AI技术快速发展，医疗健康是AI技术最重要的应用领域。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 AI+影像设备；5）AI+家用；6）AI+智慧医疗。 ◼ 药物研发周期长、资金投入高、成功率低，“AI+”方案有望解决痛点。一款新药成功上市销售大约需要花费十年以上的时间，药物发现阶 段从靶点到苗头化合物再到先导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%。资金花费上，一款药物从研发 到上市销售，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 的分子数量范围，在2-3年内仅需合成及测试数百个分子；可以定制生成数百个苗头分子，探 索未知分子，提高药物研发的创新性；能够通过计算机模拟的方式减少需要实验室验证的分子数量，节约验证和测试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023年累计有75个分子应用AI制药技术开发并进入

机会与风险等细节问题，进行深入 挖掘，听取来自行业第一线工作者和企业 领导层对行业的见解和认知。 智能医疗概述 AI+ 医疗 应用场景 虚拟助理 医学影像 辅助诊疗 疾病风险预测 药物挖掘 健康管理 医院管理 辅助医学 研究平台 1 赋能 现象 发展 矛盾 广阔 市场 “ 人工智能 + 医疗”是人工智能技术对于 医疗产业的赋能现象。当前以机器学习 与数据挖掘为两大技术核心的人工智能， 病灶识别与标注 / 三维重建 靶 区自动勾画与自适应放疗 辅助诊疗 医疗大数据辅助诊疗 医疗机器人 疾病风险预测 基因测序与检测服务 预测癌症 / 白血病等重大疾病 药物挖掘 新药研发 / 老药新用 / 药物筛选 药 物副作用预测 / 跟踪研究 健康管理 营养学 / 身体健康管理 精 神健康管理 医院管理 病历结构化 / 分级诊疗 DRGs 智能系统 / 专家系统 辅助医学研究平台 诊疗等在内的应用场景 2 典型应用场景 45 43 21 19 15 14 14 7 疾病风险管理 医学影像 医院管理 辅助诊疗 虚拟助理 健康管理 辅助医学研究平台 药物挖掘 2 典型应用场景 虚拟助理应用场景 Virtual Assistant Application Scenario 2 典型应用场景  场景描述：从苹果的 Siri 、谷歌的语音助手，到亚马逊的

Just_Super/iStock AI 可提升制药企业的营收和利润 AI 能够在制药价值链中释放巨大价值。应用得当时，它可以同时提高效率和收益，并在更短时间内为患者提供更好的药物。 在研发环节， AI 能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。 在运营和生产环节， AI 通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 产品组合优化 • 药物发现 • 分子生成 • 生物标记开发 • 临床试验设计 • 临床试验数据分析和报告撰 写 • 市场研究 • 营销组合优化 • 现场人员优化 • 宣传材料制作 • 关键意见领袖（ KOL ） 管 理 • （医疗）知识管理 应用得当时， AI 可以同时提高有效性和效率，在更短的时间内为患者带来更好的药物。然而，效率和收益的提升潜力因价值链环节而异。因此，合理管理 验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 • 更快的数据分析和计算机模拟测试 加 速开发过程 • 增强的数据处理能力提升质量 AI 在研发中的应用 创新产品 • 多靶点药物研发中，提高质 量 • 预测性设计生成提升创新力

图表 43 医渡科技“大数据+大模型”双中台解决方案......................................................58 图表 44 埃格林自研 AI 分析药物开发精准表型的过程................................................. 59 图表 45 柏视医疗微创手术人工智能平台的肺部重建效果......... 相关产品的直接动力。 对于医院以外的场景，同样有部分赛道需要沿着政策的方向提前布局。以生物制药为例， “722”事件后，NMPA（当时为 CFDA）相继发布了《关于开展药物临床试验数据自查核 查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内 EDC、 RTSM 市场的繁荣，太美医疗等企业在系统中植入 AI，使其顺势成为药企数字化的关键 要素。 如今 FDA 鼓励药 尤其是在智慧运营、智慧后勤等场景，很多三级医院已经采购了相应的数智化系统，率 先享受到了 AI 赋能后的管理红利。 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 AI 形态异变 政策与提效两大购置动

