动脉网：2023医疗人工智能报告：从边缘跃入核心医疗人工智能重押“治疗”

医疗人工智能报告从边缘跃入核心，医疗人工智能重押“治疗”前言十余年求索，AI已经逐渐长成了那时IBMWaston期望的样子。它甚至跨出了诊断和治疗的范畴，生根于医疗场景中的每一个角落。不过，医疗AI领域中的落地与商业化是两个截然不同的概念，通过合作、共研形成的Al落地并不意味着这一算法能够规模应用于医院，规模应用于医院也不意味着这一算法能够成功回收过往投入的海量资金。因为这些模糊概念的存在，医疗Al的商业化形势始终透着一种朦胧感，亦难区分其中企业的实际进展。从这一现状出发，蛋壳研究院对医疗Al的整体情况进行了调研分析，希望借助数据这一工具，还原2023年最真实的医疗AI发展。目录 11.2近百项AI赋能的管线进入临床试验，但无一行至上市阶段 41.3信息学重构进行时，基础设施建设成为最大壁垒 92.1二级市场考察：AI盈利尚有距离，疫情影响增速普遍放缓 92.1.1看重研发投入，数字医疗尚未实现规模化盈利 2.1.3多家企业交表，国内AI制药崛起 2.2一级市场考察：宏观遇冷，影像放缓 2.2.1深入治疗，手术相关的影像学AI撑起融资规模 2.2.2稳步向前，多家AI企业收获亿级大单 23.1标准制定，影像AI进入医保的可能前提 223.2模式创新，再寻AI盈利源动力 233.2.2医院影像数据治理 25 263.2.4合作政府覆盖基层医疗 27 273.3以数据为核心，新技术改变AI格局 293.3.2重构医学科研 344.1九大应用场景，大模型已潜入医疗 4.2部署与应用局限发展，大模型暂时难以规模落地 4.3机遇与挑战并存，大模型有望成为颠覆医疗的下一项技术 数坤科技：数字人体平台2.0,扩大医疗AI赋能半径 41鹰瞳科技：诊疗一体化布局更进一步，保险 深睿医疗：手持9张AI影像三类证，迈向全场景A 45深智透医：差异化布局影像增强，有望突破医疗AI盈利难题 47MANTEIA:提供高效精准的放射治疗全流程解决方案 图表目录图表1历年AI产品三类证获批数量 2图表2医疗AI产品不同病种三类证获批情况 3图表3全球AI参与研发的进入临床阶段且处于活跃状态的管线临床阶段分布 4图表4全球Al参与研发的进入临床阶段且处于活跃状态的管线分类 图表5医院管理系统传统架构与AI加持的架构的对比 6图表6医疗AI企业营收数据对比(单位：万人民币) 9图表7医疗AI企业净利润对比(单位：万人民币) 图表8医疗AI企业研发支出(单位：万人民币) 1图表9医疗AI企业资产负债率情况 图表10各医疗AI营收利润分布(单位：亿美元) 图表11Schrödinger管线(合作部分) 图表12英矽智能2022年及2021年营收情况(单位：千美元) 图表13晶泰科技2022年及2021年营收情况(单位：千人民币) 图表14医疗AI不同赛道融资情况 图表15AI影像各个轮次融资事件数和金额(单位：亿人民币) 图表162023统计年AI制药融资用途 图表172023年部分药企与AI企业间的合作 20图表18SYNTAX评分难点 24 25图表20生成式AI应用于影像增强 图表21不同类型企业参与医疗大模型开发的特点 图表22医疗AI应用层产业图谱 图表23数坤科技产品布局 41图表24鹰瞳科技AI版图 图表25DeepwiseMetAI实现一站式影像数智化 图表26深智透医影像增强与重建解决方案 47图表27MANTEIA放疗全流程解决方案 图表28深至科技小型化AI超声 54图表30悦唯医疗重症冠心病全流程创新解决方案 1人工智能，今天，大量数智化应用已能无缝嵌入医生工作流程。此形势下，医疗AI发生技术突变的概这一状态对于医疗AI产业而言有利有弊。利在当绝大部分企业开始重视产品销售与成本控制时，缺乏成果的细分赛道开发暂时中止，医疗AI企业的亏损规模不断收窄，整个行业的前景日渐明晰。弊在各项支出的紧缩及宏观环境监管的趋严，医疗AI整体创新能力有所下多种形式下，医疗AI的三大应用场景——影像学、信息学、生命科学——均展现出截然不同的发展路径。2023年间，国内影像学AI的研发、销售平稳向前推进，生命科学AI行至二级市场边缘，信息学方面的AI低调融入各类系统，并借助大语言模型尝试技术内核的跨本章中，我们将借助数据这一要素，展现当下医疗AI各重点赛道的技术发展形势，为后续在FDA、MDR、NMPA等主流监管执法机制下，绝大部分产品影像学AI因其数据性质满足医疗器械数据要求，均被视作医疗器械进行审批。此背景下，作为影像学AI的商业化充分不必要条件的第三类医疗器械注册证，其数量一直是衡量赛道发展形势的近6年来，第三类医疗器械注册证年通过量一直保持高速增长，尚未出现增速放缓的迹象。截至2023年10月31日，国内已有118款智能软件获得市场准入，仅2023年前10个月，国家药监局公布的审评审批数量已至44个，超越了2022年的32个。至此，影像学AI审评审批体系趋于成熟，相关AI的注册准入步入常态化，智慧化的应用或将在数年后覆盖整具体分析历年AI注册证分布情况。2020—2021年获批的影像学AI以辅助诊断类AI为主，内含基于深度学习的分析模块，作用于特定影像设备下的特定病种。2022年辅助诊断类AI仍是主流，但多了一定数量的放疗规划、心电分析、病理分析应用，AI应用场景进一步拓2023年延续了过往的趋势，不同之处在于各类智能手术机器人规划导航类应用相继获批(总计10款),极大提升了AI获批产品的总量，医疗AI的主要场景也由“辅助诊断”变为“辅助从公司角度看，辅助诊断类AI企业持有的三类证数量较多。拥有11张三类证的联影集团目前位列数量榜的第一(联影智能7张、联影医疗3张、联影智融1张),深睿医疗、数坤科技均有9张并列第二，推想科技、博动医学、医准智能紧随其后。相较之下，辅助治疗类AI企业持有的三类证数量普遍在1—3张左右，市场准入相对滞后。图表2医疗AI产品不同病种三类证获批情况血耕监测血耕监测膝关节置换放疗勾画从病种方面看，肺结节、肺炎、眼底等拥有公开数据集支撑的病种对应的AI最易获批，是各企业实现AI商业化的重要抓手。此外，企业们也通过海外引入或与三级医院合作，将心超声被认为是医疗AI下一个增长点，已在注册准入上迎来突破。2023年8月，德尚韵兴甲状腺结节超声影像辅助诊断软件率先获得NMPA批准，医准智能、深至科技的AI超声解决在小型化超声智能化方面已经有完整布局。目前，深至科技已经搭建起超过十余类、30多个病种的算法模型影像数据库，以及超声影像云中心，实现AI超声辅助诊断病种覆盖二十余病种。随着超声AI三类证破冰，超声AI的应用会进一步扩大。新。但鉴于2023年下半年手术机器人市场暂时降温，2024年的智能规划导航类应用的注册数量可能会有所下移。