核心观点 - 公司举办呼吸道生态技术与产品发布会 展示医疗数智化突破性成果和全链条生态布局 为全球医疗健康产业注入新动能 [1] AI技术应用 - 通过AI模型定向进化Taq酶 显著提升抗干扰能力 在复杂样本中保持100%检测有效性 获超200万例临床数据验证 [2] - 开发呼吸道三端分流算法 通过规则引擎+机器学习双模式 实现医院-社区-居家三端资源动态调配 对轻中重症患者精准分流 [2] 产品创新 - 分子智检流水线具备全项目上机 自动分类处理 全程无人值守核心优势 实现即来即检和一管多检 [3] - FASTASeq 300高通量基因测序仪配备5种芯片规格 病原宏基因组测序仅需4小时 仪器采购成本远低于进口品牌 [3] - iMC Gem22i便携式多功能检测分析仪搭载2.0密闭检测模块 满足基层低成本高效率检测需求 [3] - Q-POC 2.0超多重分子POCT产品采用225重微阵列检测架构 30分钟内输出结果 检出限低至250拷贝/毫升 [4] - SUREXEVO系列分子POCT产品搭载16个独立模块 支持多项目并行检测 八色荧光技术实现一管检测7种病原体 AI进化酶助力13分40秒完成扩增 [4] 生态建设 - 联合美团买药 京东健康等行业伙伴 共同打造检测-诊疗-用药-管理全链条检测服务生态 [5] - 启动县域感染性疾病控制能力建设项目 构建社区初筛分流 县域精准诊疗 家庭健康管理协同体系 [6] 战略愿景 - 秉持生命科技人人可及使命 以技术创新为核心 生态协同为支撑 推动医疗健康服务向更精准 更普惠 更高效方向迈进 [6]

产品发布 - 公司于2025年9月12日在长沙举办呼吸道生态技术与产品发布会 集中发布多款产品以构建覆盖"医院—基层—家庭"的全场景检测体系[1] - 发布全球首款AI分子POCT产品SUREXEVO系列 搭载16个独立模块支持多项目并行检测 八色荧光技术实现一管检测7种病原体 AI进化酶技术使扩增时间缩短至13分40秒 较传统4小时检测效率大幅提升[5] - 同步推出分子智检流水线、FASTASeq300高通量基因测序仪、iMCGe-m22i便携式多功能检测分析仪及Q-POC2.0超多重分子POCT产品 覆盖从大型流水线到便携设备的多元场景需求[5] 技术创新 - AI进化酶技术通过超200万例临床数据验证 在复杂样本中保持100%检测有效性 未来计划拓展至血液样本直扩领域[5] - Q-POC2.0产品采用225重微阵列检测架构 30分钟内输出结果 检出限低至250拷贝/毫升 为急重症感染诊疗提供关键技术支持[6] - 预告年内推出SUREXSTM无人值守检测平台 整合"线下即时开单检测—线上诊疗处方—药物即时配送"一体化服务能力[6] 战略布局 - 联合美团买药、京东健康等合作伙伴构建"检测—诊疗—用药—管理"全链条检测服务生态[6] - 以AI技术推动医疗服务从"经验驱动"转向"数据驱动" 实现全生命周期、全人群、全场景、全天候覆盖的医疗平权目标[6] - 生命数字化战略强调"量化生命+精准健康"的底层逻辑 通过高质量工具与平台实现健康要素量化呈现[6] 研发投入 - 上半年研发投入总额达1.54亿元 占营收比例17.71% 新获国内外注册准入证书百余项[7] - 累计突破1700项准入认证 同期新增专利及软著70余项[7]

