， 构建业务信息化蓝图 企业架构 (EA) 设计咨询项目 企业架构治理 (EAM) 现状诊断 内部使用 文件 5 2 • < 文件 1> 目标业务能力架构 – 各种挑战及业务能力建设重点 – 业务能力重点对 IT 的要求 • < 文件 2> IT 架构现状梳理 • < 文件 3> IT 架构现状诊断 • < 文件 4> 目标 IT 架构设计 – 架构改进点及建议 – 未来 1/3/5 1/3/5 年的目标架构及演进路线 • < 文件 5> 企业架构治理 (EAM) 现状诊断 • < 文件 6> 企业架构治理 (EAM) 设计 – 针对体改后的组织设置，设计所需角色、 岗位、职责，及项目治理流程 • < 文件 7> 数据治理的方向性建议 • < 文件 8> 现有 / 目标架构的 ARIS 模型说明 – 现有 / 目标架构在 ARIS 中被完整记录， 该文件为对建模内容的说明 冲突仲裁 提供 需求 输入 交付 后架 构审 核 例外的管理 规划 IT 项目 经理 * 业务项 目经理 承包商 ** 上线 后支 持培 训 对详细设 计的架构 跟踪管控 流程详细诊断 : 项目管理中的 EAM *由科信部 IT 协调员担任 **由业务部 IT 协调员担任 资料来源： 访谈；项目组分析 1 已有的架构管控环节 缺失的架构管控环节 2 5 主要差距

项目编号： 生态环境保护基于多模态 AI 大模型智慧 诊断应用 设 计 方 案 目 录 1. 引言........................................................................................................................................... ..........................................................................................7 1.2 智慧诊断的概念及发展............................................................................................. .........................................................................................20 2.4 传统诊断方法的不足..............................................................................................

增持（维持） [Table_Tag] [Table_Summary] 投资要点 ◼ AI 有望颠覆诊断、药物研发和治疗流程。近期，Tempus.AI、Doximity 等美股 AI 医疗公司涨幅显著，木头姐近期发布的《Big Ideas 2025》中 指出，人工智能将颠覆诊断、药物发现和治疗，到 2030 年，整个行业 的表现将提升几个数量级。世界经济论坛发布报告认为，预计 2024 有望为局端、院端、药企等医疗系统内的参与方赋能，实 现降本增效。 ◼ AI+辅助诊断：2024 年 11 月，国家医保局首次将人工智能辅助诊断列 入立项指南，AI 辅助诊断首次被纳入医保。AI 辅助诊断主要应用于影 像分析、病理诊断、基因检测、早期筛查等，诊断效率逐步提升。OpenAI o1-preview 在鉴别诊断、诊断临床推理和管理推理的质量都有明显提高。 借助 AI，对人类基因组的计算时间已经从 年，这将使得专利价值提高 70-80%。 ◼ AI 正在全面赋能医疗行业，促进提质降本增效。我们预计未来在生物 制药、辅助诊断、医院/医保信息系统等方面，AI 都将有望促进流程再 造，提升研发和业务效率、质量的同时降低成本。 ◼ 建议关注： AI+辅助诊断：阿里健康、贝瑞基因、华大基因、迪安诊断、美年健康、 金域医学、塞力医疗、圣湘生物、迈瑞医疗、鱼跃医疗、海康威视、润 达医疗、鹰瞳科技、乐普医疗、我武生物；

84类应用方向，涵盖医学影像分析、智能药物研发等核心领域，为技术落地提供了顶层 设计支撑。而2025年2月18日即将发布的华为瑞金病理模型，则进一步凸显了AI在病理诊断这一传统高壁垒领域的潜力，有望缓解我国病理 医生短缺困境，提升诊断效率与准确性。从技术融合视角看：DeepSeek的多模型协同能力正成为行业新范式。例如，医渡科技将其整合至 “AI医疗大脑”YiduCore，实现疾病洞察报告的精准生 的全环节。这种“模型即服务”的生态闭环，不仅重构了医疗工作流，更催生了 六大核心应用方向的爆发：  AI 医学影像辅助诊断：进入发展快车道，辅助诊断为主。包括AI超声诊断、病理学AI等影像学辅助诊，涉及到图像处理、勾勒病灶大小、特 征识别、诊断建议。影像学AI辅助诊断商业化落地快，应用场景明确，院端需求较大。数据获取成本较高，行业正在探索AI收费模式。相关 标的：联影医疗、理邦仪器、万东医疗  AI 健康管理：平台依托模型生成个性化防控方案，推动慢病管理从“被动治疗”转向“主动干预”。其中包括可穿戴类产品，定制化干预方 案。AI系统实时监测并预警。在复杂医疗场景中，AI 对疾病风险评估、诊断辅助等的准确性仍有提升空间。医疗机构、保险机构等数据分散 ，出于利益、安全等考虑，数据共享意愿低，限制了 AI 健康管理数据来源和应用范围，难以形成全面的健康管理方案。且目前消费者付费 意愿较低，尚

03 AI 智慧药房及药 店分销 1 01 AI 医疗器械 02 AI 制药 03 AI 智慧药房 及药店分销 2 安必平 AI 医 疗 影 像 迪安诊断 联影医疗 鹰瞳科技-B 美年健康 万东医疗 AI 医 疗 机 器 人 天智航 微创机器人-B CD SS 与 病 种 质 控 金域医学 医渡科技 久远银海 的解决方案，也逐步让我们看到了更多的AIGC在医药医疗端应用的潜在可能。 因此如下我们做了三方面的梳理。  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 医疗影像：进入发展快车道，辅助 诊断为主 AI 医疗机器人：手术、辅助、康复机 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

