关注：1）AI+制药；2）AI+多组学；3）AI+精准诊断；4） AI+影像设备；5）AI+家用；6）AI+智慧医疗。 ◼ 药物研发周期长、资金投入高、成功率低，“AI+”方案有望解决痛点。一款新药成功上市销售大约需要花费十年以上的时间，药物发现阶 段从靶点到苗头化合物再到先导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%。资金花费上，一款药物从研发 到上市销售 批上市，全球药品市场规模在2023年约为1.7万亿 美元，预计到2028年将会达到2.3万亿美元，年复合增长率为5%-8%。 请务必阅读正文之后的免责声明及其项下所有内容 全球新药研发市场热度高涨 ◼ 全球新药研发投入呈现上升的趋势。2022年全球药物研发投入达到2415亿美元，随着中小型药企的快速发展，研发投入持续增加，预计 到2030年增长至3943亿美元，年复合增长率为6.3%。美 药物研发周期长、投入高、成功率低 ◼ 药物研发周期长、资金投入高、成功率低。全球新药研发如火如荼，整个研发过程需要经历 创新靶点研究、药物发现、临床前研究、临床研究最终申报上市，一款新药成功上市销售大 约需要花费十年以上的时间。在研发成功率方面，药物发现阶段从靶点到苗头化合物再到先 导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%，制约新药的 研发上市。资金花费上，一款药物从研发到上市销售，平均需要投入8-23亿美元，药物上市

(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 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 • 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 款天数平均为152天，⽐ 2022年增长2天4 医院艰难 • 国家层⾯已开展10 批集采，平均降幅 50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 数据来源：1. 甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局;

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。 带来收益， 他们便愿意为这类产品付费。 4 尤其是在智慧运营、智慧后勤等场景，很多三级医院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 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

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 新药研发 / 老药新用 / 药物筛选 药 物副作用预测 / 跟踪研究 健康管理 营养学 / 身体健康管理 精 神健康管理 医院管理 病历结构化 / 分级诊疗 DRGs 智能系统 / 专家系统 辅助医学研究平台 场景描述：药物挖掘，主要完成的是新药研发、老药新用、药物筛选、药物副作用预测、药物跟踪研究等方面的内容；人工智能技 术在 药物挖掘方面的应用，主要体现于分析化合物的构效关系（即药物的化学结构与药效的关系），以及预测小分子药物晶型结构 （同一药物的不同晶型在外观、溶解度、生物有效性等方面可能会有显著不同，从而影响了药物的稳定性、生物利用度及疗效）；  人工智能与药物挖掘的结合，使得新药研发时间大大缩短，研 药占到 1/3 ； 舶众数据 思路迪 吉凯基因 瑞博生物 赛福基因 裕策生物 明码生物科技 2 典型应用场景  发展环境：传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。一款新药的研发，要经过化合物研究、临床前研 究、 临床研究（临床Ⅰ、Ⅱ、Ⅲ期试验）、 SCFDA 或 CFDA 审批后才能够上市。而人工智能技术的引入，则在一定程度上解决这些 痛点。 例如，在临床前研究

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 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。 助手，研发柔性可 穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像 识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组 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

划在企业内部推广IPD，目的是打 通业务和研发，并且提高研发和交 付的效率。我应该怎么做？ 10 超级员工如何能力破圈： 案例3. 增收增利 智能体： 营销总监的需求： 我公司计划在年底前，在全国上线一款新药， 可以有效根治痛风。 请帮我策划一份整体的营销方案。 11 超级员工如何能力破圈：案例4. 员工成长 智能体： 员工的困惑： 我在岗位上工作5年了，一直工作很努力。 但是一直没有晋升的机会，实在搞不懂是为

、环境 保护等 众多领域 ，加速应用于合成生物学的工程化落地。 图表：合成生物学产业链上下游 DNA 元件设计软件 高通量、自动化实验室设备 云端生物代工厂 微流控 大数据与机器学习 新药开发、植物天然代谢产 物、基因治疗、精细化工品、 生物材料、食品 / 饮料、工业 酶、生物农药技术、生物基 化学品、微生物药 DNA/RNA 合成、 DNA 测序、 DNA 元件库、模式生物库、

HIS、EMR、LIS、PACS....... 底层业务 支撑 苏大附一院 赋能医疗新生态：医院抗菌药物数字化管理 的数字驱动与数据洞察 江苏省唯一获批的全国 16 家临床药学重点专科之一 十三五重大新药创制药物临床评价示范平台单位 搭建 多层级 BI 看板 100% 抗菌药物全流程追踪 全域可视 数据治理 闭环管理 异常值响应速度提升至 10 分钟内 全链路 数字化闭环 库存周转率提升

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 安全性，防止数据泄露和滥用。同时，一体机还可以通过行为分析