OpenAI推出ChatGPT健康 - OpenAI于当地时间1月7日宣布推出“ChatGPT健康”，这是一个集成于ChatGPT中、专门用于健康对话的独立空间 [2] - 该模式可与苹果健康、MyFitnessPal等应用及用户自行上传的电子病历连接，获取用户数据和检查结果，以提供治疗、饮食、运动等相关建议 [2] - ChatGPT健康由OpenAI与超过260位执业医生合作开发，其设计目的是辅助医疗照护，而非取代医疗专业，旨在帮助用户处理日常健康疑问和理解健康趋势，为与医疗人员对话做准备 [2][3] - OpenAI计划先邀请一批早期使用者体验，并在未来几周内扩大开放范围 [4] AI医疗市场潜力与现状 - OpenAI的匿名分析显示，目前全球每周有超过2.3亿人在ChatGPT上询问与健康和身心福祉相关的问题 [4] - 据Grand View Research报告，2024年全球AI医疗市场规模约为266.5亿美元，预计到2033年将飙升至约5055.9亿美元，期间年复合增长率达38.8% [4] - 从国内视角看，AI医疗应用已获市场验证，例如蚂蚁集团旗下“蚂蚁阿福”自去年12月15日发布后热度居高不下，目前月活用户规模已达3000万，用户单日提问量超1000万，位列苹果应用免费榜第三 [4] - 2025年以来，国内头部互联网及AI厂商相继发布个人健康管理类AI医疗应用，包括京东健康APP首页入口的“康康”、字节跳动的“小荷”以及讯飞医疗的“讯飞晓医” [4] 机构观点与行业展望 - 中信证券指出，头部医药电商平台拥有广大活跃C端用户基础和成熟的商品销售、广告变现路径，有望构建从医到药的完整生态闭环，率先成为C端AI医疗Agent落地的实践者与受益方 [5] - 国金证券表示，2026年与以往AI医疗热潮最大的不同在于“支付方”的明确，长期以来AI医疗产品受困于“入院难、收费难”，而随着北京、上海等地出台政策推动商业化，行业已进入加速期 [5] - 国金证券持续看好兼具技术壁垒、落地应用能力以及明确商业化路径的公司，认为其有望在跨越技术与市场成熟的临界点后，实现规模的快速扩张和盈利质量的实质性提升 [5]

上市申请与公司概况 - 上海万怡医学科技股份有限公司于2026年1月1日向港交所提交上市申请书，独家保荐人为光大证券国际 [1] - 公司是中国内地领先的AI驱动解决方案提供商，致力于赋能医师的人才发展 [3] - 按2024年可比较收益计，公司在中国内地的医学学术、教育及研究的综合AI解决方案市场中排名第一 [3] 业务模式与产品 - 公司主要提供两类由AI驱动的创收解决方案：医学学术活动全流程解决方案（通过MedEvent平台交付）和医学学习及教育数字解决方案（通过MedAssistant系统交付） [4] - 公司已推出MedEvidence，一套包括智能体AI循证助手在内的智能工具，以支持端到端的医师主导的研究流程 [4] - 公司的产品共同满足医师在其职业发展各个阶段的关键需求，并已发展出一个连接医师及不同机构医疗卫生参与者的生态系统 [3][4] - 客户主要包括医学学会/协会及其他学术组织，以及医药及医疗器械公司，主要以基于项目的模式交付解决方案 [4] 财务业绩 - 总收益由2023年的人民币2.388亿元增加至2024年的人民币2.711亿元 [4] - 总收益由截至2024年9月30日止九个月的人民币1.778亿元增加至截至2025年9月30日止九个月的人民币1.907亿元 [4] - 净利润分别为：2023年人民币2986.8万元，2024年人民币2971.9万元，截至2024年9月30日止九个月人民币1769.3万元，截至2025年9月30日止九个月人民币3688.4万元 [6] - 