華西計算機團隊2023年6月26日請仔細閱讀在本報告尾部的重要法律聲明僅供機構投資者使用證券研究報告|行業深度研究報告AI+醫療：智醫助理即將上崗“AI+應用”系列（一）聯系人：劉波郵箱：liubo1@分析師：劉澤晶SAC

NO：S1120520020002郵箱：liuzj1@核心邏輯1AI+醫療：緩解我國醫療資源短缺的“良藥”AI+醫療是在協助人或解放人的狀態下，以提升院內外醫療服務效率效果為目的、以人工智能為核心干預技術手段介入傳統的院內外醫療環節，從而產生相應軟硬件產品的新型醫療應用技術。

根據艾瑞咨詢的數據，2020-2025年AI+醫療市場規模呈現高增長狀態，市場總規模在2025年將達385億元。AI+醫療有利于緩解我國醫務人才短缺；同時助力解決口老齡化及醫療資源分布不均衡等問題。大模型助力，AI+醫療創新應用即將“涌現”，“智醫助理”即將上崗隨著大模型技術的發展，AI+醫療的應用首先通過文本生成、輔助查詢等方式提升醫療全流程的效率，未來更有望融入輔助診療決策等核心業務系統，成為我國醫療體系的重要力量。海外已有多種大模型在醫療領域的應用落地：谷歌的Med-PaLM

2，微軟子公司Nuance的DAX

Express。我國具有多重優勢：豐富的醫療場景與醫療數據，良好的政策環境。行業科技龍頭具備先發優勢，產品有望率先落地大模型在醫療的發展，除需要算力等通用要素外，還需要數據、技術、行業Know-How、應用場景等要素。

我們認為，醫療科技龍頭具備技術、行業Know-How等要素，與頭部醫療機構的長期合作關系有利于補齊數據、場景等要素，相關創新產

品有望率先落地。行業受益標的：我們認為，具備行業Know-How和客戶基礎，在AI領域早有布局，且積極擁抱大模型技術變革的公司具有先發優勢，受益標的包括：潤達醫療、衛寧健康、創業慧康、嘉和美康、安必平、健麾信息、數字人等。風險提示：1）

AI技術發展不及預期；2）相關政策落地不及預期；3）中美博弈突發事件；4）AI倫理風險；5）市場系統性風險等。目錄2AI+醫療：緩解我國醫療資源短缺的“良藥”大模型助力，AI+醫療創新應用即將“涌現”行業科技龍頭具備先發優勢，產品有望率先落地行業受益標的及風險提示013AI+醫療：緩解我國醫療資源短缺的“良藥”1.1

AI+醫療：AI技術與醫療場景的深度融合AI+醫療是在協助人或解放人的狀態下，以提升院內外醫療服務效率效果為目的、以人工智能為核心干預技術手段介入傳統的院內外醫療環節，從而產生相應軟硬件產品的新型醫療應用技術。因AI醫療需AI技術結合具體的醫療場景方能釋放與彰顯其具象的原理與作用，故其具有很強的場景關聯性。按應用場景分類，AI+醫療主要分為AI醫療影像、CDSS、智慧病案、AI制藥、醫療數據智能平臺、AI醫療機器人、AI基因分析等細分應用技術。AI+醫療41.2

AI+醫療應用場景示例：智能輔助問診智能輔助問診：利用AI等技術的賦能，對就診流程進行更深層次的優化，構建出診前、診中、診后全方位、不受空間和時間限制的醫療和健康閉環管理服務，為病人提供安全的環境、智能化的體驗和溫馨的服務。診前服務：根據患者的癥狀描述等給予合理的醫生資源、科室服務等推薦，并依靠以知識庫為基礎的智慧大腦建立診前健康咨詢與導診服務。診中服務：實現患者智能導診服務，減輕分診護士臺壓力；通過智能排隊系統，實現患者有序就診，改善就診環境，確保患者隱私。診后服務：通過設立統一的客戶服務中心，結合醫院智慧大腦與互聯網技術實現醫患互動、隨訪管理、健康監測、藥品配送、處方流轉、網約護士等服務。智能輔助問診應用場景51.2

