中国青年报客户端讯（中青报·中青网记者 林洁）近日，在广州举行的首届大湾区医学人工智能大会 上，中国工程院院士、广州国家实验室主任钟南山强调："医学AI绝对不是选择题，而是必答题，不跟 上就肯定落后。" 中国工程 院院士、广州国家实验室主任钟南山致辞。主办方供图 中国医院协会常务副会长毛群安提出，我国医疗资源分布不均、基层服务能力薄弱等问题，亟待通过新 一代信息技术创新来破解。"人工智能+医疗卫生"不能靠单打独斗，它是新质生产力发展所需的"技术创 新+体制机制创新+生态协同"的系统工程，产学研医用联动更是医学AI转化落地的关键载体。 医学人工智能因行业的海量数据、丰富场景与民生刚需，成为"人工智能+"最具潜力的落地赛道。钟南 山表示，发展医学人工智能要靠更多机构的协作。人工智能的创新和发展，也需要产学研结合，才能尽 快转化、落地。他期待，如果AI能将他数十年临床经验的思考、体会收集提炼出来再推广，基层医生 不用花很长时间培训，就能快速提升水平。 广东省政务服务和数据管理局局长王天广表示，健康医疗数据是国家重要基础性战略资源，也是医学人 工智能发展的关键基础资源。他期待，更多高水平的医疗机构、科研院所和科技企业 ...

核心观点 - 广东省通过系统性改革与资源投入，在“百千万工程”推动下，县域医疗卫生服务能力显著提升，居民健康指标达到高收入国家及地区平均水平，“大病不出县、小病在基层”目标稳步推进 [1] 基层医疗服务体系建设 - 三年间改造189家县级医院，建成急诊急救“五大中心”，规范化建设近300个特色临床专科 [2] - 57个县的58家综合医院全部达到国家推荐标准，具备三级医院服务能力 [2] - 完成1883家乡镇卫生院、社区卫生服务中心改造，100%达到国家基本标准 [2] - 实现2万个村卫生站规范化建设全覆盖，符合条件的全部纳入医保结算 [2] - 县域内住院率稳定在85%左右，在开展县域医共体建设的65个县（市、区）中，基层医疗卫生机构诊疗量占比达到67% [1] 人才队伍建设与激励 - 实施“万名医师下乡”项目，每年选派不少于2000名中级以上职称医师驻镇服务1年以上 [3] - 65个县域医共体每年派驻超2500人帮扶乡镇卫生院 [3] - 农村订单定向免费医学生项目每年培养2000名基层医生，大学生乡村医生专项招聘每年引入100人 [3] - 推行“县招县管镇用”模式，并对基层卫生人才实行职称单列评审，已有460名取得中级职称后在基层工作满10年的紧缺人才被直接认定为基层副高级职称 [3] 医保与薪酬制度改革 - 阳西县作为医保支付方式综合改革试点，医保基金从2018年缺口10.26%转变为2023年结余率达6.68% [4] - 对紧密型县域医共体实行“总额付费、按月预拨、年终清算”，参保人在医共体内上下转诊按同一次住院处理，只需支付一次起付标准费用 [4] - 落实基层医疗机构“公益一类财政保障、公益二类绩效管理”政策，允许机构突破事业单位工资调控水平，医疗服务收入扣除成本后主要用于人员奖励 [4] 科技赋能与智慧医疗 - 梳理首批289项“人工智能+医疗卫生”成熟应用场景 [5] - “粤医智影”智能影像阅片系统覆盖2146家医疗机构，提供7类检查的智能辅助诊断，基层日均影像诊断量提升约48% [5] - “粤医慧诊”智能临床辅助决策系统在粤东粤西粤北13个地市推广，能根据患者症状快速生成诊疗建议 [5] - “免疫规划智能体”即将嵌入“粤苗”APP，提供疫苗预约、个性化推荐等服务 [5] 便民服务举措 - 出台基层卫生健康十条惠民措施，95%以上乡镇卫生院提供周末疫苗接种，90%以上提供儿科和心理健康服务，97%以上开展门诊延时或节假日门诊 [6] - 二级以上医院预留30%门诊号源给家庭医生团队 [6] - 全省检查检验结果互认项目达286项，累计互认1291万次，比2024年增加超2倍 [6] 居民健康成果 - 广东人均预期寿命超80岁 [7] - 孕产妇死亡率降至7.77/10万，婴儿死亡率降至2.03‰ [7] - 居民主要健康指标已跻身高收入国家及地区平均水平 [1]