纯利率于2023年、2024年以及截至2024年及2025年9月30日止九个月分别为12.5%、11.0%、9.9%及19.3% [6] - 毛利由2023年的人民币9048.3万元增加至2024年的人民币9675.7万元 [7] - 毛利由截至2024年9月30日止九个月的人民币6379.0万元增加至截至2025年9月30日止九个月的人民币8058.3万元 [7][10] 客户集中度 - 于往绩记录期间各期间，来自五大客户的销售额分别占总销售额的27.1%、35.3%及35.5% [8] - 于往绩记录期间各期间，来自最大客户的销售额分别占总销售额的12.8%、16.8%及16.5% [8] 经营季节性 - 公司的经营业绩受季节性波动影响，对医学学术活动解决方案的需求通常于下半年较高 [9] - 公司于上半年产生的收益通常低于下半年，因此在单一财政年度内跨期间比较收益及经营业绩不一定有意义 [9][10] 过往增长与未来展望 - 公司经历了收益增长及业务扩张，但过往增长未必预示未来表现，无法保证增长水平于未来可持续或可实现 [10]

行业背景与需求 - 心血管疾病是全球主要死因，每年导致近1800万人死亡，占全球死亡总数的32% [2] - 实时健康监测技术需求迫切，但传统心血管信号监测面临核心矛盾：信号质量与患者舒适度难以兼得 [2] - 光电容积脉搏波（PPG）、心电图（ECG）和血压（BP）等心血管信号相互关联且互补，但各有局限：可穿戴设备方便但信号易受干扰，医疗级设备精确却难以持续使用，限制了多模态信号的联合应用 [2][6] 技术突破：UniCardio模型 - 清华大学团队在《Nature Machine Intelligence》发表研究，开发了名为UniCardio的多模态扩散transformer模型 [2] - 该模型能够根据已有的心血管信号“补全”缺失或质量较差的信号，其生成信号在异常检测和生命体征评估方面与真实信号性能相当，并确保了对人类专家的可解释性 [3] - 模型核心创新在于将多种心血管信号的生成任务统一到一个框架中，采用了条件扩散模型，通过前向加噪和反向重建的过程实现信号生成 [8] - 模型架构包含模态特定编码器、定制transformer模块和模态特定解码器，通过任务特定的注意力掩码精确控制不同模态间的信息流动 [8] - 研究团队提出了创新的持续学习范式，分阶段训练模型学习不同数量条件模态下的生成任务，有效克服了“灾难性遗忘”问题 [9] 模型性能表现 - 研究团队在包含339小时三模态记录的数据集上预训练UniCardio [12] - 在去噪、插补和转换任务中，UniCardio明显优于最近的任务特定基线模型 [12] - 在PPG插补、ECG插补、PPG到ECG转换和PPG到BP转换等挑战性任务上，UniCardio超越了专门设计的模型，且使用更多条件模态时性能可进一步提升 [12] - 模型参数效率高，每种模态只需添加约0.3M参数的编码器和解码器，适合在可穿戴设备上部署；相比组合多个专用模型的方法，参数开销减少数十倍 [12] 实际应用与验证 - 在PTB-XL数据集上评估，去噪后的信号在检测ST改变和肥厚性心肌病等异常状况时，准确度、灵敏度和特异性均达到与真实信号相当的水平 [14] - 在房颤检测任务中，UniCardio能够从可穿戴PPG信号生成高质量ECG信号，并插补间歇性ECG信号以恢复缺失段，显著提升了房颤检测准确性 [14] - 在生命体征评估中，通过从PPG生成ECG信号，显著降低了心率估计的平均绝对误差；在血压估计方面也实现了对基线模型的明显改进 [14] - 生成的信号显示出典型的异常诊断特征（如心房早搏的早期P波、心房颤动的颤动波），经临床医生评估验证，确保了临床有效性和可解释性 [14] - 扩散过程的逐步中间结果允许专家分析信号生成演变，进一步增强了可解释性 [15] 未来影响与前景 - UniCardio标志着心血管信号处理范式的转变，为多模态生理信号生成提供了一个通用、可扩展的基础框架 [17] - 在个性化健康监测方面，可通过自适应信号恢复实现准确数据采集，并合成某些无法通过可穿戴传感器直接获取的信号，提供更全面的健康评估 [17] - 在重症患者监护方面，模态转换为实时警报提供了有效替代方案，可减少因长期临床监测带来的患者不适 [18] - 该技术还有望应用于心理和认知科学研究，用于评估压力、认知负荷和情绪识别等场景 [18] - 该技术参数效率高、推理速度快，非常适合实时监测应用，有望开启个性化医疗和远程患者监测的新时代 [18]

北京市人工智能医疗健康产业政策核心目标 - 明确到2027年，在医疗健康领域建成“需求精准对接、数据高效流通、技术快速转化、生态协同发展”的人工智能产业支撑体系 [1][4] 《行动计划》主要目标与任务部署 - 主要目标是以行业应用需求为牵引，在疾病防、筛、管、救、治、康全流程广泛应用人工智能，使民众享有更优质、便捷、高效的医疗卫生服务 [2] - 从聚焦核心场景应用、进一步拓宽应用场景、加大支撑保障力度等3个维度出发，共部署了16项重点任务 [2] 核心场景应用 - 聚焦辅助临床诊疗、基层卫生和健康管理的核心应用场景 [2] - 鼓励医疗机构与优质人工智能企业开展应用研发合作，培育并遴选成熟产品，推广至全市相关医疗机构 [2] 拓宽应用场景 - 在赋能核心场景基础上，拓宽至公共卫生管理、医疗机构智能管理、行业智能监管以及面向公众智能服务的场景 [2] - 鼓励医疗机构开展诊前、诊中、诊后全流程智能化服务 [2] 支撑保障措施 - 包括建设医疗专有的千卡算力集群 [2] - 在市卫生健康委官网开设专题栏目，实现供需双方精准对接 [2] - 打造医疗人工智能产品测评、推广、监测、评价机制 [3] - 对应用场景开放多、推广范围覆盖大、示范引领作用强、人才培育效果好的医疗机构给予绩效考核监测加分奖励 [3] - 开展医疗健康人工智能专题活动，加强国际合作交流 [3] 《若干措施》主要目标与任务部署 - 以带动产业发展为目标，打造医疗人工智能产品的全流程研发应用模式 [4] - 从聚焦临床需求场景、强化数据治理、优化支撑体系、强化政策保障等4个维度出发，共部署了15项重点任务 [4] 聚焦临床需求与数据治理 - 构建开放场景体系，建立线上线下多元化供需对接机制，开放试点应用场景，形成“由点及面、上下联动”的应用体系 [4] - 完善数据基础设施，制定数据标准规范，通过可信数据空间，建设多模态、多病种数据集 [4] 优化科技服务体系 - 加速成果转化落地，构建全链条科技服务体系 [4] - 打通“研发-验证-转化-推广”关键环节，提供数据标注服务、测评验证服务和成果转化服务 [4]

行业背景与核心问题 - 心血管疾病是人类主要致死病因之一 对个体的连续健康监测至关重要[3] - 现实监测面临两难困境：可穿戴设备获取的PPG信号便捷但易受噪声、运动伪影和信号中断影响 而高质量的ECG或动脉血压信号采集则可能带来不适、风险与成本 难以长期连续部署[3] - 高质量的心血管信号难以长期便捷获取 这是智能健康监测系统面临的现实困境[2] 现有研究局限 - 过去研究将问题拆解为单点任务 如信号去噪、缺失片段补全或信号模态转换[4] - 多数现有模型是任务特定、模态特定的 难以在同一个模型中同时覆盖多任务、多模态、多条件建模[4] - 现有方法难以充分利用心血管信号之间天然存在的相关性与互补性[4] UniCardio核心创新与目标 - 清华团队提出统一的多模态生成框架UniCardio 