西南证券发布研报称，中国医疗人工智能行业空间较大，政策推动行业快速发展；讯飞医疗科技 (02506)具备自研基座大模型，性能上限持续抬升。星火医疗大模型X1能够显著降低幻觉现象，提升推 理的正确性、专业性与可解释性；基于大模型和大数据技术平台，构建多元化GBC客户产品矩阵。首 次覆盖，建议关注。 西南证券主要观点如下： 基于大模型和大数据技术平台，构建多元化GBC客户产品矩阵 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，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，其中包含了中国百强医院中的40多家和十强医院中的7家。1)To G基层医 疗服务业务25H1收入增速52.3%；区域管理平台解决方案25H1收入增速178.1%：基层医疗服务+区域管 理平台解决方案是基本盘，基层医疗服务业务线主要由智医助理和慢病管理组成，区域管理平台解决方 案主要是由智慧卫生和智慧医保组成；2)To B业务25H1收入下滑10%：主要由于大模型持续更新。业务 包括智慧医院+AI诊疗助理，提升医疗服务能力与效率；3)To C业务25H1收入增速10%：包括影像云平 台+诊后管理+讯飞晓医+智 ...

西南证券主要观点如下： 智通财经APP获悉，西南证券发布研报称，中国医疗人工智能行业空间较大，政策推动行业快速发展； 讯飞医疗科技(02506)具备自研基座大模型，性能上限持续抬升。星火医疗大模型X1能够显著降低幻觉 现象，提升推理的正确性、专业性与可解释性；基于大模型和大数据技术平台，构建多元化GBC客户 产品矩阵。首次覆盖，建议关注。 2025年3月，公司正式发布基于深度推理技术的"讯飞星火医疗大模型X1"。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。在真实场景测试中，其全科辅助诊断合理率达到94.0%。 2025年7月，讯飞星火医疗大模型完成能力升级，多项性能指标得到进一步提升。具体而言，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%。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。 基于大模型和大数据技术平台，构建多元化GBC客户产品矩阵 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，业务覆盖全 ...

91 Q F 9 t m 0 8 F Q 中国最 x 7 ● C e ma F E FFF "I"|I .... Lo) Al 000 ปี (D 今天分享的是：人工智能+医疗专题：2025年医疗人工智能产业报告 报告共计：99页 《2025年医疗人工智能产业报告》聚焦医疗AI的价值计量与商业化破局，展现其在政策、技术与需求驱动下的发展态势。2024年中国医疗AI解决方案市场 规模达164亿元，预计2030年将增至353亿元，CAGR为13.63%，应用已覆盖临床专科、医技支撑、基层医疗等全场景。临床专科中，胸外科、心内科、骨 科、神外科、内分泌科等AI应用成熟，从诊断、手术规划到术后康复全流程赋能，提升诊疗效率与精准度，如骨科手术机器人实现复杂手术规模化落地， 内分泌科AI盘活慢病管理。医技科以影像科、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，其中影像科AI辅助诊断覆盖多病种，病理科大模型提升泛化能力与可解释性。基层医疗AI凭借政策支持与场景适配，率先实现商业化闭环，通过CDSS 等系统弥补人才缺口，推动分级诊疗落地。行业发展面临价值分歧、数据治理成 ...

本文源自：市场资讯 作者：公告君 回购日期回购均价回购股数回购金额本年累计回购股数2025-12-185.12819.00万97.44万723.13万2025-12- 174.98140.00万199.23万704.13万2025-12-164.94464.08万316.83万664.13万2025-12-125.10115.50万79.07 万600.05万2025-12-115.01253.50万268.16万584.55万2025-12-095.15134.50万177.70万531.05万2025-12- 085.23722.50万117.82万496.55万2025-12-055.18328.00万145.12万474.05万2025-12-045.14718.10万93.16 万446.05万2025-12-035.09039.20万199.53万427.95万2025-10-245.6462.12万11.97万388.75万2025-10- 235.54335.00万194.02万386.63万2025-10-225.6391.77万9.98万351.63万2025-10-215.7015.96 ...

今天分享的是：2025年医疗人工智能产业报告-蛋壳研究院 报告共计：99页 2025年医疗人工智能产业虽未实现规模化盈利，但发展势头强劲，2024年中国医疗AI解决方案市场规模达164亿元，预计2030 年将扩至353亿元，CAGR为13.63%。产业发展受资本、政策与医生三向驱动，大模型技术突破降低了应用门槛，头部医院纷 纷部署并参与专科模型研发，政策层面也出台多项举措明确发展路径。然而，产业仍面临价值分歧这一核心困局，患者疗效 与科室效益难以平衡，医院支付意愿和能力不足，商业化进程受阻。临床应用上，医疗AI已广泛渗透至胸外科、心内科、骨 科等临床专科及影像科、病理科等临床支撑科室，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，降低了并发症发生率。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。数据资产化是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。深睿医疗、东软集团、京东健康等企业通过多模态大模型、智能化解决方案等创 新，在临床全流程赋能、科研转化、基层 ...

