预测和评估。企业端可明显降低成本，但商业化落地进度较慢。合作模式和医院正在探索中。整体数据获取成本低，基因测序一次能获取较 大量基因组数据。相关标的：华大智造、贝瑞基因、华大基因。  AI 医疗信息化CDSS辅助临床决策：优化电子病历质控、临床决策支持与智能分诊流程, AIGC大幅拉升效率。包括AI辅助报告解读、推荐检 查项目、疾病预测等。整体商业化落地较快，数据获取成本较高。相关标的：迈瑞医疗、创业慧康、金域医学、朗玛信息、润达医疗、医渡 AI 制药：缩短药物研发周期，助力靶点发现及临床疗效预测。1）逐渐完善的行业拼图，行业玩家逐渐增加；2）AI在多疾病领域广泛应用 ，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发 现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖 文献数据及实 01 AI 医学影 像辅助诊断 AI 基因测序 AI 医疗信息化 CDSS辅助临床决策 AI 制药 AI 健康管理 AI 手术机器人 05 02 03 04 06 3 01 AI 医学影像辅 助诊断 AI 基因测序 02 AI 医疗信息化 辅助临床决策 03 AI 健康管理 04 AI 制药 05 AI 手术机器人

◼ 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，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 验证和测试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023年累计有75个分子应用AI制药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现， 2023年AI技术在小分子药物的发现中应用较 多，67项临床研究中22项为小分子药物发现、4项为抗体发现、6项为疫苗发现。 ◼ 投资建议：关注AI制药领域进展及具备潜力的海内外前沿公司。以“AI+CRO”、“AI+Biotech”为典型的商业模式，AI制药涌现出了一批优 秀的上市/非上市公司。除此之外，以赛诺菲、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

........39 4. AI 生成式大模型在医疗场景的应用...........................................................42 4.1 临床决策支持......................................................................................44 4.1.1 ...............................................................................127 8.1.1 案例一：AI 助力临床诊断........................................................129 8.1.2 案例二：健康管理平台.................... 型，具有极高的现实意义与可行性。 当前，面对全球医疗资源紧张、临床决策复杂化等挑战，传统 医疗模式已无法满足日益增长的患者需求。医务人员需要在短时间 内处理海量的信息并做出决策，这无疑增加了医疗风险。生成式大 模型通过自然语言处理、图像生成等技术，可以在多方面为医疗应 用提供支持。 首先，生成式大模型可以应用于临床诊断辅助。通过分析患者 的症状、实验室结果及影像学资料，这些模型能够生成初步的诊断

 AI 医疗器械：AI促进医疗器械创新，降本增效成果显著。 1) AI 医疗影像：进入发展快车道，辅助诊断为主 2) AI 医疗机器人：手术、辅助、康复机器人皆具备较高临床价值 3) CDSS与病种质控：临床决策支持服务以人机交互为核心 , AIGC拉升效率 4) AI 健康管理：智能设备监测及分析个人数据，医疗科技乘风而起  AI 制药：当前国内外AI制药行业的主要玩家主 器人皆具备较高临床价值 CDSS与病种质控：临床决策支持服 务以人机交互为核心 , AIGC拉升效率 AI 健康管理：智能设备监测及分析个 人数据，医疗科技乘风而起 9 AI 医疗器械常见应用及相关公司 1. AI 医疗影像：进入发展快车道，辅助诊断为主 2. AI 医疗机器人：手术、辅助、康复机器人皆具备较 高临床价值 3. CDSS与病种质控：临床决策支持服务以人机交互 《关于促进“互联网+医疗健康”发展的意见》  推进人工智能与互联网相结合，利用人工智能技术和医疗健康智能设备，开展移动医疗示范，实现个人健康实时监测、评估、疾病预警、慢性 病筛查和主动干预。强化临床、科研数据的整合、共享和应用，支持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 疗设备、生物三维打印技术和可穿戴设备等的研发。计划到2025年，在智能医疗等领域广泛应用新一代人工智能技术。

需缓释以维持长效作用，需解决两种成分释放动力学的兼容性。 o 制剂工艺：采用多层包衣、微丸压片或渗透泵技术 ( 如 OROSR) 实现差异化释放。 ● 临床阶段： o 临床前研究：已完成体外释放度、稳定性及动物药代动力学 (PK) 验证 (2021-2022 年 ) 。 o I 期临床试验： 72023 年启动，评估健康受试者中的生物等效性及缓释特性 (NCT0587XXXX) 。 6 II/I 期 计 划 ：预计 上传文档》 商洁深 度 探 索 您可以问我这些： 药物见争格局 siRNA 药物的适应症有哪些 ? 临床试验与潘证医学 度伐利尤单抗针对非小细胞肺癌的临床结果有哪些 ? 药 物研发策略 二代与三代 TKI 抑制剂差异性 ? 医药政策基于 FDA 的要求，临床试验中应如何确保受试者的知情同意 ? * 温馨提示：小程序仅支持简单问答，如需体验上面强大功能，请移步上述 PC 1. SBDD 范例：基于 GPCR 结构的理性设计缩短开发周期，从先导化合物优化到 IND 申报仅用 28 个月 1 2. 纤维化治疗新靶点验证：临床 I 期数据证实 LPA1 抑制可显著延缓肺功能恶化 (FEV1 改善率 +12.4%vs 安慰 剂 PDB 库中的结构数据提取