AI+醫療應用場景示例：AI醫療影像AI醫療影像產品常應用于超聲影像、放射影像、病理影像等醫技科室中。醫技科室的醫療器械設備植入嵌套了CV技術與深度學習的AI醫療影像輔助診療軟件，實現各類功能，最終形成針對各臨床科室的AI應用，協助醫生出具診斷結論與治療方案。在AI醫療影像產品的種類中，疾病篩查與輔助診斷產品是AI醫療影像涉及最早、競爭尤為激烈、上線較多的品類，輔助治療類產品進展較慢。AI醫療影像61.3

AI+醫療產業鏈AI+醫療產業鏈包括三層：其上游為基礎層，中游為技術層，下游為應用層，服務終端為患者。基礎層：包括數據、算法、算力等。其中數據服務尚未建成核心技術壁壘，目前參與者眾多；而算力領域呈寡頭局面。技術層：包括CV、NLP、知識圖譜、智能語音等技術組成，其中基于深度學習的計算機視覺發展快，參與者技術相對成熟。應用層：包括AI醫療影像、CDSS、醫療機器人、醫學數據智能平臺等各類應用。我國AI+醫療產業鏈71.4

發展狀態：AI醫療影像發展靠前，軟件類產品有望孵化出新興商業模式根據艾瑞咨詢的研究，AI醫療不同場景的發展成熟度不同。醫療器械類的亮燈數量、強度要明顯高于非醫療器械類，尤其是AI醫療影像除了純服務的產品形式、里程碑的收費模式滅燈以外，其他區域均有亮燈情況，其在所有賽道中的商業模式較為多元。從商業模式的固定程度與穩定性來講，帶有重資產性質的AI醫療機器人的商業模式已經基本定型，而其他輕資產性質的核心軟件類產品的商業模式還處在動態演變階段，未來可能會孵化出新興的商業模式。我國AI+醫療發展狀態81.5

AI+醫療市場規模根據艾瑞咨詢的數據，2020-2025年AI+醫療市場規模呈現高增長狀態，市場總規模在2025年將達385億元。2020年AI核心軟件市場規模為29億元，AI醫療機器人市場規模為30億元。2020年中國AI醫療核心軟件市場中CDSS市場占有率為29.8%，AI醫療影像為7.1%。2020年中國AI醫療核心軟件市場分布2019-2025年中國AI醫療市場規模（單位：億元）91.6

AI+醫療價值：緩解醫務人員壓力，提升診斷效率AI+醫療影像AI+醫療有利于緩解我國醫務人才短缺。以醫療影像為例，目前我國以CT影像、皮膚影像等醫療影像應用較為成熟。當前在我國，醫療影像數據的年增長率高達30%，但是影像科的醫生年增長率卻只有4%。考慮到醫生的培訓周期比較長，發展AI影像醫療能夠有效緩解醫療人才短缺的問題。AI助力解決人口老齡化及醫療資源分布不均衡等問題。據中國衛生健康委員會數據，截至2022年底，我國慢性病患者總數已超4億，約占總人口的三分之一，且數量還在增加。以AI技術為基礎的智慧病案管理體系可以讓醫院之間可以通過HIS共享病案庫，醫生可以在病例庫中找到相關的疾病案例，這樣既可以提高疾病發現率，又可以在一定程度上彌補城鎮、鄉村醫生在經驗方面的不足。101.6

AI+醫療價值：彌補基層診療服務短板，提升公共衛生服務水平AI賦能醫療可以有效補充醫療資源，助力健康中國的建設。用人工智能技術解決基層臨床問題，不僅可以提升基層的醫療水平，還可以快速收集、分析、預測疾病數據和區域健康走勢，對重大疾病進行聯防聯控，對重點人群、康復人群等進行有效管理和預防。“AI+醫療”的發展與完善，有利于補全基層診療服務短板，強化公共衛生服務效率，幫助解決我國優質醫療資源相對匱乏和基層醫療服務能力不足的結構性難題。AI賦能的領域110212大模型助力，AI+醫療創新應用即將“涌現”2.1