转向治疗赋能的过程中，初创公司在AI的多样性方面发挥了重要作用。以AI在放疗领域中的应用为例，过去研发相关智能技术的企业多为东软智睿、联影医疗、大医集团、医科达、瓦里安、安科锐等国内头部影像企业及世界放疗巨头，但在近两年时间内，柏视医疗、MANTEIA、连心医疗、医诺智能等初创公司也陆续获得市场准入。外科手术方面也存在同样的趋势，联影智能、键嘉机器人、纳通医疗、长木谷医疗等初创公司在口腔、骨科等领域获批第三类医疗器械，深睿医疗、数坤科技、推想科技等老牌AI辅助诊断类企业也在探索开拓新产线的可能。AI在制药中的应用纷繁复杂，贯穿整个制药流程，很难对比评估各AI之间的价值差异。不过，通过计量AI参与研发的药物在临床试验中的推进情况，我们能够粗略衡量AI对于生命科学行业的影响。据蛋壳研究院不完全统计，截至2023年11月，进入临床的生命科学AI管线已有16款停止研发或从官网撤下，1款药物被降低了临床试验优先级。不过，管线总量仍在以较快速度持续增加，全球处于临床阶段且保持活跃状态的AI参与研发的管线总计97项，超过一半的管线处于临床I期，超过1/3的管线处于临床II期。图表3全球AI参与研发的进入临床阶段且处于活跃状态的管线临床阶段分布(不完全统计，截止时间2023年10月)这些管线有67项来自国外，占比69.07%,30项来自国内，占比30.93%。英矽智能、冰洲自研新药是目前生命科学类AI企业研制新药的主要模式。上述管线中，85.57%的管线为企业自研管线，14.43%的管线为合作研发管线，多为生命科学类Al企业协助大型药企进行研合作研发的管线数量虽少，却多为老牌生命科学类AI企业所持有。Exscientia现有的两条的单克隆抗体AU-007;LanternPharma手持TTCOncology、Harmonic、Actuate图表4全球Al参与研发的进入临床阶段且处于活跃状态的管线分类(不完全统计，截止时间2023年10月)收购，进入临床Ⅲ期的管线也多为老药新用。换句话说，生命科学类AI公司自研且进入临对于生命科学类AI而言，若想获得可观的营收、创造有力的价值，唯一的方式就是自研或协助MNC取得获批上市药物。2023年间尚无满足上降低了市场对于生命科学类AI的估值，进而导致年内合作及投资收紧。第6页共57页期为2011至2020年)的平均成功率提升至10%,已能有效加速新药的产出，释放足以匹1.3信息学重构进行时，基础设施建设成为最大壁垒图表5医院管理系统传统架构与AI加持的架构的对比BA:业务架构AA:应用架构DA:数据架构TA:技术架构BA+AI:业务智能AA+AI:应用智能DA+AL:数据智能TA+Al:技术智能需要注意的是，基于LLM的应用研发仍处于探索阶段。该技术严重依赖环境，需要医院同时满足基础设施的构造与智能算法的部署。如今开源节流大环境下，愿意为其付费的医院尚未形成规模。因此，信息学AI的迭代仍需大量时间验证价值。2资金流速回暖，历经十年发展，多个医疗AI赛道已从蓝海转为红海。当前阶段下的AI企业要寻求外部资本支持，仅仅依靠未来价值已难以让人信服。因此，无论一级市场还是二级市场，AI企业必须凭借可靠的经营能力进行支撑。因此，本章着重考察现阶段各医疗AI企业商业化能力，找出影响医疗AI未来发展的各类因经历了2021年的递交招股说明书热潮后，医疗AI迎来了漫长的上市平淡期。2022年9月至2023年12月，国内仅AI制药企业英矽智能和晶泰科技递交了招股说明书，成功上市的医疗AI企业寥寥无几，具体分布与2021年并无差异。2.1.1看重研发投入，数字医疗尚未实现规模化盈利为分析影像学及信息学的AI企业经营现状，蛋壳研究院在全球范围内选取了鹰瞳科技、Lunit、NanoxAI三家海内外具有代表性的医疗AI企业。其中，鹰瞳科技的糖尿病视网膜病变辅助诊断软件曾率先获得NMPA颁发的第三类医疗器械注册证；Lunit布局AI影像和AI病理，曾在单年内实现30倍营收增长；NanoxAI则是Nano-XImaging在2021年收购了全球Al影像头部企业ZebraMedicalVision后更名而来，是美国影像学AI中的典型代表。图表6医疗AI企业营收数据对比(单位：万人民币)10000800060002000数据来源：公开信息整理第10页共57页鹰瞳科技2022年营收为1.14亿元，小幅下滑1.32%。鹰瞳科技受限于疫情期间线下活动限制，例如其重要布局城市上海曾在2022年上半年期间因疫情原因闭门三个月，一定程度影响了全年营收。年报数据显示，公司客户数量从2021年的244个增至397个，同比增长62.7%,共完成检测量432.98万次，虽说检测量较2021年下降了12%,但检测平均收费较2021年提升了4.5%,发展势头良好。政府视力筛查项目场景。2022年公司针对眼健康管理场景的鹰瞳眼健康收入增加至4360万，同比增长74.67%,AI解决方案覆盖国内超过1200家视光中心，表明医疗AI在眼科健Lunit营收2022年营收为139亿韩元(约7564万人民币),同比增长108.90%,主要原因在于LunitINSIGHT以及LunitSCOPE两大业务线营收均增加，胸部X成像AI解决方案CXR实现了6918百万韩元的营收。Nano-XImaging2022年总收入为860万美元，AI解决方案的销售额为30万美元，可以看出AI产品贡献的营收较低。从净利润情况看，医疗Al的规模化盈利能力还不理想，3家企业均处于净利润为负的状态。鹰瞳科技归母净亏损1.80亿元；Lunit净亏损391亿韩元(约2.13亿人民币),同比减少46.9%;Nano-XImaging归母净亏损1.13亿美元。图表7医疗Al企业净利润对比(单位：万人民币)20222021—同比增长一个显著的变化是，鹰瞳科技的毛利率在2022年有明显的下降，从61%减少至41.9%,原因是公司业务线中增加了对于B端、C端硬件设备的投入。不过，鹰瞳科技2023年的中期业绩给了行业一个积极的信号。公司2023年上半年营收8250万元，同比增长120.6%;鹰瞳医疗、鹰瞳健康、鹰瞳眼健康分别同比增长137.3%、26%、307%;毛利润5136万元，同比增长132.7%,净亏损4102万元，同比收窄58.8%,毛利率62.3%,增长3.3%。在医院、患者越发刚性的眼健康管理、治疗需求下，眼科AI影像的商业价值正在成熟，加速获得医院、体检机构、健康管理中心的认可。研发支出方面，各家企业的认知开始分化。鹰瞳科技研发支出为1.26亿元，同比增长95.4%,超出公司全年营收10.5%;Nano-XImaging研发支出为2651万美元，超出营收300%。鹰瞳科技、Nano-XImaging对标影像学AI创业公司，鹰瞳科技偏低，Nano-XImaging偏高。