阿里巴巴发布新医疗大模型!AI医疗相关个股梳理 事件正面
- 阿里达摩院与浙大一院联合发布通用医疗影像AI模型DAMO RADAR,可从单张腹部增强CT中一次性识别146种病症。
- 院方表示该模型诊断水平首次达到影像科专家水准,腹部CT因软组织密度相近被视为影像诊断难度最高的部位之一。
- 国内外多家企业已在'AI+医疗'赛道布局,涉及医疗大模型、影像辅助诊断与药物研发等方向。
- 第三方研究显示,国内AI医疗项目在医学诊断与AI药物研发两个赛道融资事件集中度较高。
- 头豹研究院提出可关注AI药物研发、AI硬件与影像辅助、健康管理与家用智能医疗、医疗信息化与院内医疗大模型等细分环节。
- 产业赛道事件对应的产业方向与逻辑梳理
- 关联公司各赛道业务关联公司及其方向
- 风险提示事件相关的风险与不确定性
AI医学影像辅助诊断
积极方向医学影像数据量大、阅片工作负荷高,AI辅助诊断长期被视为医疗AI中最先具备落地条件的环节,也是资本投入最集中的方向之一。腹部增强CT因软组织密度接近、病灶边界模糊而阅片难度高,通用模型若能在该场景达到专家水准,意味着影像AI的能力边界从单病种、单部位向多病种泛化扩展,医院端对影像AI的接受度与部署意愿可能提升。同时,影像设备厂商与影像云平台需要将此类算法能力集成进设备与工作流,产业链上下游均存在业务对接机会。
公司业务同时覆盖医学影像硬件与影像AI分析软件,其智能影像平台需要持续引入更高质量的算法能力。通用型影像大模型在腹部多病种识别上的进展,与公司影像设备智能化、影像后处理与辅助诊断的产品演进方向属于同一技术路径,有助于其在设备端集成更丰富的AI辅助功能,并推动影像检查流程的智能化改造。
公司以医学影像设备及影像云、远程诊断服务为主要业务方向,基层医疗机构影像诊断能力不足是其业务拓展中的现实问题。通用影像AI模型若能嵌入其影像设备与影像云工作流,可提升CT等设备的功能集成度与远程阅片环节的辅助能力,与其面向基层市场的影像服务布局存在业务关联。
公司AI诊断业务集中于病理细胞学与组织学图像模态,而本新闻所述模型针对腹部增强CT影像,属于放射影像模态,两者在数据形式、算法路径与临床科室归属上均不相同。事件对公司现有AI病理业务无直接业务对接关系,仅同属AI辅助诊断产业链范畴,方向性不明确。
公司主营超声诊断设备与内窥镜,超声成像与CT成像在成像原理、图像特征与算法需求上差异明显。AI辅助诊断在超声领域的应用逻辑与新闻所述CT影像大模型相通,但本事件并未直接涉及超声模态,对公司现有业务无直接对接,关联度较低。
医疗信息化与院内医疗大模型
积极方向医疗AI模型从技术发布走向院内常规使用,需要与医院信息系统、电子病历、影像归档与临床数据中心打通,涉及数据治理、系统集成与工作流改造。医院在引入AI辅助诊断能力时,通常需要既有信息化供应商提供接口与部署支持,因此医疗信息化厂商在AI落地链条中处于承接位置。同时,院内医疗大模型的应用也推动医院对算力调度、数据安全与临床决策支持模块的投入,产业链需求由单纯的软件实施向AI能力集成延伸。
公司具备医院核心信息系统与临床数据平台的业务基础,同时自研医疗垂直大模型,属于院内AI能力的直接承接方。医疗AI模型要嵌入临床流程,需要依托院内信息系统完成数据接入、结果呈现与医生交互,公司的产品线正处于这一集成环节,与新闻所述医疗AI落地方向高度相关。
公司产品线覆盖院内信息系统与区域医疗数据平台,是AI辅助诊断与院内大模型部署所需的数据底座与应用入口之一。若医疗机构加快引入影像AI与临床AI能力,公司相关系统的集成与改造需求随之增加,业务关联体现在系统对接与数据治理环节。
电子病历与临床数据中心是医疗AI模型训练数据的主要来源和推理结果的呈现载体。公司在新闻中被列为AI医疗相关公司,其业务处于医疗AI落地的数据基础与临床工作流环节,院内AI应用的推进与其产品迭代方向存在业务关联。
公司以医学实验室综合服务与检验科集约化服务为主业,并布局医疗大模型在检验与临床辅助场景的应用。新闻中被列为AI医疗概念相关公司。医疗AI能力在检验报告解读、临床辅助决策等场景的接入,与其检验科服务业务的智能化方向存在关联。
AI药物研发
积极方向新闻显示国内AI医疗项目的融资事件中,AI赋能新药研发仅次于医学诊断位居第二,说明资本对AI在药物发现与分子设计环节的技术前景持续认可。通用大模型与AI基础能力的进步,会向药物发现、分子生成、成药性预测等专业场景外溢,CRO企业与药物发现服务商可借助算法工具提升研发环节的效率与项目承接能力,产业链的药学服务需求结构随之变化。
公司业务以药物发现阶段的化学与工艺研发服务为主,并在AI辅助药物设计方向进行投入。AI基础模型能力提升会直接作用于其分子设计、活性预测等研发服务环节,有助于提升药物发现服务的工具化水平,与新闻中AI赋能新药研发受资本关注的方向一致。
公司以分子砌块和药物发现服务为核心,业务环节处于药物研发最前端,对分子设计效率高度敏感。AI算法能力的提升与其在计算化学、分子生成方向的业务拓展存在直接关系,属于AI赋能新药研发链条中的工具应用方。
公司业务覆盖药物发现到生产的全流程,在药物发现环节已引入计算化学与AI相关工具与平台。行业对AI赋能新药研发的投入增加,与其在早期药物发现服务的工具化、平台化方向一致,业务关联体现在研发服务能力的工具升级层面。
公司主要业务位于药物研发的临床前评价环节,属于AI药物发现结果的下游验证阶段。AI在分子设计环节的渗透可能提升早期候选分子产出,但传导至临床前评价外包需求存在较长链条与不确定性,事件对其业务的直接关联度有限。
- 通用医疗影像模型从技术发布到进入临床常规流程,需经历临床验证与医疗器械注册审批等环节,实际落地进度存在不确定性。
- 医院端对AI辅助诊断与院内大模型的引入受信息化预算安排、数据合规与患者隐私保护要求影响,部署节奏可能慢于技术迭代节奏。
- 通用型影像大模型的开放策略与商业模式尚未明确,其对既有影像AI软件供应商、影像设备厂商自有AI功能布局的竞争格局影响方向尚难判断。
- 新闻中引用的AI医疗行业规模与增速数据来自第三方研究机构,不同机构统计口径存在差异,行业空间的兑现程度存在不确定性。