AI

2.0時代來臨，醫療行業有望率先落地AI

1.0：以CNN為核心的計算機技術，機器開始在計算機視覺（CV）、自然語言理解技術（NLP）等領域超越人類，并創造了顯著的價值。但AI1.0缺少像互聯網時代的

Windows

和

Android一樣的規模化能力，來降低應用開發的門檻，打造完善生態鏈。AI

2.0：AI2.0克服了AI

1.0單領域、多模型的限制，可以用無需人工標注的超級海量數據去訓練一個具有跨領域知識的基礎大模型（Foundation

Model）；基于大模型，各種創新應用將層出不窮。AI

2.0

+

醫療：我們認為，隨著大模型技術的發展，對海量多模態數據的處理能力大幅提高，AI+醫療有望迎來快速發展。AI+醫療的應用首先通過文本生成、輔助查詢等方式提升醫療全流程的效率，未來更有望融入輔助診療決策等核心業務系統，成為我國醫療體系的重要力量。AI

2.0時代來臨132.2

大模型落地場景：醫學知識圖譜14資料來源：華西證券研究所整理大模型有望助力醫學知識圖譜快速迭代，賦能臨床決策等應用場景。醫學知識圖譜針對醫療信息系統中海量、異構、動態醫療大數據，在數據表達、組織、分析、管理及利用等方面提供了一種更為有效的方式，使系統的智能化水平更高，更加接近于人類的認知思維。醫學知識圖譜的構建流程大致分為四個步驟，即醫學知識表示、醫學知識抽取、醫學知識融合、醫學知識推理。我們認為，受益于大模型的能力提升，上述四個步驟的迭代即將加速。醫療知識圖譜構建方法與流程醫學知識表示醫學知識抽取醫學知識融合醫學知識推理醫學命名實體識別醫學實體關系抽取實體對齊醫學實體鏈接基于醫學知識圖譜的問答醫療用藥推薦系統2.2

大模型落地場景：輔助診斷、藥物研發和創新、臨床決策支持等輔助診斷：首先，大模型可以利用其高質量多輪對話能力，協助醫療工作者收集病人相關信息。同時，大型模型可以利用醫學文獻、病歷數據和醫學影像等信息，輔助醫生進行疾病診斷。它們可以提供診斷建議、輔助解釋醫學圖像、識別疾病模式，并提供患者管理的相關信息。通過與醫生的合作，大型模型可以提高診斷的準確性和效率。藥物研發和創新：大型模型可以分析大量的化合物和藥物數據，預測藥物的活性、相互作用和副作用。這有助于加速藥物研發過程，發現新的藥物候選物，并優化藥物設計。大型模型還可以幫助研究人員發現新的藥物靶點、疾病機制和治療策略。臨床決策支持：大型模型可以利用患者的臨床數據和病歷信息，為醫生提供個性化的治療建議和決策支持。它們可以分析大規模的患者數據，預測疾病進展、治療效果和風險，并幫助醫生優化治療方案和預防措施。基于Keras的大數據深度學習框架用于肺炎預測152.3