报告投资评级 - 首次覆盖，给予“买入”评级 [3][8][9] 报告核心观点 - 祥生医疗是国内超声领域的先行者，专注超声领域29年，拥有36项核心技术及400余项海内外知识产权，产品远销全球100多个国家和地区 [8][18] - 公司核心优势在于打造了“便携化+智能化”的超声产品组合，其小型便携设备（笔记本超声SonoAir和掌上超声SonoEye）在全球范围内具备竞争优势 [8][60][67] - 公司凭借深厚的技术底蕴和供应链成本优势，积极开展对外合作（ODM等），与BD、飞利浦、盖茨基金会等国际知名机构的合作前景可期，有望成为新的增长点 [8][79][81] - 基于盈利预测与相对估值，报告认为公司当前市值33亿元（截至2025年12月11日）存在低估，合理市值应为50.6亿元，对应约52%的上涨空间 [8][9][91] 公司基本面与财务表现 - **历史业绩**：2024年公司实现营业收入4.69亿元，同比下降3.1%；归母净利润1.41亿元，同比下降4.1% [7][27]。2020-2024年，公司营业收入和归母净利润的复合年增长率（CAGR）分别为8.9%和9.0% [27] - **近期表现**：2025年前三季度，公司实现营业收入3.43亿元，同比下降5.3%；归母净利润0.94亿元，同比下降4.6% [7][27] - **财务健康度**：公司毛利率稳定，2024年综合毛利率为59.0% [7][34]。费用控制良好，销售费用率低于行业平均水平，2024年销售和管理费用率分别为12%和8% [34]。公司现金流状况良好，资产负债率低，截至2025年三季度末资产负债率仅为11.24%，在手现金及交易性金融资产超过10亿元 [3][38] - **研发投入**：公司保持较高研发投入，2025年上半年研发费用率为16%，研发人员共计178名，占员工总数的34.30% [35] 产品与技术优势 - **完整产品线**：公司SonoFamily系列产品线完整，涵盖高端推车式超声（XBit）、高端台式超声（SonoMax）、高端轻薄笔记本超声（SonoAir）和小型智能掌上超声（SonoEye），构建了“顶天立地”的产品组合 [8][60] - **便携化优势**：公司在小型便携设备领域具备全球竞争力，笔记本超声SonoAir重量仅2.1公斤、厚度26毫米，掌上超声SonoEye轻巧智能，已成为公司的拳头产品 [60][65][67] - **智能化（AI）布局**：公司自2016年起前瞻布局AI，其SonoAI平台已搭载于全系列产品，具备病灶智能识别、图像自优化及诊断路径导航等核心功能 [8][68][71]。公司在乳腺超声智能辅助诊断和产科智能扫查系统等领域技术领先 [72] - **多元应用场景**：凭借便携化与智能化优势，公司产品已覆盖国内30%以上的三级医院，并广泛应用于心脏、产科、基层医疗、消费（如运动保障、医美）、兽用超声以及扫查机器人等多元场景 [21][59][73][77][78] 行业与市场分析 - **市场规模**：全球超声设备市场规模持续增长，预计从2020年的21.2万台/套增至2024年的30.6万台/套，年复合增长率为9% [43]。