AI医疗专题系列二：从DEEPSEEK的崛起看AI医疗发展方向及投资机会

从DEEPSEEK的崛起看AI医疗发展方向及投资机会 西南证券研究院2025年2月 首席分析师：杜向阳执业证号：S1250520030002电话：021-68416017邮箱：duxy@swsc.com.cn 分析师：陈辰执业证号：S1250524120002电话：021-68416017邮箱：chch@swsc.com.cn 核心观点 前言：本篇主旨在探讨Deepseek相关概念及技术在医药产业方向上的潜在应用。人工智能技术的突破性进展正以颠覆性姿态重塑医疗健康产业。2025年2月，国产大模型DeepSeek-R1的全面开源与多领域适配，标志着AI医疗迈入技术融合与行业重构的新阶段。DeepSeek通过强化学习技术与混合专家架构（MoE），在极低标注数据需求下实现推理能力跃升，其复杂任务处理与中文语料优化的特性，为医疗场景提供了精准、低成本且本土化的解决方案。这一技术突破不仅推动了算法与行业工作流的深度结合，更吸引了恒瑞医药、医渡科技、东软集团、鹰瞳科技等头部企业加速布局，覆盖从辅助诊疗到药物研发的全链条智能化升级。政策端亦为AI医疗注入强劲动能：2024年11月，《卫生健康行业人工智能应用场景参考指引》发布，明确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成；智云健康则通过DeepSeek-R1优化慢病管理的数字化流程；而恒瑞医药更将模型应用纳入内部考核体系，推动AI渗透至研发、生产与管理的全环节。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、一脉阳光、祥生医疗、兰卫医学、鹰瞳科技-B、安必平、乐普医疗、福瑞股份、东软医疗、迪安诊断、北陆药业、达安基因。 AI基因测序：罕见病大模型优化基因测序筛查，AI助力多助学数据分析。涉及收集样本基因测序、罕见病遗传病分析解读、以及多组学风险预测和评估。企业端可明显降低成本，但商业化落地进度较慢。合作模式和医院正在探索中。整体数据获取成本低，基因测序一次能获取较大量基因组数据。相关标的：华大智造、贝瑞基因、华大基因。 AI医疗信息化CDSS辅助临床决策：优化电子病历质控、临床决策支持与智能分诊流程,AIGC大幅拉升效率。包括AI辅助报告解读、推荐检查项目、疾病预测等。整体商业化落地较快，数据获取成本较高。相关标的：迈瑞医疗、创业慧康、金域医学、朗玛信息、润达医疗、医渡科技、讯飞医疗科技、医脉通、卫宁健康、嘉和美康、万达信息、塞力医疗、久远银海、京东健康、阿里健康、固生堂、万孚生物、平安好医生。 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，尚处于早期阶段。相关标的：美年健康、鱼跃医疗、智云健康、九安医疗、乐心医疗、三诺生物。 AI制药：缩短药物研发周期，助力靶点发现及临床疗效预测。1）逐渐完善的行业拼图，行业玩家逐渐增加；2）AI在多疾病领域广泛应用，肿瘤（37%）、免疫学（21%）及神经病学（14%）领域占比最大；3）AI可参与药物开发过程多个阶段。其中涉及AI虚拟筛选、药物发现、优化药物结构、临床试验优化、建立疾病风险模型、肿瘤精准治疗等。商业化落地中等，仍处于临床早期阶段，数据获取成本高，依赖文献数据及实验室数据。相关标的：晶泰科技、丽珠集团、药明康德、信立泰、成都先导、川宁生物、药石科技、健康元、美迪西、东阳光长江药业、皓元医药、悦康药业、泓博医药、博济医药。 AI手术机器人：重点在手术机器人和AI的融合。相关标的：微创机器人、天智航等。 风险提示：行业竞争加剧风险、政策风险政策风险、市场需求变动风险、宏观经济增速大幅下滑等风险。 AI基因测序 AI制药 AI手术机器人 AI医疗不同应用方向的发展现状 AI制药 数据获取成本 分子虚拟筛选、药物发现优化药物结构临床试验优化建立疾病风险模型肿瘤精准治疗 AIGC突出创造性生产，依赖于多模型的技术融合 DeepSeek在医疗领域的应用主要依赖于其多模型技术融合能力 DEEPSEEK 多家医疗企业已宣布接入DEEPSEEK 政策全面拥抱AI在医疗领域的应用 AIGC突出创造性生产，依赖于多模型的技术融合 AIGC（AI Generated Content)主要突出的是创造性生产，依赖于多模型的技术融合 自然语言处理赋予了AI理解能力和创作能力:NLP有2个核心的任务：分别是1）自然语言理解—NLU；2）自然语言生成—NLG。自然语言理解：希望机器可以像人一样，具备正常人的语言理解能力。需要涉及：1）语言的多样性；2）语言的歧义性；3)语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。自然语言生成：为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式，如文章、报告等。需要涉及：1）内容确定；2）文本结构；3）句子聚合；4）语法化；5）参考表达式生成；6）语言实现。 DeepSeek在医疗领域的应用主要依赖于其多模型技术融合能力 多模型技术融合 AIGC领域的技术包含了：生成对抗网络（GAN）、变微分自动编码器（VAE）、标准化流模型（NFs）、自回归模型（AR）、能量模型和扩散模型（DiffusionModel）。总体趋势来看，大模型、大数据、大算力是未来的发展方向。