国君研究｜AI+医药 · 合集

AI+研发

技术驱动效率革新，优化医药研发全链条

AI技术渗透加速CXO产业范式革新。 AI技术在生物医药领域深度应用有望重构CXO产业价值链。DeepSeek等通用大模型在蛋白质折叠预测准确率突破90%（AlphaFold基准测试），叠加生成式AI实现分子结构生成效率提升5-8倍，推动AI+CXO融合进入新阶段。全球药企降本增效诉求升级，叠加AI技术成熟度提升，驱动CXO企业加速智能化转型。头部CXO企业如药明康德、康龙化成、凯莱英、泰格医药等已通过自研或合作构建AI技术壁垒，在靶点发现、患者招募、工艺优化等环节实现效率提升，行业正从“人力密集型”向“技术驱动型”演进。

临床前CRO： AI重塑药物发现范式，头部企业构建数据壁垒。AI技术在靶点识别、ADMET预测等环节具备独特优势，通过高通量数据挖掘与分子模拟，显著缩短靶点筛选与化合物优化周期。药明康德基于DEL库（DNA编码化合物库）与AI毒性预测模型联动，成功实现“分子设计-体内毒理验证”闭环，临床前开发周期从18个月缩短至12个月。生成式AI在虚拟化合物生成中的应用有望深化，企业需通过积累独家实验数据（如DEL库、PB级生物数据库）优化模型精度。

临床CRO： AI破解患者招募瓶颈，数据合规成竞争关键。患者入组效率低下是临床试验核心痛点，AI通过多源数据整合与动态匹配优化试验流程。泰格医药AI患者动态匹配系统整合全国800+医院脱敏数据，运用迁移学习技术提升患者匹配精度至89%，患者入组周期缩短28%。去中心化临床试验（DCT）与AI结合有望成为趋势，具备医疗数据及合规处理能力的企业有望构筑护城河。

CDMO： AI赋能工艺智能化，生产质控标准升级。AI可以赋能CDMO领域实现工艺参数实时调优与质量预测，突破传统经验驱动模式。凯莱英通过强化学习动态优化多个关键参数，在连续化生产中将某抗病毒药物中间体合成收率从72%提升至88%，批次稳定性从8.5%降至2.3%。未来，生成式AI在合成路径预测中的应用（如逆合成分析、杂质谱模拟）有望释放更大价值，构建工艺知识库与自动化产线实现“数据-模型-生产”闭环有望推动行业降本增效。

风险提示： 技术落地不及预期风险、行业竞争加剧风险、地缘政治风险、数据安全及合规风险。

AI+检验

AI赋能检验，多元应用场景打开

维持增持评级。 DeepSeek 的突破性技术显著加速AI在医疗行业的应用进程，AI+医疗的多元应用场景打开。IVD企业通过AI赋能产品服务，并降本增效，新的算法有助于加速大数据整合应用，疾病早筛和风险预测、个体化健康管理等应用场景值得期待，看好在数据积累和分析上具备先发优势的企业。

AI+诊断： 升级赋能智能化检验。自动化智能化是IVD重要发展方向，AI推动产品服务智能化升级：1）AI升级设备赋能智慧实验室建设：流水线厂家纷纷升级智慧解决方案，如新产业iXLAB智慧实验室系统在实验室管理、智慧检验、科研支持全面升级，管理流程响应速度提升80%，人为操作失误率降低65%，临床决策响应速度提升2倍；2）AI软件赋能医生提升效率：2月11日万孚投资的赛维森科技宫颈细胞数字病理图像辅助诊断软件正式获得NMPA三类医疗器械注册证，是宫颈细胞学领域首张辅助诊断三类证，通过AI辅助阅片，显著提升诊断效率与准确性，解决病理医生缺口痛点；3）AI赋能C端健康管理：如三诺生物CGM通过精准监测+智能分析为患者提供糖尿病全病程管理服务。

AI+ICL： 提质增效加速数据价值转化。ICL通过AI赋能全面提升医检服务智能化，实现对外服务和内部运营的提质增效，数据产品服务有望进一步挖掘：1）对外服务：金域医学和迪安诊断2024年均发布医检领域大模型，如金域医学智能体应用小域医在医检项目咨询、智慧报告解读、检验项目推荐等场景提供一站式交互型服务，依托总注册用户数超过52万的服务平台KMC触达医生用户，自24年8月底上线以来，月度使用量已接近10万次；2）内部运营：通过全流程数字化解决方案赋能实验室自动化智能化运营降本增效。3）数据价值转化：2024年金域医学有5项数据产品在广州数据交易所上线，其中乳腺癌数据报告率先完成了场内交易。随着更多数据开发和产品上线，未来有望与科研机构、药物和器械厂家以及商业保险公司等合作，进一步打开商业化空间。

AI+多组学分析： 加速临床落地应用。新的 AI 算法有助于提升基因组学等数据分析准确率和效率，并降低分析成本，加速临床落地应用。随着大数据持续积累和算法优化，未来有望实现对个体健康管理需求的精准匹配和疾病风险预测，通过整合基因组、蛋白组和代谢组等多维度数据，有望推动肿瘤等早筛产品的开发和应用。华大基因2024年9月推出自主研发的生成式生物智能（GBI ALL）创新范式，包括面向临床基因检测多模态大模型GeneT、面向公众的基因组咨询平台ChatGeneT等，加速业务转型升级。

