质量，也给医疗体系带来了沉重负担。我国医疗体系的 不可能三角 依然突出，即 便宜、高效和服务难以兼顾。优质的医疗服务供不应求，医护人员负担较重，而 基层医疗能力相对较弱，患者的就医体验也需要进一步提升。另一方面，疾病 谱 变化快，药物研发周期长、资金需求庞大且成功率较低，现有供给难以快速应 对， 很大程度上也限制了医疗的突破发展。 面对这些挑战，人工智能技术，特别是以大型模型为代表的生成式 AI 的迅 猛 发展，为医疗健康注入了新的机遇。 技术正在推动医疗服务向自动化和智能化转变，优化包括预约挂号、诊 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 医学影像与辅助诊疗 19 组学研究与个性化治疗 21 智慧病案与患者管理 22 医学研究与教学 23 5 AI 加速医药创新发展 24 药物研发与设计 25 药物筛选与 ADMET 性质预测 27 临床试验设计与优化 28 6 AI 助力健康管理 29 健康监测与评估 30 健康指导与干预

...........36 2.5 药物研发与临床试验.............................................................................................................................................37 2.5.1 药物筛选与优化.............. 史和实时生理数据，DeepSeek 可以预测潜在的健康风险，帮助医 生提前采取预防措施。 其次，DeepSeek 技术在个性化医疗方面表现出色。通过对患 者数据的深度挖掘，它能够生成个性化的治疗方案，优化药物选择 和剂量，减少副作用并提高治疗效果。这种个性化的治疗方法不仅 提升了患者的生活质量，也降低了医疗成本。 此外，DeepSeek 技术在医疗资源的优化配置方面也具有显著 优势。通过分析医院 癌的微小病灶，帮助医生在早期阶段进行干预，提高治愈率。 此外，DeepSeek 技术还可以应用于智能药物研发。传统药物 研发周期长、成本高，且成功率较低。通过 DeepSeek 技术，研究 人员可以快速筛选出潜在的有效化合物，预测其药效和副作用，从 而加速新药的开发进程。例如，在新冠疫情期间，DeepSeek 被用 于快速筛选可能的抗病毒药物，大大缩短了药物研发的时间。 在远程医疗和健康监测领域，DeepSeek 技术同样表现出色。

2017年的58起上升至2021年的93起，再回落到2023年 的29起2。与先前分析的智慧医疗投资偏好变化相同，投 资者趋于理性，更加关注智能技术在医疗场景的实际应 用和规模化推广。 从AI医疗行业投融资业务情况来看，AI药物研发、AI医疗 诊断、AI医疗设备和AI医疗方案是近两年最主要和热门 的业务。目前投资者仍倾向于投资初创、新兴企业，同 时投资轮次更为均匀。 一些互联网巨头也在加大对具备技术突破潜力的新兴企 业的 5年突破200亿元， 并在2030年突破1,000亿元，复合年增长率达43.2%。4 伴随新一代AI技术发展和迭代，更多的医疗大模型出现， 不论是在医学影像诊断、病理分析、临床辅助支持决策， 或是药物研发等领域都展现了AI特有的优势，AI技术的 应用正在为行业带来更加多元的发展机遇。 此外，一些更加前沿的新兴技术也开始在医疗领域崭露 头角，为智慧医疗行业格局带来了更多的新可能性。例 如，拓展现 能，帮助医生、医学生对学术文章进行智能化解读。 • 药物研发案例：AI药物研发平台助力新药研发。英 矽智能自有的人工智能药物发现平台Pharama.AI可 实现靶点发现—药物发现—临床试验预测的整个环 节。Pharama.AI平台由PandaOmics、Chemistry42、 inClinico三部分构成，其中PandaOmics鉴定及发现 新靶点；Chemistry42实现早期药物化合物的快速发 现和优化；inC

医疗和健康领域中的各 种 问题。 这些 智能利用海量专业医疗 文献 和问诊数据进行 训练了 基座大模型， 外接了专业的医疗相关知识库用于补充推理时的知识依据， 涵盖了包括疾病诊断、个 性化治疗、药物发现、医学影像分析等诸多方面。 05 PAGE 医疗健康大模型伦理与安全白皮书 得益于多年以来的医疗数字化的数据积累，这些大模型拥有全面的医学知识覆 盖，通过不断整合和 学习最新的医疗知识，模型涵盖了从基础医学、临床医学到公共卫生等各个领 域。无论是疾病的病 理机制、药物的作用机理，还是最新的治疗指南，模型都能提供详尽的信息。 其次通过达模型强大 的自然语言处理和交互能力，医疗健康大模型可以理解和生成高质量的医学文 本，与医护人员和患 者进行自然流畅的交流。此外，利用医疗健康大模型高效的数据处理与分析能 这种个性化的治疗和建议不仅可以提高疗效，还能减少不必要的副作用和治疗成本。 在药物发现方面， 大模型也发挥了关键作 用。传统的药物研发周期长、成本高， 对于药物效果和 安全性的验证过程复杂且耗时。应用大模型技术分析生物数据和化学化合物的相互作用， 快速筛选 出潜在的药物候选物，并预测其疗效和安全性，从而大大缩短药物研发的时间和成本。 此外， 医疗影像分析是医疗健康大模型的另一个重要应用场景。现代医学影像技术生成的数据量

