研报来源：财信证券

@香港医药ETF513700@科创生物医药ETF588250

AI+医学检验： AI 技术在医学检验领域的应用覆盖检验前、检验中、 检验后等全流程， 具体包括项目推荐、样本处理、形态学分析、临床 生化及免疫学分析、临床微生物学分析、检验结果审核及检验报告解 读等。AI技术的应用有助于提升医学检验的效率及质量、推动医检资 源共享，同时促进医检数据价值挖掘，有望为医学检验公司贡献第二 增长曲线。瑞金医院与华为合作开发的瑞智病理大模型 RuiPath 覆盖 中国 90.00%的常见癌症，单切片病理诊断时长仅为秒级。

2.1 AI 赋能医学检验全流程，个性化诊疗、高精准决策等应用可期

医学检验是人工智能技术应用的重要领域，政策积极鼓励“AI+医学检验”。国务院 办公厅 2018 年 4 月发布的《关于促进“互联网+医疗健康”发展的意见》指出，要研发 基于人工智能的临床诊疗决策支持系统，开展智能医学影像识别、病理分型和多学科会 诊以及多种医疗健康场景下的智能语音技术应用，提高医疗服务效率；鼓励医疗联合体 内上级医疗机构借助人工智能等技术手段，面向基层提供远程会诊、远程心电诊断、远程 影像诊断等服务，促进医疗联合体内医疗机构间检查检验结果实时查阅、互认共享。国家 卫健委等三部门 2024 年 11 月发布的《卫生健康行业人工智能应用场景参考指引》明确 了 84 个 AI 医疗应用情景。其中，前 4 个应用场景为医学影像智能辅助诊断、医学影像 数据智能辅助质控、临床专病智能辅助决策、基层全科医生智能辅助决策（为基层全科医 生提供智能诊断推荐等）。

2.2 AI 推动决策水平提高、运营管理优化、数据价值挖掘、医检资源共享

AI 提升医学检验决策的效率、精准度。例如，李利毛等通过结合表面增强拉曼光谱 技术和机器学习算法，开发了一种用于结直肠癌早期筛查的血清检测方法。该检测方法 取得了 90.9%的分类准确率、96.5%的敏感度和 99.4%的特异度，曲线下面积为 98.3%， 提高了直肠癌筛查的准确性和效率。又如，金域医学联合广州呼吸健康研究院副院长杨 子峰教授团队等，基于环境数据与机器学习方法，开发出一种全新的呼吸道病毒感染风 险预测模型，揭示了年龄、NO₂ 浓度、气温等关键因素对呼吸道病毒感染风险的影响。 该模型的平均准确率达到 0.76，平均 AUC（曲线下面积）高达 0.9，表现出优异的预测性 能，为临床医生提供了更直观、可信的诊断依据，有望实现对病原体传播趋势和潜在风险 的实时精准评估。

2.2 AI 推动决策水平提高、运营管理优化、数据价值挖掘、医检资源共享

AI 提升医学检验决策的效率、精准度。例如，李利毛等通过结合表面增强拉曼光谱 技术和机器学习算法，开发了一种用于结直肠癌早期筛查的血清检测方法。该检测方法 取得了 90.9%的分类准确率、96.5%的敏感度和 99.4%的特异度，曲线下面积为 98.3%， 提高了直肠癌筛查的准确性和效率。又如，金域医学联合广州呼吸健康研究院副院长杨 子峰教授团队等，基于环境数据与机器学习方法，开发出一种全新的呼吸道病毒感染风 险预测模型，揭示了年龄、NO₂ 浓度、气温等关键因素对呼吸道病毒感染风险的影响。 该模型的平均准确率达到 0.76，平均 AUC（曲线下面积）高达 0.9，表现出优异的预测性 能，为临床医生提供了更直观、可信的诊断依据，有望实现对病原体传播趋势和潜在风险 的实时精准评估。

