医疗人工智能实训营（第一期） 课程背景 Background 当前，医疗AI在影像诊断、精准治疗和药物研发等场景广泛应用，但医疗机构普遍面临跨 学科人才短缺、技术落地难的挑战，制约了医疗智能化转型进程。 上海交通大学医学院联合上海交通大学生物医学工程学院、学生创新中心、附属医院等优 势技术与临床资源，针对人工智能在医疗领域快速渗透的行业趋势，聚焦医生、工程技术 人员及科研人员以及企业界对AI应用技能的迫切需求，推出医疗人工智能实训营。本课程 课程特色 Features 1.临床痛点精准匹配 直击医生在诊断、治疗，科研人员在药物研发中的数据处理与模型部署难题，提供可直接 落地的AI技能训练。 2.实战导向的完整课程体系 从AI基础、医学数据处理到临床案例实操，形成"理论-分析-应用-实操"闭环学习路径。 3.双领域权威协同 医学专家与AI工程师联合设计并授课，内容严格遵循临床规范与技术前沿，保障专业性与 实用性。 开课信息 Information 主办单位：上海交通大学医学院继续教育学院 开班时间：2026年1月底（提前3周通知具体时间） 课程学制：3.5天 学习地点：上海交通大学医学院（上海市重庆南路227号 ...

大会概况与核心目标 - 河南省健康产业发展大会在郑州航空港区开幕，现场揭牌“国家人工智能应用中试基地(医疗领域)”并集中签约一批重点项目 [1] - 大会由郑州航空港区管委会联合河南省卫健委、医保局、药监局共同主办，旨在打造河南健康产业品牌活动，助力河南主动融入全国统一大市场建设 [1] - 大会是河南省统筹推进省医学科学院、中原医学科学城、生物医药大健康产业“院城产”融合发展的重要实践 [1] - 大会吸引了政、产、学、研、医、投等领域数百位嘉宾参会，通过成果发布、项目签约、专题研讨等形式共谋发展 [1] 国家人工智能应用中试基地(医疗领域) - 基地旨在为医疗人工智能产品提供从算法验证、临床评价到合规申报的全链条中试服务，加速创新成果产业化进程 [2] - 基地揭牌现场吸引了华为、百度、阿里、医渡云等科技企业，以及河南中医药大学第一附属医院、河南省中医院等13家单位作为生态合作伙伴 [2] - 生态合作伙伴将共同构建“技术—数据—临床—应用”的协同生态 [2] 重点项目签约与合作 - 郑州航空港区与迈胜医疗、国健中原、益华生物等13个产业项目达成落地协议 [2] - 河南省医学科学院医学科技成果概念验证项目签约 [2] - 郑州安图生物与郑州人民医院等医企合作项目同步签约 [2] - 郑州安图生物工程股份有限公司正从诊断向药业拓展 [2] - 中赛干细胞基因工程有限公司项目将落地中原医学科学城，看重郑州航空港区的产业优势与政策资源 [2] 政府规划与产业生态建设 - 郑州航空港区管委会将以此次大会为契机，完善医工对接、供需对接、产业链协同的常态化工作机制 [3] - 政府计划以大市场带动大产业，推动更多创新成果在中原医学科学城落地转化，为健康产业发展提供优良生态 [3]

行业前景与政策环境 - 中国医疗人工智能行业市场空间较大，预计将从2023年的88亿元人民币增长至2033年的3157亿元人民币，2023至2033年复合年增长率有望达到43.1% [1] - 行业在政策推动下快速发展，2024年国家卫健委等部门发布《卫生健康行业人工智能应用场景参考指引》，旨在加强支持并推动人工智能与医疗行业深度融合 [1] - 人工智能在医疗场景的应用有望实现革命性变革，中国医疗人工智能市场规模从2019年的27亿元人民币增至2023年的88亿元人民币，期间复合年增长率为33.8% [1] 公司核心技术能力 - 公司具备自研基座大模型，于2025年3月正式发布完全采用全国产算力训练完成的“讯飞星火医疗大模型X1”，该模型是当前唯一的医疗深度推理大模型 [2] - 星火医疗大模型X1性能上限持续抬升，在真实场景测试中，其全科辅助诊断合理率达到94.0% [2] - 2025年7月模型完成能力升级，多项性能指标进一步提升：全科辅助诊断合理率提升至95.0%，体检报告解读合理率提升至86.3%，健康咨询解答率提升至91.5%，院端心血管内科主要诊断合理率提升至91.2% [2] - 