应用的核心领域之一，根据终端客户不同，我们将应用分 为 To 医院、To 药企和 To 个人三大方向。本篇报告重点聚焦 AI 在医院端的 场景，全面介绍 AI 在院内诊疗全过程以及 AI 基建的应用，并梳理相关公司。 ❑ 2023 年新出版的《超越想象的 GPT 医疗》开篇描绘了一个虚构场景：面对 患者病情突然恶化，医学住院实习生克里斯腾·陈通过和 GPT-4 对话，完 成了对患者的救治、得到了 在医药健康领域的应用 经过多年发展，ChatGPT 的爆火则再次引燃热情，应用领域百花齐放。其中 医院作为医疗行为核心发生地，数据资源丰富、应用场景多样，本篇从诊前/ 诊断、诊中治疗、医院 AI 基建全面梳理 AI 在医院场景下的应用。 ❑ 诊前/诊断：1）AI+检验：检验诊断是临床信息的主要来源，AI+检验具有高 临床应用价值，可用于辅助报告解读、检验项目推荐和疾病预测及治疗等领 域，相关公司： 驱动的 DRG 智能管理平台............................................................... 27 表 1：医疗 AI 相关政策梳理 ............................................................................... 7 敬请阅读末页的重要说明

... 14 多邻国对国内 AI 教育发展的启示 ........................................................ 17 国内教育公司 AI 实践梳理 ...................................................... 17 国内实践概况：降本增收两侧赋能，构筑“基础内容-技术方案-产品应用”的三级产业链架构 26 图30： 2018 年至今豆神教育归母净利润 ......................................................26 图31： 豆神教育重整时间表梳理 ............................................................ 26 图32： 豆神教育股权结构 ................... 国内 AI 教育配套政策 ................................................................ 10 表5： 部分教育公司 AI 教育实践梳理 ........................................................ 18 表6： 好未来 MathGPT 面对数学数据集测试，表现较优准确度 ...

百度灵医智惠全方位赋能医疗场景......................................................... 15 表 1 “互联网+医疗健康”相关政策梳理 ................................................................ 5 表 2 健康咨询与线上问诊比较 ............. 长最快的应用。线上问诊咨询已发展二十余年来也暴露出了一些问题，例如：监 管不到位；服务缺乏连续性；医生回复不及时；误诊率高；平台服务费用高昂但 患者付费意愿薄弱等。 表 1 “互联网+医疗健康”相关政策梳理 政策名称 颁布部门 颁布时间 主要内容 《关于促进“互联网+医疗 健康”发展的意见》 国务院办公厅 2018 年 4 月 鼓励医疗联合体内上级医疗机构借助人工智能等技术手段，面向基层提 差是付费意愿低下的 主要原因，究其根源在于医生在线上难以用长篇文字解释、仅能简单讲述， 从而导致患者与医生的交流效率低下、问诊效果差。 ◼ 在传统互联网问诊的基础上，AI 辅助完成问诊前的信息梳理、问诊中的以 及问诊后的患者关切工作：1）问诊前，AI 能够快速准确的将患者基本信息、 过往病历、当前问诊数据等相关资料自动生成一份患者档案，极大压缩医生 与患者交流基本信息的时间；2）问诊中，AI

4.2.6.2 云原生改造上云 相比平迁上云，云原生改造上云更具备长期优势，但同时也更为复杂，实施周 期更长。 ⚫ 应用容器化 应用容器化大致分为五个步骤： （1）应用现状分析。梳理应用使用的资源、系统的逻辑架构拓朴、应用服 务的所有数据依赖、应用上下游服务依赖关系、服务所依赖的进程、系统中需要 保留的重要日志及数据、数据和文件权限等。 （2）迁移规划和设计。根据前期对应用系统现状的调研和分析结容器平台 化对提升学校的科研能力具有重大意义。 ⚫ 科研情报助手 科研情报助手可以帮助高校师生大幅度提升科技信息获取能力和效率，全面 44 掌握产业科技情报，快速了解技术应用的场景，深入解读企业的技术合作情况， 梳理企业专家的技术水平，协助评估技术应用领域及市场需求程度。科研情报助 手还能在线生成分析报告，为产学研合作提供全面详实的科技信息决策服务，加 速技术与市场结合的速度，有效减少项目投入风险，提高投入产出比。同时，通 基于信创能力评估模型（IICAM）对学校的信创化现状进行梳理、分析与评 估，是制定教育机构未来信创化目标、体系框架与实施推进计划的前提基础。评 估从 IT 软硬件资产配置的信创化程度、IT 架构、IT 技术标准、IT 管理流程制 度、信创化组织与人才配置、IT 技术与产品的信创化供应商生态体系建设等方 面的现状进行详细的梳理分析。 IT 软硬件资产的配置的信创化程度，是基于教育机构当前的

AI 在制药行业的应用，全面介绍了 AI 在临床前和临床阶段的落地情况；同 时作为一种新的药物研发模式，我们基于全球 AI 制药龙头 Schrödinger，重点 讨论 AI 制药的商业模式变迁，并梳理相关公司。 ❑ AI 可用于新药开发全过程，达到降低成本，增加药物研发可能性目的。根据 DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段 的 2 年降至 11

地、技术、经济等局限，帮助学生掌握线下课堂 难以接触到的场景知识与信息；另一方面，强化 高等教育教学、科研以及业务数据全生命周期管 理，持续推进数据共享常态化和全过程可视化， 坚持“一数一源，一源多用”，梳理数据源头， 建立数据资产目录，明确数据责权，提升数据质 量，保障数据安全，把数据创新应用于高等教育 人才培养、科学研究、决策治理、社会服务、师 生日常生活等环节，并成为高等教育数字化转型 升级的核心推动力。