行业技术发展 - AI虚拟细胞（AIVC）利用人工智能模拟细胞行为，探索生命机制，重塑生物与医学领域，包括基因调控、药物开发、细胞工程和可编程生物学 [1] - 多尺度、多模态大型神经网络模型精准模拟分子、细胞和组织动态行为，效率远超传统实验，数周实验可快速完成 [2] - AIVC技术被《自然》杂志列为2025年最值得期待的七大科技突破之一，生物学基座模型包含AIVC [2] 研发进展与投资 - 斯坦福大学、基因泰克制药公司和陈—扎克伯格基金会联合倡议全球科学界运用AI技术打造虚拟细胞 [2] - 陈—扎克伯格基金会计划未来10年内投入数亿美元打造AIVC，风险资本以空前规模涌入该领域 [4] - 谷歌旗下深度思维公司启动AIVC项目，Arc研究所联合加州大学伯克利分校、斯坦福大学发布AIVC系统STATE [4] - STATE系统整合1.7亿个细胞观测数据和1亿个细胞干预数据，在Tahoe-100M基准测试中干预效果辨识度提升50%，差异基因表达预测准确率达现有最佳模型2倍 [4][5] 应用场景 - AIVC可实现90%生物学研究依靠计算模拟替代实验室操作，大幅拓展生命奥秘认知边界，加速疾病研究和药物开发 [2] - 医生或能在患者数字孪生上预演治疗方案，实现快速、经济、安全的个性化诊疗 [3] - 斯坦福大学专注疾病机制解析与新药开发，西班牙巴斯克大学聚焦优化脑癌与乳腺癌个性化治疗方案 [5] 技术挑战 - 现有AIVC预测泛化能力存在局限，无法完全突破训练数据边界 [7] - 当前主要使用单细胞测序数据，需囊括光学和电子显微镜图像等数据形式以显示细胞相互作用和变化 [7] - 深度学习模型缺乏可解释性，AI黑匣子属性制约医学转化，离生物医学研究要求的透明度仍有距离 [7] - 生物医学数据涉及隐私伦理问题，需建立新数据管理范式在保护患者基因隐私前提下实现科研共享 [7]

AI技术在生物科学领域的应用 - AI技术在生物科学领域应用历史悠久，从阿尔法狗到阿尔法折叠再到ChatGPT和DeepSeek，被视为提升效率的工具[1] - AI在推动人类健康和长寿方面具有深远影响，尤其在量化生命和长寿科技领域[1][2] - 美国阿塔健康研究计划投入5200万美元，通过AI技术处理海量数据实现精准检测和个性化干预[18] 人类寿命与健康现状 - 日本女性平均寿命87岁，男性81岁，中国平均寿命约74岁[2] - 1900年美国平均寿命不足50岁，二战后提升至70岁，主要归功于公共卫生技术进步[2] - 男性健康寿命与平均寿命差距8.8岁，女性差距12岁，晚年多受慢性病困扰[3] 医学发展阶段与理念 - 医学1.0以观察和假设为主，医学2.0是循证医学，医学3.0强调预防和"治未病"[3][4] - 医学3.0目标是通过早期筛查和干预慢性病，延长健康寿命至90-100岁[4] - 长寿基因因素仅占15%，85%取决于后天生活习惯[4] 衰老的14个标记物 - 2013年提出9个衰老标记物，2023年更新为12个，2025年扩展到14个[5] - 标记物包括基因组不稳定、端粒缩短、表观遗传改变、蛋白质稳态失衡等[5] - 每个标记物对应特定干预手段，如规律运动延缓端粒缩短，间歇性断食改善自噬功能[6][7][8][9] 衰老相关疾病与干预 - 心血管疾病与线粒体功能障碍、细胞外基质改变、细胞衰老相关[20] - 肿瘤与基因组不稳定、蛋白质稳态失衡、慢性炎症相关[21][22] - 退行性神经疾病与蛋白质稳态失衡、线粒体功能障碍相关[23] - 代谢紊乱与营养感知失调、慢性炎症相关[24] 抗衰老干预措施 - 生活方式调整包括规律运动、均衡饮食、充足睡眠、减少压力[27][28][29][30] - 营养补充包括辅酶Q10、维生素B族、抗氧化剂、胶原蛋白、益生菌[31] - 药物治疗包括抗炎药物、胰岛素增敏剂、抗氧化药物[32] 生命数字化与健康管理 - 连续血糖监测每15-30分钟获取数据，实现糖尿病精准管理[33] - 可穿戴设备监测心率、血氧、睡眠等指标[34] - 基因检测和肠道微生物检测提供全面健康评估[35] - 企业家群体生命数据化程度低，影响精准干预效果[37] 健康管理市场现状与趋势 - 全球膳食补充剂市场监管宽松导致市场混乱[38] - 中国65岁以上老人预计2030-2035年达4亿，中式养生重新受关注[39] - 个性化干预需结合定期体检和生物标记物检测[40] - 抗衰干预包括药物治疗、生活方式改变、心理健康等多维度方法[41] 案例与实践 - 51岁男性通过全面检测发现高血压、血脂异常等问题，采用膳食补充剂和药食同源方案改善健康[42] - 早期检测和干预有望将人类寿命延长至100岁，降低心血管疾病等主要死亡原因发病率[43] AI在健康管理中的应用 - AI技术可连续获取用户数据，将复杂科学术语转化为通俗语言[44] - 量化健康和量化生命领域在硅谷和美国加速发展，AI技术将推动这一趋势[44]