细分领域分析与展望-AI医疗

2025年09月16日 20:17 发言人1 00:00 影响，所以今天的话也是我们对的周海涛。海涛的话一直是在整个AI医疗领域里面，有持续的跟踪和布局，包括之前的很多的公司，大家都印象深刻的。所以今天请他来给我们介绍一下整个AI医疗的整体的情况。海涛。好的，谢谢杨老师。感谢投资人今天来参会。 发言人1 00:21 我这边是天风证券医疗组朱海涛，我今天把AI医疗的一个整体的一个情况以及最新观点再做一个大概更新。因为我们PPT比较长，大概可能删减了一下，还有将近200页。所以我今天做个简要介绍。后续投资人朋友如果有任何问题，可以随时跟联系。我这个PPT首先初步还是想把这个AI医疗的一个概况做一定的介绍，然后再对相关的每个细分领域做一些观点的更新，大概是这样一个思路。 发言人1 00:48 首先我们就开始一个大体的介绍。首先我们可以看到AI医疗，就是我刚刚杨老师所说，其实是一个非常有潜力的一个细分领域。目前来说，其实他在这个人的整个生命周期，或者说疾病的整个的生命周期都可以有一定的应用。我们可以看出，就是从预防到筛查，然后从诊断治疗，然后康复与随访，以及在药物领域的研发，还有整个的医院的一个高效的运营管理，包括和医保之间的联动等等，其实AI医疗的都有AI都有一定的功效。 发言人1 01:17 那目前来说，在这个医疗的一个细分的应用领域上，其实可以做一下大概的拆分。当然这个不一定拆的是最细的，如果说再细，其实可以再进一步分。从现在的已分的这个方向来看，这个分类来看，其实我们可以看出分类是非常多的。也就是说正如前面讲的，就是他所覆盖的环节非常多的那目前来说在这个AI加影像早衰或者诊断领域，尤其在诊断领域，我认为是AI的应用或者落地是最成熟的。 发言人1 01:41 然后再再一个就是在康复人领域，这个机器人领域。其实机器人领域其实涉及到很多就是治疗型的、手术型的、治疗型的，还有就是一些康复性的等等。其实我觉得都可以划分到这个范畴，因为它都有算法的一个植入。然后其他的比如说在药物研发领域，其实最近包括今年，其实是非常火的。因为这个金泰控股的表现，最近其实一直都是很不错的。这个就是我在这个领域做了一下初步的介绍。 发言人1 02:06 另外其实在健康的管理，尤其是一些慢病的管理，其实这个AI都是有一定的应用的前景。这块就是做一个初步的介绍。然后再下一步，就是我还是再重启一下，AI医疗的三大关键因素，算力、算法和数据，这是非常关键的。目前来说，其实在算力算法包括数据方面都有一定的痛点，或者说有一定的瓶颈。但是我们都可以看到，在相关的领域都有一定的布局，或者说有一定的应对措施。 发言人1 02:36 首先第一个就是我们AI医疗的基础建设，就是基础毫无疑问的就是算力。目前来说这个我做了一下举例，比如说在应用场景里面，比如说医学影像，还有基因测序，包括大模型训练等等这些领域。我们可以看到算力它的所用的类型可能不一定不尽相同。然后这个具体的典型应用也做了一下展示。然后我们可以看到就是现在的一个情况就是国内比如华为，它在升腾的910B上算力是有一定的提升，可以达 到320TF lox这样的一个水平。它是支持全站的国产化的AI医疗训练的那这里面比如说像嘉禾美康的，他有在做相关的一些事情。然后海外的英伟达毫无疑问的在这个领域是具备非常大的一个影响地位。 发言人1 03:15 除了这个算力之外，再就是算法，算法其实是非常关键的那算法这个东西还有通用型，还有垂直型，还有专用的算法。目前来说，其实专用的算法，包括锤裂的算法，其实是在AI医疗领域是非常关键的。并不是说有一个通用的模型就是可以做很多事情。也就是说垂直模型专用算法其实是属于AI医疗的深耕或者说突破非常关键的一个细分领域。这里面也做了一些举例，比如说像腾讯的这个mac c GPT采用的快慢双系统这样的一个产品。这样一个产品它实现了一个误诊率的大幅降低。