1 AI医疗技术创新与产业化探讨。

主持人郭坤怡介绍了AI医疗的发展现状和挑战，并邀请三位嘉宾分享观点季冬思从云计算角度指出数据质量是AI医疗应用的主要难点郭倩宇和周海涛分别从医学研究和投资角度探讨了AI医疗的技术突破和产业落地前景。

2 1.

AI医疗面临数据与安全挑战。

3 1.

AI医疗技术前景广阔。

4 AI在医疗影像诊断中的应用。

季冬思介绍了AI在医学影像诊断中的应用，特别是在肺结节和小细胞癌检测方面的进展AI通过影像组学和基因组学技术，能够更早发现癌症风险，并辅助设计靶向药物他还提到AI在基层医院的推广，帮助医生提高诊断准确性周海涛补充了AI技术在医疗领域的实际应用案例，强调了大模型技术在医疗场景中的最小化实践和收益考量。

5 1.

AI医疗应用与挑战。

6 尖端技术商业化进展与挑战。

季冬思介绍了三个已落地的AI医疗项目：中医大模型辅助教学、小细胞癌影像预警系统和药物研发。他提到数据不足影响模型准确性，未来计划向基层医院推广。周海涛分析了AI医疗投资的细分领域，包括AI制药企业和提供AI服务的CRO模式。

7 AI医疗细分方向及盈利情况。

季冬思介绍了AI医疗的多个细分方向，包括AI制药、体外诊断、医疗信息化、机器人和慢病管理等他指出体外诊断有大量量化数据，医疗信息化中的CDSS系统结合多源数据进行分析机器人领域关注外骨骼和手术机器人，慢病管理依赖可穿戴设备数据目前盈利模式尚处早期，影像和制药公司收入相对较好一级市场投资逻辑从关注团队背景转向更实际的领域吸引力。

8 1.投资趋于理性关注业绩。

季冬思指出当前投资更关注AI产品的商业前景和实际收入，市场趋于理性周海涛认为医疗数据共享和成本控制是AI应用落地的关键挑战，需要行业协作解决。

9 AI医疗估值分化明显。

季冬思分析了AI医疗行业的估值方法，指出头部企业可享受高估值，而概念炒作企业估值困难他建议使用DCF或PS估值法，并强调数据质量和商业模式的重要性普通投资者可关注医院覆盖数量和收入情况数据隐私是行业关键挑战，需通过技术手段解决。

10 医疗数据共享与隐私保护存在挑战。

季冬思和周海涛讨论了医疗数据共享的难点，包括医院数据保护、设备差异导致的模型适配问题，呼吁老旧数据公开并加强隐私清洗区块链技术可能解决部分问题，但数据确权和收益分配仍是痛点AI在医疗中的责任界定尚不明确，诊断类相对清晰，手术机器人责任划分复杂AI医疗收费模式尚未明确，未来可能依赖技术服务费或疗效分成。

11 AI医疗企业上市合规性探讨。

季冬思分析了AI医疗企业两种收费模式对上市合规性的影响，认为技术服务收费更成熟且易于规范，而疗效分成因标准难统一可能影响财务报表规范性周海涛指出AI医疗产品需针对不同级别医院设计差异化功能季冬思还提到云计算平台可帮助企业应对数据安全法规。

12 资本市场偏好医药板块。

季冬思和周海涛讨论了医药板块受资金关注的原因，包括国内创新药发展、政策支持及AI技术降低研发成本他们认为AI在医疗领域的应用前景广阔，但也需关注数据隐私、算法偏见等风险。