目前两个最常用的模型是GAN和DiffusionModel。 1. GAN (Generative Adversarial Nets）生成对抗网络：结构包含两个模型，一个是生成模型（Generator，G），另一个是判别模型（Discriminator，D）。2. Diffusion Model扩散模型：扩散模型的生成逻辑相比其他的模型更接近人的思维模式，也是为什么近期AIGC拥有了开放 性的创造力。本质上，扩散模型的工作原理是通过连续添加高斯噪声来破坏训练数据，随后通过反转这个噪声过程来学习恢复数据。训练后，我们可以通过简单地将随机采样的噪声传递给学习的去噪过程来生成数据。 DeepSeek-V3系统通过语义解析电子病历和影像特征智能比对，显著提升了呼吸系统疾病的诊断准确率。此外，DeepSeek-R1模型在乳腺癌新辅助化疗方案优化中，通过整合全外显子测序数据和影像组学特征，生成个体化用药敏感性预测模型，显著提高了病理完全缓解率 DEEPSEEK通过多模型技术融合，在医疗领域展现出显著的应用潜力。其核心技术依托于深度学习和自然语言处理，致力于开发高效的智能工具，优化医疗工作流程。通过海量数据分析与挖掘，DEEPSEEK能够为医疗行业提供精准的智能决策支持。这种技术不仅增强了医疗从业者的工作效率，还在一定程度上提高了患者的安全性和医疗质量。在算法和模型的选择上，DEEPSEEK采用了先进的生成对抗网络（GAN）与变分自编码器（VAE），使得其模型在图像生成和数据重建等任务中表现出色。与传统模型相比，这些先进算法能够处理更复杂的医疗数据，并提供更具准确性和实用性的输出。 多家医疗企业已宣布接入DEEPSEEK DeepSeek-R1在自然语言处理任务上表现出色，特别是在中文语法优化方面 DEEPSEEK通过其创新的混合专家模型架构，为资金不充裕的医疗公司提供了接入AI的可能性，特别是在慢病管理、医疗信息化以及医疗数据积累方面具有丰富经验的公司。DeepSeek-R1在复杂逻辑推理任务上取得了媲美o1的推理效果。例如，在几何推理和组合数学任务中，DeepSeek-R1展现 了其强大的推理能力和逻辑严谨性。此外，DeepSeek-R1的自我反思能力使其在复杂查询中表现出色，如儿科临床决策支持中的多层次分析。 医疗数据处理方面，DEEPSEEK的多模型技术融合成果较好。以金域医学接入DeepSeek-R1模型为例，其智能体应用“小域医”在面对个性化临床咨询场景时，借助多模型融合技术能够更精准地理解用户意图。在单项报告解读任务中，结合了图像识别模型对检验报告中的图像数据进行分析，以及自然语言处理模型对报告中的文字描述进行理解，然后将两者的结果进行融合，从而增强了回答的逻辑性与可解释性。在综合报告解读任务中，更是整合了多个不同类型的模型，对来自患者的各种检验数据、病历信息等多源数据进行全面分析，使得“小域医”能够为用户提供更精准、可靠、便捷的AI咨询服务。 在医学影像诊断方面，亦实现了多模型在影像设备智能化中的应用。通过融合不同的医学影像分析模型，如用于检测肺结节的模型、用于分析心血管影像的模型等，能够对多种疾病的影像特征进行综合分析。同时，结合自然语言处理模型对影像报告中的文字信息进行处理，提升了影像诊断工作效率，为医生提供了更全面、准确的诊断辅助信息。 政策全面拥抱AI在医疗领域的应用 政策全面拥抱AI在医疗领域的应用，明确了方向和支持力度 根据《医疗器械监督管理条例》和国家标准化管理委员会的有关规定，成立人工智能医疗器械标准化技术归口单位、植入性医疗器械标准化技术归口单位和口腔医疗器械标准化技术归口单位三个单位，分别归口中国生物医学工程学会、中国医疗器械产业协会和中国口腔医学会。三个归口单位的主要职责是：开展医疗器械标准化技术研究、制定行业标准、推动行业标准化工作、组织标准修订等。该公告的发布旨在推进医疗器械标准化工作，促进医疗器械技术创新和产业升级，加强监管科技支撑和服务能力，维护人民群众的健康权益。 2021.3.30药监局《关于进一步促进医疗器械标准化工作高质量发展的意见》 在优化医疗器械重点任务的标准体系内容时，其中的第三项任务是要加快推进医用机器人、人工智能、有源植入物、医用软件、5G+工业互联网以及多技术融合等新兴领域的共性技术研究和标准制定工作。 加强对人工智能医疗软件类产品的监管管理，促进该产业的高质量发展。该指导原则对人工智能软件进行了定义，并提出了管理属性的确定与管理类别的界定指导。 2022.7.29科技部等六部门关于印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》促进人工智能更高水平应用，推动人工智能场景创新。 尽管我国人工智能技术正在快速发展，数据和算力资源也越来越丰富，应用场景不断拓展，但仍然存在一些问题。例如，人们对场景创新的认识不足，重大场景系统设计不足，场景机会开放程度不够，场景创新生态不完善等。因此，需要加强对人工智能场景创新工作的统筹指导，以进一步推进人工智能技术的应用和发展。 2024年11月，国家卫健委、国家中医药局、国家疾控局联合发布了《卫生健康行业人工智能应用场景参考指引》为AI在医疗领域的应用提供了明确的方向和支持。未来，发展和医学教学科研等方面发挥重要作用。 1)政策引导与支持：《指引》列出了84个具AI技术将在医疗服务管理、基层公卫服务、健康产业体的应用场景，涵盖医疗服务管理、基层公卫服务、健康产业发展和医学