测试表明，在关键医疗场景任务上，其表现继续大幅领先于OpenAI o3及DeepSeek R1等国际主流模型 [2] 业务布局与市场覆盖 - 基于大模型和大数据技术平台，公司构建了多元化的GBC（政府、企业、消费者）客户产品矩阵 [3] - 截至2024年底，公司业务已覆盖全国30多个省份、670多个区县，向超过7万家基层医疗机构提供产品和服务，并覆盖500多家等级医院，其中包括中国百强医院中的40多家和十强医院中的7家 [3] - To G（政府）业务增长强劲：基层医疗服务业务2025年上半年收入增速达52.3%，区域管理平台解决方案2025年上半年收入增速高达178.1% [3] - To B（企业）业务2025年上半年收入下滑10%，主要由于大模型持续更新，该业务包括智慧医院和AI诊疗助理 [3] - To C（消费者）业务2025年上半年收入增速为10%，包括影像云平台、诊后管理、讯飞晓医及智能硬件等产品 [3] 产品应用与解决方案 - 基层医疗服务与区域管理平台解决方案是公司基本盘，基层医疗服务主要由智医助理和慢病管理组成，区域管理平台解决方案主要由智慧卫生和智慧医保组成 [3] - 公司研发的AI诊后患者管理产品基于星火医疗大模型升级，可理解患者电子病历，自动整理关键诊疗信息，并依循证疾病管理知识生成个性化康复计划 [3] - AI诊后管理产品通过多种技术与患者自然交互，助力医生进行疾病科普、康复指导及病情评估 [3] - To B业务旨在通过智慧医院和AI诊疗助理提升医疗服务能力与效率 [3] 财务预测与估值 - 预计公司2025年至2027年营业收入分别为8.5亿元、10.1亿元、12.1亿元 [4] - 对应2025年至2027年的市销率（PS）估值分别为10.7倍、9倍、7.5倍 [4]

行业前景与政策环境 - 中国医疗人工智能行业市场空间较大，人工智能在医疗场景的应用有望实现革命性变革 [2] - 中国医疗人工智能市场规模从2019年的27亿元人民币增至2023年的88亿元人民币，期间复合年增长率为33.8% [2] - 预计到2033年，市场规模将进一步增长至3157亿元人民币，2023至2033年的复合年增长率有望达到43.1% [2] - 政策引导行业投入，2024年国家卫健委等部门发布《卫生健康行业人工智能应用场景参考指引》，推动人工智能与医疗行业深度融合 [2] 公司核心技术优势 - 公司具备自研基座大模型，2025年3月正式发布基于深度推理技术的“讯飞星火医疗大模型X1” [3] - 该模型是当前唯一完全采用全国产算力训练完成的医疗深度推理大模型 [3] - 在真实场景测试中，其全科辅助诊断合理率达到94.0% [3] - 2025年7月模型完成能力升级，全科辅助诊断合理率提升至95.0%，体检报告解读合理率提升至86.3%，健康咨询解答率提升至91.5%，院端心血管内科主要诊断合理率提升至91.2% [3] - 在关键医疗场景任务上，其表现继续大幅领先于OpenAI o3及DeepSeek R1等国际主流模型 [3] 业务布局与市场覆盖 - 基于大模型和大数据技术平台，公司构建了多元化GBC（政府、企业、消费者）客户产品矩阵 [4] - 截至2024年底，公司已向超过7万家基层医疗机构提供产品和服务 [4] - 业务覆盖全国30多个省份、670多个区县，以及500多家等级医院，其中包含中国百强医院中的40多家和十强医院中的7家 [4] 各业务板块财务表现 - To G（政府）业务：基层医疗服务业务2025年上半年收入增速52.3%；区域管理平台解决方案2025年上半年收入增速178.1% [4] - To B（企业）业务：2025年上半年收入下滑10%，主要由于大模型持续更新 [4] - To C（消费者）业务：2025年上半年收入增速10% [4] 产品与服务构成 - 基层医疗服务业务线主要由智医助理和慢病管理组成 [4] - 区域管理平台解决方案主要由智慧卫生和智慧医保组成 [4] - To B业务包括智慧医院和AI诊疗助理，旨在提升医疗服务能力与效率 [4] - To C业务包括影像云平台、诊后管理、讯飞晓医及智能硬件 [4] - 公司研发的AI诊后患者管理产品基于星火医疗大模型升级，可理解患者电子病历并生成个性化康复计划 [4] 财务预测 - 预计公司2025-2027年营业收入分别为8.5亿元、10.1亿元、12.1亿元 [5] - 对应2025-2027年的市销率（PS）分别为10.7倍、9倍、7.5倍 [5]