图表8医疗AI企业研发支出(单位：万人民币)0数据来源：公开信息整理回顾鹰瞳科技的近年，保证销售成本与研发支出的同规模变化是其快速商业化，趋近扭亏为盈的重要手段。行至上市阶段，医疗Al企业必须重点考虑盈利问题，将资金一味投入研发抢占生态高地的发展模式，已经不再适用于这个时代的AI领域。资产负债率方面，鹰瞳科技和Nano-XImaging均处于较低的水平。伴随行业日趋稳定，单个AI产品的研发支出测算日益精准，企业无需承担过多财务风险进行大规模债权融资，因此资产负债率低。图表9医疗AI企业资产负债率情况数据来源：公开信息整理2.1.2持续亏损，AIBiotech还需稳定营收来源目前全球范围内登陆二级市场的生命科学AI企业已经达到两位数，但除加拿大生命科学Al公司AbCelleraBiologics外无一盈利。AbCelleraBiologics是一家抗体研发公司，使用其自研的AI驱动抗体发现平台通过分析天然免疫系统数据库来寻找可以开发为药物的抗体。2022年间，AbCelleraBiologics实现营业收入4.85亿美元，同比增长29%;净利润1.53亿美元，同比增长3.29%。图表10各医疗AI营收利润分布(单位：亿美元) 数据来源：智药局、蛋壳研究院支撑该公司2022年营收利润双增长的主要因素为“版税”,即与合作伙伴礼来销售的Bebtelovimab分成，贡献收入4.43亿美元，同比增长35%。Bebtelovimab是AbCellera第13页共57页为礼来开发的第二款新冠中和抗体，曾于2022年2月获得FDA的紧急使用授权(EUA),同月礼来与美国政府签订了总金额达7.2亿美元的Bebtelovimab订单。重要的吸金法宝，AbCelera四季度的收入仅仅为2150万美元，占2022年总收入的4%。Schrödinger稳定的市值与其同大药企的高效合作有一定关系。2020年11月，Schrödinger与BMS达成合作协议，筛选5个候选药物，协议金额最高可达27亿美金；2021年8月，再鼎医药licenseinSchrödinger技术平台，合作金额为3.38亿美金；2022年10月，礼来与Schrödinger达成协议，筛选一款候选药物，协议金额最高可达4.3亿美金。2022年12月，武田以首付款40亿美元，总金额60亿美元的价格从NimbusTherapeutics手中买下了活动性银屑病关节炎治疗药物NDI-034858(现更名为TAK-279)进一步肯定了Schrödinger的价值。NDI-034858是一款TYK2抑制剂，由NimbusTherapeutics与Schrödinger合作开发，目前武田已将其推至临床Ⅲ期，距离上市只第14页共57页图表11Schrödinger管线(合作部分) 不过，自研药物的AIBiotech在追逐高回报的同时亦需要承担较大的失败风险。当投资方开始日渐谨慎，不少企业已经开始AICRO业务，尽可能地规避下行时期的高风险。初创企业方面，数坤科技、科亚医疗、推想科技曾于2021年递交了招股书说明书，英矽智能、晶泰科技则于2023递交招股说明书。从他们的招股数据中，我们能够一窥AI行业最2023年，数坤科技再度启动IPO,其上市辅导备案登记已经获北京证监局受理。第15页共57页数坤科技选择了平台化发展的策略，致力于构建数字腹、肌骨关键领域同时拥有NMPA三类证的医疗AI高科技企业，无论是产品数量还是获证数量都领先于行业。公司数字人体平台2.0已覆盖了40余种AI产品，涵盖了CT、MR、DR、US、DSA、钼靶等多个模态，同时也全面覆盖了疾病筛查诊疗的各个环节，实现了疾病全流程的高精度导航协同和精准诊疗。旗下数字医生产品已经在全国超3000家医疗健康机构高粘性日常使用，包括超90%的百强医院及80%的目标公立三甲医院，市场覆盖率行业第双重提升，这是数坤科技重启IPO的底气所在。AI制药板块，英矽智能在2023年6月，晶泰科技在2023年11月递交招股说明书。商业模式是当前影响AI制药企业营收表现的关键要素。AI制药行业的主流商业模式包括以提供软件平台服务为主的SaaS供应商，以Schrödinger为代表；主要开发内部研发管线的AIBiotech,以Relay为代表；提供外包服务的AICRO20制药企业中的10家提供AI药研服务，并与复星、赛诺菲等大型制药企业建立战略合作。基于此，英矽智能营收表现亮眼，2021年至2022年间，公司营收从471.3万美元增至3014.7亿美元，增幅达539.6%。但公司年内亏损也从2021年的1.31亿美元，增加至2.22亿美元，研发支出从3848.9万元美元增加到7817.5万美元。管线进展上，英矽智能核心产品ISM001-055已经启动lla期临床试验，主要用于通过抑制图表12英矽智能2022年及2021年营收情况(单位：千美元)营业收入收入务收入年内亏损前五大客户研发支出(占比95%)(占比5%)占比90.6%(占比78.2%)(占比21.8%)占比53.1%与英矽智能的商业模式不同，晶泰科技在定位上更符合AIC晶泰科技开创了结合量子物理、AI和机器人技术的创新研发平台，融合医药企业与医械企第16页共57页招股说明书显示，晶泰科技服务过的客户超过200家，2020年、2021年、2022年和2023年1—6月的营收分别为3563.6万元、6279.9万元、13335.3万元、7996.7万元，呈逐年上升趋势，同期经营亏损分别为12632.1万元、29943.2万元、52531.4万元、24695.7万图表13晶泰科技2022年及2021年营收情况(单位：千人民币)营业收入年内亏损前五大客户研发支出(占比65.7%)(占比34.3%)(占比62.7%)(占比37.3%)已通过IND,即将步入临床试验环节。在AICRO角色之外，晶泰科技也在布局对初创企业亿资金，驱动多个AI影像产品进入商业化落地阶段，多家AI影像企业迈入二级市场。到2023年，流向AI影像板块的资金仍然充沛，但偏好辅助治疗而非辅助诊断。AI制药作为2022年的热门板块，在2023年正面临商业前景不明朗的瓶颈问题，融资热度有显著下降。另一方面，作为底层技术，AI在完成技术验证后，其医疗应用场景正不断多元化。2023年间，不少投资人落足于眼科、口腔、中医问诊、健康管理等领域内，寻找AI新的价值点。2.2.1深入治疗，手术相关的影像学AI撑起融资规模根据蛋壳研究院统计，2022年8月31日—2023年10月31日期间(后称为“2023统计年”),医疗AI板块一共完成了170笔融资，融资总额161.24亿元人民币。