國內外醫療大模型應用案例：Med-PaLM

2Google推出全新醫療大語言模型：Med-PaLM

2。開發及創新：使用PaLM

2針對醫療領域專門微調訓練，并使用新的提示策略“集成精煉”，使推理能力得到改進。準確率大幅提升：Med-PaLM2在美國醫學執照考試

（USMLE）式問題的

MedQA數據集上得分為86.5％，達到“專家”考生級別，較上代提升超過19%。MedQA（USMLE式問題）部分模型測試準確率對比162.3

國內外醫療大模型應用案例：Nuance3月20日，微軟旗下語音識別子公司Nuance

Communications發布一款AI臨床筆記軟件，即

Dragon

Ambient

eXperience

Express（簡稱：“DAX

Express”），它代表了醫療保健領域的下一個突破，也是大規模自動化臨床文檔之旅中的一個重要里程碑。DAX

Express

是一個集成到工作流程中的自動化臨床文檔應用程序，它是第一個將經過驗證的對話和環境

AI

與

OpenAI

的

GPT-4

的高級推理和自然語言功能相結合的應用程序。DAXExpress

擴展了久經考驗的Dragon

Medical

One醫療解決方案組合，并以

2020

年推出的市場領先的

DAX常溫解決方案為基礎，是

Nuance

長期使命的下一個里程碑，即減輕行政負擔，使臨床醫生能夠花更多的時間照顧患者，減少文書工作的時間。Nuance172.3

國內外醫療大模型應用案例：

MedGPT2023年5月25日，醫聯正式發布自主研發的基于Transformer架構的國內首款醫療大語言模型——MedGPT。醫聯還建立了基于專家評議的AI診療準確性與真實世界醫?對標測試機制，不斷將AI與真實診療場景對齊，最終實現準確診斷。醫聯團隊會招募真實的醫生坐在電腦進行診斷，然后把MedGPT和真實醫生的結果交由專家委員會評議，將MedGPT的水平對標真實醫生。根據封面新聞的消息，目前醫聯

MedGPT

已經可以覆蓋ICD10的60%疾病病種，并在近期將研發重心傾斜在多發疾病，以提升數字醫院的普惠率。預計在2023年底，可以覆蓋80%病種的就診需求。MedGPT疾病覆蓋范圍182.4

我國發展AI+醫療的優勢：豐富的醫療場景和醫療數據中國醫療健康市場的發展和醫療數字化體系的建設積累了來源豐富、形式多樣、沉淀豐富的數據，人工智能技術能夠幫助企業以前所未有的方式更好地利用和解讀豐富的市場數據。利用大模型，企業可以更加全面、高效地收集、分析、理解數據，通過對數據的深度挖掘整合，形成對市場和客戶的深刻洞察，實現算法驅動商業決策。醫療企業與合作伙伴能夠獲取數據體量大、涵蓋范圍廣、更新速度快、顆粒度細致、應用場景豐富的數據資產，為人工智能技術在醫療健康行業中的應用提供堅實基礎。IQVIA醫療數據示例192.4

我國發展AI+醫療的優勢：政策環境在“健康中國”戰略宗旨下，中國醫療正在經歷由提供“醫療保障”到提供“健康服務”智慧化、信息化、定制化的轉型，近幾年，國家發布一系列普及AI醫療的有利政策。2022年3月，國家藥監局器審中心發布《人工智能醫療器械注冊審查指導原則》，2022年共發出25張AI三類證。2023年3月，中共中央辦公廳、國務院辦公廳印發《關于進一步完善醫療衛生服務體系的意見》。意見提出，發展“互聯網+醫療健康”，加快推進互聯網、區塊鏈、物聯網、人工智能、云計算、大數據等在醫療衛生領域中的應用。醫療政策環境200321行業龍頭兼具Know-How與客戶優勢，產品有望率先落地3.1

AI+醫療發展要素：數據、技術、Know-How、場景AI+醫療的發展，除需要算力等通用要素外，還需要如下要素。數據：頭部醫療機構具有豐富的數據積累，相關科技企業有望與其進行合作創新。技術：我國醫療科技龍頭在AI領域布局較早，具備相應技術積累。同時，還可以通過產學研合作等形式增強前沿技術能力。Know-How：醫療科技龍頭在醫療領域深耕多年，具備行業Know-How。場景：頭部醫療機構場景豐富，方便創新產品的試用、迭代。我們認為，醫療科技龍頭具備技術、行業Know-How等要素，與頭部醫療機構的長期合作關系有利于補齊數據、場景等要素，相關產品有望率先落地。大模型時代，AI+醫療發展要素：數據、技術、Know-How、場景數據

技術資料來源：華西證券研究所整理22Know-How場景3.2

潤達醫療：AI產品“潤達慧檢”率先落地公司聚焦智慧檢驗，打造數字化檢驗平臺，以大數據、人工智能等技術為基礎，在實驗室信息化、智能化管理、質量控制管理、檢驗大數據分析解讀等各環節賦能傳統檢驗醫療服務向精益化、智慧化轉型升級，實現數字化檢驗診療。針對檢驗數據產生環節：1）實驗室智慧化管理，如

