， 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

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

源的需求日益增长。为了满足这一需求，本项目提出了一种针对医 疗场景的 DeepSeek 智算一体机设计方案。该方案旨在通过集成高 性能计算硬件、智能算法和医疗行业专用软件，打造一个能够满足 医疗机构在数据分析、图像处理、辅助诊断等方面的计算需求的综 合解决方案。DeepSeek 智算一体机将采用模块化设计，确保系统 的高效性、可扩展性和易维护性。 在硬件方面，DeepSeek 智算一体机将搭载最新的多核处理 器、高 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。 为了确保系统的稳定性和可持续性，DeepSeek 智算一体机将 采用智能化的运维管理系统。该系统能够实时监控设备的运行状 态，预测潜在故障，并提供远程维护和升级服务。此 念旨在 通过高度优化的硬件架构和深度学习的软件框架，为医疗机构提供 一站式的智能化计算平台。例如，在医学影像处理方 面，DeepSeek 智算一体机能够实现实时的高分辨率图像分析，显 著提升诊断效率和准确性；在基因组学数据分析中，其强大的并行 计算能力可以大幅缩短数据比对和变异检测的时间。 此外，DeepSeek 智算一体机还支持与现有医疗信息系统的无 缝对接，通过对海量医疗数据的智能化处理，助力医疗机构实现精