需求、企业业务模式与市场策略、下一步 发展的 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 咨询服务阶段：互联网改造的是健康咨询的服务流，实现人 和医生连接 诊疗服务阶段：互联网改造的是医疗的服务流，实现人和医 疗机构的连接  互联网技术的大规模应用，使人们的衣、食、住、行等行为数据互联网化、数字化，在此过程中产生的数据是海量的；  中国“互联网 + 医疗”从信息服务阶段，发展到咨询服务阶段，再到诊疗服务阶段，保留了大量电子病例数据和电子健康数据；根 据 IDC Digital 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

系。探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，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 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 能设备的移动医疗示范，实现个人健康实时监测与评估、疾病预警、慢病筛查、主动干预。 2.加强临床、科研数据整合共享和应用，支持研发医疗健康相关的人工智能技术、医用 机器人、大型医疗设备、应急救援医 互联网创新发展趋势，提升医疗健康设备的数字化、智能化制造水平，促进产业升级 。 软件 硬件 新一代信息技术 移动互联网 物联网 云计算 大数据 人工智能 ...... 临床决策支持 智能诊疗助手 临床智能诊疗方案 智能医学影像识别 智能病理分型 智能多学科会诊 智能语音 ...... 医用机器人 可穿戴设备 基因芯片 生物三维打印 数字医疗设备 物联网设备 .....

医疗信息 科研管理 1 . 现状分析 1 2 3 4 5 6 专家资源分布不均衡，区域内资源统一规划调度机制不完善 药品数据信息数据共享水平不高，药品供应体系有待完善 部分区域诊疗手段单一，本地资源无法满足实际需求 电子病历、健康档案数据不 连续、医院间数据共享水平低 基层患者就医，费用结算流程繁冗、区域覆盖不足 各医疗机构现有软硬件资源 逻辑分散，资源利用率低 A 产业的现有布 智 能 医 疗 发 展 阶 段 业务管理系统 电子病例系统 临床应用系统 慢性疾病管理系统 区域医疗信息交换系统 临床支持决策系统 公共健康卫生系统 将进一步提升医疗诊疗 流程的服务效率和服务 质量 提升医院综合管理水平， 实现监护工作无线化 全面改变和解决现代化 数字医疗模式、智能医 疗 及健康管理、医院信 息系统等的问题和困难 大幅度提体现医疗资源 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；  引导医疗机构面向中小城市和农村地区开展基层检查、上级诊断等远程医疗服务；  ……  鼓励健康服务机构利用云计算、大数据等技术搭建公共信息

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 专家导览、特色科室、医院 导览、分诊挂号、药品查询、 报告查询、常见问题解答等 康复 陪伴 健康咨询、健康管理、签 约医生、用药提醒、陪伴 看护、远程诊疗、娱乐安 抚等 医疗 服务 专各科室常见病例解答、诊疗协助、 高清远程诊疗、识别和结算终端、 用药提醒、智能查房、术后指导等 配送 服务 药品配送、标本运输、手术物资 运输 交互系统 感知系统 运动控制系统 应用开发 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— AI 语音智能随访 根据医院和科室的随访要求，设计随访问卷与患者进行智能语音交流，收集患者反馈，完成 问卷数据采集，随访、填表、生成数据报告一步到位 另外，患者康复后

当前医疗系统面临着日益增长的服务需求与资源分配不均的双 重压力。根据世界卫生组织统计，全球范围内医护人员缺口达 1700 万，门诊等待时间中位数超过 2 小时，基层医疗机构误诊率 高达 18%-25%。在诊疗效率方面，三甲医院医师日均处理病例量 超过 80 份，导致疲劳作业风险上升，而电子病历系统仅实现基础 结构化存储，无法主动辅助临床决策。 医疗数据利用存在显著瓶颈： - 非结构化数据占比超过 实时数据分析延迟普遍在 4 小时以上，影响急症处置 成本控制方面呈现两极化趋势：2023 年国内三甲医院单例诊 疗成本较 2019 年增长 23%，而社区医院设备更新率连续 5 年低于 10%。医保控费要求与精准诊疗需求之间的矛盾日益突出，DRG/ DIP 支付改革下，医疗机构亟需在保证质量的前提下将平均住院日 压缩 15%-20%。 患者体验维度存在三个关键断点： 1. 47%的投诉源于医患沟通不充分 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 链路提效方案。基于医疗行业特有的高容错性需求与复杂决策场 景，我们设定了三级目标体系：基础层实现关键流程的自动化处