SIMS

系統、Mai47

系統等；2）實驗室質量控制管理，質量云及檢驗結果互認平臺等。針對檢驗數據信息傳導環節，開發了

LIS系統、區域信息平臺等產品。針對檢驗數據分析解讀環節，開發了潤達慧檢—檢驗報告智慧服務系統等產品。潤達醫療233.2

潤達醫療：

AI產品潤達慧檢率先落地根據2022年年報，公司充分挖掘檢驗大數據價值，利用知識推理、大數據分析、機器學習等第三代人工智能技術，依托知識、數據、算法、算力、場景五要素構造的人工智能系統，在業界率先推出基于“知識

+

數據”雙驅動的人工智能系統：慧檢—檢驗報告智慧服務系統。根據公司05月12日在投資者關系平臺的回復，“慧檢-檢驗報告智慧服務系統”是一款應用知識推理、大數據分析、機器學習等人工智能技術，對患者一定周期內的檢驗數據進行綜合性分析，推測可能的疾病，并提供相應分析依據的檢驗報告智能分析軟件系統。目前已在安徽省立醫院、深圳羅湖醫院、長海醫院等國內數十家公立醫院推廣使用。同時公司基于慧檢—檢驗報告智慧服務系統，公司依托政府大數據中心平臺，互聯網醫院平臺，相繼推出慧好—全周期健康管理互聯網平臺、慧聯—智慧互聯網檢驗平臺等智慧醫療、智慧服務產品。潤達醫療業務概覽243.3

衛寧健康：10月將正式發布由GPT技術加持的新產品WiNEX

Copilot公司在AI領域布局較早，基于智慧平臺，面向智慧醫療、智慧

服務及智慧管理三個維度為醫院提供持續創新的路徑。 衛寧健康布局智慧醫療：以患者為中心，旨在提供優質便捷的就醫體驗。依托互聯網、物聯網、區塊鏈和AI等新技術，打破時空限制，優化診療流程。智慧服務：以患者為中心，以優化患者就醫流程、增強患者就醫獲得感、促進醫患和諧為目標，為患者提供主動式、多樣化、智能化、精準化的患者服務，打造院內流程優化+互聯網醫療服務+區域醫療協作的智慧服務體系，驅動醫院管理模式改革與創新，最終實現患者全周期的健康管理。智慧管理：通過科技賦能，實現醫療相關供應鏈管理、耗材管理等，從而實現整體經營水平的提升。智慧平臺：智慧平臺以數據智慧應用為核心，依托AI引擎、NLP等算法進行數據統一治理、重構業務系統、融合異構平臺與第三方系統，并通過異構業務系統之間互操作，達到信息資源廣泛共享、互聯互通，形成醫院信息的規范化、一體化；同時對醫院業務系統的醫療數據進行整合存儲，構建醫院的數據中心，實現診療信息的高效利用、臨床智能輔助與決策管理、科研管理一體化。253.3

衛寧健康：10月將正式發布由GPT技術加持的新產品WiNEX

Copilot根據公司官微信息，公司已于2023年1月開展了醫療垂直領域的大語言模型WiNGPT的研發和訓練工作，截至4月、6月和9月的模型訓練參數量分別達到了60億、156億、650億，目前正在探索更多的醫療應用場景。公司計劃于10月正式發布由GPT技術加持的新產品WiNEX

Copilot。公司認為，在醫療領域，ChatGPT將成為醫務工作者離不開的貼身助手，它將作為一個超級大腦而存在，不僅能高效地調度和整理數據資源，甚至能引發自主思考，提升醫務工作者的工作效率、醫療質量，并做到有效地輔助決策，也為醫院的發展運營帶來新的可能性。WiNGPT&新一代WiNEX產品263.4