检测等 • 代表性公司：RadNet、 Arterys、PathAI、 Proscia、鹰瞳科技、万 东医疗 B2C临床管理 • 定义：B2C临床管理主 要是AI赋能临床决策支 持，辅助疾病诊断、个 性化用药等 • 商业模式分类：AI精准 用药、基因测序、AI影 像识别、疾病模型判断 • 代表性公司：Tempus AI、Grail、华大基因、 华大智造 B端自我管理 • 定义：B端自我管理主 ➢ 金域医学、迪安诊断等 ➢ 华大基因、贝瑞基因、诺禾致源等 ➢ 美年健康、润达医疗等 主线三：CRO+AI ➢ 平台：药明康德、泰格医药、康龙化成等 ➢ 特色：药石科技、皓元医药、成都先导、泓博医药等 ➢ 其他：晶泰控股等 2 C端自我管理 C端自我管理+AI：患者端健康管理工具 ➢ C端自我管理：患者运用AI工具，无需线下的临床端场景，自己可以进行疾病筛查、诊断、治疗、康复以及日常健康 日常健康 管理等全周期自我管理。 ➢ 筛查：疾病早筛，基于AI算法或大数据模型，根据患者自我监测的健康数据，预测疾病发生可能、给出健康管理办法的应用。 ➢ 诊断：移动医疗、互联网医疗等线上诊端场景，既包含纯AI的初诊，也包含真实医生端的在线处方。 ➢ 治疗：医药电商、心理健康辅导 ➢ 康复：慢病管理，比如血糖管理等。 ➢ 日常健康管理：软硬件依托的日常健康管理，比如睡眠数据监测 13

2.1.2 人工效率低下.............................................................................18 2.1.3 诊断与决策支持不足..................................................................21 2.2 DeepSeek 智能体的适用场景. 智能问诊与分诊..................................................................................65 4.1.1 症状分析与初步诊断..................................................................68 4.1.2 患者分流建议................. 近年来，医疗系统面临日益增长的服务需求与资源分配不均的 双重挑战。随着人口老龄化加剧和慢性病发病率上升，传统医疗模 式在效率、准确性和可及性方面逐渐显现瓶颈。根据世界卫生组织 统计，全球范围内约有 50%的医疗服务机构存在诊断延迟问题，而 基层医疗机构因专业人才短缺导致的误诊率高达 15%-20%。这种 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

.............................................................................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...................... 行更为精准的诊断和治疗。因此，在医疗场景中应用生成式大模 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 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 建议。这不仅提高了诊断的准确性，还可以减少医生的工作负担。 基于以往的病例数据，模型能够识别趋势和模式，从而为疾病的早 期发现和预防提供数据支持。 其次，在治疗方案的制定过程中，生成式大模型同样具有重要 的作用。模型能够整合各类医疗信息，包括患者的病史、当前病情 及最新的医学研究成果，为医生提供个性化的治疗建议。例如，针

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 人工智能在医学影像领域目前的应用方向主要有三类，即疾病筛查、病灶勾画、脏器三维成像，涉及脑、眼睛、乳腺、食管、 肺、心脏等多个人体部位。 结合目前癌症诊断和治疗的发展状况，人工智能肿瘤 工智能心血管影像能够有效提高广西居民的循环系统疾 病早筛及预防情况，其中优先落地:心电图的自动分析及 诊断及心血管疾病AI影像技术（心电CT\MRI\心电彩超 等）. 肿瘤影像 心血管影像产品价值：自动处理+自动输出，实现多项功能 冠脉CT影像 全自动完成冠脉影像智能图像后处理及胶片自动打印，与AI辅助诊断结构化 报告自动输出，具备钙化积分、冠脉FFRct的功能性影像评价能力等多项功 能，能提供量化预测及大数据支持 达80%。 图：智能靶区勾画软件界面，蛋壳研究院。 图：人工智能检测肿瘤病理图像结果，蛋壳研究院。 为了解决有限的时间和诊断准确性的问题，将人工智能引入数字病 理学研究成为了最好的办法。人工智能可以缩短病理诊断的时间、 提升诊断效率，最主要的是，它还能提供更加准确的诊断结果。 智能勾勒靶区 病理分析 人工智能产品管线：医学影像产品针对疾病快速增多，医院有广泛选择权 我们可以看到大多数人工

、能耗信息及环境监测， 实现精细用户画像，助力科学调度 与资源配置 智 能 故 障 识 别 与 诊 断 结合人工智能算法，自动提 取设备 特 征 ，识别潜在异常，构建以专家 经验为核心的诊断体系，为故障根 源定位和问题处理提 供有力建议 智慧 能耗与碳排管控 依托大模型和数字孪生，实时监控、 动态仿真与智能调控，形成能耗预 测、碳排溯源与节能优化的闭环 辅 助 决 系统关键数据变量在正常运行时的平 均值和标准偏差 X7 系统可能存在的状态选项 X8 回答格式要求 研究三：基于微调大语言模型的系统故障检测与诊断：模型微调 42/80 基于模板格式，自动填充相应内容，批量化生成用于大语言模型故障检测与诊断的提示词 from openai import OpenAI client=OpenAIO client.files.create( file= ) 研究三：基于微调大语言模型的系统故障检测与诊断：模型微调 43/80 {"prompt": "", "completion": ""} 对原始模型进行能力测试，结合标注信息使其自纠正错误诊断内容，构建语料，微调大模型 生成微调模型