2022 年 1 月第 34 卷 第 1 期 http://www.sjpm.org.cn/ ［专栏导语］新型冠状病毒肺炎疫情的重要启示之一是认识到传染病严密监测和早期预警的重要性。上海市《关于完善重大疫情防控体 制机制健全公共卫生应急管理体系的若干意见》提出了“建设协同综合、灵敏可靠的公共卫生监测预警体系”的目标，要求以新发突发传 染病、食源性疾病、不明原因疾病为重点，完善发热、肠道门诊 素和事件的监测系统，从顶层设 计上为今后传染病疫情处置的多点触发、及早触发确定基调。症状监测作为一种新兴的公共卫生监测手段，通过对临床确诊前的健康相 关数据和疾病可能暴发的信号进行监测，从而实现早期、迅速的应急响应，为及时有效处置和扑灭疫情赢得宝贵时间。上海基于症状的 传染病综合监测工作起步较早，于2012年在全国率先开展腹泻病综合监测，构建包括成人监测和儿童监测的全人群腹泻监测体系；2014 万条数 据，涵盖病例流行病学和临床症状体征、病原学检测结果等多个方面，为明确传染病流行特征、病原谱及其季节性和周期性变化规律、支 撑疾病早期防控和临床诊疗提供了充分的科学依据。本专栏系统介绍上海市相关监测体系及配套信息系统的构建，为推进各类传染病 的早期监测预警、支撑医防融合的诊疗和防控、完善各地疾控体系建设和配套政策措施的制定提供参考。 转变模式，创新发展 ——构建超大城市现代化传染病综合监测体系

狂热，持续引发金融/债务周期的循环。 7 资料来源：创新扩散论 技术 创新 扩散 度 行为改变 习惯改变 文化改变 100 50 0 75 25 早期大众 34% 晚期大众 34% 落后者 16% 早期采用者 13.5% 创新者 2.5% 突破阶段 关键阶段 自我推动阶 段 从众阶段 Page 8 现在，从AI技术的发展视角，更深入地探讨这些科技新趋势对保险行业的影响，以及对未来保险 采用 主导 技术 新模式 变革 以早期采用者为重点，适应和支持企业战略和管理革新的措施 导入 技术创新改变社会 美国传播学者埃弗雷特·罗杰斯（Everett Rogers）的“创新扩散理论”： ►技术创新改变社会分为：行为改变、习惯改变和文化改变。 ►用户可以分为：创新者（Innovators）、早期使用者（Early Adopters）、早期大众（Early Majority）、晚期大众（Late Majority）、晚期大众（Late Majority）、落后者（Laggards）。 ►新技术刚进入市场时，只有创新者和早期使用者才会去考虑它。而这两类用户有非常鲜明一致 的特征和需求，比如都是愿意接受风险、收入较高的年轻人，都愿意在自己的群体里与其他人 进行紧密的互动分享等。但是随着更加谨慎的早期大众逐渐开始接受新技术，一个基数更大、 但是需求更加多元化的消费者群体便会形成。 在深入探究构建保险行业

响，以及推动AI应用所需的 基本能力。 新技术采用的S曲线 通过对历史上多次工业革命的回顾与分析，我们不难发现，它们的发展轨迹均呈现出一种S型的 曲线特征。一阶段是“学习曲线”，往往历时较长，且早期先行者会在摸索如何使事物运转的过程 中不断试错；二阶段是“应用曲线”，此时的技术基石已十分稳固，企业开始在生产网络中部署相 关技术；三阶段是“优化曲线”，各行业围绕技术采用的最佳实践进行调整。在此阶段，新的标准 更早地投资建立了数据基础设施，虽然在早期承担了一定的风险，但在后期成功释放了AI的潜 力。 走出规模化的低谷 从灯塔企业身上我们不难看出，AI拥有的新用例不计其数，有望带来难以想象的绩效提升。 用例启迪能力，能力引领规模。2018年，前沿用例的具体表现还是高级分析和自动驾驶汽车的本 地化应用、高度透明的数据连接和可视化仪表板，以及类似的数字精益解决方案。与现在相比， 当时部署用例所需的时间更长。多数早期部署相关用例的灯塔企业称，前5个用例的部署平均花 塔企业称，前5个用例的部署平均花 费了10~20个月；而现在，75%的灯塔企业表示，他们在6个月内便可完成5个用例的部署。不仅 如此，30%的灯塔称，他们甚至可在三个月内完成。 灯塔企业在用例部署早期，需要对其数据采集和数据传输层进行“推倒重建”：设计技术堆栈，增 加或升级传统基础设施，训练员工使用先进工具，以及调整组织架构，快速部署数字解决方案并 获得反馈。打牢“地基”后，企业便能快速部署新用

