医疗行业AI专题报告(三)：设备篇，AI时代下的智能医疗设备革命

行业研究·专题报告 医药生物 投资评级：优于大市（维持） 联系人：贾瑞祥021-60875137jiaruixiang@guosen.com.cn 证券分析师：陈曦炳0755-81982939chenxibing@guosen.com.cnS0980521120001 证券分析师：彭思宇0755-81982723pengsiyu@guosen.com.cnS0980521060003 证券分析师：张超0755-81982940zhangchao4@guosen.com.cnS0980522080001 联系人：凌珑021-60375401linglong@guosen.com.cn 前前言言 n医疗健康产业正处于数字化转型与智能化升级的变革期，ARK Invest近期所发布的《Big Ideas 2025》提到利用人工智能来“操作”数据将颠覆诊断、药物发现和治疗。医疗健康是AI技术最重要的应用领域，医疗保健板块人工智能解决方案的全球市场规模预计将由2022年的137亿美元增至2030年的1,553亿美元，CAGR为35.5%，是人工智能应用最大的领域，具备广阔前景及想象空间，中国医疗健康产业正迎来自身的“Deepseek时刻”。 n上期报告：《医疗AI专题报告（二）：多组学篇—AI技术驱动精准诊断实现更大突破》。AI与多组学的结合正在生物医学和数据科学领域引发变革。基因组学是生物大数据的基石，而多组学涵盖基因组学、转录组学、蛋白质组学、代谢组学、表观组学等多层次数据，“AI+多组学”本质上是数据驱动和生物学机理驱动的双重范式升级，核心价值在于为复杂疾病的机制解析提供“全景视角”，赋能精准医学从理论走向大规模应用。伴随DNA测序成本和合成成本的快速下降，多组学的技术性能有望在2030年前实现数量级跃升，带动下游精准诊断和药物开发实现重要突破。“AI+多组学”的海外龙头企业如Tempus AI、Grail、Guardant Health等正利用所积累的海量数据优势在基因数据服务及应用、MRD、多癌早筛等应用场景高速发展。“AI+医学检验”也在加速渗透医学实验室的自动化和标准化建设的各环节，有望优化诊断流程和决策效能，提高患者的诊疗质量和医疗服务水平。建议关注“AI+多组学/医学检验”领域进展及具备潜力的国内头部企业：金域医学、华大智造、艾德生物、安必平、圣湘生物等。 n本期报告：《医疗AI专题报告（三）：设备篇—AI时代下的智能医疗设备革命》。AI技术正加速渗透医学影像、手术机器人和脑机接口等应用领域。AI为医学影像领域带来变革：一方面通过优化成像算法，提高医学影像的清晰度和对比度；另一方面，利用深度学习算法分析医学影像，识别和标记可能的病变区域，为医生提供辅助诊断信息，助力更高效、智能、精准的诊疗。根据国家医保局发布的放射检查类和超声检查类的价格项目立项指南，AI辅助诊断已被纳入扩展项，体现了人工智能技术在提质增效方面的功能定位。手术机器人在AI赋能下正推动外科手术向智能化、精准化方向发展，已应用于术前规划、术中辅助和术后评估等各环节。科研人员成功在达芬奇手术机器人上应用模仿学习，使其在不依赖精确运动学数据的情况下完成外科操作。脑机接口与AI的结合是通过将AI的计算和学习能力与脑机接口的信号捕捉和解码能力相结合，实现更高效、更智能的人机交互，可应用于医疗、大健康、教育、娱乐等多个领域。建议关注“AI+医疗设备”领域进展及各场景的国内头部企业：联影医疗、迈瑞医疗、开立医疗、祥生医疗。 报报告告摘摘要要 n人工智能技术的快速发展正引领医疗终端应用步入效率革命的新时代。“AI+医疗”主要是指利用人工智能技术提高医疗供给端的效率和准确性。通过将深度学习、大数据分析等AI技术深度融入医疗设备和医疗服务领域，传统医疗器械的诊断精度、操作效率和智能化水平得到显著提升。