行业概览与市场规模 - 2024年中国医疗人工智能解决方案市场规模达164亿元，预计到2030年将增至353亿元，期间年复合增长率高达13.63% [1][9][19] - 行业发展由资本、政策与医生三方共同驱动，预计未来3年内仍将维持高速发展 [12][20][27] - 医疗AI应用已覆盖临床专科、医技支撑、基层医疗等全场景，正从技术研发向规模化商业落地演进 [1][8] 技术发展与医院参与 - 大模型技术实现突破式演变，显著降低了医院的部署门槛，截至2025年5月，国内排名前100的医院已全部完善大模型部署 [20][21] - 医院参与度显著提升，已有38家头部医院在通用模型基础上研发了55个垂直医疗模型，其中22个为专科模型 [21][22] - 非Transformer架构的AI（如手术机器人）在胸外科、神经外科、心内科、骨科等手术科室的应用日益深入，超过90%的使用医生给予正向反馈 [23][24] 临床专科应用分析 - 胸外科、心内科、骨科、神经外科、内分泌科等临床专科的AI应用较为成熟，实现了从诊断、手术规划到术后康复的全流程赋能 [1][12] - 骨科手术机器人已实现复杂手术的规模化落地 [1] - 内分泌科AI主要盘活慢病管理，衍生出海量健康数据价值 [1][12] 医技支撑科室应用分析 - 医技科室以影像科、放疗科、病理科、检验科为核心，AI通过自动分割、智能阅片、流程优化等功能，破解人力短缺与效率瓶颈 [1][12] - 影像科AI辅助诊断已覆盖多病种，病理科大模型则提升了泛化能力与可解释性 [1][12] 基层医疗应用 - 基层医疗AI凭借政策支持与场景适配，已率先实现商业化闭环 [1] - 主要通过临床决策支持系统等工具弥补基层人才缺口，推动分级诊疗落地 [1][12] 核心挑战与破局关键 - 行业发展的核心挑战在于“价值分歧”，即AI为患者、医生、医院等不同主体创造的价值不一致，导致其难以规模化商业化 [10][17][28] - 例如，AI优化流程可能减少患者治疗时间和花费，但因DRG支付方式，可能导致执行科室收入减少，造成科室与患者间的需求矛盾 [10][31][32] - 破局的关键在于推动医疗数据资产化，通过数据交易、可信数据空间建设释放数据价值，以降低AI研发的最大成本项 [1][9][10] - 深化医工结合与多模态大模型研发也是重要发展方向 [1][27] 政策环境 - 国家药监局于2025年3月发布征求意见稿，旨在优化包括多病种AI、大模型在内的新兴医疗器械的审评审批 [26] - 2025年11月，国家卫健委等五部门联合发布实施意见，提出24个重点应用方向，目标到2027年形成一批临床专病专科垂直大模型并实现广泛应用 [27] 企业生态与案例 - 深睿医疗、东软集团、京东健康、讯飞医疗、西门子医疗等企业推出了从技术研发、数据治理到场景落地的全栈解决方案 [1][13] - 企业案例显示，行业正通过构建临床全栈智能生态、驱动医疗数智化转型、升级底层大模型深入专病场景等方式，形成生态协同 [13]

