01 AI 医疗器械
AIGC突出创造性生产，依赖于多模型的技术融合
自然语言处理赋予了AI理解能力和创作能力: NLP有2个核心的任务：分别是1）自然语言理解—NLU；2）自然语言生成—NLG。 自然语言理解：希望机器可以像人一样，具备正常人的语言理解能力。需要涉及：1）语言的多样性；2）语言的歧义性；3) 语言的鲁棒性；4）语言的知识依赖；5）语言的上下文。 自然语言生成：为了跨越人类和机器之间的沟通鸿沟，将非语言格式的数据转换成人类可以理解的语言格式，如文章、报告 等。需要涉及：1）内容确定；2）文本结构；3）句子聚合；4）语法化；5）参考表达式生成；6）语言实现。
AIGC的创造力发展归功于算法领域的技术积累
AIGC领域的技术包含了：生成对抗网络（GAN）、变微分自动编码器（VAE）、标准化流模型（NFs）、自回归模型（AR）、能 量模型和扩散模型（Diffusion Model）。总体趋势来看，大模型、大数据、大算力是未来的发展方向。目前两个最常用的模型是 GAN 和Diffusion Model。 1. GAN (Generative Adversarial Nets）生成对抗网络：结构包含两个模型，一个是生成模型 （Generator，G），另一个是 判别模型（Discriminator ，D）。 2. Diffusion Model 扩散模型：扩散模型的生成逻辑相比其他的模型更接近人的思维模式，也是为什么近期 AIGC拥有了开放性 的创造力。本质上，扩散模型的工作原理是通过连续添加高斯噪声来破坏训练数据，随后通过反转这个噪声过程来学习恢复数 据。训练后，我们可以通过简单地将随机采样的噪声传递给学习的去噪过程来生成数据。
ChatGPT 将成为智能时代的全新信息系统入口
大语言模型（LLM) 是指使用大量文本数据训练的深度学习模型，可以用于生成自然语言文本或理解语言文本的含义。 大语言模型可以处理多种自然语言任务，基于大语言模型开发的ChatGPT或能够为用户提供信息系统入口/界面，同时可以管理计 算资源并支撑应用开发。
SAM的开源将促进机器视觉通用大模型的进一步研究
Meta 在 4 月 5 日发布了机器视觉领域首个用于图像分割的通用大模型 Segment Anything Model（SAM）及其训练数据集 Segment Anything 1-Billion（SA-1B），并将其开源于 GitHub。该模型的推出旨在促进机器视觉通用基础大模型的进一步研 究，为图像分割领域的研究和应用提供更加完备的解决方案。 SAM 模型基于 Meta 在 2021 年发布的 Unified Vision 模型架构，并在此基础上进行了优化和改进。该模型采用了多尺度特征 融合和深度监督等技术，具有更好的图像分割效果和更高的鲁棒性。SA-1B 数据集是 Meta 开源的一个大规模的、高质量的图 像分割数据集，包含 10 万张图像和 100 万个标注，涵盖了人、动物、车辆、建筑等多种类别。 开源 SAM 模型和 SA-1B 数据集将为机器视觉领域的学术研究和产业应用提供更加丰富的资源和技术支持。通过更加广泛地应 用和改进 SAM 模型，将有助于推动图像分割技术在自动驾驶、医学影像分析、智能安防等领域的应用。
AI 医疗影像: 辅助诊断为主，助力精准诊疗
AI医疗影像产品广泛应用于医技科室，包括超声影像、放射影像和病理影像等领域。AI医疗影像辅助诊疗软件集成了CV技术和深度 学习，嵌入至医技科室的医疗器械设备中，以实现各种功能。这些软件的应用可帮助医生快速出具诊断结论和治疗方案。在AI医疗 影像产品中，疾病筛查和辅助诊断产品是最早应用和竞争最激烈的品类，而辅助治疗类产品的进展较慢。因此，开发辅助诊断和为 治疗康复规划的方案尤为重要。
