 ◼ AI技术参与药物研发的多个阶段。从靶点发现、虚拟筛选、蛋白质 结构预测、ADMET预测到临床试验等多个研发阶段，AI技术均能参与 其中，全面布局在药物研发的上、中、下游产业链。 ◼ AI制药行业市场规模快速增长。根据MedMarket Insights预测， 2023年全球AI制药行业的市场规模为12 02亿美元，2022-2031年复合增长率约为27.2%。 AIDD 制药流程 新药发现 蛋白质结构预测 AI应用模块 AI模型 药物从头设计 虚拟筛选 靶点的发现和识别 ADMET预测 晶型预测 逆合成预测 临床试验 新药开发 临床阶段 知识图谱 机器学习 深度学习 自然语言处理 大语言模型 请务必阅读正文之后的免责声明及其项下所有内容 数据来源：智药局，国信证券经济研究所整理 AI技术深度参与药物研发全产业链

的财报文本分析可能部分失效。通用模 型（如 DeepSeek R1）虽能捕捉文本情感倾向，但其对专业术语和行业特定表达 的理解存在盲区。例如，生物医药财报中常见的“基因编辑技术临床转化 率”“III 期临床试验”等术语，可能被模型误判为负面信号，尤其是当技术性 风险提示（如“试验存在不确定性”）与财务风险无直接关联时，易导致误报率 上升。 为提升专业性，未来可结合领域预训练与混合监督学习。以生物医药领域为例， 例， 可以在领域内科学文献、专利文本及历史财报数据上对模型进行增量预训练，强 化其对专业术语上下文和行业逻辑的理解。同时，通过 Prompt 工程嵌入领域规则， 例如明确技术术语的中性化处理（如“临床试验阶段描述不直接关联现金流压 力”），避免语义误判。此外，还可以引入少量专家标注数据（如标记专利价值 与财务健康度的关联性），对模型进行微调，使其能够识别技术密集文本中的隐 藏风险信号。理论上 Zero-Shot

例如，在临床前研究环节，把得到活性数据结合化合物结构得到初步构效关系，以指导后续结构优化；若效果不理想，则需 要退回上 一步，重新合成，非常耗费时间；人工智能则可以提高筛选效率，优化构效关系。此外，在临床试验阶段，寻找匹配的病 人参与试验 十分耗费时间；而人工智能能够结合医院数据，快速找到符合条件的病人；  人工智能与药物挖掘结合最典型的案例，是硅谷公司 Atomwise 通过 IBM 超级计算 生物分析服务；提供小分子药物分析、生物标记物 等服务 隽永生物 生物数据分析平台；通过大数据挖掘，利用云计 算虚拟仿真生物模型，改善实验室研发效率 生物奇点 科学研究服务；识别常规科研流程难以发现的相关 性、精准匹配临床试验受试者等  产品形态：辅助医学研究平台之上，公司为生物医学研究者提供综合性技术服务。  数据收集 / 存储与统计分析、基因测序等生物信息分析。 3 医疗企业业务  业务模式：虽然辅助医

并消解其中的歧义。系统利用自然语言处理技术，深度挖掘和分 析医疗文本的信息，它可以快速批量抓取病历中的信息生成一个 结构化数据库。 大大提高了临床管理数据的效率，降低了研究的实施成本； 同时能够应用于临床试验、真实世界研究、不良事件追踪、患 者管理随访等方面； 图：病历结构化处理软件界面，蛋壳研究院。 人工智能+医学研究，医疗大数据标准化，真正实现“二次”利用 我们所关注的人工智能+医学研究重点

通过预测模型优化资源配置，在以下方面产生直接效益： - 住院床 位周转率提升 12% - 急诊分级分诊误差率降低至 3.2% - 手术室利 用率提高 18.5% 医药研发辅助场景 在临床试验阶段，智能体可快速完成： - 受试者筛选条件匹配 - 不 良事件报告自动归类 - 试验方案偏离预警 这些场景的实现均基于 DeepSeek 智能体特有的医疗知识图谱 （包含 450 临床决策支持智能体：集成知识图谱与循证医学规则库，提供 DDx 鉴别诊断建议 2. 流程优化智能体：基于强化学习动态调整门诊资 源分配，实测降低候诊时间 23% 3. 科研分析智能体：自动生成符 合 CONSORT 标准的临床试验分析报告 知识管理子系统 建立动态更新的医学知识库，采用增量学习机制保持内容时效性。 每周自动抓取 PubMed 最新文献，通过置信度加权算法更新诊疗 指南，关键性能指标包括： - 知识检索准确率≥98%（基于 同步放化疗（顺铂+依托泊苷）+ ” 度伐利尤单抗维持治疗 2. 替 代方案：当患者存在禁忌症时（如肾功能不全），自动替换为卡铂 为基础的化疗方案 3. 实验性方案：针对罕见病例或治疗失败患 者，提供临床试验筛选结果（如 Phase III 的 KRAS G12C 抑制剂试 验） 治疗方案对比分析表（以 2 型糖尿病为例）： 方案类 型 药物组合 预期 HbA1c 降 幅 低血糖 风险

治疗从对症管理迈 入根源纠治的精准医学新时代。 该热点前沿的 30 篇核心论文的核心研究主题非 常集中：评估 ETI 疗法的疗效、安全性、作用机制及 其对 CF 患者全方位的临床影响。 主题 1：关键性临床试验与疗效验证，这些关键 论文共同构成了这一划时代疗法的科学基石，为其通 过美国 FDA 对囊性纤维化三联疗法的批准提供了临床 验证的完整链条。 1.2 重点热点前沿――“CFTR 调节剂三联 定主要基于 2019 年发表在《新英格兰医学杂志》（The New England Journal of Medicine）和《柳叶刀》（The Lancet）两篇关键论文的 III 期临床试验结果，也就是 该研究前沿中被引频次最高的两篇论文。这两项研究 共同构成了 ETI 疗法对最主要 CF 患者群体有效的决 定性证据，是 FDA 做出初始批准的首要科学依据。 在初始批准后，后续研究将受益人群拓展到儿童患者 F508del 突变，还能改善 CFTR 蛋白的功能。 主题 3：真实临床效果研究，在药物获批后，研 究重点转向其在真实临床环境中的长期效果。多项注 册登记研究在更大规模、更广泛的患者群体中验证了 临床试验的结果，显示肺功能改善、住院率下降等。 ETI 疗法彻底改变了 CF 的疾病图景，将 CF 从一 种进行性、致命性疾病转变为一种可管理的慢性病， 实现了从“控制症状”到“纠正病因”的根本性跨越。

帮助研 究人员更快地发现新的治疗方法和药物靶点。例如，在药物筛选过 程中，一体机可以通过大规模数据分析，快速识别出具有潜在治疗 效果的化合物，缩短药物研发周期。此外，一体机还可以协助进行 临床试验数据的分析，提高试验的准确性和可靠性，为新药的上市 提供有力支持。 最后，DeepSeek 智算一体机在医疗安全管理中的应用也不容 忽视。一体机可以通过数据加密和访问控制技术，确保医疗数据的