公司近期股份回购动态 - 12月18日，公司回购19.00万股股票，每股回购均价5.13港元，共耗资约97.44万港元 [1] - 截至12月18日，公司本年累计回购723.13万股，占总股本0.68% [1] - 近期持续进行股份回购，例如12月17日以均价4.981港元回购40.00万股，12月16日以均价4.944港元回购64.08万股 [1] - 股份回购行为通常被视为管理层对公司发展前景有信心的体现 [1] - 此次回购发生在公司股价较2021年上市高点回调约80%的背景下，可能反映管理层认为当前估值已低于内在价值 [1] 公司股价表现与市场反应 - 截至12月18日港股收盘，公司股价上涨4.02%，报5.17港元/股 [1] - 从资本市场反应看，回购行为短期内可能对股价形成支撑 [1] 公司业务与行业背景 - 公司成立于2014年，于2021年1月在港交所主板上市，是医疗人工智能领域的头部企业 [2] - 核心业务包括大数据平台解决方案、生命科学解决方案和健康管理平台三大板块 [2] - 自主研发的“医疗大脑”YiduCore已处理超过3亿患者的医疗数据，服务覆盖全国700多家医疗机构 [2] - 医疗大数据行业正处于政策红利期，公司正逐步从技术服务商向医疗价值创造者转型 [1][2] - 数字医疗新基建正在加速 [2] 公司财务与研发投入 - 2023财年公司实现收入12.3亿元人民币 [2] - 公司研发投入占比持续保持在40%以上 [2] 公司近期技术进展与监管认可 - 公司近期获得国家药监局颁发的首张真实世界数据研究医疗器械注册证，标志着其技术实力获得监管认可 [2]

行业核心观点 - 2024年中国医疗AI解决方案市场规模达164亿元，预计2030年将扩大至353亿元，年复合增长率为13.63% [1][9][19] - 行业虽未实现规模化盈利，但发展势头强劲，受资本、政策与医生三向驱动，大模型技术突破降低了应用门槛 [1][9][20] - 产业面临的核心困局是价值分歧，即患者疗效与科室效益难以平衡，医院支付意愿和能力不足，阻碍了商业化进程 [1][10][30] - 数据资产化被视为产业可持续增长的关键破局路径，医疗数据治理智能化迭代降低了研发成本，数据场内交易与可信数据空间建设推动了数据流通复用 [1][10] - 随着数据难题破解、支付模式创新及医工结合深化，医疗AI有望在未来五年内实现小规模盈利 [1][9] 市场规模与增长驱动 - 2024年中国医疗人工智能解决方案市场规模为164亿元，预计到2030年将增长至353亿元，期间年复合增长率为13.63% [1][9][19] - 产业发展由资本、政策与医生三方共同驱动 [1][12] - 大模型技术突破显著降低了应用门槛，例如DeepSeek-R1通过参数高效微调和混合专家架构等创新设计降低了部署成本 [20] - 政策层面持续支持，国家药监局于2025年3月发布征求意见稿，优化对多病种AI、大模型等新兴技术的准入监管 [26] - 2025年11月，国家卫健委等五部门联合发布实施意见，提出了24个重点应用方向，目标到2027年形成一批临床专病专科垂直大模型并实现广泛应用 [27] 临床应用与渗透 - 医疗AI已广泛渗透至胸外科、心内科、骨科、神经外科、内分泌科等临床专科，以及影像科、病理科、放疗科、检验科等临床支撑科室 [1][12] - 在诊断辅助、手术规划、流程优化等方面发挥重要作用，提升了诊疗效率与精准度，并降低了并发症发生率 [1][25] - 调研显示，超过90%使用过辅助治疗型AI的医生给予了正向反馈，证实其能提升手术精准度并降低并发症概率 [25] - 截至2025年5月，国内排名前100的医院已全部部署大模型，其中38家医院进一步研发了55个垂直医疗模型，包括22个专科模型 [21] - 基层医疗领域因政策支持与需求匹配，成为商业化相对成功的场景，AI有效弥补了基层人才与能力缺口 [1][12] 商业化挑战与价值分歧 - 产业核心困局在于价值分歧，即AI为患者、医生、科室及医院等不同主体创造的价值不一致，难以平衡 [1][10][30] - 例如，AI优化流程可能减少患者治疗时间和花费，但因DRG支付或减少跨科室协作，反而可能降低科室收入，导致科室与患者需求矛盾 [10][34] - 医院配置AI的短期利益与医生利益常不一致，如效率提升未必直接转化为经济效益，且投资回收期难以估量 [31][34] - 