• 全流程成本（收益）提出更高要求； • 项目需求的前瞻性、准确性、清晰性不足。（部分场景下）规格、交期、质量、标准的要求不明确。 • 较大的计划偏差、技术规格描述，势必影响供应资源的提前储备，早期集中定价。 • 项目采购平台和流程不健全导致工程服务类采购在需求、验收、监督等方面管理难度较大。 • 项目按预算制管理，对采购业务价值的发掘存在进一步提升的空间。 • 付款的准期率一般。公司对 3. 质量绩效反馈 1. 物料需求 2. 缩短到货（入场） 3. 交货绩效 1. 成本分析 2. 项目过程中支撑分 期核算（含成本） 3. 按账期的及时资金 兑付 4. 减少库存 1. 早期介入构筑成本优势 / 规避风 险 2. 供应商技术支持 3. 物料选型规范 1. 了解产品 / 服务的 销售 2. 重大项目需求 / 配 置和投标支持 3. 服务规范建立 1. Forecast/PO 下，采购的价值和支撑能力最优呈现： 1. 在器件／服务的供应商选择方面相协调 2. 对新物料的评审和职责 3. 售前采购介入机制的明确（确定供应商和一般 性询价支持） 4. 确立机制，在早期设计阶段让关键供应商参与 到采购以及研发中来  实施全公司范围内的一致的采购流程，确保 风险可控： 1. 物料和服务供应的冗余性，寻找后备供应商 2. 新物料采购流程，理解新产品的设计要求

于他们利用 DeepSeek 技术进行决策支持。 以下是一些 DeepSeek 技术在医疗健康场景中的典型应用示 例：  疾病诊断：通过深度学习模型对医学影像、病理数据等进行分 析，辅助医生进行早期疾病筛查和诊断，提高诊断准确率。  个性化治疗：基于患者的基因组数据、病史和生活习惯等信 息，DeepSeek 技术能够推荐个性化的治疗方案，提升治疗效 果。  健康管理：通过实时监测患者的生理指标，如心率、血压 易受到人为因素的影响。DeepSeek 通过深度学习算法，能够自动 识别和分析医学影像中的异常区域，显著提高诊断的准确性和效 率。例如，在肺部 CT 影像中，DeepSeek 可以快速检测出早期肺 癌的微小病灶，帮助医生在早期阶段进行干预，提高治愈率。 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 DeepSeek 后， 肺癌早期诊断的准确率提高了 15%，平均诊断时间缩短了 30%。 其次，DeepSeek 在乳腺 X 光片分析中也有重要应用。系统能 够自动识别乳腺肿块和微钙化点，帮助医生判断是否存在乳腺癌的 早期迹象。根据临床试验数据，DeepSeek 在乳腺癌筛查中的敏感 性和特异性分别达到 92%和 88%，远超传统分析方法。这使得更 多的早期乳腺癌患者能够得到及时的干预和治疗。

mining 04 AI 实例：早期井涌预警系统 04 AI 实例：早期井涌预警系统，预警指数实时分析 Kick recorded by SME Kick index based on three kick indicators Timeline 2 1 Alarm by model 12 mins 04 AI 实例：早期井涌预警系统，预警效果 04行业数字化转型趋势，开放架构

浓度的多因子数学模型，用于前列腺 PSA“ 灰区”患者诊断  AI 生物标志物： ASAP 与 GAAD 模 型 ASAPvs.GAAD 在早期 NAFLD 相关 HCC 中的诊断效 能  GAAD 模型及 ASAP 模型获得指南推荐通过肝癌的血液学分子标志物监测帮助肝癌早期诊断。  GAAD 模型及 ASAP 模型在鉴别所有分期 NAFLD 相关 HCC 患者时都具有最高的诊断效能，优于任何单一肝癌血清标 人体免疫系统错误地攻击和损害自身细胞、组织和器官的一类疾病 • 临床症状重叠 , 诊断标准复杂 , 发病率逐年升高 • 患者的经济以及精神的负担都相对增大 • 早期诊断对于自身免疫疾病的治疗至关重要 科学目的：基于实验室指标构建自身免疫风湿病早期分类的 多分类模型  研究对象： 519 例 SLE 患者， 163 例 SS 患者， 243 例 IM 患者  研究指标：自身抗体、血常规、生化常规、临床特征