創業慧康：構建BSoftGPT聚合平臺公司一直致力深耕醫療行業信息化，將大數據、人工智能AIGC技術與自身產品深度融合，基于前沿的人工智能算法、高專業度醫療領域知識、行業流行的大數據技術方案，為客戶的數據集成、數據治理、數據分析及可視化提供優質化、個性化、專業化服務，形成整體解決方案。大數據商業智能分析平臺為用戶提供直觀的數據分析能力，可動態多維分析整合醫療數據。通過針對每個科室或者學科構建數據集市，從而允許用戶自由選擇指標和維度管理統計分析。醫學影像大數據智能分析平臺是通過數據建模、深度學習算法提供個性化智能醫療服務，為醫生提供快速響應的醫學影像自動分析結果。平臺基于大數據技術，構建了低成本、高性能、高可用的大型醫院、醫聯體、區域醫學影像中心/協作平臺，并基于最新的深度學習等人工智能技術和GPU架構，提供了豐富的、高準確度、實時影像智能分析應用，可融合中臺預置了大量的通用技術組件，將應用產品共同需要的能力（如數據處理能力、AI能力、低代碼等等）進行統一建設。自動對病灶進行標注，并自動完成病灶定性診斷，包括肺癌判斷、CT

肺結節智能標注、眼底影像腦卒中分析、兒童骨齡判斷等，有效輔助影像醫生更加高效、準確地完成病癥診斷。

創業慧康AI+醫療布局273.4

創業慧康：構建BSoftGPT聚合平臺在5月19-20日的“2023醫院高質量發展論壇”上，公司表示已與浙江大學計算機創新技術研究院、浙江省智慧醫療創新中心簽訂三方戰略協議，構建BSoftGPT聚合平臺，進一步推動AI大模型在臨床決策支持、公共衛生和個人健康場景下的研究和開發。BSoftGPT融入到臨床決策支持等業務系統，可實現在醫院、區域、互聯網、新應用、基礎設施多個板塊的應用。據公司互動易消息，公司打造的BsoftGPT是AI大模型聚合產品，產品將以API調用結合本地部署的方式聚合利用通用GPT模型，同時通過本地部署embedding向量數據庫以及公司自有的領域知識庫，通過醫療垂直領域的語言模型訓練和微調逐步實現產品力，并向公司內外部的應用場景，比如在醫療服務和個人健康等場景中輸出AI智能服務。BSoftGPT283.5嘉和美康：已有多款AI產品，積極探索大模型應用公司在AI領域深耕多年，并發展了臨床輔助決策支持系統（CDSS）、AI病歷內涵質控系統、智能預問診系統、智能分診系統、大數據科研分平臺等。智能預問診系統是一套人機交互式問答算法體系。系統利用患者就診前的等待時間，智能模擬醫生問診，滿足患者傾訴需求，幫助醫生快速、全面了解患者病情，從而提高診斷效率，提高門診病歷質量，減輕病歷書寫負擔，改善醫患關系。AI病歷內涵質控系統融合利用了自然語言處理、醫學知識庫、機器學習、文本后結構化等多項技術，在改善病歷質量的同時，可以大幅提高醫院病歷質控部門的工作效率，并為其他應用提供更準確的數據基礎。臨床輔助決策支持系統（CDSS）具有歷史診療數據標準化治理、醫院數據實時處理、數據質量監控、知識庫查詢、臨床輔助決策、臨床輔助治療、臨床預警、相似病歷推薦、診療預測、患者畫像、系統監控等功能。系統通過醫院真實優質的診療數據和循證醫學臨床實踐“雙引擎”，為門診及住院醫務人員開展臨床診療活動提供智能化決策支持服務，覆蓋診前、診中、診后全流程，實現臨床診療的規范化，避免和降低因誤診、漏診及不規范治療帶來的患者安全風險和醫療資源浪費。大數據科研分析平臺是以人工智能技術為核心驅動、以院內外真實診療數據為基礎支撐的創新型臨床-科研一站式服務體系。嘉和美康AI領域產品布局29、產品名稱產品簡介臨床輔助決策支