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]

核心财务表现 - 总收入达到人民币3.58亿元，同比增长8.7% [1] - 现有业务经调整EBITDA约人民币5400万元，较去年同期翻倍 [1] - 会计报表实现几近盈亏平衡，比管理层预期提前一年 [1] 业务板块增长与订单 - 大数据平台和解决方案板块新增订单同比增长19.7%，收入为人民币1.53亿元，同比增长14.6% [3][6] - 生命科学解决方案板块新增订单同比增长61.1%，收入为人民币1.38亿元 [3][7] - 健康管理平台和解决方案板块收入达人民币6667万元，同比增长30.3% [8] 技术能力与YiduCore进展 - YiduCore累计处理分析超13亿患者人次的近70亿份医疗记录，覆盖超10000家医院 [3] - 疾病知识图谱基本覆盖所有已知疾病，专病库覆盖病种拓展至98个 [3] - 大模型幻觉发生率控制在1%以内，TNM分期评估智能体的T分期准确率从58%提升至90%，N分期从62%提升至80% [4] - 在CHIP 2025会议上荣获医学NLP代码自动生成测评冠军及最佳论文奖 [5] 市场应用与客户渗透 - AI中台落地30多家三甲医院，医生Copilot在单院实现日均近千次调用 [3][6] - 向127家中国顶级医院及44家监管机构和政策制定者提供解决方案 [6] - 头部20家跨国药企中有17家是公司客户，并支持多个首创新药加速获批上市 [7] - 深度参与5省13市的惠民保项目，累计服务参保用户超4000万人次 [8] 运营效率与服务成果 - 深圳惠民保参保人数突破615万，三年累计服务超1800万人次 [8] - 北京普惠健康保超85%获赔案件通过快赔完成，理赔时效提升60%-70% [8] - AI智能客服准确率达97%以上，在线独立接待率达93% [8] - 糖尿病数字疗法建档管理患者近10万人，空腹血糖达标率较基线提升27.04% [9] - 健康管理平台上的活跃交易用户数超过2200万名 [9]

公司产品与认证进展 - 儿童手部X射线图像骨龄辅助评估软件和肝脏局灶性病变CT图像辅助分诊软件正式获批中国国家药品监督管理局（NMPA）三类医疗器械注册证 [1] - 2025年以来公司新增5张NMPA三类证，累计获批NMPA三类证达17张，居行业前列 [2] - 公司共有17款AI应用获批NMPA三类证，15款AI应用通过美国FDA认证，31款AI应用获欧盟CE认证，获欧盟CE认证的AI应用总数居全球首位 [1] - 公司已成功推出100多款医疗AI产品 [1][2] 技术平台与研发方向 - 公司发布元智医疗大模型，这是一个包含文本、语音和视觉理解能力的多模态大模型 [4] - 元智医疗大模型已孕育出覆盖影像诊断、临床治疗、医学科教、医院管理、患者服务等多场景的10余款医疗智能体 [5] - 技术应用从单疾病模型演进至一个模型能识别三维影像中多种常见疾病，得益于Transformer技术自动学习共性和多模态技术（如CLICK）对齐图文信息 [5] - 在实际应用中结合大模型及小模型的不同优势，小模型在检测小结节、骨折等方面更准确，大模型则可以处理多疾病关联问题 [6] 市场落地与商业应用 - 公司AI产品已在全国4000多家医院落地，合作医院包括顶级三甲医院、县级医院和乡镇卫生院 [3] - 公司与中山医院放射科合作研发业界首个胸部一扫多查智能体，可锁定73种胸部异常，基于40多万CT影像数据 [5] - 公司与河南省人民医院合作研发脑部影像一扫多查智能体，基于50余万脑部影像数据，可同时检测47种病变异常 [5] - 产品推广的核心在于给临床带来实用价值，帮助医院实现数字化、智能化，从而提质增效 [3] 发展战略与融资规划 - 公司坚持以临床需求为导向，深入应用场景，将技术转化为医疗新质生产力的实践 [1][6] - 公司致力于为医疗行业提供多场景、多疾病、全流程、一体化的智能解决方案 [2] - 公司成功完成A轮融资，总规模10亿元，资金将用于加强横向创新（向多模态拓展）和纵向创新（加大医疗大模型、智能体等研发投入） [6] - 公司未来将持续推动医疗AI创新落地，向世界级数智医疗创新引领者迈进 [1]