个模型在应用上来说必须是中性的数据。MBE 的宗旨是：数据是创建一次，并能直接被所有 数据使用者重复使用。该模型应该被视为系统 记录和配置控制的基础。 下游业务过程中模型使用者应该使用模 型参与产品开发周期的早期工作，如制造、成 本和产品维护支持都可以基于模型来做，因此， 模型不能仅仅包含几何模型信息，还必须包含 制造信息，比如公差配合、注释和功能参数， 以帮助沟通设计意图。该模型必须是一个完整 的技术数据包，它必须包含或关联相关的材料 的定义得到的一个能力指数 定义。该指数表提供了一套详细的标准来定义 MBE 的能力，可以帮助企业判断当前的状态 并制定企业 MBE 的发展路线图。 √ 允许在产品正式生产制造前进行制造 工艺过程的虚拟验证 √ 允许早期制造数据向设计的反馈 • 基于模型的维护 MBS 国防行业随着维持武器系统运行的时间 比原来设计的越来越长，以及国防在未来越来 越少的预算，迫切需要采取类似于 MBS 的维 持技术以提高运行维护效率和降低生命周期成 西门子基于模型的数字化企业解决方案白皮书（修订版） 大型装备制造业数字化之道 24 化可以进行整机查看，便于在早期验 证更多的问题，在整个企业流程中实 现 “可视化”。 • 知识的捕获和重用（聚焦设计），是 实现三维设计唯一之路。 • MBD 要求实施基于设计 / 制造的并行 协同流程。 为了顺利实施

年医疗健康领域深度合成服务算法备案清单分布 1 医疗健康行业 AI 应用白皮书 AI 技术加速迭代， 推动医疗向更高效率、更精准服务发展 AI 在医疗健康行业的应用由来已久，从早期 的规则引擎和专家系统引入，到医学影像分析、病 历质控、疾病早期筛查与诊断、再到医药研发， AI 在医疗健康行业的应用逐步深入。当前，随着生成 式人工智能的加速发展，众多研究机构和企业在通 用大模型的基础上，基于不同细分领域的医学和医疗 影像分析技术在肺部、心脑血管等领 域的应用较为成熟，如在胸部 CT 影像分析中， AI 能 够快速定位肺部结节，并分析其大小、形状、密度、 边缘等特征，帮助放射科医生判断结节性质（如良 性、炎性或恶性）。对于早期脑部血管病变或细微骨 折， AI 通过对影像的高精度分析，能够提高病变检 出率，减少漏诊和误诊。但在肝脏影像分析中，由于 成像技术复杂（如多期相 CT、动态增强 MRI 等） ， 需进一步提升分类和识别能力。目前科研界和科技企 业已联合医疗机构共同开展相关技术攻关。 例如，阿里巴巴达摩院和上海市胰腺疾病研究 所、浙江大学医学院附属第一医院、复旦大学附属肿 瘤医院等医院临床研究人员共同开发的早期筛查模型 PANDA，能够识别出人眼难以察觉的细微病变，诊 断的准确率可达 99.9%，提高了胰腺癌早期诊断的 准确性。 随着基于 Transformer 大模型的发展，其相较 于传统的卷积神经网络（CNN），能够捕捉全局上下 文信息，有助于识别病灶与周围组织的关系，从而提

模拟奶牛活动状态，发现奶牛在发情早期的活动规律，预测奶牛 发情期，决定其配种时间和冻精种类，以便于奶牛及时受孕，提 高奶牛繁殖力。 喂养管理  饮水量、采食量监测数据对于分析饲料转化率、分析原奶营养成 分以及提高奶产量和质量具有重要意义。 泌乳管理  产奶量监测、疾病预防，通过在挤奶位上安装流量传感器，实时 采集每头奶牛当次产奶量，通过电导率传感器、在线体温测定仪 对疾病发生进行早期预警。 病监测预警系统 37.5~39.5 度， 超过正常体温范围，往往是某些严重疾病的表现。如稽留热、牛 肺疫、牛结核病、口蹄疫、牛瘟等。  通过对泌乳牛挤奶过程中的体温传感器每日测量数据，能够对有 发烧症状的疫病早期发现，发起预警。 建设方案—— 动物行为监测与管理 —— 农产品质量安全过程追溯系统 实现对农产品生产、加工、包装、运输、仓储、批发、 零售的全过程质量安全追溯管理与查询功能。 建设方案