旨在在单扩散模型中同时实现心血管信号的去噪、插补与跨模态生成[2] - 该框架旨在同时完成两大类核心能力：信号恢复（包括去噪和插补）和模态转换（合成难以获取的目标信号）[7] - 其目标是为真实场景中的心血管监测与分析提供更完整的信号视角 为人工智能辅助医疗提供新的解决思路[2][7] 技术方法概述 - UniCardio将多模态心血管信号视为同一生理系统的不同观测 学习它们之间的多模态条件分布关系[11] - 采用扩散模型“从噪声到数据”的生成范式 使用Transformer架构建模时间与模态维度上的依赖关系[11] - 为每个模态配置模态专用的编码器与解码器 并在注意力计算中引入任务特定注意力掩码以约束信息流 使不同任务能在同一网络中被联合学习[11] - 引入面向生成任务的持续学习范式 以“条件模态数逐步增加”的方式分阶段纳入不同任务 以分配足量训练样本并平衡任务贡献 缓解灾难性遗忘问题[13] - 这种持续学习范式带来了跨任务-模态组合的知识迁移效应[13] 实验结果与性能 - 在信号去噪、插补与跨模态转换等任务中 UniCardio相较于多种任务特定基线方法展现出稳定而一致的优势[15] - 在仅使用单一条件模态时 UniCardio已能达到或超越相应的任务特定方法 引入额外条件模态后 生成误差可显著降低 波形恢复稳定性也随之提升[16] - 例如 在PPG与ECG插补任务中 引入多模态条件后 生成误差下降至原来的三分之一量级[16] - 在PPG→ECG等跨模态生成任务中 UniCardio在参数规模远小于部分生成基线的情况下 依然取得了更优或更稳健的结果[16] - 统一建模多模态条件分布本身即可带来跨任务的知识迁移收益 无需为每一种模态组合单独设计模型[17] 下游应用验证 - 将生成信号直接用于下游心血管应用验证 包括异常状态检测与生命体征估计[18] - 在多个未见域数据集上 基于UniCardio生成信号的下游任务性能显著优于直接使用噪声或间断信号 并在多数情况下接近使用真实信号的结果[18] - 在心电异常检测任务中 由UniCardio处理得到的ECG信号使检测准确率与特异性大幅提升 逼近真实ECG信号的表现[18] - 在心率与血压估计任务中 基于生成信号的预测误差也显著低于仅使用可穿戴信号或简单统计基线的情况[18] - 结果表明UniCardio生成的信号在功能层面具备直接支撑下游分析的可用性[19] 可解释性与临床价值 - 生成结果不仅追求误差数值降低 还尽可能保留可被临床专家识别的诊断特征[21] - 可视化展示表明 多类典型ECG异常形态在生成信号中得到复现 临床评估验证了其诊断特征的一致性[21] - 扩散模型逐步去噪的生成过程提供了可观察的中间状态 有助于人类专家理解信号的生成演化过程 从而增强模型的可解释性与可信度[23] 总体意义与应用前景 - UniCardio将心血管信号生成从单任务、单模态组合 推进到了一个更加统一且具备可扩展性的框架[25] - 这类统一的多模态生理信号生成范式不仅有望服务于医疗健康领域中的稳健监测与辅助诊断[25] - 也可能进一步拓展到脑科学、心理学与认知科学等同样依赖多源生理信号的研究场景[25]

