免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型+医疗:从问诊到新药开发 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc.com 录，以及整合进微软 Teams 中来辅助远程医疗。建议关注国内科大讯飞、 云知声等企业的进展。 AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 根据 Statista，2021 年全球制药行业总收入约 1.5 万亿美金，制药研发投入 约 2.4 千亿美金。DeepMind 是最早用 AI 赋能新药开发的企业之一，其推出 的 AlphaFold 主要解决从已知的氨基酸序列，预测相应蛋白质 3D AI+新药开发：根据功能需求设计/优化蛋白质，加速新药探索速度 DeepMind 两代 AlphaFold 引领行业进入高速发展期。梳理 AI+制药的发展历程，我们发 现 AI 与制药的结合逐步深入，成为生物制药企业的常态化工具。经历了包括 Exscientia、 Atomwise、英矽智能、晶泰科技在 AI 新药研发领域的早期探索（2014-2017 年）、最早一 批 AI+新药企业开始获

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 场景描述：药物挖掘，主要完成的是新药研发、老药新用、药物筛选、药物副作用预测、药物跟踪研究等方面的内容；人工智能技 术在 药物挖掘方面的应用，主要体现于分析化合物的构效关系（即药物的化学结构与药效的关系），以及预测小分子药物晶型结构 （同一药物的不同晶型在外观、溶解度、生物有效性等方面可能会有显著不同，从而影响了药物的稳定性、生物利用度及疗效）；  人工智能与药物挖掘的结合，使得新药研发时间大大缩短，研 药占到 1/3 ； 舶众数据 思路迪 吉凯基因 瑞博生物 赛福基因 裕策生物 明码生物科技 2 典型应用场景  发展环境：传统的药物研发存在研发周期长、研发成本高、研发成功率低等痛点。一款新药的研发，要经过化合物研究、临床前研 究、 临床研究（临床Ⅰ、Ⅱ、Ⅲ期试验）、 SCFDA 或 CFDA 审批后才能够上市。而人工智能技术的引入，则在一定程度上解决这些 痛点。 例如，在临床前研究

疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 业以及广大患者的重要纽带，助力构建更加高效、智能、个性化的医疗生态系统。 管疾病、呼吸道疾病等慢性病及肿瘤等的发病率总体 呈上升趋势，患者对创新药研发的需求也呈爆发式增 长态势，数据显示，2019 年到 2024 年期间，我国 创新药上市数量波动上升，从 2019 年的 51 款增加 至 93 款。国产创新药比例有显著提高，从 2019 年的 21%增加至 2023 年的 46%。虽然生物医药的规模持 续增长，但研发一款新药的时间和成本高昂，急需要 提升投入产出比。 同时，慢性病由于发病率高、病程长、有效控 对于蛋白质 - 蛋白质相互作 用等复杂结构预测能力有待 增强，对动态结构变化 模 拟不足 药物研发与设计 有少数基于 AI 设计的药物进入 临床试验阶段，但距离大规模商 业化上市还有距离 高，诸多创新药企和风 险投资积极布局 预测出的药物分子需大量实 验验证活性与安全性，临床 试验转化成功率目前较低 化合物筛选 在大型药企的研发管线中逐步 应用，成为常规筛选流程的补 充手段 高，是药物研发领域投