2020年中国超声设备市场规模约为99.2亿元 [47] - **行业趋势**：超声行业正向“智能化+便携化”发展 [50]。政策鼓励AI医疗应用，目标到2030年实现AI赋能的医疗卫生体系全面落地 [50]。便携式彩超因其便捷性需求增长，预计全球市场规模将从2025年的65亿元以10.74%的年复合增长率增长至2032年的132亿元 [54] - **竞争格局**：国内企业持续在高端市场突破，祥生医疗在小型便携设备领域形成差异化竞争优势，且收入以外销为主（2024年出口收入占比86%） [32][67] 增长驱动与外部合作 - **增长驱动**：预计随着国内设备需求恢复和海外合作加速落地，公司业绩将获得催化 [12] - **对外合作（ODM）**：公司积极开展多种模式的对外合作，历史合作方包括东芝（佳能）、巴德、BD等 [81]。近期与飞利浦的合作有望进一步升级，与盖茨基金会签署了210万美元的联合开发协议，共同推广创新型产科及乳腺超声筛查设备 [81] - **合作逻辑**：全球供应链有向中国转移的趋势，公司掌握超声生产制造的底层技术，与跨国公司在产品结构上具有互补性，能充分发挥技术、产品和成本优势，ODM等合作业务前景可观 [8][79][84] 盈利预测与估值 - **收入预测**：预计公司2025-2027年营业收入分别为5.17亿元、6.21亿元和7.45亿元，同比增长率分别为10.4%、20.0%和20.0% [7][8][86] - **净利润预测**：预计公司2025-2027年归母净利润分别为1.46亿元、1.82亿元和2.29亿元，同比增长率分别为4.0%、24.2%和26.3% [7][8][86] - **关键假设**：预测基于超声设备收入增速回归、各项业务毛利率维持2024年水平、以及费用率随收入规模增加而逐步下降 [10][89] - **估值方法**：采用市盈率（P/E）相对估值法，选取开立医疗、理邦仪器等作为可比公司 [90] - **估值结论**：可比公司2025年预测市盈率均值为34.6倍，以此计算公司合理市值为50.6亿元，较2025年12月11日市值（约33亿元）有约52%的上涨空间 [8][9][91]

小病不出村，大病不出 县！广东卫健"百千万工 程"三年答卷亮眼_南方 +_南方plus 12月11日,广东省人民政 府新闻办公室召开新闻 发布会，介绍全省卫生 健康系统助力"百千万工 程"三年初见成效有关情 况。 会上，广东省卫生健康 委党组书记、主任刘利 群表示，经过三年的努 力，衡量县域医疗服务 水平的几项核心指标， 都取得了初步成效。县 域内住院率稳定在85% 左右，开展县域医共体 建设的65个县（市、 区）中，基层医疗卫生 机构诊疗量占比达到 67%。今年上半年，57 个县的县级公立医院三 四级手术占比超过 51%、出院人次数达到 125.9万，与2022年上半 年相比，分别提升了4.4 和11.4个百分点。 深化改革 织密县镇村三级医疗网 刘立群介绍，广东加强 力量统筹，协同联动效 应持续增强。工作机制 上，省"百千万工程"指 挥部专门设立卫生健康 工作专班，由分管省领 导任总召集人，纳入卫 健、发改、财政、医保 等13家省直单位作为成 员，强化"一盘棋"协 作。具体实施上，认真 梳理算好"两本账"，一 本是粤东粤西粤北57个 县（市）医疗水平的"能 力账"，摸清区域常见 病、多发病的专科治疗 能力 ...