2023统计年的融资事件数较2022年同期的127件和2021年同期的112件发生了较大规模的增长，分析其原因，辅助诊断Al向辅助治疗AI的转型及基于影像的手术导航、手术规划类AI的崛起，共同拉高了AI影像与AI信息化企业融资规模。第17页共57页图表14医疗AI不同赛道融资情况AI影像融资当前更偏向商业落地。即便是在早期A轮融资阶段，产品申报注册和商业化情勾画软件RT-Mind”已获得NMPA三类医疗器械注册认证及FDA入市许可；慧维智能处于A图表15AI影像各个轮次融资事件数和金额(单位：亿人民币)第18页共57页AI制药板块融资首次降温。2023统计年的融资事件数仅有32笔，与2021年同期的43笔和2022年同期的47笔，有了一定下降。且2023统计年AI制药板块的融资以A轮以下的核心原因在于AI制药距离商业化还有一段距离，行业缺乏典型的成功案例，再加上2022年明星产品DSP-1181的失败让行业遇冷。根据统计，融资用途中，仅有完成C轮融资的药物牧场和完成B+轮融资的红云生物将资金用于推进药物临床试验，其余融资均是处于较图表162023统计年AI制药融资用途另一边，海外GenesisTherapeutics却完成了2亿美元的超额认购B轮融资，这是2023年AI制药领域最大一笔融资；2023年7月，英伟达也宣布向Recursion投资5000万美元。这说明AI始终是生物医药研发效率取得变革的关键因素，随着算法模型、数据分析方法得到针对性的优化，以及随着大模型发展日新月异，AI在制药板块将保持向上发展。信息化板块的融资事件在2023统计年出现了小幅度的增加，共有42笔融资事件。大多数2023统计年中，数字疗法占据了AI信息化融资事件25%的比例。生成式AI在信息化板块也有了初步的探索性应用，Glowe阁楼完成A+轮融资，用AIGC赋第19页共57页尽管一级市场的AI企业没有公布营收规模，但据蛋壳研究院统计，深睿医疗、医准智能、数坤科技、推想医疗、深智透医等AI企业均已实现亿级营收，部分企业有望在2024年实以深智透医为例，该企业AI产品已在中国、美国、欧洲等各个市场加速推进战略，全球超过500家医疗机构及影像中心完成部署，全球订单总量近亿元。最近，这家AI医学影像增北美放射学大会上，展示了基于其AI平台的医疗影像产业智能化升级。已借助智在全能影像智能化全面解决方案、生命科学类AI的表现情况与影像AI类似，也在营收方面节节攀升。2021年与2022年间，MNC开始陆续认可生命科学类AI的未来价值，大规模网罗具备Al潜力的生物科技初创公司。许多大药企手持多家Al企业的合作，将自有的管线分而治之，多角度引入AI赋能。这两年内，每一年都有近50项合作达成，近100亿美元的总价值合同规模完成签署。引入Al,成为当时制药相较前两年，2023年合作数量相较前两年略微减少，预付款与合同总价值也有所降低。10个月间，全球范围内已发生艾伯维与AnimaBiotech总价值5.82亿美元的合作；赛诺菲与百图生科超10亿美元的合作；德国默克集团宣布与BenevolentAI和Exscientia12.68亿美元的合作；诺和诺德与ValoHealth27亿美元的合作，证实MNC仍然看重生命科学AI第20页共57页图表172023年部分药企与Al企业间的合作目的/以AI大数据合成路线设计辅助系统助力药物发现//达成全球授权协议，覆盖神经科学领域的部分后期发现项目1共同研发针对神经退行性疾病与神经肌肉疾病准/晶泰科技帮助改进武田研究管线中的治疗性蛋白质//PerceivAl被选为首届默克数字科/向JWPharmaceutical提供默克的人工智能软件SYNTHIA/领投了法国AI药物发现初创公司lktos的1550/跨肿瘤学、神经炎症和免疫学的新型小分子利用BenevolentAI的端到端Al平台技术，//造成这一原因的因素可能并非有关AI技术本身，头部企业完成布局加之全球经济的波动，MNC们需要花费一些时间去验证AI价值，才能精准计划下一轮的投入。3在逆势之下存活，第22页共57页尽管医疗AI的价值已在临床、制药之中得到初步确认，很多医疗AI产品已成为医生日常工但各家医疗AI的经营情况，却仍岌岌可危。造成这一结果的原因是多元的。其一，对于影像学AI而言，该技术核心需要解决的问题是AI能够提升多少效率，为医院创造多少价值；对于生命学科AI而言，其核心需要解决的问题是AI能否制造一款成功上市的新药。如今没有医保支付模型的支撑，亦无成功通过临床的新药作为案例支撑，AI的购入多个成本项，价值的验证仍然处于悬而未决的状态，没有其二，许多AI产品/解决方案的内容、形式过于单一，医院/企业很难为了单一产品付出大量成本，制药企业也没能直观感受到AI对于制药成本的节省作用。换句话说，产品没有达不封装AI,如果在收到AI的建议之后对患者进行干涉，那么AI捕捉不到给定数据下应该发生的结果。这种情况下，运行过程中的AI会在短期高准确率预测后逐渐偏离，预测能力变要解决上述问题，医疗AI企业们首先应该在过往深耕的领域中确立简单可行的价值计算路横向比较各AI产品的价值。一种典型的手研究院使用自制的模型进行自动勾画、分割或是辅助诊断。如今部分医疗AI产品应用落地更为精准地计量AI的卫生经济学价值。要解决这一问题，医疗AI产业需要引入第三方进行牵头，建立产业联盟，统一确立物价准第23页共57页仍处于研发中的项目同样需要尽快引入规范化、标准监管机构等机构共同制定研发中产品的价值计量方案，其具体目标应包括：1.明确真实临床需求：根据需求制定研发路径，防止产品与需求偏离。2.有效控制成本：目前各类AI软件收费偏贵，医院负担多个AI组成的解决方案存在一定压力，3.扩大临床数据集：当前单病种AI使用量不足，导致算法的有效性及鲁棒性难以保障。指标或许已经不再适用，需要重新设计一套有利于AI辅助诊断的指标。总的来说，尽早牵头建立联盟，确立规范共识，将有利于AI设备落地，缩短AI项目扭亏为数年经营，单纯以向医院销售单病种辅助诊断软件的商业模式进行经营，AI可能无力收回过去投资的海量成本；只提供算法筛选的分子而不对其后期研发进行保障的生命科学Al也尽可能提升其在疾病诊疗链路/新药研发流程中的环节覆盖能力，谋求抓住任何扭亏为盈的尽管AI三类医疗器械的数量已逾百个，但在浩瀚医疗体系之下，能被赋能的场景不过九牛一毛。因此，挖掘临床真实需求仍是医疗AI企业扩张的关键所在。