医药生物行业深度报告：AI与医疗产业深度融合，有望为医疗带来产业变革.docx

内容目录

AI医疗概览：人工智能与医疗高度融合具备颠覆力 4

现阶段大模型现状：生成式AI具备颠覆力 4

AI与医疗深度融合，赋能医疗服务众多环节 5

海外AI医疗市场具备蓝海特征，叠加政策支持利好国产出口 8

AI影像：人工智能切入医疗起点，市场空间巨大 10

AI病理：数据标准化有望推动行业快速发展 14

AI医疗系统：赋能CDSS与病种质控 16

AI健康管理：慢病管理应用落地可期 18

AI终端应用：数据自主，模型可控，助推终端降本增效 21

AI制药：商业模式多元化，赋能创新药研发 22

建议关注 26

风险提示 28

图表目录

图1：卫生系统利用信息技术的几个阶段 4

图2：传统式AI向生成式AI的能力变革图谱 5

图3：传统AI和生成式AI的拟人化比较 5

图4：AI在医疗中的应用日益广泛 6

图5：AI赋能就医全流程，提升系统效率 7

图6：AI赋能医疗产业全环节 7

图7：AI医疗可提升节点任务效率 8

图8：2022-2028年AI医疗市场规模及增速 8

图9：AI医疗行业有利与不利因素 9

图10：“十四五”期间中国各省份AI医疗行业发展目标 10

图11：2018-2023年医学影像数据年增速VS影像科医生年增速 11

图12：2020-2023年7月人工智能医学影像三类证的获批类型 11

图13：2020-2023年7月人工智能医学影像三类证的获批情况 11

图14：2022-2030年中国人工智能医学影像市场规模及增速 12

图15：国内三类证及海外拿证情况 12

图16：2019年全球医学影像设备保有量（台/百万人） 13

图17：AI影像企业三大发展趋势 13

图18：病理诊断主要流程 14

图19：AI病理诊断建议关注公司 15

图20：CDSS相关政策 17

图21：CDSS产品四类主体综合比较 17

图22：AI医疗系统推动院端流量向ToC端转化 18

图23：AI健康管理三大细分市场 19

图24：AI健康管理领域相关政策 20

图25：华为-瑞金病理大模型 21

图26：中国智慧药房市场需求及增速（亿元） 22

图27：AI技术在制药环节的应用 22

图28：AI制药市场主要玩家 23

图29：AI制药产业链 24

图30：2022-2031年全球AI制药市场规模预测（百万美元） 25

图31：2021-2031年中国AI制药市场规模预测趋势图（亿元） 26

AI医疗概览：人工智能与医疗高度融合具备颠覆力

现阶段大模型现状：生成式AI具备颠覆力

随着信息技术的飞速发展，人工智能（AI）在医疗领域的应用日益广泛，成为推动医疗行业变革的重要力量。AI医疗隶属于数字医疗的一部分，其发展依托于数字医疗的基本框架。数字医疗体系的完善程度直接影响着AI医疗可获取的数据资源数量与质量。一个健全的数字医疗体系能够实现医疗数据的广泛采集、标准化存储与高效传输。例如，电子健康记录（EHR）系统的全面普及可以整合患者的病史、检查结果、治疗方案等多维度信息，为AI算法提供丰富且结构化的数据，用于疾病诊断模型的训练、疾病风险预测以及个性化治疗方案的制定。同时，强大的信息技术基础设施，如高速网络、云计算平台等，是支撑AI医疗大数据处理与分析的关键。

图1：卫生系统利用信息技术的几个阶段

数据来源：动脉网、

早期的AI算法主要基于机器学习，通过统计算法和先验知识驱动。这种方式在处理简单的医疗问题上有一定的应用，但在面对复杂的医疗数据和场景时存在局限性。随着技术的发展，2012-2017年期间进入了深度学习时代。这一时期以深度学习为代表的数据驱动模式兴起，利用大量的数据训练模型，在医学影像诊断、疾病预测等方面取得了进展。2017年以后进入大模型时代，以Transformer为框架，融合多头注意力机制的新算法出现。这种算法克服了传统深度学习算法（如CNN、RNN）的缺陷，利用大数据构建大模型，能够处理更复杂的医疗数据，如电子病历、基因数据等，并在多模态数据融

合方面表现出色。

基于大模型的智能代理(AIagent)结合生成式AI的创造力与传统AI的精确严谨，有望为多医疗服务节点完成优化与创新。传统AI的主要特点是对已有知识和数据的运用及推理，从而回答特定问题。生成式AI则更注重生成和创造全新真实的数据及内容，从而高效演绎和归纳知识。且在往交互化生成能力转变的过程中，语言理解与对