机会与风险等细节问题，进行深入 挖掘，听取来自行业第一线工作者和企业 领导层对行业的见解和认知。 智能医疗概述 AI+ 医疗 应用场景 虚拟助理 医学影像 辅助诊疗 疾病风险预测 药物挖掘 健康管理 医院管理 辅助医学 研究平台 1 赋能 现象 发展 矛盾 广阔 市场 “ 人工智能 + 医疗”是人工智能技术对于 医疗产业的赋能现象。当前以机器学习 与数据挖掘为两大技术核心的人工智能， 算法模型；“互联网 + 医疗” 为人工 智能的发展 奠定了数据基础。 2 典型应用场景 AI+ 医疗 应用场景 20 虚拟助理 语音电子病历 / 智能导诊 智能问诊 / 推荐用药 医学影像 病灶识别与标注 / 三维重建 靶 区自动勾画与自适应放疗 辅助诊疗 医疗大数据辅助诊疗 医疗机器人 疾病风险预测 基因测序与检测服务 预测癌症 / 白血病等重大疾病 药物挖掘 / 专家系统 辅助医学研究平台 线上科研平台，提供 GPU 计算 算 法框架 / 数据分析等服务 综合分析了我国目前“人工智能 + 医疗”领域的公司和产品，梳理出包括虚拟助理、医学影像、辅助诊疗等在内的应用场景 2 典型应用场景 45 43 21 19 15 14 14 7 疾病风险管理 医学影像 医院管理 辅助诊疗 虚拟助理 健康管理 辅助医学研究平台 药物挖掘

居民的医疗期望上升 政府支付负担上升 老年人医疗需求增加 城镇医疗机构负担加剧 高致死率疾病刚性需求增加 医生缺口及负担明显加剧 机遇与挑战 以 政 策 驱 动 技 术 区域参照：结合贵州发展情况，看广西医学人工智能落地路径 贵州 人工智能 全景应用 实施智能医疗健康重大产业化示范项 目，推进公立医院与互联网医院等重 点医院先行先试、联合攻关，加强与 全球知名人工智能科研机构和企业合 作，推进计算机视觉、模式识别、深 第三阶段 发展智能药物挖掘，支持我省医 药企业智能化转型，推进深度学 习等技术应用于药物临床前研究， 推动快速、准确地挖掘和筛选合 适的化合物或生物。 n 第四阶段 03 03 01 02 医学人工 智能落地 路径 搭建全区养老服务信息管理平 台，加快推进自治区、市两级 人口健康信息平台基础设施建 设，支持发展智慧医院系统， 推进电子病历标准化建设。 n 第一阶段 n 第二阶段 打造一批居家养老服务信息化示范社 聚焦场景：鼓励试点，总结经验，制定规则，是政府落地医学人工智能的政策导向 聚焦四大人工智能应用场景： 人工智能+医学影像 01 影像拍片AI质控 智能影像网关平台 人工智能+医院管理 02 优化资源配置 弥补医院管理漏洞 人工智能+疾病诊断和预测 03 疾病的诊断 疾病的预测 心血管及肿瘤影像 人工智能+医学研究 04 病历结构化处理 多源异构数据挖掘 人工智能+医学影像，重点落地心血管及肿瘤影像

病和儿科等临床医学数据示范中心，集成基因组学、蛋白质组学等国家医学大数据资源， 构 建临床决策支持系统。推进基因芯片与测序技术在遗传性疾病诊断、癌症早期诊断和疾病 预 防检测方面的应用，加强人口基因信息安全管理，推动精准医疗技术发展。围绕重大疾病 临 床用药研制、药物产业化共性关键技术等需求，建立药物副作用预测、创新药物研发数据 融 合共享机制。充分利用优势资源，优化生物医学大数据布局，依托国家临床医学研究中心 托国家临床医学研究中心 和 协同研究网络，系统加强临床和科研数据资源整合共享，提升医学科研及应用效能，推动 智 慧医疗发展。 • 二、重点任务和重大工程 7. 研制推广数字化健康医疗智能设备。支持研发健康医疗相关的人工智 能技术、生物三维（ 3D ）打印技术、医用机器人、大型医疗设备、健康和 康 复辅助器械、可穿戴设备以及相关微型传感器件。加快研发成果转化，提 高 数字医疗设备、物 组 学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防 控。 • （七）推进“互联网 +” 人工智能应用服务。 1.研发基于人工智能的临床诊疗决策支持系统，开展智能医学影像识别、病理分型和多 学科会诊以及多种医疗健康场景下的智能语音技术应用，提高医疗服务效率。支持中医辨证 论治智能辅助系统应用，提升基层中医诊疗服务能力。开展基于人工智能技术、医疗健康智