然后再一个就是百度001通过媛媛学习，然后它就是使得罕见病的样本的疾病的诊断率的大幅提升。然后这个就是目前来说在这块做一下举例。 发言人1 03:56 然后除了这个之外，比如说在就是数据，数据也非常关键的那我们经常提到的这个数据，就是它的一些问题。因为数据它在这块领域是多模多模态的，有影像的、文本的、基因的等等。各种类型的数据它融合在一起。很明显就需要有一个强大的模型去训练它。同时也带来一个问题，就是太多的数据可能就会有一定的质量问题。所以说目前来说，在数据方面，首先第一个就是非结构非结构化。因为它的数据太多了，有些结构有些数据是非结构化的那它的这个使用率或者说数据的质量可能就一定的有多强。 发言人1 04:26 再一个非常关键的问题，就是这个数据孤岛。因为国内的这个数据，它的互动率还是比较低的。他这个跨院或者说跨区域之间的学习，他需要一定的时间。目前来说采用的这个方法，主要是我觉得最主要的可能就是这个联邦学习，可能是后面有可能会是一个思路。 发言人1 04:42 在这块大概展示了一下算力算法，还有在数据方面的一些痛点，以及相对应的一个方案，或者说现在可行的一些应用场景。我们可以看出来，就是在这个相关的领域都有一定的突破。其实从这个角度来说，我们就可以大概去看出来，就是这三个因素之间它是可以相互协同的。就是算力的需求增长，然后算法的优化驱动，以及数据的利用深度。它的加深是可以实现一系列的突破。比如说在诊断领域的更加的精准，然后药物发现领域的提速，包括新的发现，新的分子的发现。然后再一个，在这样的一个背景之下，就可以使得患者受益，包括医疗成本的大幅降低。然后目前来说，其实我们也可以看出来，医疗在AI在医疗领域的这个支付端，其实是有非常大的一个应用前景。 发言人1 05:25 这里其实是做了一个层次的划分。首先站在这个医院端，我们可以看出来，这个医院其实主要的一个就是医保控费。我们可以看出，其实AI在这个领域的病例的解析，然后规则的引擎，包括这个机械机械学习的电影预测等等。还有耗材的成本控制，它都有一定的应用前景。可以使得医保的合规，还有医保基金的使用效率大提升。 发言人1 05:46 另外一个再就是患者的，主要就是这个患者的诊前还有诊中，包括各种混合支付的费用的结算。然后其实他可以都有AI的一个参与的身影。其他的就比如说这个基因检测机构，药企，还有C叉O企业等等，AI都可以加入进来。AI的加入，其实可以使得这个支付端，它的成本的使用会降低，然后提高基金 资金的使用效率。所以说我们认为未来随着这个数据合规共享，然后通过联邦学习的实现医院药企和保险数据之间互通，这个是有可能实现的，当然这个只是我们一个去一个预判，也不一定是完全准确。 发言人1 06:21 然后其他的就是我们可以得出一个结论，就是AI在医疗支付方式的渗透率，就是从单一的通飞向全链条的价值创造升级，就有这样一个可以的这样一个结论。以上就是对AI医疗的一个大的框架的一个事。然后接下来就是对各个新闻方向，我们做一下这个更新以及介绍以及观点更新。 发言人1 06:38 首先第一个我们可以看出，在产业端，因为政策其实从24年开始，当然在前面有很多AI知识，在医疗领域应用的，或者说医药领域的应用的支持的政策也有很多。但是我们可以看到从24年，尤其25年是有特别多的政策出现的那也就是说政策对于AI在医疗医药这医药研发领域的应用的支持是毫无疑问的。我们也可以看到，在这样的政策支持之下，其实医疗在AI在医疗领域的这个产业端的落地，我们可以看到有非常大的一些进展。这里面做了一些表格，我们可以看出来，就是无论是这个学校，或者说高等的科研机构，还有还是一些实体，这些实体企业，包括上市公司，也包括非上市公司。他们在AI医疗领域都有一定的进展。 发言人1 07:19 这里面其实主要就是做了一些大模型的梳理。比如说像没有上市的公司，像什么陈医生，还有全民健康。然后上市的比如像东软集团、京东健康、科大讯飞等等。然后再一个就是一些学校，像科大，然后还有医院，瑞金医院等等。