SYNTAX评分标准及评分系统是贯穿于冠心病诊疗的核心评分标准，该标准于2005年被首第24页共57页素，是一种基于冠脉造影(DSA)图像的精确量化评价指标，因此SYNTAX评分在国际诊但DSA图像具有难以解读与分析的特点；另一方面，SYNTAX评分过程要求评分者将DSA中的血管分支与SYNTAX评分标准的冠脉血管分段(图1)——对应，并对各个血管段病值，整个过程具有评分难、经验依赖强、耗时、主观性强、准确性难以图表18SYNTAX评分难点SYNTAX评分过程覆盖的血管范围广，医生需要根据多视角DSA影像关联分析并进行血管分段识别结构冠脉造影图像透视成像原理导致血管结构交叠较多，易出现环造影剂分布不均，血管成像质量较低，在狭窄、血栓、钙化、严重扭曲等病变为提高SYNTAX评分速度和准确性，广泛化SYNTAX评分在临床的应用，创新医疗器械研发公司悦唯医疗开发了一种利用AI方式自动SY1)基于血流流向分析DSA影像多视角冠脉血管分割与血管分段算法研发：DSA可实现高续帧图像信息与多视角DSA信息融合，可获得更准确的血管分段结果。2)狭窄病变检测与结构相关病变不良征分析：针对三叉病变、分叉病变、开口病变、长病变这些与结构密切相关的病变不良征，构建多尺度U-net网络模型精确量化血管半径值，根据病变的位置结构信息判断病变不良征类型，自动实现SYNTAX结构部分的分数计算。3)冠脉非结构病变分析：针对完全闭塞、严重扭曲、严重钙化、血栓和弥漫病变这些无法得到病变位置和类别的精确估计，自动实现SYNTAX非结构部分的分数计算，从而实现完4)模型可解释性实现：针对传统方法可解释性不足，临床表现不稳定的问题，构建可解释联系构建评分模型，使之符合SYNTAX人为评分的过程。模型解释方面，通过分步交互可第25页共57页视化功能展示图像中影响评分结果的区域，从而令SYNTAX自动评分结果可被解释和分析。图表19SYNTAX评分标准的冠脉血管分段示意图利用SYNTAX评分系统可以实现将DSA图像简化为一个可以分析的数值，基于该数值便可衍生出多种风险预测与诊疗决策模型。因此SYNTAX评分结果应用范围覆盖冠心病诊疗全流程，在术前SYNTAX评分结果可作为血运重建方式选择的核心标准，在术中由评分结果衍生出的STS评分等可作为预测手术风险的重要依据，在术后SYNTAXⅡ评分可以有效预悦唯医疗的创新并非孤例，数坤科技、医准智能等企业也在尝试开发新的AI算法重构传统3.2.2医院影像数据治理自深度学习广泛应用于计算机视觉后，围绕医学影像展开的AI开发催生了独立建设影像大数据中心的需求。因此，不少AI企业在辅助诊PIS等涉及医学影像的业务系统之上，以中台形式搭建一个能够综合管理应用全院所有影像作为医疗数据大国，我国的影像数据占据了80%—90%的份额，维持30%的增速持续增长，但大量数据停留在纸质化的阶段，超过80%的数据为非结构化数据。因此，围绕影像展开的医疗大数据中心建设能够有效触及此类需求，传统医疗IT企业及深睿医疗、汇医慧影等第26页共57页AI企业均围绕此业务深化信息化布局，一方面为医院搭载治理影像数据的平台，另一方面借助平台协同医院推出新的AI解决方案。现有的医学影像大数据中心通常具备两类智能。其一为集成智能化影像应用。伴随Al技术的规模落地，一家医院常常会安装多个AI辅助诊断应用。为了方便医生在不同应用之间无感切换，医学影像大数据中心可以起到业务中台的作用，将众多AI软件集成，便于医生使用。同时，大数据中心还可以通过互联网实时上线新的AI应用，医生需要时可直接联网下核心能力外，还有一些企业的大平台会打造一些特色功能。以深睿医疗3.2.3深入治疗领域医疗AI通常偏好横向拓宽，通过不断赋能新的病种，实现单个科室的多应用覆盖。但要从一个科室跃至全部科室，医疗AI则需采取纵向延伸，打通单个病种的筛、诊、治全流程赋最初一批切入治疗环节的AI以放疗靶区勾画、放疗手术计划为主，国内初创公司中已有连于2020年3月获得美国FDA的批准，成为中国第一个获得FDA认证的基于AI的放疗影像第27页共57页2022年较多骨科手术机器人进入商业化阶段。尤其是腰椎、髋关节、膝关节三个部位的手术，均有多个AI企业完成布局。肿瘤外科这一领域今年也有不少AI企业完成突破，或在2024年初公布新的审评审批成果。3.2.4合作政府覆盖基层医疗相较于医疗资源丰富的三级医院，基层医疗显然更需要也更值得AI落地。因此，基层医疗一度被视为医疗Al最快实现商业化的医疗场景。不过，该场景也有其局限性。近100万元定价的辅助决策软件对于三级医院而言不算昂贵，体中的上级医院。尤其是政府与医联体，能够因为辅助诊断AI的引入获取额外收益，更有可能为辅助诊断AI进行支付。行乳腺癌筛查能力建设。协助地区完成《健康中国行动(2019-2030年)》提出的“2022年农村适龄妇女两癌筛查覆盖率要达到80%,到2030年达到90%”防治目标，并将AI技术此外，也有企业为了匹配AI的能力进行硬件的研发。譬如，深至科技便研发了便携式超声3.2.5成立医院转变，它以互联网为基础，建立实体医院将功能延展至治疗环节，并全方位引入数智化技术进行赋能，解决区域医疗难题。乌镇智能医院是国内首家人工智能医院，意在提高基层医疗的影像诊断水平、基层医疗的诊疗效率、慢病管理的便捷性和达标率以及医疗服务质量。目前，乌镇智能医院已经上线的诊能+个性化康复”四大模块，可以有效提高基层医疗的影像诊断水平、基层医疗的诊疗效率、慢病管理的便捷性和达标率以及医疗服务质量。此外，乌镇智能医院也将AI深度嵌入医院管理系统。实际运营过程中产生的所有临床、管理、健康等数据均能以标准化格式归档。此形式下，院内医生能够以更为便捷的方式实践数据挖掘，加速科研产出；医院管理者亦可实时获取医院运营现状，及时作出决策。医疗AI数年来的商业化经验已经验证，汇集全国最优质医疗资源的三级医院并非AI服务最为优质的买方。因此，乌镇智能医院没有将核心业务放在诊中环节，而是聚焦于非一线城市最为薄弱的诊前环节与诊后环节。诊前环节，乌镇智能医院的承建方健培科技为其引入以大语言模型为基底的诊前助手，该应用可通过微信小程序、线下终端等多个入口为患者提供媲美真实医生的导诊服务，还能根据患者主诉提供个性化建议，成为与患者贴身相伴的健康助手。诊后环节，乌镇智能医院借助大模型为每一位患者建立其独有的“数字孪生体”,用以洞察患者不同时间下的身体变化。一方面，这项技术能够直观展示患者各脏器的形态及病灶变化情况，便于患者随时了解身体状态，理解病情，甚至共同规划后续的治疗、康复方案。另一方面，大模型下的数字孪生能基于一定时间段的信息对患者的未来疾病发展状况进行预测，进而及早干预。从成本角度考虑，乌镇智能医院这一类区域型人工智能医院的造价与单个辅助诊断AI的研发落地成本相差不大，实际耗资可控制在三千万内，服务半径可覆盖10万级的居民。伴随医院覆盖区域的扩大，其建设成本及人口覆盖规模可能进一步上升。由于AI的能力严重依赖训练数据的体量与质量，因而长期以来，“数据”要素的缺失极大程度限制了AI的发展。实际之中，对给定数据集的清洗过程既耗费人力，又耗费精力，以至于不少人戏称AI为“人工”下的智能。特别是面对罕见病病例、特定状态下肿瘤影像等天然状态下稀少的病种/影像，即便有人力支撑也难以建立满足AI规模的数据集。