3.2 最新进展 神经信息运动解码研究已取得显著进 展 1，科学家们正在探索基于神经活动的言 语、情感及意识解码技术 2,3。基于神经信 息解码建立疾病相关生物标记，为抑郁症 等精神疾病的药物研发与神经调控精准治 疗提供了重要应用依据 4。神经调控技术通 过光、声、电、磁等物理手段及化学方式 调节神经活动，其中经颅磁刺激加速疗法 为抑郁症治疗提供了创新性解决方案，超 声神经调控在阿尔茨海默症等疾病治疗领 能与高效。人工智能与统计学之间的双向互 动与协同进化，必将在未来智能革命中发挥 关键作用，为社会智能化转型注入持久而强 大的动力。 4. 科学计算 随着上世纪的计算机出现，科学计算迅 速发展，在天气预报、油田勘探、药物设计、 金融分析等领域取得巨大成功，成为理论、 实验研究之外的重要支柱。但许多科学和工 程领域仍存在模型不完善、机理不清晰或缺 乏数学描述的问题，而传统算法在处理高维、 非线性问题时常受维数灾难等限制。为解决 全局神经网络势函数方法被应用于反应过渡 态搜索、反应机理预测等方面，提高复杂体 系预测能力 6,7。 2.2.3 AI+ 结构设计与大数据平台 基于大语言模型的化学语言模型在相关 领域也有所应用，例如将材料结构或药物分 子转化为可识别的信息后进行性质预测或结 构设计 8,9。此外，图神经网络、生成模型等 算法也能从现有结构出发进行新分子、新材 料的设计 10。这些进展促进了融合大数据与 人工智能的研究平台的诞生，用户可以通过

向发展。 （6）智慧医疗 工程智能正在深刻重塑医疗健康领域，覆盖从药物研发、临床诊断到健康管 理的全链条，旨在提升诊疗精度、加速新药创新并优化医疗资源配置。在新药研 发与生命科学探索方面，AI 大模型正成为驱动创新的核心引擎。例如，华为云 联合发布的盘古药物分子大模型，能够高效筛选和设计潜在的药物化合物，将先 导药物的研发周期从数年缩短至一个月，并降低了 70%的研发成本。同样，百度 推出的生命科学大模型“螺旋桨”（PaddleHelix）也在药物发现、疫苗设计等领 域展现出巨大潜力，通过对蛋白质结构和功能的精准预测，加速了对复杂疾病的 理解和靶向药物的开发。 在临床辅助诊断环节，结合机器视觉与深度学习的 AI 影像分析已成为医生 的得力助手。腾讯觅影等 AI 医学影像产品，能够对 CT、MRI、病理切片等医学 影像进行快速分析，精准识别早期癌症、眼底病变等多种疾病的细微特征，其检

部分单元聚焦于模型训练与优化，另有单元负责决策路径的智能映射与执行反馈。再比如在药物研发场景中，数据收集 Agent 从医学文献、临床实验数据抓取关键数据，数据分析 Agent 对关键数据进行深度挖掘，找出潜在的药物靶点与作 用规律，模型训练 Agent 基于分析结果构建预测模型，最后，决策执行 Agent 依据模型预测结果制定最优的药物研发方 案，并自动推进实验流程。这种多 Agent 协同模式极大的

模型种类 搜索引擎 关键词种类（数量） 研究内容 多元线性模型 雅虎 疾病名称（-） 利用既往数据构建模型并验证流感发病数和死亡数［3］ 多元线性模型 谷歌 疾病名称及并发症、症状、治疗方法及药物（45） 对检索词与流感发病数的拟合［4］ 多元线性模型 百度 疾病症状、治疗方法与专家建议的关键词（30） 预测淋病发病率［24］ 多元线性模型 谷歌 疾病名称、症状、治疗方法 （-） 预测登革热发病率［20］

明确，IaaS直连，绕过 PaaS中间层 特点：政策驱动、预算 充足、智算中心的建设 先于使用 高价值行业：自动驾驶、具身智能、生物医药、高校科研 垂直行业客户 高用量场景：教育科研辅助、药物研发、物理 世界模型、训练仿真推理平台 8 www.leadleo.com 400-072-5588 中国：云计算系列 行业研读 | 2025/07 • SaaS层的价值目标不在于直接盈利，而是作为流量入口，带动云厂商

艺参数优化等制造业核心环节。供应链物流 AI 模型解决路径优化、需求预测、库存管 理、异常检测等物流行业痛点。能源管理 AI 模型用于负荷预测、调度优化、故障诊断、 能效分析等能源领域应用。医疗健康 AI 模型涵盖疾病诊断、药物研发、健康管理、医 疗影像分析等医疗场景。金融风控 AI 模型应用于信用评估、欺诈检测、市场预测、智 能投顾等金融业务。这些领域模型在通用大模型基础上，结合行业知识图谱、专家规 则、领域数据进行微调和优化，实现了 惠银发族，界面设计更加简洁直观，字体放大，对比度增强。语音交互降低操作难度， 方言识别提高识别准确率。一键求助功能在紧急情况下快速联系家人或急救中心。跌 倒检测、长时间无活动检测等异常行为识别，及时发出警报。药物提醒、健康监测帮 助老人管理健康。但适老化不是简化，而是在保持功能的同时提高易用性。 家庭娱乐中心提供丰富多彩的休闲体验。智能影音系统打造沉浸式视听享受，4K/8K 超高清电视、HDR 技术呈现逼真画质。AI 保计算过程的隐私性。只有计算结果被揭示，原始数据保持私密。模型性能提升明显， 因为数据量更大、维度更全。监管认可这种合作模式。但计算开销仍然较大，需要优 化。医疗机构联合研究加速了科研进展，多家医院联合进行疾病研究、药物开发。患 者隐私得到严格保护。罕见病例的汇聚提高了统计显著性。研究成果共享加速了转化。 伦理审查确保合规。这种模式正在改变医学研究范式。供应链协同优化提升了整体效 率，上下游企业共享销售预测、库存水平等敏感数据。MPC