的引入有望提高数据准确度和数 据连续性（智能可穿戴设备进行连续化数据采集，结合患者医院就医数据记 录），提供专业个性化健康服务（AI 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 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 至云端）提高医患沟通深度和有效性。③虚拟护理通过室内传感器、人工智 能和自动文档捕获来支持虚拟入院、虚拟查房和虚拟出院工作流程。④一站 式陪诊帮助患者通过手机完成从预约、导航、排号、就诊、宣教、检查、取 药再到院后随访、复诊提醒整个流程，实现就诊一站式服务。 ❑ 投资建议：我们看好 投资建议：我们看好 AI 赋能健康管理及医疗服务各个环节，对人们日常健康 管理和就诊行为带来颠覆性改变。受限于数据获取，当下应用于患者端的“AI+ 医疗”更多是基于文本生成、信息收集等方式提供服务，尚处早期发展阶段。 随着文心一言和 GPT-4 在医疗领域的应用，龙头企业有望优先受益。建议关 注已具备一定流量及数据基础、积极引入 AI 模型的互联网医疗企业，例如京 东健康、阿里健康、平安好医生、智云健康、百度灵医智惠、微医、春雨医

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 AI 为医药健康带来的想象空间。 ❑ 一、政策驱动行业向好，AI 全面赋能医药健康领域 在《超越想象的 GPT 医疗》一书开篇中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。生动的描述，让人切实感受到了 AI 为医疗 行业带来的想象空间。 图 1：GPT 医疗未来或可做到的医院端应用场景 现更多更有意义的工作的开展：“有了 GPT-4，她就有更多时间督促其他 即将出院的患者关注预防性护理的重要性。她将病患的病历复制到手机 上……以发现病患护理计划中可能存在的漏洞。果不其然，它发现了一名 逾期未做结肠镜检查的患者、一名胆固醇偏高需使用他汀类药物治疗的患 者，以及一名有高风险心脏病但已经有 5 年未检查血脂水平的患者。” 敬请阅读末页的重要说明 9 行业深度报告

范式 革新。3、健康管理服务升级。4、医保支付体系优化。通过深度整合 DeepSeek 等智能化工具，医生群体有望在工作效率的显著提升与专业技能的持续深耕之 间，找到合适的平衡点，最终为每一位患者提供更加优质、更加高效、更加人性 化的卓越医疗服务，共同谱写人类健康事业发展的新篇章。 ➢ 催化 AI 医疗发展的核心原因。技术迭代与数据积累。AI 医疗的起源可追溯 至 20 世纪 70 速发展正在不断改变我们对健康管理的思维模式与理念，医疗行业人工智能化发 展已是大势所趋，国内外多个大型科技企业高度重视并持续进行技术研发投入， 未来行业发展具有重要潜力。AI 医疗也将更好地服务患者，进一步推动行业的创 新升级，建议关注创业慧康、卫宁健康、东软集团、医渡科技、安必平、久远银 海、医脉通等 AI 医疗领域龙头。 ➢ 风险提示：技术路径变化不确定性；行业竞争加剧；下游开支能力不确定性。 的低成本特性，使得基层医院建立本地化的 AI 诊断系统成为可能，极大提升基层医疗服务能力。 药企研发成 本大幅降低 通过 AI 分子筛选优化，药企研发成本有望降低 30%-50%，加速新药研发进程，降低新药价格，惠及 更多患者。 医疗保险精 算模型迭代 周期缩短 AI 精算模型的应用，可以将迭代周期缩短 60%，更精准地进行风险评估和保费定价，提升医保运营 效率和风险控制能力。 多模态处理 能力突破医

制药蓝海市场，人工智能赋能药研全流程 人工智能赋能新药开发，是指在规模化医药数据基础上，运用机器学习、深度学 习、自然语言处理等技术参与药物开发各个环节，包括靶点发现、化合物合成、 化合物筛选到患者招募、临床试验设计等，通过 AI 技术的运用有效解决传统新 药研发痛点，缩短研发周期，提高研发成功率，降低研发成本。根据 DPI 援引英 矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段的 CV、DL 晶型预测 耗时长，筛选合适晶型困难 通过 AI 模拟晶型药物晶型筛选，可在短时间 选出稳定性强的最佳药物晶型 DL、ML 患者招募 招募适合入组患者难度高、周期 长 使用 AI 技术提取患者数据，快速匹配最合适 入组患者，降低临床开发风险 NLP、DL、ML、OCR 临床试验设 计及优化 优化受到局限，效率低 AI 通过机器学习和认知计算能力，从海量靶 但应用价值 较高。AI 在临床阶段应用领域包括：1）患者招募和管理：基于病例信息和疾病 数据，利用 AI 技术精准匹配入组患者；2）临床试验设计与优化：基于过往临床 试验数据，对当前试验方案设计优化；3）药物重定向：基于药物和靶点数据， 加速药物重定位研发，实现老药新用；4）数据整合分析：利用 AI 技术整合分析 数据，并生成相关报告；5）患者和用药依从性检测等。临床阶段作为药物开发 过程中时间和

(2023a). Technical guidance for the design of patient- focused clinical trials (Trial version) [以患者为中心 的药物临床试验设计技术指导原则（试行）]. Center for Drug Evaluation, NMPA. https://www.cde.org.cn/main/news/viewInfoComm

行为识别提高课堂效率 能围绕教学场景为师生提供 教学辅助 教学监督管理平台 决策式 AI 创造实践环境 能根据学生反馈的薄弱点加 强训练 盛通中鸣机器人 决策式 AI 提供情感陪伴 通过个性化干预方案为患者 及其家庭带来情感支持 Buddy In 少儿自闭症数字疗法 生成式 AI 资料来源：国信证券经济研究所整理 政策层面：顶层战略规划引领智慧学习、智慧课堂等场景落地 AI 教育相关配套政策的相

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 被挖掘、处理，并实现最后应用，这会让数据研究者、医院、医生、乃至患者均 有“数据+”的获得感。基于大数据的一体化科研平台将为很多领域的科研工作 进入到“数据科研”时代。 ⚫ 智慧科研决策系统提升资源利用效率 科研项目复杂，有效管理比较难，造成了学校的资源无法充分利用，耗费了