AI对医疗服务领域的赋能不仅优化了诊疗流程，缩短了诊疗时间，更推动了医疗资源的高效配置，为智慧医疗体系的构建提供了强有力的技术支撑。目前，AI技术正在医学影像分析、辅助诊断与决策、健康管理与远程医疗和基因多组学等多个场景展现应用潜力。 nAI技术正加速渗透医学影像、手术机器人和脑机接口等应用领域。传统医疗影像手段主要依靠医生完成，存在诸多限制，AI则为医学影像领域带来变革：一方面通过优化成像算法，提高医学影像的清晰度和对比度；另一方面，利用深度学习算法分析医学影像，识别和标记可能的病变区域，为医生提供辅助诊断信息，助力更高效、智能、精准的诊疗。根据国家医保局发布的放射检查类和超声检查类的价格项目立项指南，AI辅助诊断已被纳入扩展项，体现了人工智能技术在提质增效方面的功能定位。GE Healthcare、奥林巴斯等海外医疗设备龙头以及ButterflyNetwork、Nano-X等创新企业正持续推动AI赋能，开发系列解决方案。手术机器人在AI赋能下正推动外科手术向智能化、精准化方向发展，已应用于术前规划、术中辅助和术后评估等各环节。科研人员成功在达芬奇手术机器人上应用模仿学习，使其在不依赖精确运动学数据的情况下完成外科操作，机器学习和深度学习也在执行复杂多样的骨科手术中显示出了应用潜力。脑机接口与AI的结合是通过将AI的计算和学习能力与脑机接口的信号捕捉和解码能力相结合，实现更高效、更智能的人机交互，可应用于医疗、大健康、教育、娱乐等多个领域。 n医疗设备厂商积极推动AI技术融合，迈向数智化时代。祥生医疗较早布局人工智能领域研发，“乳腺疾病人工智能超声诊断软件”是国内首个取得国家级三类医疗器械检测报告的超声人工智能产品，已处于临床试验阶段。迈瑞医疗已发布全球首个临床落地的重症医疗大模型—“启元重症大模型”和“瑞影·AI+”解决方案，构建“设备+IT+AI”的数智医疗新生态。联影集团孵化的联影智能、联影智元等AI公司持续对联影医疗进行赋能，引领全线医疗设备产品数智化升级。开立医疗是国内“超声+内镜”领军企业，内部有独立的AI研发人员，多款AI软件助力超声和软镜的精准检查。微创机器人将AI技术融入产品，提升手术的精准性和安全性，图迈结合5G及卫星通信技术开创性完成多场景远程手术。 n投资建议：关注“AI+医疗设备”领域进展及各场景的国内头部企业。AI在医疗设备领域的应用价值日益显著，尤其在医学影像、手术机器人及脑机接口等方向，通过技术融合创新显著提升了诊疗效率与精准度，在诊断/手术精准化、神经功能重建等方向开辟了新路径。建议关注“AI+医疗设备”领域进展及各场景的国内头部企业：联影医疗、迈瑞医疗、开立医疗、祥生医疗。 目目录录 “AI+医疗”：医疗终端应用的效率革命01“AI+医疗设备”的前沿应用02“AI+医疗设备”国内标的梳理03投资建议和风险提示04 11..11 AAII++医医疗疗：：医医疗疗终终端端应应用用的的效效率率革革命命 n“AI+医疗”主要是指利用人工智能技术提高医疗供给端的效率和准确性。通过数据分析、机器学习和深度学习等方法，辅助医生在诊断、治疗和预测方面做出更精确的决策。AI医疗在提高医疗质量和降低成本方面具有巨大潜力。 n人工智能技术的快速发展正引领医疗终端应用步入效率革命的新时代。通过将深度学习、大数据分析等AI技术深度融入医疗设备，传统医疗器械的诊断精度、操作效率和智能化水平得到显著提升。AI对医疗领域的赋能不仅优化了医疗流程，缩短了诊疗时间，更推动了医疗资源的高效配置，为智慧医疗体系的构建提供了强有力的技术支撑。 11..22 AAII++医医疗疗：：核核心心应应用用场场景景梳梳理理 n医学影像分分析：利用深度学习算法对海量医学影像数据进行高效处理，能够自动识别病灶特征，显著提升诊断的精准度和效率。通过图像分割、分类和增强技术，AI为医生提供可靠的辅助分析工具，同时支持多模态影像的融合分析，为复杂病例提供更全面的诊断依据； n辅助诊断与决策：AI可通过整合电子病历、实验室数据等多源信息，构建智能诊断模型，辅助医生快速识别疾病类型和严重程度。