【资料图】

AI赋能突破产能瓶颈，医疗行业驱待技术升级

我们认为，本轮大模型的产业级应用落地，需要满足下游较强的支付能力、产业较强的供需匹配性，应用场景需要具备较高的容错性、场景具备深厚数据壁垒和行业Know-How的四方面特点。而对于医疗行业来说：（1）下游医疗卫生费用稳定支出，支付能力丹唐置疑：（2）供需匹配性方面，当前医疗行业面临的主要问题，包括我国医生资源整体紧缺，同时区域之间、城乡之间、高等级医院和基层之间存在巨大的资源不平衡的问题，未来AI+医疗通过对医生产能的释放，能在一定程度上增强我国医疗资源总量，同时弥补城乡间的医疗资源差距；（3）从数据壁垒层面，医疗行业涉及大量诊疗数据，行业Know-How积累深厚，毫无疑问为IT服务商开发垂类中模型、构建自身竞争优势，提供了良好的基础。但与此同时，我们必须承认，医疗行业容错性较低，因此大模型的落地场景相对受限，同时AI医疗也需要在严格的监管下进行。

海内外案例看大模型如何赋能医疗行业

当前在AI技术取得突破的时点，医疗行业被选中作为大模型技术率先落地的行业之一。无论Demo并实现初步落地。典型应用案例包括：（1）Nuance基于GPT-4，推出全自动临床文档应用程序DAXExpress，能够实现电子病历快捷生成，减轻临床诊断工作负担，该应用程序将于2023年4月在HIMSS全球健康大会上展示，并将于今年夏季提供预览。（2）Flywheel公司与InferenceAnalytics合作，通过文本、图像知识理解辅助医学研究：（3）英伟达BioNeMo服务，AI生成式模型加速医药研发工作：（4）春雨医生基于大模型的AI在线问诊产品“春雨慧问”，可通过对话了解病患病情，并提供医疗建议，当前已正式向用户免费开放：（5）医联打造大模型驱动的AI医生medGPT，实现多模态诊疗自由对话，该产品目前已进入内部测试阶段，并计划于今年5月份正式发布。

未来已来，迎接“AI+医疗”的新蓝海

技术层面，大模型算法逐步走向成熟；应用场景层面，当前已有相对确定的落地场景，和匹配的应用案例，我们按照关键程度由低至高进行简单划分，相对简单的应用场景，主要基于大模型理解归纳的能力，实现对医学文档的整理，提升医生的工作效率：对话决策的应用场景，主要基于大模型的文字生成能力，通过对话实现简单的人力替代；最为复杂、也是落地节奏最晚的应用场景，是基于大模型的决策能力，实现对复杂问题的处理，主要应用点在于辅助疾病诊断、诊疗推荐、风险预测、用药推荐等方面。而政策层面，对“Al+医疗”也呈现一贯支持的态度，此前无论是人工智能相关政策，或是医疗行业相关政策，对“Al+医疗”均有所强调，本轮大模型落地后，率先落地的鼓励性政策中，医疗行业也是被率先选中的示范性行业之一。

多维度共同驱动之下，我们认为AI+医疗有望成为医疗IT行业下一个核心增长点。随着海内外各类医疗IT公司不断利用先进的AI技术赋能行业并解决核心痛点，我们认为国内医疗IT、企业或将进一步加大AI领域的研发进度，未来存在商业化进一步升级的可能。

风险提示

1、国内AI发展不及预期：

2、公司研发进展不及预期。