其实他们在医疗领域都有自己大模型的研发。所以我们可以看出的相关的一些企业或者说一些机构对这个AI医疗还是非常重视的那其实在AI的AI在这个医疗产业端的落地，我们也确实也看到了很大的变革。 发言人1 07:52 第二个，就是我们可以看到一些新闻方向的介绍。首先第一个就是AI在医疗信息化领域。AI在医疗信息化领域，其这个应用的场景是非常多的那这里其实是先把这个医疗信息化做了一下分类。 发言人1 08:05 首先第一个就是医院的这个信息系统。这个信息系统我主要是我们主要是讲的一个face系统。其实face系统它是一个非常大的系统。当然它主要是对医院的人财物进行全面的管理，然后涵盖医院的运营各个环节的信息管理。这个其实毫无疑问就是它是和医院的运营效率，还有医保基金的结算等等，是有一定的关联的。 发言人1 08:25 然后第二个系统，其实我认为可能是未来非常具有前景的系统。主要就是这个临床信息系统。这个系统主要就是建立患者的健康档案，还有医疗设备的监测数据。医疗设备的监测数据，可以和很多的医疗设备的企业，其实可以去产生一定的联系。所以我们可以看到现在很多医疗设备的企业，他们在AI上都有一定的都加了一些模块。 发言人1 08:45 其实这些都是为了未来的case系统所服务的那目前来说，这个case系统，其实它可以做很多的具体的进一步划分。比如像电子定位系统EMR，还有影像系统DCS，然后再就是实验室系统，类似系统等等。这些系统其实他们包含了大量的数据。这些大量的数据去训练模型，使模型升级迭代。 发言人1 09:04 我认为在这个诊疗诊断治疗领域是有一非常大的应用前景的。未来极有可能出现电子医生这样的一个，当然现在也有，我认为就是未来有可能会有更加强大的电子医生出现。然后对于一些疑难杂症的诊断治疗，可能会有一些颠覆性的影响。这个就是对这个做一下大体的介绍。 发言人1 09:22 然后下面其实做了一下具体的相关公司的一个盖了。我们可以看到就是做face系统的，就是做医院的整个运营管理为中心的这样的系统。其实公司主要有像卫宁健康摄像创业慧康、东软集团这样的一些公司，包括浙江宁海。 发言人1 09:37 然后除了这个之外，就是刚刚讲的这个C系统。C系统我把它做了直接做进一步的划分。一个电子病历系统，它就是主要是嘉和美康，卫宁健康等等这样的公司。然后这个影像系统这样的公司主要东软、卫宁健康，包括联合医疗。因为它在这个医疗设备营销领域，其实是在国际上都占有举足轻重的地位。然后再就是CDSS系统，我认为这个系统是非常未来非常具有前景的。因为它是是它是属于现在讲的这个case系统的一个进一步的升级，或者说进一步的应用的落地或者加深。这个等下会再稍微稍作进一步展开。 发言人1 10:08 然后其他的就是医院的资源管理系统，还有这个客户关系统等等。然后除了这些之外，我认为可能比较关键的就这些就是全都是和这个医保联动的。像这个区域卫生信息系统，还有这个医保信息系统等等。这里面其实主要就是像什么这个万达信息，九月银海这样的一些公司，包括国际健康，它在这个医保信息平台的建设上，应该是属于国内的比较龙头的一家企业。那以上，其实就把相关的医疗信化的企业做一下概览。然后接下来，其实对医疗信息化的各个信息分方向做了一下的介绍。这个内容比较多，我就不具体展开。然后各位投资者朋友如果有问题，我们可以随时交流。 发言人1 10:42 这个其实整体就是做一下再做一下偏结论性的东西。首先第一个，就是我认为这个C系统就是刚前面讲的，我认为这个非常关键，或者说未来非常具有前景。这里面主要的一些原因，就是它的这个数据。首先就是他在壁垒方面，因为就体现在数据上面，它的数据难度，数据的结构化难度会更大。然后数据的对实施的要求，包括数据的质量问题，这些都是属于他在这个系统领域做布局的一些关键的技术壁垒，或者说这个数据从数据治理方面的一些壁垒。然后另外一个就是新系统，它所针对的是临床业务的复杂复杂的临床业务。然后