风险提示： 研发及应用落地进度具有不确定性;商业化不及预期。

AI+设备

AI赋能医疗设备，智驱诊疗革新

维持增持评级。 AI在医疗设备中的应用目前主要为三种：增强设备功能、医学专家、健康管家。其中，①在增强功能方面，设备公司已进行较长时间的探索，影像分析中对AI的应用持续深化和加强；②在医学专家方面，院内设备在大模型的助力下，互联互通的同时快速提炼海量信息并输出分析报告，未来有望持续提升医护工作效率；③在健康管家方面，通过一系列可穿戴设备形成多维数据，起到患者生命体征实时监测及慢病管理的作用。AI的发展有望在解放医护生产力、提供医学技术支持、降低普通人健康管理门槛等多方面起到积极作用，切实优化就医诊疗环节的AI产品将有望落地并大范围应用。

AI+影像检查： 提高检查效率及降低漏诊。AI在影像检查中的应用可分为两部分：（1）辅助质控：利用AI开展影像检查过程中的质量评价，协助医生进行全方位检查，如检查时长提醒、检查部位提醒、AI自动存档等；（2）降低漏诊：应用AI在海量医学影像中发现微小病灶并智能标注，提升检查效率。

AI+院内设备： 快速整合海量信息并产生推理报告。以迈瑞医疗发布的启元重症大模型为例，通过连接院内设备及结合海量重症专科知识，可做到5s回溯整合患者病情、1min生成病历文档、准确率高达95%的重症知识查询结果等，有助于全面提升诊疗精准度与质量。通过重症大模型，公司可有效增强客户粘性，提高整体解决方案的入院赢标率。同时，除重症大模型外，公司其余两大业务线亦有望推出各自的大模型。

AI+智能穿戴+手机管家： 实时监测数据并提供健康报告。To C端AI健康管理可通过多维度生命体征健康监测产品进行连续数据采集，形成用户个性化健康画像，并提供慢病管理方案。根据乐心医疗公告，其“十二导联智能心电衣（iSENSE系列）”已获批上市，通过搭载远程心电用户服务中心可提供远程服务，目前已就“两梗风险筛查”、“术后院外预后管理”等应用场景逐步落地并与头部体检机构达成合作。通过持续研发可穿戴生物传感技术（ECG、体温监测、血氧、血压监测等），有望推动血压、心血管等慢病管理产品化应用。

风险提示： 研发落地进度不及预期，商业化进展不及预期。

AI+医疗

AI全面赋能医疗，推动服务升级

维持增持评级。 DeepSeek的突破性技术显著加速AI在医疗行业的应用进程，多场景应用覆盖患者全生命诊疗周期，赋能医疗服务企业提升服务效率和质量，实现降本增效。

AI+医院：高效赋能临床诊疗和患者服务。 1）赋能医生：AI通过深度学习辅助医生诊断和治疗决策，各细分专科垂直领域模型率先落地：如瑞金医院发布瑞智病理大模型，复旦大学附属中山医院发布 AI心脏大模型，固生堂打造名医AI分身。AI医生能够加速青年医生培养，提升优质医疗资源供给；此外AI智能助手助力医生在预问诊、电子病历生成和质量控制等方面提升效率；2）赋能患者：AI深度整合患者就诊全流程，如诊前健康咨询、智能问诊；诊中智能导诊、分诊和伴针，诊后智能随访、个性化健康管理，显著提升患者就诊效率和就医体验。3）赋能医院运营：在质量控制、合规风控、供应链管理、财务管理以及日常办公等各领域帮助医院高效运营。

AI+体检：推动健康管理服务升级。 1）产品层：美年健康不断推出专精特新AI产品：如肺结节AI辅助诊断肺结宁、脑健康筛查产品脑睿佳、AI智能血糖管理等；2）运营层：AI赋能智能化管理和运营，美年健康2025年3月1日上线智能主检系统实现体检报告的智能化生成与质控，大幅提升工作效率和质量。预计该系统上线后，每年可节省超200万小时医生人工审阅时间，运营成本将显著下降。3）生态层：2024年美年健康推出国内首款健康管理AI机器人健康小美，通过AI在检前、检中、检后全方位运用，重塑体检全流程，

提升客户体验； 在院外场景能提供包括医疗健康垂直大模型、“一人一策”的个人健康助手、慢病智能体、可穿戴设备整合等在内的全方位全生命周期的健康管理服务。

AI+互联网医疗：实现健康咨询与健康全流程链接。 京东健康在2024年7月推出面向消费者的“康康”AI健康智能体，可以解答用户健康疑问，且提供精准高效的医疗资源服务链接。截至2025年2月中旬，半年时间已累计服务超3000万人次。2025年1月，京东健康首次发布两大医疗健康大模型产品体系，（1）覆盖线上全域场景的“AI京医”，包括AI医生智能体、AI诊疗助手、AI科研助手等。其中，“AI诊疗助手2.0”已实现99.5%分诊准确率、120%电子病历书写效率提升及90%AI问题一次解决率，有望提升医生诊疗效率；（2）覆盖医院全场景应用的“京东卓医”，包括“个人就医管家”（全流程智能陪诊）、“医生数字分身”（提升医生诊疗效率）、“未来数字医院”（资源调度与管理优化）。

风险提示： 研发及应用落地进度具有不确定性;商业化不及预期。