积分模块、ASPECTS 模块和扩展功能模块。未来，或有更多 AI 公司以这一模式实现多 病种 AI 的商业落地。 2.1.3 商业化及应用 尽管影像 AI 企业在市场推广时会将重心放在核心的辅助诊疗工具上，但在实际之中， 构成企业营业收入的来源较为多元，涉及的付费主体贯穿了产业的上下游，且在大量场 景之中得到了规模化应用。 2.1.2.1 常见的盈利模式 一、医院－销售影像 AI 诊断解决方案： 款产品成功实现商业化落地，有力推动了精准 PCI 时代的到来。 在冠状动脉疾病的诊疗上，AI 赋能的 CT-FFR 技术崭露头角。这项技术能够迅速分析患 者的 CT 影像，从功能学角度准确评估冠状动脉的狭窄程度及其潜在影响。这一突破避 免了传统冠脉造影可能导致的过度治疗或治疗不足，为患者提供了更为精准、个性化的 诊疗方案。 在经皮冠状动脉介入治疗（PCI）阶段，AI 同样发挥着重要作用。它不仅能够自动分析 PCI 中的应用不仅提高了诊断和手术的精准度，还改善了患者的预 后和生活质量。随着技术的不断进步和应用场景的不断拓展，AI 将在心血管疾病诊疗领 域发挥越来越重要的作用。然而，需要注意的是，AI 的应用仍需结合医生的临床经验和 专业知识进行判断和决策，以确保诊疗过程的安全和有效。  乳腺癌筛防 据最新癌症数据显示，乳腺癌新增人数达 226 万，正式取代肺癌成为全球第一大癌症。 作为统计数据的一部分，我国

大模型在典型理赔场景中的价值对比： 场景 传统方式痛点 DeepSeek 大模型解决 方案 预期效果 医疗票据审 核 人工录入易错，耗时 长达 48 小时 自动识别票据类型、金额 及诊疗项目 处理时间缩短至 10 分钟，准确率超 95% 车险定损 需调度专员现场勘 查，响应延迟 通过用户上传图片智能评 估损伤等级与维修方案 定损周期从 3 天降至 2 小时，成本降低 模型支持的多模态输入处理能力显著提升了材料审核效率： - 文本材料：自动提取报案表、责任认定书中的 37 类关键字段（包 括时间、地点、责任比例等） - 影像资料：配合 OCR 技术解析医 疗发票，识别发票代码、金额、诊疗项目等核心数据 - 语音数据： 将通话录音转写文本后，同步标记情绪特征和争议焦点 理赔场景常见的语言处理挑战及解决方案对比如下： 业务场景 传统规则引擎痛点 DeepSeek 解决方案 模糊伤情描述 用明细）并与保 单条款匹配。典型处理流程包括： 1. 图像 OCR 识别与增强：支持模糊、倾斜拍摄的票据修复，识别 准确率可达 98.5% 2. ” 语义理解：采用实体关系抽取技术，建立 诊疗项目-费用-保险责 ” 任 的映射关系 3. 矛盾检测：自动发现病历记录与伤情照片的时间线冲突 欺诈风险实时预警 基于历史理赔数据训练的异常检测模型，可在受理阶段输出风险评 分。关键指标包括：

2010 2018 ⾏业视⾓：DeepSeek对于医疗体系有那些影响？ • 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 者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 主动权→⼤模型成为患者信息来源 • “数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与AI 分析相结合→⼤模型汇聚和分析数据 • 个性化诊疗和健康管理→获取服务的路径发⽣改变 患者 超级产品 增长1亿⽤户所⽤时间 ⼤模型成为新 的信息来源 16 ⽤户触达 潜在⽤户 “⼤模型会替代搜索引擎， 成为新⼀代精准流量⼊⼝v”

由于疫情导致发热患者骤增， 服务频次加大，人力需求变高 近距离接触交叉感染 由于新型肺炎或其他高传染传疾病 都能通过飞沫或接触传染，只要护 士与患者接触，都会增加感染率。 每天发生高频递送需求 医技科室、诊疗科或手术室需要递送 医疗器械、物资或药品，虽然紧急重 要但耗费人力和时间。 护士重复性工作多 全天 24H 的护士服务台人员即使轮班， 但办公与问诊交叉，灵活支配度低。 降本 增效 准确

云、大数 据和安全五大核心技术为基础，深度聚焦金融科技与医疗科技两大领域，对内 赋能金融发展，一是助力代理人招募、培训、展业、客户经营全流程，二是研 发智能闪赔、智能预赔、AI 坐席、智能辅助诊疗等核心应用，以科技全面优 化改造业务流程，提升作业效率、优化客户体验，三是打造鹰眼系统 DRS2.0、 平安企业宝等技术平台，提供线上线下多元化风险管理；对外，依托平安科技、 金融壹账通、陆金 天结案时长。 辅助诊疗赋能：平安健康打造专门为医生服务的“ChatGPT”——AskBob 智能医 生，基于 4000 万医学文献、20 万药品说明书、2 万临床指南等中英文医疗知识图 谱以及融合深度学习模型，可为医生提供个体化精准诊疗推荐和辅助决策。截至 2023 年 2 月，AskBob 服务于 140 多万名医生，覆盖全国范围 4.6 万家医疗机构， 每天提供的诊疗辅助决策次数达 27