中国矿业大学：智慧引领 数据赋能 -- 助力后勤服务高质量发展 维维食品：智能促销指挥官——数据驱动的精准营销与客户忠诚度提升 东亚银行：百年银行的数字化探索与实践 苏大附一院：赋能医疗新生态：医院抗菌药物数字化管理的数字驱动与数据洞察 南洋商业银行：数据为基，人才为翼——南商中国数字化转型破局之策 华夏银行：BI 自主分析平台“数据魔方”赋能数据服务创造数据价值 083 088 数智领导力 型 的航道上行稳致远。 152 数智领导力 151 数智领导力 CHALLENGES 管理挑战 抗菌药物的监测数据繁多，却缺乏一个具体的措施来对这些数据进行合理的整合及可视 化。 0 1 临床科室不能及时获取抗菌药物相关数据及分析结果，导致管理滞后，进一步强化了抗 菌药物监测指标的不稳定性。 02 SOLUTION 解决方案 核心架构 统一数据中枢，建立宏观监控层—中观管理层—微观执行层分析体系。 药政指标管理 运营状态感知 报表中心 绩效指标分析 跟踪临床使用抗菌药物的全过程，实现抗菌药物闭环管理 智慧 医疗 抗菌药物占比 科室强度 患者强度 药品强度 临床抗菌药数据查询 系统检测主动提醒 抗菌药物耐药率阈值提醒 患者按诊断均值强度提醒 抗菌药物DDDs提示 科室强度预测提醒 医生可通过BI看板，能及时的了解抗菌药物实时使用情况及整体用药情况 临床医生 管理端 药师 管理端 用药权限管理

市、县、乡、村的人口健康信息专网。 完善“云上贵州·医疗健康云”，加强 公共卫生、医疗服务、医疗保障、药 品管理、计划生育、综合管理等应用 系统。 n 第三阶段 发展智能药物挖掘，支持我省医 药企业智能化转型，推进深度学 习等技术应用于药物临床前研究， 推动快速、准确地挖掘和筛选合 适的化合物或生物。 n 第四阶段 03 03 01 02 医学人工 智能落地 路径 搭建全区养老服务信息管理平 台，加快推进自治区、市两级 产品呈现出分散趋势。所以，医疗机构在人工智能医 学影像产品的选择上，有着非常广泛的可选择性。 医学影像 健康管理 虚拟助手 病历/文献分析 医院管 理 智能化 机械 人工智 能+基因 药物研 发 疾病 筛查 及预 测 医疗语 音识别 0 5 10 15 20 25 心理 乳腺 淋巴癌 骨龄 鼻咽癌 白血病 血压 甲状腺 冠心病 癫痫 血糖 胸部疾病筛查 人工智能+医学研究，医疗大数据标准化，真正实现“二次”利用 电子病历包含着患者大量的健康信息和疾病信息，随着电子病历系统在医疗机构的逐渐普及，临床数据的不断积累，医疗从业者 能够通过数据分析发现与医疗质量，医疗安全以及药物效果相关的重要证据，从而提高公共医疗的质量和效率。 医学数据库 自然语言处理 信息提取 统计建模 病历/文献 标准化数据 变量相关性 人工智能的切入主要是利用机器学习和 自然语言处理技术自动抓取病历中的临

4.3.1 治疗方案推荐.............................................................................82 4.3.2 药物相互作用检查......................................................................85 4.4 患者管理与随访........ 隐私的前提下，模型通过迁移学习可使新接入医院的冷启动准确率 在两周内从 62%提升至 85%。 在药物相互作用预警场景的对比测试中，DeepSeek 智能体展 现出显著优势： 指标 传统规则引擎 DeepSeek 智能 体 召回率 68% 92% 误报率 23% 8% 响应延迟 120ms 45ms 支持药物种 类 1,200 6,800 该技术方案已通过国家医疗信息安全三级等保认证，支持国产 小时内触 达临床终端 3. 可解释推荐系统：提供诊断路径的置信度评估与循证医学依据 链，例如： 决策要素 传统 CDSS 覆盖 率 智能体目标覆盖率 检验指标异常组合 41% 90% ≥ 药物-基因相互作用 18% 85% ≥ 并发症关联规则 57% 95% ≥ 通过部署 DeepSeek 智能体，可实现诊断效率提升 200%（从 平均 26 分钟/例降至 8 分钟/例），并将个性化治疗方案匹配度从