能技术的序幕。在这一 轮人工智能热潮中，通过深度学习、强化学习、迁移学习等技术手段，极大地推 动了自然语言处理、知识图谱、大数据挖掘、图像识别等相关领域的应用与发展。 这些新技术还在辅助诊断、新药发现等领域发展发挥了重要作用。 在中医药领域，深度学习、迁移学习技术已经广泛应用于中医舌诊、面诊的 5 辅助诊断中应用最为广泛。如北京交通大学胡晓晨团队将深度学习和强化学习结 合运 国家逐步推进中医诊所管理信息化，有条 件的地方可实行网上申请备案 2016 中共中央、国务 院 健康中国 2030 规划纲要 加强慢病防控、精准医学、智慧医疗等关 键技术突破，重点部署创新药物开发、医 疗器械国产化、中医药现代化等任务 2016 国务院 中医药发展规划纲要 （2016-2030 年） 推动“互联网+”中医医疗，大力发展中 医远程医疗、智慧医疗和移动医疗等新型 6%。 在研发投入方面，中药企业研发投入持续加大，中药创新药快速发展。以天 士力为例，年报显示，公司 2023 年全年研发投入 13.15 亿元，同比增长 29.49%，占医药板块收入比例达到 17.73%。数据显示，近 5 年公司累计研发投 入 45.03 亿元，占医药工业收入比例为 13.32%。在高研发投入下，天士力中药 创新药也不断实现突破，当前公司有 9 款创新中药处于临床 III

数据融合能力可为医院管理者提供对话式交互和数据洞察，简化数据应用，实现精细 化医院管理。 在药物研发过程中，医疗大模型可预测药物-蛋白质相互作用和药物毒性等信息，从而 评估新药的功效和安全性，有助于缩减研发周期，加速新药发现。如，清华系初创团 队水木分子推出新一代对话式药物研发助手ChatDD，涵盖药物立项、临床前研究、临 床试验各阶段，作为制药专家的AI助手，提升药物研发人员的工作效率。 培训环境和模拟手术，生成虚拟病例、手术模拟和临床案例，帮助医学生和医疗专业 人员提高技能。 在药物研发与药物反应监测方面，医疗大模型未来或可通过预测药物-蛋白质相互作 用、药物毒性等信息来预测新药物的功效和安全性，有助于缩短药物研发的周期，加 速新药的发现。此外，模型还可用于监测和评估药物的不良反应和副作用。 在提高全球医疗效率和资源配置上，医疗大模型可用于流行病学研究和疫情监测，分 析大规模健康数据，如病例报告、病

理能力和深度学习算法，能够从海量的中医药文献、临床数据和患 者信息中提取有价值的洞察。例如，通过对中医经典文献的智能分 析，DeepSeek 可以帮助研究人员快速识别潜在的药效成分和治疗 方案，从而加速新药的研发进程。此外，在临床应用方 面，DeepSeek 的智能诊断系统可以结合中医四诊（望、闻、问、 切）的作用机理，辅助医生进行更精准的辨证施治。 中医药健康产业的数字化转型还涉及到患者健康管理的智能 发，DeepSeek 能够优化每个环节的资源配置，减少成本和时间浪 费。例如，通过分析药材价格波动和供应链数据，DeepSeek 可以 为采购部门提供最优的采购方案；通过模拟不同配方的疗效和安全 性，加快新药的研发进程。  提升数据整合能力：打破信息孤岛，实现多源数据的无缝连 接。  构建知识图谱：为科研和临床提供精准的知识支持。  个性化诊疗建议：基于患者数据分析，提升治疗效果。  据进行动态调整。 在中医药的现代化研究中，DeepSeek 还能够对药材的化学成 分、药理作用进行深入分析。通过对海量实验数据的处 理，DeepSeek 可以识别出药材中的有效成分及其作用机制，为中 药新药的研发提供数据支持。例如，通过对某种中药的化学成分进 行量化分析，DeepSeek 可以预测其潜在的药理活性，并筛选出最 有开发价值的化合物。 为了进一步提升中医药数据的可视化效果，DeepSeek