AI 医疗机器人: 手术、辅助、康复机器人皆具备较高临床价值
医疗机器人被设计用于进行外科手术、辅助诊断、医疗服务和康复治疗等医疗活动，具有医用性、临床适应性和交互性。可以根 据实际的医疗环境进行检测、移动、提示等操作，完成相应的医疗任务。 AI医疗机器人是在传统医疗机器人的基础上，加入了具备AI感知与认知技术的软件系统，可以帮助医生完成半自动化或全自动化 的诊疗操作。AI医疗机器人都可分为手术机器人、康复机器人、辅助机器人和服务机器人四类。其中前三类机器人更多地服务于 临床应用，具有较高的临床价值。
CDSS与病种质控: 临床决策支持以人机交互为核心, AIGC拉升效率
CDSS（临床决策支持系统）是一种计算机应用系统，主要通过运用相关的临床知识、患者基本信息以及病情信息，帮助医生加 强医疗决策与行动，从而不断提高医疗诊断治疗的服务质量。 由于临床医师专业领域往往局限于单病种研究，且基层医生的误诊与漏诊率较高，CDSS的设计目的是为了帮助医生跨越单病种 知识限制、规范医师诊疗行为、把控医疗质量、避免医疗差错以及减少不必要的医疗费用支出。
02 AI 制药
AI 制药：逐渐完善的行业拼图
当前国内外AI制药行业的主要玩家主要有三类，即大型药企、AI制药初创型企业和互联网头部企业，其中大型药企包括传统药企及CRO企业。根据Deep Pharma Intelligence数 据，截至2022Q1，全球参与AI药物研发的大型药企超过56家，其中包括超36家传统药企和20家CRO企业；相关互联网头部企业 超31家，AI制药初创型企业超过495家。
人工智能药物发现的领域投入逐年稳步增长。涌入由人工智能驱动的生物技术公司投资额从2020年的481.9亿美元大幅增长至 2022年的1264亿美元，2020-2022年复合增速高达61.96%。大型药企：根据Deep Pharma Intelligence数据，2022年全球以AI制药交易数量计排名前十的药企以MNC为主；国内AI制药 行业起步较晚，本土药企在AI制药领域的涉足更为谨慎，但近年来市场热度呈大幅提升趋势。2022年1月，复星医药针对四个 指定靶点以AI技术开展药物研发与AI制药初创公司英砂智能的QPCTL项目达成战略合作，项目首付款为1300万美元，创造了 当时中国AI制药合作交易首付款最高纪录。 其市场进入方式主要分为内部自建研发团队，对外部AI制药初创企业进行投资收购，以及与互联网巨头或AI初创型企业开展合 作等形式。
AI 制药：AI在多疾病领域广泛应用
截至2022年底，根据Deep Pharma Intelligence数据，亚洲地区各国统计的700家AI制药公司中，主要布局包括早期药物开 发（392家）、数据处理（235家）、临床开发（149家）、端到端药物开发（83家）、临床前发展（57家）及药物再利用（ 26家）等在内的六大环节。使用AI进行药物开发的主要领域是早期药物开发和数据处理。这些过程中涉及的数据多样性，使人 工智能成为预测小分子的生物活性、毒性等不可替代的工具。 适应症上看，肿瘤、免疫学及神经病学领域占比最大，分别为37%、21%和14%。随着全球肿瘤疾病负担日益提升，发现癌症 的治疗方法是21世纪最重大的公共卫生挑战之一；免疫学排在第二位，21%的公司将其AI技术用于寻找免疫学疾病的治疗。
AI 制药：AI可参与药物开发过程多个阶段
一次和二次药物筛选：药物发现中，先导化合物的筛选至关重要，人工智能在识别新的和潜在先导化合物方面发挥巨大作用。 在化学空间中有大约1.06亿个化学结构，利用机器学习模型如强化模型、Logistic模型、回归模型和生成模型，根据活性位点 、结构和靶结合能力可以筛选出这些化学结构。