当前医院普遍现金流紧张，管理者倾向于投资回收期短的技术，因此虽能接受AI落地，但难以为其单独付费 [34] - 商业化突破的关键在于解决价值计量矛盾，并在商业模式和支付方上进行创新 [27] 技术发展与医院参与 - 大模型技术演进是2025年的显著变化，早期部署成本高，主要限于头部三甲医院，如今技术突破降低了门槛 [20] - 医院参与度空前高涨，医生对大模型的实操热情远超传统AI，甚至通过申请科研项目等方式绕过限制以获取算力进行临床探索 [21] - 非Transformer架构的AI（如与手术机器人结合的应用）在治疗场景中的应用也日益深入 [24] - 政策明确支持AI应用落地，目标包括建立高质量数据集、可信数据空间，并形成临床专病专科垂直大模型 [27] 数据资产化与成本控制 - 数据资产化是产业可持续增长和破解成本难题的关键路径 [1][13] - 自国家数据局成立后，医疗健康数据的资产化进程加快，交易所内已发生多次健康数据交易 [10] - 医疗数据治理的智能化迭代降低了研发成本，数据场内交易与可信数据空间建设推动了数据的流通与复用 [1] - 若能实现规模化的数据交易，医疗AI研发中最大的成本项有望大幅下降，从而推动应用产出与效果实现质变 [10] 企业案例与创新方向 - 报告列举了多家企业的创新案例，包括深睿医疗、东软集团、京东健康、水木金昇、悦唯医疗、联影智能、讯飞医疗、北电数智、伽奈维医疗、西门子医疗等 [13] - 这些企业通过多模态大模型、智能化解决方案、专科模型研发等方式，在临床全流程赋能、科研转化、基层医疗覆盖等方面形成标杆 [1][13] - 例如，深睿医疗构建临床全栈智能生态，东软集团驱动医疗数智化转型，京东健康升级底层大模型深入专病场景 [13]

行业市场概况与增长动力 - 2024年中国医疗AI解决方案市场规模为164亿元，预计到2030年将扩大至353亿元，期间年复合增长率为13.63% [1] - 行业正从单一学科应用转向计算机、工业、医学等多学科的深度融合 [1] - 2025年行业两大显著变化是大模型的突破式演变与医疗机构的规模化参与 [1] - 政策支持力度加大，例如《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》提出24个重点应用方向，目标到2027年形成一批临床专病专科垂直大模型和智能体应用 [6] - 行业在资本、政策、医生协同的红利下，预计至少在未来3年内维持高速发展 [6] 大模型技术发展与医院应用 - 2025年初DeepSeek发布的DeepSeek-R1通过参数高效微调、混合专家架构等创新降低了医院部署大模型的门槛 [1] - 截至2025年5月，国内排名前100的医院已全部完善大模型部署，其中38家医院进一步研发了55个垂直医疗模型，包括22个专科模型 [1] - 医生对大模型的实操热情远超传统AI，部分医生甚至通过申请科研项目的方式绕过算力采购限制，坚持进行临床科研探索 [2] - 非Transformer架构的AI在临床中的应用也愈发深入，特别是在手术机器人崛起后，大量应用开始出现在治疗场景 [3] 专科大模型应用案例 - 北京协和医院开发了全国首个罕见病领域人工智能大模型“协和·太初” [3] - 复旦大学附属中山医院与上海科学智能研究院合作开发了深耕心血管专科的医疗大模型“观心” [3] - 华中科技大学同济医学院附属同济医院开发了“术问智能术前访视系统”，帮助麻醉医生完成术前评估与术后随访 [3] - 中山大学附属第一医院与神州医疗合作开发了全国首个腹膜透析大模型 [3] - 上海交通大学医学院附属仁济医院与蚂蚁集团合作开发了泌尿专科精确导诊的“RJUA智能体” [3] - 山东大学齐鲁医院与华为、润达医疗合作开发了“齐鲁·心肇急性胸痛大模型” [3] - 首都医科大学附属北京天坛医院与北京理工大学合作开发了“龙影”大模型，可基于MRI图像在0.8秒内生成上百种疾病的诊断意见 [3] 临床价值与医生反馈 - 