第29页共57页那么,是否存在一种新的路径，以AI创造安全有效的数据?不少企业正在这一领域进行发深度学习刚在医疗领域萌芽时，影像学AI研发人员训练时常常会受困于数据问题。因此，不少研究人员尝试采用小样本学习、生成对抗网络(GAN)等方式生成式数据，弥补训练近年来，生成式AI的定义更明确，强调在深度学习之上搭建TransformerModel;应用也目前从事这类Al研发的企业多为影像设备公司。创业公司中，深智透医是少有能够提供优于影像设备公司自身软件服务的企业。该公司的核心业务为利用AI加速MRI、PET等设备的成像速度，并提升成像质量，这个过程本身就是利用生成式AI处理原始数据获取合成数据，再根据合成数据重构MRI、PET等影像。深智透医也在尝试将生成式AI应用于影像增强。MR临床扫描中的部分序列常常出现信噪比偏低、伪影明显等情况，影响最终影像的呈现质量。发布于IEEE的研究“OneModeltoSynthesizeThemAll:Multi-co结果显示：在AI的支持下，利用Transformer等模型通过T1、T2等现有图像间接生成新的图像(例如更高分辨率图像、其他对比度、模拟打造影剂的图像等),其效果甚至可以优目前，该企业自研的SubtlePETTM(产化本地部署产品为SupMRTM)利用AI加速MRI、PET成像速度、提升成像质量，该过程本身就是利用生成式AI处理原始数据获取合成数据，再根据合成数据重构MRI、PET影像。图表20生成式AI应用于影像增强第30页共57页·通过人工智能技术生成高质量的MR序列图像，相较于传统成像生成的图像信噪比更高·进一步缩短整体部位protocol扫描时间，提升扫描效率·即将获得美国食品药品管理局(FDA)、以及中国药品监督管理局创新NMPA认证脑部增强序列生成脊柱STIR序列生成低剂量生成标准剂量低剂量T1增强在着手CT等影像增强时，深智透医还对生成式AI进行了进一步优化，做一些影像降级的训练辅助诊断类AI的过程中，患者影像数据的不均匀分布常常会影响最终模型在实际应用以皮肤病AI的研发为例，相关模型训练时需要同时计算多种皮肤病的概率，但人的皮肤肤屑病的数据频率则会相对偏低，使得最终生成的AI在实在差异，不能完全替代真实数据的价值。相较之下，GPT时代迅速发展的生成式AI则能补2022年，英伟达与伦敦国王学院使用Cambridge-1超级计算机创建一套包含10万份大脑第31页共57页合成数据的另一个潜在应用场景在于多病种判别式AI的审评审批。多病种AI的临床试验设计是一个复杂的过程。譬如，多病种AI(以N=2为例)在进行数据集构建与算法验证时，不仅需要构建病种A数据库与病种B数据库，还需要构建A∩B数据库，并需在模型之中譬如，糖网病变的VI期患者数据天然较少，企业很难在真实世界中找到足量满足验证数据一个现实之中无法解决的难题。此情况下应用生成式AI对部分稀缺维度进行数据扩增，或美国圣路易斯华盛顿大学医学院信息学研究所去年开启了一项基于生成式AI生成患者合成生成式AI模型，先从医院EDC中抽取患者数据进行脱敏，把数据按照特定维度打散，再利此案例中，AI的价值主要来自效率提升。过去准备训练数据往往需要耗去研究人员数个月的时间，而在生成式AI模型的赋能下，研究人员可以在数小时至数日内建立、查询并下载为了保障数据的安全，相关研究人员还创造了一种严格的患者隐私保密方式，使得合成数据无法与真实的人和身份联系起来。借助这一技术，医院或能将数据变为一种特定的资产，在不侵害患者隐私的前提下，最大化相关临床研究。同样的技术还被应用于优化临床试验，如在保证临床试验有效性的情况下利用AI建立合成对照组，提高试验组患者的比例。简单来说，合成对照组一般用于无法建立常规对照组(是指相对于实验组的一组受试者，他们常常接受安慰剂或传统疗法治疗)的临床试验中，比如在罕见病、严重疾病的临床研究上，通过检索已有医学文献设立对照组。患者参与试验的初衷往往是加入试验组而非对照组，身患重疾的患者更是如此。因此，2020年，美国食品和药品管理局(FDA)批准将达索系统旗下生命科学AI公司Medidata研发的MedidataAISyntheticControlArm合成对照解决方案应用于美国临床阶段免疫治疗公司MedicennaTherapeutics公司MDNA55治疗复发性胶质母细胞瘤(rGBM)Ⅲ期注册试验中。在此试验中，Medidata成功帮助Medicenna在该试验中减少招募了100个对照患者，成为罕见病试验采用混合外部对照组的首创之举。合成对照组的应用提升了入组患者接受试验药物治疗的概率，也改善了入组率，在不影响试验科学可解释性的同时，加快试验进程。伴随AI的进一步发展，算法或将进一步补全生成逻辑方面的缺陷，让生成数据不仅保有质量，还能加快生成过程，扩大生成数据的量级，进而让更多罕见病外的患者受益，在更多的试验帮助更有效地改善试验数据管理和试验设计，优化试验洞察，提升试验效率。4大模型入局，第34页共57页智能随访等应用，仍然没有脱离关键词映射大语言模型(LLM)带来的NLP技术更迭能够一定程度解决当前智能程度不够问题。在分目前，百度灵医智惠、卫宁健康、惠每科技等企业已在尝试将大模型融入特征，能够按照标准准确录入文书，减轻医生在书写、检查等环节的负担。主流LLM都可第35页共57页患者服务这是一项较为成熟的应用，健培科技的啄医生；百度灵医智惠的AI药品说明书均属这一场作用于根据用户提供的疾病、症状、体征信息，给出辨证(诊断)结果和治疗方案(中药处方);根据用户提供的主诉症状和伴随症状、体征信息，给出辨证(诊断)结果和治疗方案 (中药处方);根据用户提供的症状、体征信息，给出个性化中医健康状态辨识结果，以及食疗、茶饮、推拿、艾灸等多维度养生方案，第36页共57页如晶泰科技噬菌体展示平台XpeedPlay能够利用大模抗体(一种存在于骆驼血清中的天然轻链缺失抗体，用于该平台通过同时优化多种药物特性，帮助晶泰科技一举获得了1000亿个最有前景的新VHH4.2部署与应用局限发展，大模型暂时难以规模落地相较于千亿级参数的通用大模型，医疗中文本类大模型的参数可控制于100万以内，包含文本与多模态影像的大模型参数可控制于500万内，因而非头部互联网公司也能参与医疗大模型的建设。不过在实际之中，从概念到落地，现阶段的医疗大模型仍需解决两个问题。服务一个科室的应用需要的GPU成本在数千元左右，但要负担全院需求，医院可能划分百二是应用。目前基于大模型构建的智能应用仍然没有脱离传统医疗IT应用的范畴，如病案第37页共57页但由于垂直大模型应用需置于医疗信息系统中，非医疗IT企业只能使用外挂的方式进入IT环境，操作流畅性受限，相较之下，拥有医疗信息管理系统的医疗IT企业占有优大模型对于医院的架构要求严苛，能够支持AI应用的智能架构将比传统EA企业架构更好展现大模型的能力界限，进一步提升了医疗IT企业在大模型领域的竞争力。