肽合成与小分子设计：1）多肽：由约2-50个氨基酸组成的生物活性小链，具有跨越细胞屏障的能力并可以到达所需的靶点， 因此近年来越来越多被用于治疗。研究人员利用AI发现了新肽，Yan等人在2020年开发了基于DL的短抗菌肽（AMPs）鉴定平 台Deep-AmPEP30，使用该平台，研究人员从一种存在于胃肠道的真菌病原体光滑梭菌基因组序列中鉴定出新的AMPs；2） 小分子：AI也可用来探索小分子的治疗作用，Zhavoronkov等人设计了一种基于生成性强化学习的小分子从头设计工具 GENTRL，并利用它发现了一种新的酶抑制剂DDR1激酶。
03 AI 智慧药房及药店分销
AI 药店分销：AI助力流通企业提升经营效率
互联网化、数字化成为医药分销行业未来发展的引擎，AI助力流通企业提升经营效率。随着药品流通行业集中度提升，医药供应链与互联网深度融合，打造新型数字化医药流通模式，建立新型医药行业供应链平台，以 智慧化信息技术赋能药品流通势在必行。带量采购制度的常态化，驱动药企、流通企业更注重开发院外市场，终端覆盖能力强、配 送效率高的流通企业将有更强的市场竞争力。流通企业借助数字化技术打造更全能的供应链B2B平台，构建扁平化、共享化、去中 心化的新流通商业格局，助力品牌商、供应商快速直供终端，可以推动产业形成“聚合效应”，迅速提升业务规模。
AI赋能医药分销主要集中在三个领域：供应链服务、医药管理信息系统保障能力、临床服务能力。近年来，上海医药、九州通、柳 药集团、重药控股等流通公司持续在以下三个领域深入挖掘数字化改革。
AI赋能供应链服务：在信息技术、AI、物联网等技术加速催化下，实现供应链全程可视化、可追溯，有机连接并分析应用医药 供应链上下游各环节的数据，实现高效运营。 AI赋能医药管理信息系统保障能力：打造能与先进IT企业比肩的信息服务能力，包括：电子处方流转平台、药械全程追溯管理 、网上药店系统、电子病历、数据分析系统、诊疗AI、供应链可视化管理以及服务于医患、厂家、政府的APP等。 AI赋能临床服务能力：扩展辅助临床诊疗的服务能力，帮助医院和药房更好地服务于患者、医生和支付方，包括：互联网医院 、第三方影像中心、检验中心、输注中心、体检中心、院内外患者管理、慢病管理平台、PBM、健康管理及教育服务平台等。
报告节选：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
相关报告
AI医疗行业专题：从AIGC角度看医药产业图谱.pdf
AI人脸识别诈骗敲响金融安全警钟.pdf
AI搜索专题报告：怎么看Kimi的空间？.pdf
边缘AI行业研究报告：边缘AI硬件，引领硬件创新时代.pdf
人形机器人专题报告：AI驱动，未来已来.pdf
建筑行业2024年春季投资策略：新国九条催化央企市值国改，低空经济AI与铜矿有色弹性大.pdf
安永-智启新质生产力：生成式人工智能在医疗医药领域的潜在应用.pdf
2024易凯资本中国健康行业产业白皮书：医疗与健康服务篇.pdf
中国医疗器械“智造”出海之路：因地制宜，创新启航.pdf
联想高性能计算和人工智能医疗行业生命科学解决方案白皮书.pdf
联影医疗研究报告：做难的事，做对的事.pdf
2023年中国生物医药投融资蓝皮书.pdf
2024中国医药行业人才发展报告.pdf
医药行业制药板块2024年度春季投资策略：政策暖风不断，产业趋势向上.pdf
医药行业基药目录专题报告：关注基药目录品种前瞻.pdf
医药生物行业基药目录专题报告：关注基药目录品种前瞻.pdf
