“AI+医药健康”系列报告(一)- 院内场景丰富,全流程 AI 赋能在医院端的 场景,全面介绍 AI 在院内诊疗全过程以及 AI 基建的应用,并梳理相关公司。 ❑ 2023 年新出版的《超越想象的 GPT 医疗》开篇描绘了一个虚构场景:面对 患者病情突然恶化,医学住院实习生克里斯腾·陈通过和 GPT-4 对话,完 成了对患者的救治、得到了心理安慰、并为患者向保险公司申请了授权;后 续在查房中,还为肿瘤复发患者寻找合适的临床试验等等(具体案例详见报 告)。生动的描述,让人切实感受到了 域,相关公司:润达医疗、金域医学、迪安诊断等;2)AI+病理:传统病理 诊断效率低,工作量大,以人工病理筛查为主的传统模式导致病理诊断供需 严重失衡,病理科医生存在长期缺口,AI 技术为核心的智慧病理有望成为关 键破局手段,AI 病理可以降低医生“无效”阅片时间,提升诊断准确率和特 异性,相关公司:安必平、麦克奥迪等;3)AI+影像:AI 医疗影像将人工智 能技术应用于医学影像诊断,快速、低成本对 CT、MR、DR .............. 5 二、诊前/诊断:智能导诊应用广泛,AI 诊断临床价值高 ................................... 9 2.1、AI+检验:检验医学数据量庞大,AI 赋能应用广泛 .................................. 10 2.2、AI+病理:病理医生供给缺口大,AI 有望成破局关键 ............10 积分 | 31 页 | 3.14 MB | 5 月前3
DeepSeek系列报告之AI+医疗言处理和计算机视觉技术的突破重新激活了 AI 在医疗领域的潜力。医疗行业数 据量庞大(占全球数据总量的 30%),但 97%未被有效利用,这为 AI 模型的训 练提供了基础资源。例如,AI 通过分析医学影像和电子病历数据,实现了从辅助 诊断到药物研发的跨越式发展。政策与资本的双重推动:1)政策支持:数字社 会下,全球医疗数字化转型已成为大趋势,各国相继出台相关政策布局数字医疗 产业加速发展。2)资本涌入:2025 月,全球医疗保健和 AI 领域融资额分 别达 94 亿和 57 亿美元,占当月风投总额的 58%。例如,Hippocratic AI 完成 1.41 亿美元 B 轮融资,估值 16.4 亿美元;西班牙医学影像公司 Quibim 获 5000 万美元 A 轮融资。全球数字医疗产业发展趋势:1)服务模式趋势、2)技术更新 趋势、3)产品结构趋势、4)区域发展趋势。 ➢ 投资建议:在人工智能发展大趋势下,DeepSeek 进行更精准的诊断和治疗。 动态演进机 制赋予系统 战略价值 动态演进机制赋予系统战略价值。 有效辅助罕 见病诊断 罕见病种类繁多、症状复杂、误诊率高,AI 系统能够通过学习海量医学知识和病例数据,辅助医生进 行罕见病诊断,提高诊断准确率,缩短诊断周期。 个性化治疗 方案的动态 优化 根据患者病情变化和治疗反馈,AI 系统能够动态调整治疗方案,实现个性化治疗方案的持续优化,提10 积分 | 39 页 | 4.05 MB | 5 月前3
“AI+医药健康”系列报告(二):ToC端应用普惠大众,有望蓬勃发展医生/护士),并创造更多可能性(脑机 接口提供辅助运动与神经康复帮助,提高残疾病人生活质量等)。 ❑ AI+线下辅助就诊:①AI 辅助门诊能提高患者就诊体验,缩短就医时间(通过 AI 辅助门诊,上海儿童医学中心的患者平均等待时间从约 2 小时减少到 0.38 小时),也减少医生信息录入时间使其能专注于诊断处方。②AI 辅助随访(动 语音电话批量呼叫患者→语音信息实时转换为文本表格→生成报告自动上传 至 .... 8 图 6 AI 赋能诊前、诊中、诊后多个诊疗环节 ..................................................... 8 图 7 上海儿童医学中心传统就诊与 AI 辅助就诊流程对比 ................................. 9 图 8 AI 辅助随访系统框图 ......................... 辅助门诊:AI 辅助门诊能提高患者就诊体验,缩短就医时间。AI 辅助门 诊已在国内部分三甲医院开始使用,以上海儿童医学中心 AI 辅助门诊系统 (医院与依图科技公司共同开发)为例: ⚫ 患者端:挂号后,患儿家长通过微信小程序输入主要症状或医疗诉求→ 模型自动提取关键信息,并根据医学逻辑像医生一样询问→系统判定搜 集到足够的信息,完成对症状、既往史、过敏史等医疗信息的记录,生 成标准化病例→系10 积分 | 17 页 | 2.26 MB | 5 月前3
2022中国智慧教育白皮书-基于信创体系的智慧教育为结构 性的,从零碎的转化为黏连的,十分有必要。这需要医学、自然语言处理和信息 学等多方面的专家紧密协作。每一种疾病,专业的医生和数据科学家都应该紧密 合作,找出其关键的数据变量,并设计出一个模型,用于提取与该疾病诊断、预 后和治疗相关的分类或数值特征。毫无疑问,建立这样的具体疾病数据资源需要 大量的工作,同时也需要结合更深的医学知识。而一旦结构化的单病种临床数据 45 被挖0 积分 | 89 页 | 5.83 MB | 5 月前3
共 4 条
- 1