大型互联网公司大型Al公司具备通用模型开发能力能够基于通用模型快速构建垂直模型缺乏医院落地入口医为等能够打造系统级医疗垂直模型不具备通用模型开发能力医疗IT创业公司能够打造应用级医疗垂直模型不具备通用模型开发能力4.3机遇与挑战并存，大模型有望成为颠覆医疗的下一项技术时至今日，大模型虽在医疗场景中已经取得了许多重要成果，但从规模看仍处于起步阶段。4.3.1大模型的发展趋势第38页共57页4.3.2大模型的发展面临的挑战由于LLM的复杂性和黑盒性质，大模型结果的可解释性仍然存疑。循证医学前提下，大模型的可解释性可能制约相关应用的审评审批，进而抑制相关AA信息化A生命科学是为行业提供基础技术支持的行业，如基础数据平台、算法等。中游主要为医疗Al的应用本报告中主要关注于中游场景，进而将入局的企业分类为影像AI、信息化AI、新药AI三个板块。随着AI在医疗的快速应用与升级迭代，行业细分赛道已趋明晰，国内外涌现出一大图表22医疗Al应用层产业图谱AA影像联影智能RainMed医准智能大数医达深睿医疗水木未来西湖歃米新膨生物氧富医疗云知声大易联众华宁世纪神州医疗费米子RedloudBio第41页共57页数坤科技是全球唯一在心、脑、胸、腹、肌骨关键领域同时获得NMPA三类证的医疗AI高科技企业，累计获得了12项NMPA三类证、2项美国FDA认证以及4项欧盟MDRCE认数字人体平台已经迈入了2.0时代，打破了设备之间的壁垒、影像数据之间的壁垒，科室间广泛覆盖疾病领域和影像模态是数字人体平台2.0的重要特征。数字人体平台2.0积累了40余种AI产品，覆盖了CT、MR、DR、US、DSA、钼靶等多个模态，同时也全面覆盖了多图表23数坤科技产品布局内涵行业首创冠脉CTA辅助诊断系统，可1分钟完成冠脉重建和狭窄诊断全流程，并陆续推出钙化积分智能评估、FAI智能分析、CT心功能智能分析、TAG智能分析、主动脉智能分析、心脏MR分析多个应用，实现心脏疾病从影像诊断到临床决策的关键变革，率先在心血管疾病“形态学”和“功能学”智能诊疗方面同时拥有NMPA三类证全链路、多模态赋能卒中高效精准诊疗，包括NCCT、CTA和CTP等各个场景，可快速、全面且精准的提供出血、血肿体积，ASPECT评分，肇事血管分析、动脉瘤风险评估、核心梗死、缺血半暗带及Mismatch体积与比值、多参数阈值图等定位、定量和定性评估信息，辅助临床决策更精准可循证的诊疗针对肺癌、肝癌等常见恶性肿瘤疾病，数坤科技将AI技术贯穿CT、MR等多模态检查流程之中，可实现疾病的风险评估、智能筛查、辅助诊断、决策治疗、随访管理，助力实现精准化诊疗、同质化诊疗、连续化医疗，为医生及患者提供高质量的全周期服务。其中肝脏MR智慧影像产品获批NMPA三类证，是全球首创且目前唯一的肝脏MRAI领导者产品经皮手术导航定位系统支持胸腹多部位，可以全自动进行AI辅助术前规划，快速生成个性化全景解剖地图、自动推荐单针多针穿刺路径、精准模拟消融模型，并在术中实时监测，兼容组织活检、冷/热消融及粒子植入等多种诊治方案。胸外科辅助手术决策系统已获NMPA认证，可在3分钟内准确自动完成数字化三维模型重建，支持肺段、亚段级血管的精准手术规划，提高多科室协作效率及临床结局推出针对妇幼人群特点的AI产品，乳腺超声智能状等特征，完成BI-RADS分类，一键生成结构化系统已获NMPA三类证，能通过智能阅片自动计准确、更快速的提供分析结果，大幅减少医生工导航系统可实时识别乳腺病灶，自动提取病灶边缘、形报告，大幅提升单一病人检查效率。儿童骨龄智能诊断算，参照TW-C骨龄计算方法评估R系列和C系列骨龄，更案以自有疾病筛查技术与服务为入口，数坤科技打造出面向区域的智慧健康服务体系，通过一扫多查，为人群进行风险分层，并基于人工智能开展个人精准化的健康管理，助力实现医防融合，有效降低重大疾病发病率、住院率、死亡率。成功案例包括北京市昌平区“数字人体智慧心肺健康管理服务”,苏州市吴中区“数字人体智慧健康管理服务”项目等此外，数字人体平台2.0还集成了数坤科技AI核心算法技术和传统影像组学研究功能，为300多篇SCI科研论文，围绕心、脑、胸、腹等人体全部位，重大常见病和慢病等多病种，以及各个模态开展了丰富的技术研究和临床验证，部分科研成果登录Nature子刊《NatureCommunications》、国际影像学顶级期刊《Radiology》、国际磁共振顶会ISMRM等学术总的看，数字人体平台2.0拥有更大规模的基础架构、更多的影像模态、更多的人体部位和适应症数据、更快的交互速度和更好的交互体验，不仅全面覆盖了疾病筛查诊疗的各个环节，而且打破了单一科室、单一模态的限制，从患者的人体机能出发，以整体化的视角带来更精准便捷的智慧医疗健康服务，可以作为新型基础性设施赋能医、教、研、产全链路，为临床和科研等场景提供更多助力与支持。目前，数坤科技以数字人体平台为基础的解决方案已经在超过3000家医疗健康机构日常高粘性使用，在国内Top100医院的渗透率超过90%,目标公立三甲医院的渗透率近80%。第43页共57页医疗AI不一定只留在医院，只要是有硬需求、医疗资源供需矛盾突出、能够创造增值价值鹰瞳科技是中国首家上市的医疗AI公司，也是中国首批通过AI视网膜影像识别技术提供早体化解决方案，提高医疗AI普惠度。在商业化探索上，公司已经斩获了眼底影像领域首张图表24鹰瞳科技AI版图深度学习模型医疗机构大健康场景眼健康场景人工智能解决方案数据数据来源：鹰瞳科技2023年，鹰瞳科技在近视治疗板块，新推出儿童青少年该仪器运用AI光学技术，通过模拟太阳光，采用重复低强度红光反复照射眼底，增加脉络保险业务场景，推动视网膜AI产品与健康险深度融合第44页共57页视网膜AI产品在保险场景大有可为。在获客环节，视网膜AI产品作为增值服务，可以增加投保人的获得感，促成客户下单；理赔环节，可基于产品服务数据，准确高效且持续地评估投保人及受保人的健康状况，进行智能核保和风险控制。可以说，视网膜AI产品可以与保险产品深度融合，优化保险产品设计、定价、获客、服务、理赔全流程，甚至重塑保险产品价值链。目前，鹰瞳科技已经助力国寿财创新推出了国内首款患有阿尔茨海默病也可以投保的阿尔茨海默病专病保险，首次把医疗AI服务融入专病保险产品中；与轻松筹、众惠相互保险共同成合作，作为参保人专属特定的药械权益纳入了北京普惠健康保，这是医疗AI产品首次进重庆“渝快保”等多地惠民保项目。此外，公司与政府合作，对居民进行大规模慢病筛查，实现疾病早筛早诊，降低医保支出。