在涉及手术的科室（如胸外科、神经外科、心内科、骨科），超过90%使用过相关AI的医生给予正向反馈，证实AI能够提升手术精准度并显著降低并发症发生概率 [4] - 在胸外科诊断阶段，基于低于100层CT影像的人机协作模式，可将医生判别肺结节的时间从5-10分钟缩短至1.6-2.2分钟，效率提升56%-84% [18] - 东北某三甲医院肺外科引入AI后，整体诊断效率提升约73%，科室门诊量在约4年内提升约40% [18] - 在AI辅助穿刺中，某三甲医院数据显示，使用AI赋能的机器人组在调整不超过2次的定位成功率（76.5% vs. 25.0%）、穿刺平均调整次数（1.62±1.71次 vs. 4.39±3.69次）、患者接受的CT扫描次数（5.47±2.59次 vs. 8.39±4.69次）方面均显著优于传统人工穿刺组 [20] - 哈尔滨医科大学附属第一医院引入AI实现精准肺段切除后，患者3年生存率提升约20%，并发症显著减少（顽固性咳嗽下降约40%、疼痛下降约20%、并发症下降约30%），平均住院日从12天缩短至5天，效率提升约58.3% [21] 商业化挑战与价值分歧 - 医疗AI作为独立产品形态，其商业化面临挑战，核心在于不同部署环境下产生的价值不一致，医院难以精准核算效益 [7] - 应用AI产生的诊疗效益未必能转化为医院价值，采购决策可能更倾向于符合管理者利益而非服务于医生或患者的应用 [7] - 短期来看，医院和医生的利益大部分不一致：例如，在科室未出现患者排队时，AI使医生工作更轻松但不会为医院带来短期效益；医院以评级为目的采购AI可能忽视医生看重的应用能力和互操作性 [8][9] - 部分医生反感用自身数据训练院内模型，因为将自身能力赋予AI不符合其短期利益 [9] - 长期来看，医院和医生利益在提升手术质量与科研方面趋向一致，但AI的规模化使用可能降低医院对医生数量的需求，对医生岗位构成潜在威胁 [10][11][12] - 在患者支付方面，AI优化流程可能降低治疗花费，但也可能因改变编码或减少科室协助而降低科室收入，导致患者与科室利益不一致 [14] - 在当前医院普遍现金流紧张的环境下，管理者倾向于投资回收期短的创新技术，因此虽能接受AI落地，但难以为其支付费用 [14] 胸外科AI商业价值分析 - 胸外科AI的商业价值体现为三种模式：增效、提质、优化流程 [21] - 增效模式主要为科室带来价值，但受制于木桶原理，整体效率提升上限由最薄弱环节决定 [21] - 提质模式对患者价值提升明显，对科室价值的提升视情况而定：当床位饱和且诊疗成本低于DRG付费标准时，缩短平均住院日能增加医保支付结余；若床位有空余，则价值较为有限 [22] - 优化流程模式可能具备极大的患者价值，但不利于DRG下的科室绩效考核，例如AI三维重建技术可能简化诊疗流程、降低患者总花费，却导致医院报销费用减少，短期内难以实现其商业价值 [23] 数据资产化与成本控制 - 数据作为生产要素，其治理效率直接影响医疗AI的研发成本与应用范畴 [24] - 将原始数据转变为可供交易的医疗健康数据资产，供给方通常需要完成数据清洗、律所评估、资产确权等环节 [27] - 以影像数据资产为例，三甲医院医生标注一张胸部CT的成本约为50-60元，一个包含1000例患者的数据集治理成本约为5万-6万元 [27] - 单次数字资产评估费用约为5万-6万元，资产确权费用在数千元内，三个环节综合成本约10万元 [28] - 目前大多数医院对数据交易持观望态度，因为单个数据资产的交易收益可能无法覆盖其生产成本及所承担的风险 [28] - 可信数据空间作为一种数据流通利用基础设施，旨在联接多方主体，在遵循共同规则的基础上安全共享数据，但目前整体发展尚处于起步阶段，“大模型+数据空间”的结合因技术复杂度和成本约束，应用案例较为稀缺 [30][32]