公司战略合作与市场拓展 - 医渡科技受邀出席河南省健康产业发展大会，并签约成为国家人工智能应用中试基地(医疗方向)的首批合作伙伴 [1] - 公司深度参与北京和河南两大国家级人工智能中试基地建设，在全国协同创新中布下战略性棋子 [1] - 作为生态合作伙伴，公司与百度、阿里等科技企业，以及河南中医药大学第一附属医院、河南省中医院等单位共同构建“技术-数据-临床-应用”的协同生态 [3] 业务赋能与具体举措 - 公司将紧密围绕河南中试基地推动人工智能与中医药产业融合发展的战略定位，发挥其在医疗数据治理、知识图谱构建、真实世界研究及临床研究智能化等领域的核心能力 [3] - 基于在北京中试基地及众多知名医院的成功实践，公司将进行本地化适配，开展区域数据治理、推动场景化智能应用，为卫生健康主管部门及各级医疗机构提供技术支持 [4] - 公司将依托其在AI赋能中医药创新方面的技术积淀，围绕中医药智能化开展应用探索，助力相关场景的示范建设与成果转化，推动人工智能与中医药深度融合 [4] 技术基础与行业地位 - 医渡科技依托自主研发的“AI医疗大脑”YiduCore，构建起“数据-算法-场景”的飞轮闭环，形成覆盖“医-药-险-患”全产业链的AI产品与解决方案体系 [5] - 截至2025年9月30日，YiduCore已累计处理分析近70亿份经授权的医疗记录，覆盖医院合作网络超10,000家，为AI模型的训练、优化与场景落地提供扎实基础 [5] - 公司作为国家医疗人工智能创新体系的重要共建者与赋能者，正助力编织一张标准互通、能力互补、资源协同的国家级医疗AI创新网络，加速医疗AI成果转化 [4] 行业发展与政策背景 - 发展“人工智能+医疗卫生”已成为践行“健康中国2030”战略、培育新质生产力的重要路径 [3] - 国家人工智能应用中试基地(医疗方向)在郑州航空港区落地，是河南省高位落实中央决策部署、系统布局未来健康产业的关键举措 [3] - 该中试基地旨在为医疗人工智能产品提供从算法验证、临床评价到合规申报的全链条中试服务，加速创新成果产业化进程 [3]

文章核心观点 - 美国历史上持续时间最长的政府停摆（长达43天）虽已结束，但其对经济的负面影响正开始在美国国内外企业中逐步显现，受影响企业正着手统计停摆对其营收和利润造成的影响，并发布从审慎预警到下调业绩指引等不同程度的警示 [1][5] 受影响行业与企业具体表现 电信与宽带基础设施 - 光纤及电信产品制造商克利尔菲尔德公司表示，全行业光纤供应受限，加上联邦政府425亿美元的“宽带公平、接入与部署计划”（BEAD）审批延迟，给社区宽带市场带来不确定性 [1][5] - 该公司首席执行官称政府停摆影响了订单量，并预计明年第一季度业绩将较为疲软，审批延迟及停摆将对私人和联邦层面的相关投资形成压力，这些投资在明年初会直接影响其社区宽带业务市场 [1][5] 医疗诊断与生命科学 - 将人工智能应用于医疗诊断的光谱人工智能公司，因预计其与生物医学高级研究与发展局的合同工作会缩减，已下调营收指引 [1][6] - 该公司“深度视图”工具尚处研发阶段，未在美国商业化，其大部分营收和研发资金依赖联邦政府合同，对于这类现金流紧张的小型企业，停摆带来资金难题 [2][6] - 分子诊断企业凯杰公司首席执行官称，停摆对其销售额产生了影响，让本就资金紧张的学术和科研领域雪上加霜，这些机构在资本性支出方面本就十分谨慎 [2][7] - 德国默克集团生命科学部门首席执行官表示，停摆给市场带来了不确定性，尤其是学术、政府和医院客户群体，该部门在美国的订单量出现下滑，首席财务官预计相关影响将在第四季度逐步显现 [2][7] 政府承包商与专业服务 - 晨星财富首席多资产策略师称，无论是美国本土还是海外的美国政府承包商，其业绩都受到了“重大”冲击 [3][7] - 伦敦上市的广告代理公司盛世长城上月大幅下调业绩指引，原因是其负责向政府提供公关服务的部门营收出现下滑，公司称停摆“对业务造成了不利影响”，拖累了增长和盈利预期，导致其股价暴跌 [3][7] 依赖监管审批的行业 - 依赖各类许可和监管审批的企业蒙受损失，例如肉类及鱼类包装企业希尔顿食品集团的美国货运相关监管限制因政府停摆未能如期解除，该公司发布盈利预警，称其希腊烟熏三文鱼工厂今年无法重启生产 [3][8] - BTIG分析师指出，政府停摆向来是企业的顾虑，尤其是那些需要向FDA申请产品批准或与特定政府机构有业务往来的公司，一旦高度依赖这些机构，停摆就可能带来难题 [2][6] 消费与服务行业（间接影响） - 部分企业需应对停摆带来的连锁反应，酒店运营商钻石岩酒店集团和连锁餐厅红罗宾美食汉堡公司均将客流量减少、消费者情绪低迷归咎于政府停摆，钻石岩酒店集团因此下调了第四季度业绩预期 [4][9] - 晨星策略师指出，对于餐厅和酒店行业而言，相关营收损失可能是永久性的，非必需性支出领域所受的影响可能会持续更久 [5][10] 资本市场与公司行动 - 资本市场因僵局持续而被迫等待，瑞银集团曾将政府停摆列为IPO的“潜在不利因素”，其首席财务官表示，如果整个投行行业的IPO日程因此延迟，最终将对股权资本市场业务收入造成影响，具体影响需待第四季度财报明晰 [4][9] - 联合利华集团推迟了梦龙冰淇淋公司的分拆计划，原因是美国证券交易委员会无法如期宣布其股票在纽约证券交易所上市所需的美国注册声明生效 [4][9] 影响持续性与复苏展望 - 随着美国证券交易委员会官员需赶工完成积压43天的工作，各类政府服务提供商也需重新投入工作，部分领域的疲软态势可能还会持续 [4][9] - 晨星策略师指出，尽管承包商受到的冲击最大，但他们的复苏速度或许会快于那些受小型间接影响的企业，大多数受停摆影响的承包商，其营收会在相对较短的时间内恢复正常 [4][10]

行业趋势与资本动态 - 人工智能领域投融资持续活跃，“AI+医疗”因其明确的临床需求与商业化前景，成为资本密集注入的黄金赛道 [1] - 百余家一线投资机构参与了商汤医疗的新征程启航盛典，活动向资本市场传递出公司领跑下一代智慧医疗革命的信号 [1] - 来自人卫科发、联想创投、盈峰控股、蓝驰创投等投资机构的代表就AI医疗的平台价值与生态协同展开深入探讨 [1] 公司战略与市场定位 - 商汤医疗是深耕行业多年的领军者，凭借全栈原创大模型技术与经过市场验证的商业模式，构建多重核心壁垒 [1] - 公司致力于构建一个能够持续学习、自主进化的未来医院数字基座，将医疗AI从“文本的推理”推向“世界的模拟” [2] - 公司全线产品已入驻联想SSG(方案服务业务集团)全渠道，并与联想各类硬件产品进行适配，实现软硬件结合的高强互补，旨在将商汤医疗打造为医疗板块的核心根据地 [1] 核心技术产品与商业模式 - 公司基于30余万病理数据打造了标准化的病理多模态大模型 [1] - 该模型可直接售予医院，医生无需专业AI知识，凭简单少量医疗标注就能自主训练专属模型 [1] - 此模式摆脱了传统定制化实施的高成本困境，解决了数据隐私安全痛点，为医疗AI商业化开辟了全新想象空间 [1]

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]

公司战略举措 - 公司宣布成立人工智能医疗谘询服务委员会，旨在为董事会提供战略指导和专家见解 [1] - 成立委员会旨在协助推动集团人工智能驱动的数字健康平台Lets Go的发展 [1] - 该平台隶属于集团全资子公司香港富合控股有限公司及创新部门Resohealth FZCO [1] 平台业务定位 - Lets Go是Reso Health的人工智能旗舰健康平台，旨在为雇主、保险公司和医疗机构提供全面、以数字驱动的健康管理解决方案 [1] - 平台以拥有400年历史的中国传统中医品牌"叶开泰"的预防医疗理念为基础 [1] - 平台结合传统医学智慧与现代人工智能技术，在全球大健康领域提供解决方案 [1] 市场发展承诺 - 成立谘询委员会反映集团致力于在主要新兴市场建设预防医疗生态系统的承诺 [1] - 目标市场包括阿联酋、东非、印度和东南亚 [1]