优势。通过分析医院的运营数据和患者流量，它可以预测未来一段 时间内的医疗需求，从而帮助医院合理分配资源，减少患者等待时 间，提高医疗服务的响应速度。 在临床研究领域，DeepSeek 技术可以加速新药研发和临床试 验的过程。通过分析大量的临床试验数据，它能够识别出有效的药 物组合和治疗方案，缩短研发周期，降低研发成本。例如，通过分 析癌症患者的基因组数据和治疗反应，DeepSeek 可以识别出最有 此外，DeepSeek 技术还可以应用于智能药物研发。传统药物 研发周期长、成本高，且成功率较低。通过 DeepSeek 技术，研究 人员可以快速筛选出潜在的有效化合物，预测其药效和副作用，从 而加速新药的开发进程。例如，在新冠疫情期间，DeepSeek 被用 于快速筛选可能的抗病毒药物，大大缩短了药物研发的时间。 在远程医疗和健康监测领域，DeepSeek 技术同样表现出色。 通过可穿戴设备和移动应用程序，DeepSeek 资源的利用效率，推动医疗健康行业的数字化转型。 2.5 药物研发与临床试验 在药物研发与临床试验领域，DeepSeek 技术展现了其独特的 潜力，尤其是在加速药物发现、优化临床试验设计和提升研发效率 方面。新药的研发通常需要长达 10 到 15 年的时间，成本高达数十 亿美元，而 DeepSeek 通过其强大的数据分析和模式识别能力，能 够显著缩短这一周期并降低成本。 首先，DeepSeek 技术可以应用于药物靶点的筛选与验证。通

通常而言，药物的研发包括以下步骤: 靶点发现，候选药物筛选，候选药物 优化，临床前研究，临床实验，以及市场化等步骤 [1]。靶点发现作为整个流程 的第一步，是新药研发中决定成败的一步，成功的靶点识别可以为后续的药物设 计提供方向。不仅能提高新药的研发效率，也能极大地改善患者治疗期间的生活 质量。 药物研发生产流程，图片引自[1] 传统方法在靶点识别中的局限性 在AI的第三次浪潮之前，靶点的识别通常依赖多组学实验方法或者计算机辅

生早已不再仅仅依赖纸质书刊 及医药代表传达专业前沿的学术信息，近年来，专业的医生平台、学术交流甚至自媒体 平台均有医生青睐的信息来源。据医脉通《2024 年中国医生数字调研报告》数据，医 生对新药信息的获取呈现出多渠道交叉验证的特点，平均每个医生使用 3.07 个信息渠 道，仅有 5.6%的医生依赖单一渠道。 因此，若此时只是单纯借助信息化工具将线下医药代表对于医生的学术信息传达转为线 万名医生以及 1.17 万家医疗机构，正通过“4 大路径+2 个中心”的核心战略，在 AI 的强大赋能下，实现多元场景的精准营销。 布局 4 大关键路径：  临床路径：专注于处方药，尤其是创新药和原研药，提供合规高效的医生学术教育、 信息传递与互动平台。  药店终端路径：覆盖院边店与社区连锁/单体药店，通过数字化赋能提升药店服务 能力与用户粘性，实现药品的精准铺货与动销增长。  为经得起市场挑战的医疗服务价值赔付。 “新机安付”以支付为支点，铸造了医、患、险三方的信任桥梁。患者出于对垫付服务产 生的信任感，极大提高了在专病管理中的依从性，从而提升了治疗方案的有效性。该过 程也帮助药物，尤其是创新药追踪药物效果，优化使用指南；同时，专病管理更是深度 为商保把控合理赔付细则。由于医疗垫付+专病管理模式为参与各方带来明显助益，该 服务推出后便受到广泛欢迎。目前，商涌科技已为近 4 万人提供垫付服务、为千余名血

工业互联网等新兴技术，实现信息化、数字化、标准化和智能化的新型医疗健康体 系。智慧医疗应着力发展便携高效的智能服务，推广应用人工智能精准医疗新模式新手段。在药物领域，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；通过人工智能的应用，加强流行病智能检测和防控。 数据 流程 分析 服务 横型 工具镜像 工业互联网等新兴技术，实现信息化、数字化、标准化和智能化的新型医疗健康 体 系。智慧医疗应着力发展便携高效的智能服务，推广应用人工智能精准医疗新模式新手段。在药物领域，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；通过人工智能的应用，加强流行病智能检测和防控。 △ 应急指挥车 应急指挥 APP 防救互动 APP 应急小匠 综合应急 安全生产监管