通用AI在医疗领域的应用可以加速疾病诊断和治疗过程，有望给全球卫生系统带来革命性改变，对于通用AI布局，鹰瞳科技已有相应规划。未来，鹰瞳科技将按照分析式AI-生成式Al-通用AI三个阶段依次推进。在分析式AI板块，公司将持续将人类医生有非常明确的诊断指南和标准，以及相应严谨医学逻辑的病种去做研发注册，申请新的适应症；生成式AI板块，公司基于医学影像，生成未来疾病和病灶的演进变化，起到预测和早期预防的作用；通用AI板块，公司已开发相应的大模型，计划在2024年上线应用。第45页共57页作为医疗数据大国，我国的影像数据占据了80%—90%的份额，但大量数据停留在纸质化层服务机构提供基于AI和互联网医疗的解决方案。公司产品遍布全国30多个省市，为数千家医疗机构提供从AI辅助诊断、智能筛查、临床决策、患者服务到医疗大数据治理、科学研究、医生培训、能力建设等全链路的AI服务。2023年10月，随着“头颈CT血管造影图像辅助评估软件”获得NMPA三类证审批，深睿医疗累计持有了9张NMPA三类证，针对DR、CT、乳腺X线等医学影像，覆盖了胸部疾病、智慧影像&大数据通用平台上。DeepwiseMetAI将医院影像科日常工作流程产生的数据结构化、形成数据资产，可以在技师、医生、科室的管理者之间自由流通、实现重建、打印、全场景AI数智化。图表25DeepwiseMetAl实现一站式影像数智化库数据来源：深睿医疗第46页共57页深睿医疗将大模型技术引入医疗的垂直领域，对现有的影像AI和医疗大数据中台产品进行全线赋能，通过研发医疗数据的通用大模型，打造文本、影像等多模态数据的一站式AI平1)深睿正在打造面向专业医疗的语言大模型DeepWise-LMLM(LargeMedicalLanguageModel),构建十亿级中文医疗语料库，覆盖多学科的医疗文献、教材、指南、报告、病历2)深睿医疗创新性地提出医疗图像通用分割模型SAMI(SegmentAnyMedicalImages),医疗实践中的一切图像分割任务提供了AI一键式解决方案；3)此外，深睿医疗基于Transformer架构的多模态大模型可以深度的处理多模态的临床数累计产出近200篇高质量论文，其中超过10%的论文位居Q1区，近半数为Q2区，文章刊对于快速发展的医学影像领域来说，聚焦临床重度需求已经变得愈发重要，企业对于需求的挖掘必须更细致更全面。深智透医聚焦三个痛点需求，进行差异化布局，一是大量影像设备满负荷运行，患者接受影像检查时需要长时间等待且检测过程中因造影剂沉积受到辐射伤害；二是医院影像设备成本高，以及因服务能力受限造成患等待者流失；三是下游服务商，当影像图像质量较低时，会影响后期基于此影像的定量诊断效果，进而影响最终的治疗效果。深智透医通过创新的深度学习解决方案提升医学成像效率和患者体验，是AI医学影像加速增强领域唯一获得美国FDA、欧洲CE及中国NMPA认证的第三方解决方案提供商。2020年，公司开启全面商业化，此后订单规模持续攀升，2023年，公司营收呈倍数增长。布局AI影像增强，有效提升MRI和PET成像质量及效率在业务布局上，深智透医避开了竞争激烈的AI辅助诊断赛道，而是通过切入产业链前端的AI影像增强领域。提升影像质量和效率是全球的刚需，深智透医的主力产品SubtlePETTM,能对PET的成像加速4-10倍，且能提供同等质量的医学图像，SubtleMRTM可以将MR成像时间缩短至过去的一半不到，减少10倍造影剂使用。图表26深智透医影像增强与重建解决方案SupPET”“作用于PET,能对PET的SupMR服务于MR,将成像时间缩短至过去的一半不到，最终得到的图像质量与标准时间采集的图像质量一提升产品兼容性，SupMR目前可以覆盖所有MR的扫备；在影像增强的过程中，不会改变现有医生任何工作法辅助影像增强或优化生成，实现缩短扫描时间、降低数据来源：公开信息整理因地制宜，在全球构建起多元化商业模式在商业模式上，深智透医采取“因地制宜”策略。凭借着公司产品极强的兼容性和普适性，深智透医搭建了多元化的商业渠道，开展了广泛的合作。第48页共57页影像集团方面，深智透医和多家AI影像服务商建立上下游合作关系。同时唯一的AI影像处理合作伙伴。药企合作上，深智透医已经和多家头部药企、CRO达成合作，包括拜耳、博莱科。依托在MRI和PET等模态的AI影像增强和智能分析等技术，提升肿瘤、阿尔茨海默病等疾病药研康领域的最有价值的生成式AI解决方案。深智透医的SubtlePETTM和SubtleMRTM就是利用生成式AI处理原始数据获取合成数据，再根据合成数据重构MRI、PET影像，达到加速MRI、PET成像速度、提升成像质量的目的。同时，深智透医也通过生成式AI从已扫描的序列图像生成一些未扫描的序列图像，进一步第49页共57页准放疗的诸多挑战，AI是解决问题的最佳选择之一。基于AI的多模态图像处理、靶区和危MANTEIA数据科技渊源于威斯康星医学院的自适应放疗研究组，2011年设立研究组，2017年进行商业化落地。承担国内联合课题30+项，国际联合课题10+项，申请国内专利34项，拥有ART国际专利2项，在放射治疗领域产学研水平全球领先。计划、治疗各方面全流程的放疗产品系统，包括智能放疗图像工作站AccuContour、放疗统Radius数据管理和MRIA流程管理、一站式放疗计划验证系统AccuCheck等。图表27MANTEIA放疗全流程解决方案锦磨化慕统小样本自s平台自读应放疗计放理分胜该管理自第50页共57页针对医院放疗科勾画标准不统一、患者体量与专业人员数量不匹配等痛点，MANTEIA推出智能放疗图像工作站AccuContour。AccuContour根据RTOG标准，实现100+个危及器有效补充现有的放疗计划系统，其自动化无人值守而针对放疗算法模型个性化培训门槛高的痛点，MANTEIA推出放疗AI模型自主训练平台AccuLearning⑧,支持便捷的数据清洗、小样本训练、无代码操作及可视化评估，辅助完成也受到限制，MANTEIA自主研发的MOZI放射治疗计划系统采用现有最准确的剂量金标准蒙特卡洛算法，能够在2-5分钟内完成计划优化，支持多种自动计划功能，在计划设计的效率和质量上都有大幅提升；AccuCheck则着眼目前放疗计划验证上的流程缺陷，覆盖放洞悉行业需求，MANTEIA持续追踪放疗临床科研痛点，研发与完善具有针对性的产品，为目前，MANTEIA产品已服务海内外1000+家医院，与放队技术与服务体系成熟，获得诸多医生与物理师的认可。自2018年以来，MANTEIA推出的智能放疗图像工作站AccuContour接连获得中国NMPA、美国FDA、荷兰CIBG三国上市许可证明，2023年，自适应放疗治疗计划系统MOZITPS也顺利取得NMPA、FDA证明。