AI+药物研发： AI 技术可应用于靶点识别、虚拟筛选、从头设计、预 测候选药物的安全性与有效性、化合物合成、临床试验管理等药物研 发环节，有助于提升药物研发的成功率与效率，降低药物研发成本。 英矽智能基于AI研发的ISM001-055推进至临床前候选药物阶段耗时 少于 18 个月，推进至 I 期临床试验仅耗时额外九个月。医渡科技打造 的“患者招募智能筛选系统”，可以为肿瘤类项目平均节省 88.5%人工 筛查成本， 非肿瘤类项目平均节省 69.8%人工筛查成本。

3.1 AI 提升药物研发的成功率、效率，降低药物研发成本

生物医药研发具有技术难度大、研发周期长、资金投入大、不确定性高等特点。药 物研发过程通常包括：（1）4-6 年的药物发现过程，包括约 25 个月的靶点至苗头化合物 阶段、约 25 个月的苗头化合物至先导化合物阶段以及约 10 个月的先导化合物优化阶段； （2）1-2 年的临床前候选化合物阶段；（3）6-7 年的临床试验阶段；（4）0.5-2 年的监管 审批阶段。从全球药物研发成功率来看，药物发现阶段、临床前开发阶段、临床试验阶 段、上市申请阶段的成功率分别为 51.00%、69.00% 、12.90%、91.00%，全过程的研发成 功率仅为 4.13% 。根据 Pharma Intelligence 统计数据，基于 20 家领先生物制药公司的研 究数据，新药从开始临床试验到获批所需的时间，从 2021 年的 6.9 年增加到 2022 年的 7.09 年；而开发一种新药的平均成本也有所增加（包括失败的成本），从 2021 年的 19.86 亿美元增加到 2022 年的 22.84 亿美元。

3.2 AI 在药物发现、临床试验等领域具有广阔应用场景

根据权威学术期刊《自然- 医学》（Nature Medicine） 发表 的综述文章《 Artificial Intelligence in Drug Development》，目前 AI 已经在分析复杂生物系统、识别疾病生物标志 物和潜在靶点、模拟药物与靶点的相互作用、预测候选药物的安全性与有效性，以及临床 试验管理等多个环节中展现出巨大的应用价值。

4 AI+医院诊疗

AI+医院诊疗：AI技术可以赋能医院诊疗的诊前、诊中和诊后众多环 节，应用场景包括临床诊疗辅助决策、处方辅助审核、临床用药智能 辅助、文书质控辅助、智能医疗质量管理、智能患者服务等。AI 技术 的应用有助于提升医院诊疗效率与精确度、强化医院运营管理、优化 医疗资源配置。华西医院部署的智慧服务产品已随访患者超 120万人 次，工作效率媲美 31 名全职随访护士， 在三个月的时间内 AI 筛查出 未遵医嘱服药等异常患者 2 万余人。

4.1 政策逐渐明确应用场景及收费标准，“AI+医院诊疗”有望加速落地

应用场景及收费标准逐渐明确，“AI+医院诊疗”有望加速落地。（1）“AI+医院诊疗 ” 应用场景参考指引发布。（2）国家医保局明确人工智能辅助诊 断技术的收费标准。

4.2 AI 助力医院提升诊疗效率，强化院内管理，优化医疗资源配置

多家医院加快部署全科或专科医疗大模型。随着数字化浪潮的推进，AI 在医疗领域 发挥的作用逐步显现，全国各地的医院加快部署全科医疗大模型或专科医疗大模型。例 如，全科医疗模型包括和佑医院部署的 SenseCare 智慧诊疗平台，桃江县中医医院部署的 智慧眼砭石大模型以及华西医院部署的“华西黉医”医学大模型，这些模型具备覆盖领域 广、通用性好的特点。在专科医疗大模型方面，复旦大学附属中山医院部署的观心大模型 重点服务于心血管科疾病领域，瑞金医院部署的瑞智病理大模型聚焦于癌症筛查与诊断 领域，北京协和医院部署的“协和 太初”罕见病大模型则被应用在罕见病诊断领域，这 些模型在其擅长的专科领域精准性更高、可解释性更强。

风险提示：行 业政 策风险；AI医疗技术进展不及预期风险；地缘政治 风 险； 医疗安全风险等。