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 ........................................................................................... 5 2.1 医学影像 AI：拓宽视野，影像 AI 脱离影像科...............................................................6 2.1.1 产品梳理.

AI 在制药领域的应用 ■ ■ ■ ■ 高 二 二 二 二 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 在制药领域的应用 10-30 % 10-30 % 成本节降 11 无形收益 有形收益 1 常规减少潜力 资料来源：罗兰贝格 影响 更深入的理解 AI 可助力市场洞察和企业战略 1 监管和医学事务 加快审批流程并保持合规性 审批提交支持和合规性监控 • 创建监管申报资料包 • 自动追踪监管变化并进行合规性预测 商业绩效 追踪并提升商业绩效 2 市场洞察和 企业战略 • 内容创建 市场准入 • 定价策略 • 报销建模 • 基于价值定价 (VBP) 调整 在产品上市阶段， AI 可以在监管和医学事务及商业职能 等 各个方面提供支持。 AI 可以通过多种方式帮助加快审批提交并保持合规，例如 自动追踪监管变化和合规性预测。在医学事务方面 ， AI 可 以提供批准后真实世界数据 (RWD) 增强追踪，并为信 息 服务和现场运营等提供行政支持。 利用市场表现数据，

在硬件方面，DeepSeek 智算一体机将搭载最新的多核处理 器、高速内存和大容量存储设备，以支持大规模的医疗数据处理。 同时，显卡和专用加速器将被集成用于加速深度学习模型的训练和 推理，特别是在医学图像识别和自然语言处理任务中表现优异。网 络模块将支持高速数据传输，确保医疗数据在院内外的快速共享与 协同处理。 软件层面，DeepSeek 智算一体机将预装医疗行业专用的操作 系统和软件套 信息系统的无缝集成，降低部署和运维的复杂性。 在智能算法方面，DeepSeek 智算一体机将集成多种先进的深 度学习模型和机器学习算法，覆盖从医学影像分析到临床决策支持 的多个应用场景。这些算法将基于海量的医疗数据进行训练，并通 过持续的更新和优化，确保其在实际应用中的高准确性和可靠性。 例如，在医学影像诊断领域，DeepSeek 智算一体机将能够自动识 别和标注病灶区域，辅助医生进行更快速、更精准的诊断。 为了 1.1 项目背景与目标 随着医疗行业的快速发展，传统的数据处理方式已无法满足现 代化医疗场景中日益增长的计算需求。医疗数据的复杂性、多样性 和敏感性对数据处理能力提出了更高的要求。特别是在医学影像分 析、基因组学、临床决策支持等领域，深度学习和智能算法的应用 已成为提升医疗效率和精准度的关键。然而，现有的计算设备在性 能、扩展性和成本效益方面存在诸多局限性，难以应对大规模并发 处

医疗领域幻觉⽐例甚⾄⾼达20-30%2 幻觉⾼=“创造⼒税“ 底层⼤模型各有所长 幻觉情况1 11 数据来源：1.(Vectara(HHEM⼈⼯智能幻觉测试； 2.(腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 患者⾏为“消费者化”：医疗信息透明化，患者 有更多主动权 • “数字健康”和⽣态“破壁跨圈”，产⽣更多数据 • 个性化诊疗和健康管理 患者 • 电⼦病历和数据管理⾰新 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 “细致⼊微”⾏为管理 “极致简化”服务路径 DeepSeek对于医疗体系有那些影响？-医⽣ • 学习/培训模式发⽣改变→交互性、个性化学习 模式 • 医⽣临床决策影响模式发⽣改变→从经验驱动 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 医⽣ 基于DeepSeek推理模型，整合患者的信息，辅助医⽣深度问诊、