文章核心观点 - 医疗影像AI已创造巨大价值并实现规模化落地，但行业陷入“叫好不叫座”的商业化困境，企业捕获价值远低于创造价值 [2][5][6][8] - 商业化困境源于技术门槛低导致同质化竞争激烈，以及医院支付能力有限 [9][10] - 突破困境的关键在于技术范式从CNN转向Transformer，以提升AI的诊断能力和向多模态综合诊疗模型发展，从而创造更大价值 [12][13][14] - 实现技术跃迁的最大挑战与机遇在于数据，包括数据规模、质量、多模态对齐及隐私法规限制，解决数据问题是构建下一代医疗AI护城河的关键 [16][17][18][19] AI医疗影像的现状与价值 - 政策推动行业快速发展，目标到2030年二级以上医院普遍开展医学影像智能辅助诊断 [2] - AI医疗影像辅助诊断技术已成熟并步入实际落地阶段，头部三甲医院几乎都已引入相关产品 [3] - AI显著提升医生工作效率，将传统近30分钟的诊断流程缩短至5-10分钟 [5] - AI识别准确率普遍高达95%以上，在肺结节、骨折检测、骨龄分析、乳腺病灶检测及放疗、手术规划等多个场景得到应用 [6] - 全国三级医院约14万名影像科医生，平均工资约19万元，假设AI为其节约一半工作时间，理论上每年可创造高达130多亿元的价值 [6] 行业商业化困境 - 2020年至2024年整个行业累计商业收入不足30亿元 [8] - 平均每家医院终身使用一款AI医疗影像产品仅需40万元，且多为一次性软件买断模式，后续服务收费乏力 [8] - 同质化竞争激烈，截至2025年已有100余款AI医疗影像产品获批三类医疗器械注册证，仅胸肺场景就有十余家企业竞争 [9] - 竞争导致“免费试用”策略盛行，医院习惯免费模式后，厂商收费困难 [9] - 医院支付能力有限，许多三乙和二级医院全年检查收入在百万量级，影像科自身可能亏损，难以负担数十万元的软件费用 [10] - 企业盈利困难，以鹰瞳科技为例，2024年全年收入1.5亿元，销售费用占近一半，全年亏损2.6亿元，大部分非头部企业年收入仅在千万元量级 [10] 技术发展的潜力与方向 - 当前AI主要提供辅助诊断价值，在“找出病灶”方面表现出色，但在“判断疾病良恶性质”上误诊率高于优秀医生，治疗辅助仍需医生复核 [12] - 现有主流CNN模型缺乏全局视野，对复杂疾病易误判，且对三维影像理解能力较弱 [13] - 引入Transformer架构可弥补CNN短板，其自注意力机制擅长全局和长距离依赖分析，有望让AI从“辅助诊断”向“独立诊断”迈进 [13] - 基于Transformer的多模态能力，可整合处理影像、文本、检查、时序、组学等多维度医疗数据，构建覆盖全流程的综合性临床诊疗大模型 [14] 数据：核心挑战与机遇 - 基于Transformer的模型需要百万到千万级的图像数据进行训练，微调也需要十万到百万级的标注数据，规模远超当前主流商用模型 [18] - 医疗数据受严格法规保护，共享流通受限，获取大规模高质量标注数据困难 [18] - 疾病数据量差异大，如葡萄膜黑色素瘤全球每年仅几万例，罕见病仅几百上千例，即便大病种如肺癌，获取高质量数据也非易事 [18] - 数据混乱问题突出，包括不同设备参数差异、医生标注质量参差不齐等 [18] - 多模态数据融合进一步增加难度，需要对齐来自不同时间和来源的多种数据，是一项浩大的数据工程 [19] - 能够在数据收集、治理、标准化、标注、隐私保护和高效利用方面建立核心能力的企业，将构建深厚护城河 [19] - 解决数据问题需技术和机制双轮驱动，技术途径包括发展自监督学习、联邦学习、合成数据等 [19] - 非技术层面需设计有效协调机制，中国可能在自上而下的制度设计方面具有优势，以促进数据流动 [20]