持系統（CDSS）該系統具有歷史診療數據標準化治理、醫院數據實時處理、數據質量監控、知識庫查詢、臨床輔助決策、臨床輔助治療、臨床預警、相似病歷推薦、診療預測、患者畫像系統監控等功能。系統通過醫院真實優質的診療數據和循證醫學臨床實踐“雙引擎”為門診及住院醫務人員開展臨床診療活動提供智能化決策支持服務，覆蓋診前、診中診后全流程，實現臨床診療的規范化，避免和降低因誤診、漏診及不規范治療帶來的患者安全風險和醫療資源浪費。AI病歷內涵質控系統AI病歷內涵質控系統是以控制病歷書寫質量為目標的一套應用，包含住院病歷質控和門診病歷質控兩個部分。在軟件設計上以國家電子病歷等級評審要求為功能架構基礎能夠充分滿足臨床使用和政策需要。在質控引擎設計上，響應國家病歷質量評價標準參考和結合了各地質控規范和資深專家意見。在應用支撐上，融合利用了自然語言處理、醫學知識庫、機器學習、文本后結構化等多項技術。目前AI病歷內涵質控系統，包含千余條質控規則，能夠對入院記錄，病案首頁等多種文書進行形式及內涵質控，實現了病歷從書寫到歸檔全流程智能化質控管理，為病案室，醫務處等科室人員提供院內三級質控數據。免登錄醫生端可以實時提醒，從書寫源頭提高病案質量。系統在改善病歷質量的同時，可以大幅提高醫院病歷質控部門的工作效率，并為其他應用提供更準確的數據基礎。智能預問診系統該系統是一套人機交互式問答算法體系。系統利用患者就診前的等待時間，智能模擬醫生問診，滿足患者傾訴需求，幫助醫生快速、全面了解患者病情，從而提高診斷效率，提高門診病歷質量，減輕病歷書寫負擔，改善醫患關系。

系統可支持綜合醫院專科醫院等多類型醫療機構使用場景，支持結構化數據輸出和科研隨訪數據采集，具有覆蓋科室全面、語言貼合醫生習慣、完整生成價值病歷和快速篩查高風險患者等優勢。智能分診系統智能分診系統是一套應用自然語言處理、機器學習等人工智能技術構建的交互式人機問答算法體系。該系統可在患者預約掛號前引導其輸入疾病相關信息，給出準確的科室推薦，有效調配醫療資源，實現醫療資源的有效利用，避免因掛錯號導致的病情延誤和醫療資源浪費，同時緩解醫院導診壓力，提升醫療服務質量和效率。大數據科研分析

平臺大數據科研分析平臺是以人工智能技術為核心驅動、以院內外真實診療數據為基礎支撐的創新型臨床-科研一站式服務體系。通過整合院內多模態醫療數據，并借助大數據算法實現數據自動清洗和治理，形成以患者為中心的完整時間序列研究資源，輔助醫生快速建立覆蓋多病種、全變量的高質量專病隊列；并在此基礎上，為醫生提供一站式科研服務，快速實現對數據的深度挖掘和多維分析，提升科研效率及質量，縮短研究周期，促進成果轉化，實現臨床-科研協同發展。3.5嘉和美康：已有多款AI產品，積極探索大模型應用根據公司5月9日投資者關系活動記錄表信息，公司探索了有關大模型的幾個方向，為實現試用，公司目前先在醫患交互的方向做一些結合應用的嘗試。公司原先有一款名為智能預問診的產品，也是一款基于Ai的產品，公司當前正在利用開源模型做探索性的Demo，實現大模型技術與公司產品的融合。如果可行，后續會將其拓展到電子病歷的生成端。未來最有可能的應用順序是智能預問診—電子病歷—CDSS。嘉和美康臨床輔助決策支持系統303.6

安必平：與騰訊AILab共同開發宮頸細胞學人工智能輔助診斷系統根據公司2022年年報，公司與騰訊AILab共同開發的宮頸細胞學人工智能輔助診斷系統完成了多中心科研評價研究，進入到三類證注冊申報階段，病理醫學圖像分析處理軟件以及公司自主研發的全自動數字切片掃描系統獲得了二類證，在市場推廣、試用過程中獲得較高認同，公司的“細胞學試劑+制片設備+掃描儀+AI判讀”智能化篩查方案已形成，提高了公司產品的競爭壁壘。公司會繼續圍繞病理科“自動化、標準化、數字化、智能化”建設，提高病理科與醫院發展需要和廣