中国医疗健康：AI 2.0

核心观点

• AI 医疗正从实验走向商业化：AI 医疗行业正从早期探索进入临床验证和商业化阶段，主要围绕 AIDD、BCI、智能医疗器械和医疗 AI 代理四大主题展开。
• AIDD 成为核心驱动力：AIDD 通过整合数据、算法和自动化工作流程，旨在缩短药物研发时间、降低成本并提高成功率。AI 在药物研发的各个阶段都发挥着作用，包括靶点识别、分子设计、临床试验和监管等。
• AI 药物研发的路径：AIDD 发展分为小分子和大分子两大路径，小分子药物研发主要利用海量数据优化现有靶点，而大分子药物研发则通过全原子生成模型实现蛋白质、多肽和抗体的从头设计。
• AI 药物研发的挑战：尽管 AI 药物研发具有巨大潜力，但仍面临生物学复杂性、临床不确定性、数据质量和模型可靠性、成功不确定性以及幻觉风险等挑战。
• BCI 技术发展迅速：BCI 技术正从康复设备发展为治疗平台，非侵入式 BCI 主要应用于康复领域，而侵入式 BCI 则用于治疗严重瘫痪和运动功能障碍。中国 BCI 行业政策支持力度加大，正迈向商业化阶段。
• 智能医疗器械崛起：AI 正重塑医疗影像、手术机器人和体外诊断等领域，推动医疗器械从硬件产品向智能平台转型。医疗影像领域，AI 赋能设备实现智能扫描、自动图像解释和流程自动化；手术机器人领域，AI 提升感知、导航和决策支持能力；体外诊断领域，AI 赋能实验室自动化和诊断数据智能分析。
• 中国科技巨头竞逐医疗 AI 代理：中国科技巨头正积极布局医疗 AI 代理，从面向消费者的聊天机器人向医生工作流程和医院及支付方基础设施发展。主要商业模式包括医药和医疗器械数字化营销、医疗电商、医院 IT 预算和商业保险。
• 医疗 AI 代理面临的挑战：医疗 AI 代理发展仍面临幻觉风险、责任归属、监管不确定性、数据碎片化以及商业化路径不明确等挑战。

关键数据

• AI 驱动平台可将药物发现时间缩短 70-90%，将临床前开发时间缩短 50-80%，将临床开发时间缩短 50-60%。
• AI 在药物发现和临床开发阶段预计可分别节省 26 亿和 28 亿美元，总计潜在节省高达 54 亿美元。
• AI 药物研发领域，AI 模型在分子设计、筛选和靶点发现方面具有 70-80% 的应用率。
• 中国 BCI 行业政策支持力度加大，包括医院服务费标准、伦理指南和国家标准等。
• 医疗影像领域，AI 在需求预测和库存管理方面的应用率最高，达到 82%。

研究结论

• AI 药物研发：AI 药物研发正从“随机发现”转向“理性设计”，通过整合数据、算法和自动化工作流程，实现药物研发的加速、精准化和可预测性。AI 药物研发领域，AI 原生生物技术平台具有最大的风险回报潜力。
• BCI 技术：BCI 技术正从康复设备发展为治疗平台，非侵入式 BCI 主要应用于康复领域，而侵入式 BCI 则用于治疗严重瘫痪和运动功能障碍。中国 BCI 行业正迈向商业化阶段，预计 2026-2027 年将出现首批医疗产品获批。
• 智能医疗器械：AI 正重塑医疗影像、手术机器人和体外诊断等领域，推动医疗器械从硬件产品向智能平台转型。医疗影像领域，AI 赋能设备实现智能扫描、自动图像解释和流程自动化；手术机器人领域，AI 提升感知、导航和决策支持能力；体外诊断领域，AI 赋能实验室自动化和诊断数据智能分析。
• 医疗 AI 代理：中国科技巨头正积极布局医疗 AI 代理，从面向消费者的聊天机器人向医生工作流程和医院及支付方基础设施发展。主要商业模式包括医药和医疗器械数字化营销、医疗电商、医院 IT 预算和商业保险。医疗 AI 代理发展仍面临幻觉风险、责任归属、监管不确定性、数据碎片化以及商业化路径不明确等挑战。

投资建议

• AIDD：推荐 Insilico Medicine、METiS TechBio 和 XtalPi。
• BCI：推荐 BrainCo、Neuracle 和 StairMed。
• 智能医疗器械：推荐 United Imaging Healthcare、Mindray 和 MedBot。
• 医疗 AI 代理：推荐 JD Health、Ant Group 的 Afu、Alibaba Health 的 Hydrion、ByteDance 的 Xiaohe Health 和 Baidu 的 Lingyi LLM。