政策目标与行业现状 - 国家五部门发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，提出到2030年基层诊疗智能辅助应用基本实现全覆盖，二级以上医院普遍开展医学影像智能辅助诊断等应用 [2] - 医疗影像因数据结构标准化，是AI技术在各行业中最早实现规模化落地的场景之一，目前头部三甲医院几乎都引入了AI医疗影像产品 [3] - 中国影像科医师严重短缺，三级医院每位影像科医生日均需出具80-100份CT报告、60-80份磁共振报告或120-150个超声检查，超负荷工作现象普遍 [4] AI医疗影像的已实现价值 - AI辅助可将传统耗时近30分钟的诊断流程缩短至5-10分钟，显著提升医生工作效率 [5] - AI在影像检查中识别准确率普遍高达95%以上，在放疗计划制定中可将几小时的工作压缩至几分钟 [5] - 全国三级医院约有14万名影像科医生，平均工资约19万元，保守假设AI能为其节约一半工作时间，理论上每年可创造高达130多亿元的价值 [6] 行业商业化困境与原因 - 2020年至2024年整个AI医疗影像行业的累计商业收入不足30亿元，平均每家医院终身使用一款产品仅需40万元，多为一次性软件买断模式 [7] - 行业同质化竞争激烈，截至2025年已有100余款AI医疗影像产品获批三类医疗器械注册证，单胸肺场景就有十余家企业竞争 [8] - 激烈竞争导致厂商普遍采用“免费试用”策略，陷入囚徒困境，且医院经费有限，许多三乙和二级医院全年检查收入在百万量级，难以负担非刚需的软件费用 [8][9] - 以鹰瞳科技为例，2024年全年收入1.5亿元，销售费用占近一半，全年亏损2.6亿元，大部分非头部企业年收入仅在千万元量级 [9] 技术发展潜力与方向 - 当前AI主要提供辅助诊断价值，在“判断疾病良恶性质”上误诊率高于优秀人类医生，能力上限暂时只能作为医生的提效助手 [10] - 当前主流商业化模型以卷积神经网络（CNN）为主，其缺乏全局视野，对三维影像理解能力较弱 [11] - 引入Transformer架构有望弥补CNN短板，其自注意力机制擅长全局和长距离依赖分析，能让AI从“辅助诊断”向“独立诊断”更进一步 [11] - Transformer的多模态能力为构建覆盖筛查、诊断、治疗到随访全流程的综合性临床诊疗大模型铺平了道路 [12] 未来发展面临的核心挑战：数据 - 基于Transformer的模型需要百万到千万级的图像数据，微调也需要十万到百万级的标注数据，比当前主流商用模型训练规模大几个数量级 [16] - 医疗数据受严格法规保护，共享流通受限，且不同设备、协议及医生标注差异导致数据混乱，获取大规模高质量标注数据困难 [16] - 多模态数据融合要求收集和处理影像、病理、临床、基因等多维度数据，并将不同来源、时间的数据精确对齐，工程浩大 [17] - 能够在医疗数据的收集、治理、标准化、标注、隐私保护和高效利用方面建立核心能力的企业，将有望构建最深护城河 [17] - 可通过自监督学习、联邦学习、合成数据等技术途径缓解数据挑战，但更需要设计有效的协调机制让数据流动起来 [17]

文章核心观点 - 讯飞医疗中标4.276亿元国家级人工智能应用中试基地项目，标志着公司技术实力与战略布局进入规模化兑现期，为AI医疗行业突破“技术空转难落地”与“盈利模式不清晰”的困境提供了示范 [1] 行业背景与市场需求 - 2024年我国人均预期寿命达79岁，基层医疗卫生机构管理的65岁及以上老年人数高达14136万，老年健康管理任务繁重 [1] - 基层医疗服务需求旺盛，乡镇卫生院、社区卫生服务中心（站）等基层机构诊疗人次达39.8亿，较上年新增2.3亿人次 [1] - 基层医疗供需矛盾凸显，专业公共卫生机构卫生技术人员同比微降0.1万人至80.7万人 [1] - 国家政策推动AI医疗落地，如《关于深入实施“人工智能+”行动的意见》，目标在2027年实现基层诊疗智能辅助广泛应用，2030年实现全覆盖 [1][3] 公司品牌价值与行业地位 - 中标国家级项目为公司品牌注入了“国家背书”属性，提升了权威公信力与行业话语权 [1] - 项目招标标准要求全栈技术自主可控、支撑万级基层医疗机构同时在线的规模化服务能力，与公司十年深耕的核心竞争力相匹配 [2] - 