课程背景与目标 - 医疗AI在影像诊断、精准治疗和药物研发等场景广泛应用，但医疗机构普遍面临跨学科人才短缺、技术落地难的挑战，制约了医疗智能化转型进程 [3] - 上海交通大学医学院联合多部门，针对人工智能在医疗领域快速渗透的行业趋势，聚焦医生、工程技术人员、科研人员及企业界对AI应用技能的迫切需求，推出医疗人工智能实训营 [3] - 课程通过系统化实战训练，精准衔接临床需求与AI技术，旨在为培养复合型人才提供核心支撑 [3] 课程特色 - 直击医生在诊断、治疗以及科研人员在药物研发中的数据处理与模型部署难题，提供可直接落地的AI技能训练 [5] - 构建实战导向的完整课程体系，从AI基础、医学数据处理到临床案例实操，形成“理论-分析-应用-实操”闭环学习路径 [6] - 采用双领域权威协同模式，由医学专家与AI工程师联合设计并授课，内容严格遵循临床规范与技术前沿，保障专业性与实用性 [7] 课程安排与内容 - 第一天课程为《人工智能基础》，结合医疗场景讲解核心算法原理，快速建立AI与医学交叉认知框架 [9] - 第二天课程包括《医学数据处理与分析》与《人工智能的医学应用》，聚焦医学影像数据清洗、标注与特征提取，并深入解析AI在影像辅助诊断、疾病预测中的落地案例 [11] - 第三至四天（共1.5天）课程为《基于临床案例的演示与实操》，学员将分组完成真实医院数据的AI模型部署与验证，确保掌握全流程实操要点，实现从理论到临床应用的技能闭环 [11] 师资力量 - 师资团队由上海交通大学医学院、生物医学工程学院、附属医院及学生创新中心的教授、主任医师及资深教师组成 [13][16][19][21] - 核心教师包括生物医学工程学院教授、先进医疗芯片研究所所长钱大宏，瑞金医院放射科主任医师李若坤，生物医学工程学院教授向孙程，第九人民医院眼科数据中心主任宋雪霏，以及学生创新中心的楚朋志和梁晓妮 [13][16][19][21] 招生与运营信息 - 招生对象为医生、工程技术人员、高校科研院所科研人员以及医疗行业对人工智能感兴趣的人士 [23] - 课程学制为3.5天，计划于2026年1月中下旬开班，学习地点在上海交通大学医学院或上海交通大学 [10] - 学费标准为9800元，团购价（2人及以上）为8000元/人，费用包含教材讲义费、课间茶点和餐费、教学管理服务费，并提供免费复训，住宿需自理 [25] - 学员修满规定课程并通过审核后，将由上海交通大学医学院颁发统一印制的结业证书，卫生专业技术人员可获相应的继续医学教育学分证书 [29]

行业共识与核心观点 - 医学的本质是人学 在可预见的未来 人类不会到无人工厂看病 人工智能无法替代医生[1] - 行业核心是回归医疗本质 聚焦真正影响诊疗效果的关键问题[1] - 医疗AI的发展不是一场取代人类的竞赛 而是一场与时间并肩的探索[4] 医疗AI的定位与价值转变 - 当前医疗AI的底层逻辑已发生根本转变 关键不在于证明AI比医生更强 而在于证明医生使用AI比不使用AI更好[2] - AI无法独立开具处方、撰写诊断报告或执行手术操作 医生的价值贯穿于对患者整体状态的综合观察[2] - AI应定位于辅助与解放医生 核心价值在于将医护人员从排班、病历书写等重复性工作中解放出来[3] - 医生次均诊疗时间仅为5-10分钟 日接诊量高达30-50人 AI工具可帮助医生更专注于疾病诊断与患者沟通[3] 技术发展与业务模式 - 自2017年国内首款AI医学影像产品问世以来 人工智能在医疗领域的探索不断深入[1] - 科技部在2017年将医疗影像纳入国家级人工智能平台重点方向[1] - 领先科技机构的业务体系包括将底层技术转化为可落地工具交付商业伙伴 聚焦基础与前沿技术探索 以及解决商业模式难以覆盖但社会价值显著的公共健康议题[3] 未来应用格局与体系构建 - 未来AI在医疗领域的应用或将呈现“二八格局” 针对80%的常见疾病基于通用模型微调实现风险防控 针对20%的专病与疑难杂症训练高质量垂直模型提升辅助诊断精度[4] - 技术提供方是工具的赋能者 医院、医生与医保系统才是解决问题的核心[4] - 构建更健康医疗体系需推动公众加强自我健康管理 通过科普与健康管理工具提升民众健康意识[4] - AI辅助系统已开始服务偏远地区患者 研究人员正致力于攻克抗生素耐药等全球难题[4]