深度报告-20250309-浙商证券-计算机行业深度报告_AI+医疗_大模型重塑医疗生态_22页_2mb

AI+医疗：大模型重塑医疗生态

核心内容

AI大模型技术正加速在医疗行业的落地应用，推动医疗生态的智能化转型。随着大模型的推理能力、多模态处理能力和应用成本的持续下降，医疗机构对AI技术的接受度和应用范围显著提升。DeepSeek作为国产开源大模型的代表，凭借其低成本、高性能和开源特性，成为医疗行业AI部署的重要选择。预计至2031年，全球生成式AI在医疗保健领域的市场规模将达到172亿美元，复合年增长率达32.60%。同时，AI在医学影像领域的市场规模预计将在2024年达到100.5亿美元，至2032年将增长至192.67亿美元，复合年增长率约为8.48%。

主要观点

• 技术驱动：AI医疗的发展经历了从规则驱动、传统机器学习、深度学习到大模型与多模态融合的演变，当前已进入多模态融合阶段，能够实现跨模态数据理解与动态时序建模。
• DeepSeek优势：DeepSeek具备高性能、低成本和开源特性，解决了医疗AI早期信息割裂、解释性弱、数据孤岛等问题，支持医疗机构本地部署，提升数据安全性。
• AI医疗商业化：海外AI巨头如英伟达、微软积极布局医疗领域，通过投资、收购和生态构建推动AI医疗发展。Tempus AI、HIMS等公司实现了商业化落地，AI技术推动了订阅用户数和营收的快速增长。
• 国内AI+医疗布局：国内企业主要分为三类：通用大模型厂商、数据库优势厂商和传统医疗IT企业转型AI。科大讯飞、云知声、润达医疗、医渡科技、创业慧康、万达信息、嘉和美康、东软集团、晶泰控股等均在AI医疗领域取得显著进展。

关键信息

技术演进与AI医疗发展

1. 规则驱动时代：基于人工提炼的医学规则，如MYCIN、INTERNIST-1。
2. 传统机器学习时代：使用SVM、随机森林等算法处理结构化数据。
3. 深度学习时代：CNN、RNN等模型用于影像诊断与病理分析。
4. 大模型时代：Transformer架构实现多模态数据处理，应用于临床决策支持、药物研发和远程医疗。

DeepSeek在医疗领域的应用

• 应用场景：智能分诊、AI报告解读、医生智能助手、病历质控等。
• 价格优势：DeepSeek API价格远低于闭源大模型，如GPT-4o和Claude-3.5-Sonnet。
• 部署方式：开源特性支持本地部署，提升数据安全性和可控性。

海外AI医疗布局

• 英伟达：通过NVIDIA Clara平台提供医疗AI解决方案，投资多家AI医疗企业，布局从药物研发到临床诊疗的全链条。
• 微软：推出Dragon Copilot语音AI助手，整合Nuance的语音识别技术，提升医护人员效率。
• Tempus AI：拥有全球最大多模态数据库，提供个性化治疗方案，与多家制药企业合作。
• HIMS：AI+Saas模式，提供远程个性化治疗方案，订阅用户数和营收增长显著。
• Medtronic：将AI融入心血管医学，提升疾病诊断与治疗效率。

国内AI+医疗公司

• 科大讯飞：发布星火医疗大模型X1，覆盖30多个省份，提升诊断效率与质量。
• 云知声：布局“山海”大模型，提供智能病历质控、单病种质控、医保审核等解决方案。
• 润达医疗：推出CDx良医小慧，综合准确性达87.74%，支持体检、药房、检验等场景。
• 医渡科技：构建YiduCore医学知识图谱，实现AI与DeepSeek的深度融合。
• 创业慧康：发布BsoftGPT平台，支持多模型切换，提升医疗AI应用灵活性。
• 万达信息：智慧医疗覆盖30多个省市，推出智能客服、导诊、导航、体检推荐等产品。
• 嘉和美康：医疗信息集成平台接入DeepSeek，提升病历质控与诊疗效率。
• 东软集团：推出智慧医疗解决方案，适配DeepSeek，覆盖全国多个省份。
• 晶泰控股：融合量子物理与AI，提供药物研发与自动化化学合成解决方案。

投资建议与相关标的

• 医疗大数据与大模型开发：科大讯飞、医渡科技、云知声、润达医疗。
• 医疗信息化龙头：创业慧康、东软集团、卫宁健康、嘉和美康、万达信息。
• AI药物研发：晶泰控股-p。

风险提示

• 技术落地不及预期：AI医疗技术在实际应用中可能因性能、适配等问题未能按计划落地。
• 商业化进展不及预期：市场需求、成本、医保政策和竞争等因素可能影响盈利预期。
• 数据安全风险：医疗AI依赖大量敏感数据，存在隐私泄露和数据滥用的风险。

行业评级

• 看好：行业指数相对于沪深300指数表现+10%以上。

总结

AI大模型技术的持续升级和成本下降，正在推动医疗行业的智能化转型。DeepSeek等国产大模型凭借其开源、低成本和高性能特性，成为医疗AI部署的重要选择。国内外AI医疗企业均在积极探索和应用AI技术，提升诊疗效率与质量。随着技术的深入发展和商业化落地，AI+医疗市场前景广阔，但需关注技术落地、商业化和数据安全等潜在风险。