基于大数据分析，AI提供个性化治疗建议，优化临床决策流程，降低误诊率和漏诊率，支持医生在复杂病例中做出更科学、精准的判断；n健康管理与远程医疗：AI通过可穿戴设备实时采集患者生理数据，结合历史记录进行分析，提供个性化健康管理建议。在远程医疗中，AI支持病情监测、预警和远程会诊，提升医疗服务的可及性和连续性，为偏远地区和慢性病患者提供高效的健康管理解决方案；n基因测序：高效算法可加速基因测序数据的处理与分析，提升测序速度和准确性。通过快速解读复杂基因组信息，为疾病诊断和遗传研究提供强大支持，推动基因测序技术在临床、科研和个性化医疗中的广泛应用，为精准医学发展注入新动力。 资料来源：黑龙江省第二医院，国信证券经济研究所整理 11..33 AAII赋赋能能的的核核心心价价值值：：效效率率提提升升++准准确确性性增增强强++成成本本降降低低 n效率提升：缩短诊断时间。基于海量医疗数据，AI可迅速精准识别疾病特征，尤其在影像判读等领域极大提升诊疗效率。据北京天坛医院早期进行的测试，AI系统处理300个病例仅需半小时，而人类医生需10小时以上，AI可大幅缩短诊断时间，提升医疗资源利用率。 n准确性增强：提高发现率及手术成功率。AI可通过分析海量数据识别模式，减少人为误判。根据发布在Nature Medicine上的研究，由KMT公司开发的Mia AI协助下，早期乳腺癌癌症检测率（CDR）在初期试点阶段增加了1.6例/千个病例（+13%），扩展试点阶段增加了1.4例/千个病例（+10%）；阳性预测值（PPV）也有所提升，在初期试点阶段从19.2%提高到21.1%（+1.9pp），扩展试点阶段从19.7%提高到21.0%（+1.3pp）。此外，据MedTechEurope的统计，机器人辅助手术可使手术成功率提高52%。 n成本降低：规模化降低单位成本。据MedTech Europe的测算，AI医疗每年可凭借对医疗系统的赋能，节省相当于2000亿欧元的成本，并释放18亿个工时，相当于增加了50万名全职医疗专业人员。 11..44““AAII++医医疗疗””CC端端应应用用举举例例 目目录录 “AI+医疗”：医疗终端应用的效率革命01“AI+医疗设备”的前沿应用02“AI+医疗设备”国内标的梳理03投资建议和风险提示04 22..11 AAII++医医学学影影像像：：技技术术进进步步与与临临床床应应用用深深度度融融合合，，助助力力智智能能诊诊疗疗 n技术进步与医疗资源缺口的扩大驱动AI在医学影像行业的应用。优质医生资源紧缺与地区分配不均是中国医疗资源不足重要表现，中国每年影像数据增长量高达30%，放射科医生数量年增长率却仅为4.1%。2012年，深度学习技术被引入到图像识别领域，识别正确率取得了突破性进展，助力医学影像AI发展。 nAI+医学影像：助力更加高效、智能、精准的诊疗。传统医疗影像手段主要依靠医生完成，存在诸多方面的限制，如对医生经验有依赖性、医疗资源不足导致诊断效率较低，以及在处理大量数据时可能出现的疏漏等。AI为影像领域带来了革命性变革，一方面通过优化成像算法，提高了医学影像的清晰度和对比度；另外一方面，利用深度学习算法分析医学影像，识别和标记可能的病变区域，为医生提供辅助诊断信息，助力更高效、智能、精准的诊疗。 传统医学影像痛点 AI技术优势 医疗机构普遍缺乏高水平影像医师，与巨大的影像诊断需求不匹配；人工阅片时间较长 能够以超人类速度处理和分析医学影像数据，显著提高诊断效率 AI模型经过训练，可识别影像中细微变化和模式，减少主观判断偏差，提高诊断准确性；能检测到被人类医生忽略的病变或异常，减少漏诊 结果输出以来医生经验；传统定性分析存在诊断误差，难以通过肉眼判断微小定量变化，导致诊断不精准 22..11 AAII++医医学学影影像像：：技技术术进进步步与与临临床床应应用用深深度度融融合合，，助助力力智智能能诊诊疗疗 n