现状迫切需要通过智能化技术重构医疗服务流程，实现从被动治疗 到主动健康管理的转型。 人工智能技术为医疗系统优化提供了新的突破口。以自然语言 处理和多模态学习为核心的 DeepSeek 平台，具备医疗知识图谱构 建、临床决策支持和非结构化数据处理三大核心能力。某三甲医院 的试点数据显示，接入智能体后的门诊流程平均耗时从 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 满足高质量发展要求。某省卫健委的评估报告指出，超过 60%的二 ” ” 级医院信息系统仍停留在 记录存储 阶段，缺乏智能分析能 力。DeepSeek 智能体的接入将帮助医疗机构实现三个层级的跨 越：基础业务流程自动化、中级临床决策支持、高级医疗资源网络 ” 化协同。这种转型不是简单的技术叠加，而是通过构建 人类专家 +AI ” 助手 的新型协作模式，在保持医疗人文关怀的同时，释放系统 性效能。某医疗集团的实际应用案例表明，在保持原有医护团队规 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 70%（如影像报告、医患对话记录） - 跨系统数据互通率不足 40% ” ” ，形成 信息孤岛 - 实时数据分析延迟普遍在 4 小时以上，影响急症处置

........................................................................................ 24 2.3.2 临床变化................................................................................................. ......................................................24 图表 19 2023 年 10 月 31 日—2024 年 9 月 1 日更新了临床情况的管线............. 25 图表 20 39 家主流制药 AI 公司停止或被撤下的管线.............................................. 布的《山东省医养健康产业发展规划（2023—2027 年）》，便提出促进人工智能推广 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通

C端自我管理：C端患者运用AI工具管理自己的健康，如慢病管理、个性化用药、健康数据追踪等； • B2C远程管理：C端患者和B端医疗机构脱离线下场景，实现远程互动，如远程影像、远程病理等； • B2C临床管理：AI赋能B端医疗机构的临床决策，如AI医生、院内大模型等； • B端自我管理：B端医疗机构利用AI工具提高内部运营效率，如电子病历、HIS系统、病床管理、供应链管理等。 ➢ 投资建议： ➢ 硬件+AI： 风险提示：技术升级迭代不及预期、商业化进程不及预期、行业竞争加剧风险。 目 录 第一部分 第二部分 第三部分 第四部分 第五部分 第六部分 “医疗+AI”复盘及全景图 C端自我管理 B2C远程管理 B2C临床管理 B端自我管理 投资建议 1 “医疗+AI”复盘及全景图 AI&医疗复盘 本轮AI行情的中美差异： ➢ 起点一致：本轮AI行情的起步都是从2023年一季度开始的，标志性事件是以Ope 产业发展阶段不同：美国部分医疗AI相关产业相对比较成熟，在AI出来之前便有一定的基础（算法等），AI进一步赋能产业；国内基础 相对比较薄弱。 ➢ 医疗卫生体制差异：美国医疗AI是偏严肃医疗的概念，管理模式类似于处方药，需要做临床试验、FDA审批，并可以医保报销。中国部 分医疗AI产品偏消费医疗的概念，跟公立医院的体系定位有差异。 图：TDOC的股价走势 图：HIMS的股价走势 -200% -100% 0% 100%

实现各级医疗服务、医 疗保障与公共卫生服务的信息共享与业务协同。 • 二、重点任务和重大工程 4. 推进健康医疗临床和科研大数据应用。依托现有资源建设一批心脑血管、肿瘤、老 年 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 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。 • 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 ，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 学科

AI+制药行业潜力巨大 [Table_Summary] 投资要点：  AI 技术蓬勃发展，AI+制药有望成为下一个黄金赛道。AI 技术通过机器学习和深 度学习等手段，已经在药物发现、临床前研究和临床试验等全流程中发挥重要 作用。从 2007 年的早期探索至今，AI 制药技术经历了技术积累、验证和快速发 展期，目前正处于一个技术创新活跃、政策扶持明显、市场前景广阔的阶段。 AI 制药投融资市场活跃，根据 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 ADMET 预测可提前考量药物成药可能性 .............................................................. 13 2.5 临床试验结果预测可有效节省失败临床的经费 .................................................. 14 2.6 人工智能促使药物重定位快速上市 ...........