建临床决策支持系统。推进基因芯片与测序技术在遗传性疾病诊断、癌症早期诊断和疾病 预 防检测方面的应用，加强人口基因信息安全管理，推动精准医疗技术发展。围绕重大疾病 临 床用药研制、药物产业化共性关键技术等需求，建立药物副作用预测、创新药物研发数据 融 合共享机制。充分利用优势资源，优化生物医学大数据布局，依托国家临床医学研究中心 和 协同研究网络，系统加强临床和科研数据资源整合共享，提升医学科研及应用效能，推动

临以下主要痛点：  数据处理的复杂性：医学影像、基因序列等数据类型多样且体 量庞大，传统计算平台难以高效处理。  算力需求的增长：深度学习模型训练和推理对算力要求极高， 尤其是在医学影像识别、药物研发等领域，亟需高性能计算支 持。  系统的集成化需求：医疗机构需要将 AI 计算能力与现有医疗 信息系统无缝集成，以实现数据的高效流动和智能决策。  安全性和合规性：医疗数据的隐私保护和合规性要求极高，计 率。例如，某大型医院的药房在使用 deepseek 智算一体机后，药 品调配的出错率降低了 20%，调配时间减少了 15%。同时，系统 还能够根据患者的用药记录和病情变化，智能推荐个性化的用药方 案，提升药物治疗效果。 在临床决策支持方面，deepseek 智算一体机通过整合患者的 电子病历、实验室检查结果、影像数据等多源信息，利用机器学习 算法进行综合分析，为医生提供个性化的诊疗建议。例如，针对复 的健康管理建议，帮助患者改善生活习惯，预防疾病。 在医疗研究和药物开发领域，DeepSeek 智算一体机也能够发 挥重要作用。一体机可以加速医学研究数据的处理和分析，帮助研 究人员更快地发现新的治疗方法和药物靶点。例如，在药物筛选过 程中，一体机可以通过大规模数据分析，快速识别出具有潜在治疗 效果的化合物，缩短药物研发周期。此外，一体机还可以协助进行 临床试验数据的分析，提高试验的准确性和可靠性，为新药的上市

奠定了坚实基础。 图表1-7：服务机器人关键驱动技术 来源：International Federation of Robotics (IFR)，德勤研究整理 应用行业 服务功能 餐饮 餐饮配送 医疗 药物配送 养老 陪伴护理 零售 迎宾与促销 教育 教学与辅导 酒店 客房服务与清洁 工业 货物搬运 公共服务 人员监测与安保 娱乐与活动 信息询问与引导 1.2.3. 从专用迈向通用 伴随着技术的进步和市场需求的不断提升，服 协 调工作时，AIoT技术为其提供了强大的支撑。通 过开放的API和标准化的通信协议，服务机器人能 够共享信息与资源，实现真正的跨设备协作。 例如，在医疗环境中，工作流程通常需要多种 设备共同协作，药物配送机器人可以与导诊机 器人、清洁消毒机器人以及警报系统和监控设 备相互连接，以实现医院场景下的全栈式智能 生态。 图2-3：AIoT万物互联 IoT万物互联技术 来源：德勤研究 与门禁、闸机、电梯、电话各类 全球细分产业 综合实践 随着服务机器人在工厂车间或 仓库场景中执行配送、清扫等 任务的比例持续上升，其市场 规模有望到2035年达到140.6 亿美元 工业 医疗 在医疗场景下，服务机器人主 要承担药物配送、清洁消毒等 任务。到2035年服务机器人有 望加速渗透，市场规模达到44 亿美元 随着全球酒店业加快部署服务 机器人以提升服务效率与优化 客户体验，预计到2035年酒店 业服务机器人市场规模有望达