公司从“行业参与者”转变为“标准制定者”，将依托千亿级参数医学大模型构建可复制、可推广的“医疗AI底层操作系统” [4] - 承建国家级中试基地相当于拿到政策落地的“先行者入场券”，品牌影响力将从行业圈层辐射至全国医疗体系 [3] 技术实力与产品基础 - 讯飞星火医疗大模型是业界唯一“全国产算力训练、全栈自主可控”的医疗大模型，在多项能力维度效果全面超越GPT-5（high）及DeepSeek V3.2-Exp [9] - 核心产品“智医助理”已覆盖全国31个省市，服务超25万名基层医生，累计提供超11亿次AI辅助诊断服务，将基层医生电子病历书写规范率从不足40%提升至98% [6] - 个人AI健康助手“讯飞晓医APP”累计完成超1.6亿次AI咨询，下载量突破2600万，覆盖1600余种常见疾病、6000余项检查项目解读，用户好评率达98% [8] GBC三端联动战略与业务进展 - **G端（政府/标杆项目）**：是公司三端联动的“先手棋”，此次中标后将基于现有经验对系统全面升级，构建5个千亿级医学垂类大模型与5PB级医疗数据资源平台，重点落地21个基层示范场景，打造覆盖全国的基层医疗AI协同平台 [5][6][7] - **B端（医疗机构）**：公司已与超500家等级医院建立深度合作，包括四川大学华西医院、北京安贞医院等顶级医疗机构 [7] - **B端（医疗机构）**：中试基地项目有助于将三甲医院验证的成熟方案转化为全栈自主可控、符合国家标准的标准化产品，匹配各级医院数字化转型需求，降低采购与验证成本，实现向县域医院、社区卫生服务中心的渗透和全域规模化放量 [7] - **C端（消费者）**：C端产品已实现健康管理全流程覆盖，包括症状预诊、用药核对、报告解读及慢性病全周期管理 [8] - **战略协同**：G端确立技术标准与服务模板，为B端渗透和C端转化提供信任支撑；B端深度渗透为C端业务增长搭建核心支撑，随着基层医疗数据链路打通，C端用户付费购买个性化健康管理服务的意愿预计将显著增强 [5][7][8] 项目意义与未来展望 - 此次中标是政策导向、市场需求与技术实力共振的必然结果，验证了公司GBC三端联动策略的实践价值 [1][5] - 项目将帮助破解医疗大模型落地的标准缺失、数据割裂难题，公司技术自主与场景落地的稀缺性将成为其长期价值增长的核心驱动力 [4][9] - 随着项目推进，公司在AI医疗领域的核心数据储备与行业标准话语权将进一步强化，“模型即服务”的商业模式成熟度将持续提升 [10]

政策核心与发展目标 - 国家卫生健康委等五部门发布《实施意见》，为“人工智能+医疗卫生”绘制发展路线图 [1] - 目标到2027年，基层诊疗智能辅助、临床专科专病诊疗智能辅助决策和患者就诊智能服务在医疗卫生机构广泛应用 [1] - 目标到2030年，基层诊疗智能辅助应用基本实现全覆盖 [1] - 政策标志着人工智能医疗已从试点探索走向规模化推广新阶段 [1] 重点应用方向与场景 - 《实施意见》明确人工智能在基层应用、临床诊疗、患者服务等8个方向的24项重点应用 [2] - 首要方向为“人工智能+基层应用”，旨在建立基层医生智能辅助诊疗应用，提升基层全科辅助诊断等服务能力 [2] - 政策坚持以场景为驱动，面向行业真实业务、依托真实场景、解决真实需求 [4] - 具体应用场景包括诊断环节自动分析症状生成建议、治疗环节提供方案参考、以及通过“心电图网”“影像网”让乡镇居民享受三甲医院服务 [2] - 专家医生智能体可解答患者常规问题并帮助预约门诊，使医生每天能多接诊3至5个疑难病例，诊疗效率至少提升50% [3] 技术基础与效率提升 - AI技术已深入医院各场景，能显著提升病历规范率，并将医生的病历书写时间减少一半 [2] - 人工智能可实时为医生提供参考意见，如提示可疑病灶或用药禁忌，起到持续“线上培训”作用，助力基层医生提升专业能力 [3] - 人工智能参与“链条式”医疗卫生服务的模式已初见雏形 [2] 数据基础与行业转型 - 目标到2027年建立一批卫生健康行业高质量数据集和可信数据空间 [4] - 