汇报人： WPS AI 智慧医院 01 面向智慧医疗—人工智能辅助诊疗 电子病历 患者主诉 / 疾病 史 / 检验检查 …… 可能的 疾病建 议及置 信度 深度学习 决策器 海量医学资源 医学知识 证据读 取器 证据 海量医 学资源 疾病资源 疾病读 取器 疾病知识 候选疾病 相似病例推荐 诊疗方案建议 语音识别 语义解析 主诉 问诊 患者症状 检查等信息 通 引导患者描述病情，疾病画像 04 面向智慧医疗— AI 移动医生查房 4 医学知识智能检索，好帮手 3 语音写会诊意见，更方便 1 全语音操作信息查阅，更快捷 2 床旁语音写病历，更及时 在住院病区场景，利用人工智能技术，医生在床旁通过语音导航，随时掌握患者信息；语音录入病历， 提高医生移动端录入积极性；医学知识智能检索，帮助医生快速、准确、规范地完成诊疗工作 06 面向智慧医疗—

120 分钟缩 短至 75 分钟，电子病历自动生成准确率达到 92%，显著降低了医 护人员的文书负担。这些技术特性与医疗场景的需求高度契合： 1. 知识检索效率提升：智能体可在 3 秒内完成百万级医学文献的 语义检索 2. 诊断辅助精度：对常见疾病的鉴别诊断建议与专家共识吻合度 达 88% 3. 资源调度优化：通过预测就诊流量实现医护人员动态配置，候 诊时间减少 40% 当前医疗信息 化芯片适配，在保证系统稳定性的前提下，可帮助三甲医院将门诊 病历自动化处理效率提升 3 倍，同时将临床决策支持系统的误诊率 降低至人类专家水平的 1.2 倍以内。通过持续学习机制，模型每周 自动更新医学知识库，确保诊疗建议符合最新临床指南要求。 1.3 项目目标与预期效益 本项目旨在通过将 DeepSeek 智能体技术深度整合至医疗系统 核心业务流程，构建一套覆盖诊疗辅助、资源调度与数据治理的全 6 分钟/次 1 分钟/次 83% 这种低效操作模式直接导致两大系统性风险：一是医护人员工 作负荷过重，某省级医院调查显示 82%的医生因行政性事务增加而 出现职业倦怠；二是医疗错误率上升，美国医学研究所（IOM）统 计表明，人工操作环节的差错占医疗事故成因的 34%。通过引入 DeepSeek 智能体，可实现病历自动结构化（准确率≥95%）、检 查结果智能预警（响应时间<3 秒）、治疗方案推荐（覆盖

国家“互联网 +” 行动指导意见，明确“互联网 + 医疗健康”行动路线 重点行动之 “ 互联网 + 益民服务” 推广在线医疗 卫生新模式 促进智慧健康 养老产业发展  支持第三方机构构建医学影像、健康档案、检验报告、电子病历等医疗信息共享服务平台，建立跨医院的医疗数据 共享交换体系；  积极利用移动互联网提供在线预约诊疗、候诊提醒、划价缴费、诊疗报告查询、药品配送等医疗便捷服务； 建设现代医疗卫生健康体系的实施意见》：加快构建分级诊疗制度， 2015 年底初步建立 区域远程影像、检查检验及远程会诊等系统  南京卫生局智慧医疗建设方案： 2016 年 10 月建立南京市远程医学会诊、远程心电监测、区域检验影像集中诊断等多区域协作中心 过度页 智慧医疗信息化 1 、信息共享 2 、高效存储 3 、网络安全 4 、运营管理 5 ，监控管理 6 、移动医疗 1 业务数据存储 业务数据存储 外部接口 公 安 民 政 计 生 医 保 银 行 2 、高效存储 协同共享便利： 为整合内部业务和外部服务系统提供便利，为移动应用创造条件 云存储： 医学影像数据量不断增加，提供弹性按需存储服务 云归档： 热 / 冷数据差异化处理，影像文件高效并发索引归档 云 PACS ： 无 PACS 的一 / 二级医院，全套 PACS 服务 影像归档