高质量数据集构建需医院多部门协同，对历史病历、影像资料等进行清洗、脱敏和结构化处理 [4] - 行业公司与顶级医疗机构合作，基于多维度大量高质量临床真实数据构建专科、专病模型训练数据 [4][5] - 基于专业数据库，AI大模型厂商正研发涵盖常见肿瘤和重大慢性病的专科专病大模型 [5] - 未来医院工作模式将从“经验驱动、人力密集型”转向“数据驱动、人机协同型”，顶级医院更专注于疑难杂症和前沿科研 [5] 安全监管与隐私保护 - 《实施意见》将“规范安全监管”单列，要求优化行业管理和审核体系，强化数据安全和个人隐私保护 [6] - 安全风险包含算法黑箱、数据欺骗等技术挑战，以及多模态协同等衍生的新隐患 [6] - 需通过技术革新、伦理审查与人工智能素养提升来完善风险控制机制 [6] - 专家共识提出对人工智能系统实施强制置信度评分和动态幻觉阈值控制 [6] - 联邦学习技术可实现“数据不动模型动”，确保多家医院共同训练强大AI模型的同时不共享原始数据，保护数据安全与隐私 [7]

政策目标与时间表 - 到2030年基层诊疗智能辅助应用基本实现全覆盖 [2] - 推动二级以上医院普遍开展医学影像智能辅助诊断和临床诊疗智能辅助决策等人工智能技术应用 [2] - “人工智能+医疗卫生”应用标准规范体系基本完善 [2] - 建成一批全球领先的科技创新和人才培养基地 [2] 重点应用场景 - 以场景为驱动聚焦基层应用、临床诊疗、患者服务、公共卫生等多个场景 [3] - 围绕临床诊疗推广医学影像智能诊断服务、智能康复和用药服务 [3] - 拓展临床专病辅助诊疗服务推动国家及区域医疗中心拓展智能临床决策支持应用 [3] - 加强紧密型县域医共体智能应用建立基层医生智能辅助诊疗应用 [3] - 建立智能慢性病管理和个人健康画像应用推动居民电子健康档案规范向个人开放 [3] - 推广老年人、孕产妇、儿童等重点人群的健康管理和日常护理指导等智能应用 [3] 产业生态与技术创新 - 鼓励发展智能健康体检、健康咨询、健康管理等新型服务业态 [3] - 支持医疗装备生产企业联合产业链上下游开展智能医疗装备研发攻关 [3] - 支持国产智能医疗装备在医疗机构的首台（套）应用 [3] - 鼓励研发医疗卫生行业垂直大模型应用 [3] - 加快建立临床专病数据集和人工智能语料库 [4] - 探索建立垂直大模型行业公共支撑服务平台 [4] 应用定位与监管保障 - 坚持人工智能赋能而不替代的定位 [4] - 优化行业管理和审核体系创新监管方式和预警机制 [4] - 强化数据安全和个人隐私保护 [4]

人工智能在医疗卫生领域的应用现状 - 人工智能已广泛应用于医学影像诊断、临床决策支持、慢病管理等多个医疗领域场景 [1] - 基层医疗机构应用“数字医生”交互屏等智能应用为居民提供个性化健康管理建议和辅助诊疗 [1] - 中医智能诊断设备可通过上传舌诊照片来辨识患者健康状态 [1] 政策发展目标与时间表 - 5部门发布《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》提出到2030年的发展时间表 [1] - 目标到2030年基层诊疗智能辅助应用基本实现全覆盖 [1] - 推动二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等技术应用 [1] 实施意见的重点方向 - 突出应用 以场景为驱动聚焦基层应用、临床诊疗、患者服务、公共卫生等多个场景提出具体举措 [2] - 突出基层 提出加强紧密型县域医共体智能应用 建立基层医生智能辅助诊疗应用 加强慢性病规范管理服务 [2] - 突出融合 鼓励发展智能健康体检等新型服务业态 支持智能医疗装备研发攻关和首台（套）应用 [2] 行业支撑与规范发展 - 坚持人工智能赋能而不替代的定位 优化行业管理和审核体系 创新监管方式和预警机制 [3] - 强化数据安全和个人隐私保护 [3] - 加快建立临床专病数据集和人工智能语料库 探索建立垂直大模型行业公共支撑服务平台 [3]