展会与研讨会概况 - 第31届中国国际医用仪器设备展览会暨技术交流会（China-Hospeq）于2025年8月15日至17日在北京国家会议中心举办 [1] - 展会期间举办了"与AI同行：健康丝路AI赋能研讨会"，由国家卫生健康委国际交流与合作中心主办，泰达生物子公司博雅全健及北大科技园协办 [1] - 研讨会吸引了宁夏回族自治区卫生健康委员会、中国医药工业信息中心、中信医疗健康产业集团等支持单位代表参与 [1] AI+医疗战略方向 - 研讨会以"健康丝路AI赋能"为主题，旨在通过AI技术打破医疗资源壁垒，构建更高效的医疗服务网络 [2] - 会上启动了"中非医院联盟'健康丝路AI发展'联合工作组"、"全球儿童'两病'早诊早治AI创新生态"共建仪式，以及"羲和一号"落地宁夏共建健康数字人管理平台签约仪式 [2] 医疗大模型技术突破 - "羲和一号"医疗大模型由北京大学第三医院、北京大学人工智能学院与博雅全健共同研发，历时近10年 [3] - 模型基于100万真实病案数据，形成1000亿级参数，医学知识覆盖率达98%，精准率超90% [3] - 支持疾病预测、诊断与个性化治疗、影像分析、药物研发、临床试验及医学教育等多场景应用 [3] 数据优势与差异化竞争 - "羲和一号"采用18家医疗机构的临床一线数据，涵盖多模态信息，每条数据均经过伦理审查和脱敏处理 [4] - 模型错误率极低，准确率超90%，避免了普通咳嗽误判为严重肺病等致命错误 [4] - 数据标注由临床医生全程参与，确保数据质量 [4] 临床应用与痛点解决 - "羲和一号"在心血管病领域应用显著，解决了胸痛、心梗漏诊误诊率超25%、基层诊断能力不足等问题 [5] - 传统诊疗中人工计算错误率高、检查耗时超30分钟，而模型可降低基层治疗延误导致的35%死亡风险 [5] 生态布局与未来规划 - 博雅全健致力于构建涵盖"数据-模型-临床"的AI+医疗生态圈，覆盖组学研究、医学影像、药物研发等领域 [6] - 未来将重点拓展智能轮椅、营养管理设备、导盲机器人等AI智能终端硬件产品 [6] - 预计三年内服务患者超1亿人次，并建立全球医疗AI协作网络 [9] 泰达生物战略布局 - 公司深耕AI+医疗赛道，聚焦基础大模型研发、医疗数据平台建设及专科专病治疗 [8] - 联动各级医疗机构、科研院所参与医疗大数据结构化、标准化、市场化建设 [8] - 与燧弘华创在端边医疗诊疗一体机方面深度合作，并签署数据库建设合作协议 [8]

展会与研讨会概况 - 第31届中国国际医用仪器设备展览会暨技术交流会(China-Hospeq)于2025年8月15日至17日在北京国家会议中心举办 [1] - 展会期间举办了"与AI同行：健康丝路AI赋能研讨会"，由国家卫生健康委国际交流与合作中心主办，泰达生物子公司博雅全健及北大科技园协办 [1] - 研讨会得到宁夏回族自治区卫生健康委员会、中国医药工业信息中心、中信医疗健康产业集团有限公司等支持 [1] AI医疗战略方向 - 研讨会主题为"与AI同行：健康丝路AI赋能"，旨在通过AI技术打破医疗资源壁垒，构建更高效的医疗服务网络 [2] - 会上启动了"中非医院联盟'健康丝路AI发展'联合工作组"、"全球儿童'两病'早诊早治AI创新生态"共建等项目 [2] - "羲和一号"落地宁夏共建健康数字人管理平台签约仪式同步举行，为健康丝路建设提供实践方向 [2] 羲和一号医疗大模型 - "羲和一号"由北京大学第三医院、北京大学人工智能学院与博雅全健共同研发，历时近10年 [3] - 基于100万真实病案数据，形成1000亿级参数，医学知识覆盖率达98%，精准率超90% [3] - 支持疾病预测、诊断与个性化治疗、影像分析、药物研发、临床试验及医学教育等多场景应用 [3] - 训练数据来自18家医疗机构临床一线，涵盖多模态信息，每条数据均经过伦理审查和脱敏处理 [4] 数据优势与临床应用 - "羲和一号"以医院病案档案为核心训练数据，避免使用互联网"二手信息"，准确率可达90%以上 [4] - 在心血管病领域应用中，解决了胸痛、心梗等疾病漏诊误诊率超25%、基层诊断能力不足等问题 [5] - 传统诊疗中人工计算错误率高、检查耗时超30分钟的问题得到改善，避免了基层治疗延误导致死亡风险增加35%的情况 [5] 公司战略布局 - 泰达生物深耕AI+医疗赛道，聚焦AI医疗基础大模型研发和医疗数据平台建设 [8] - 联动各级医疗机构、科研院所参与医疗大数据结构化、标准化、市场化建设 [8] - 与弘信电子子公司燧弘华创在端边医疗诊疗一体机方面深度合作 [8] - 子公司深圳医数精诚科技与深圳计算科学研究院签署合作框架协议，加强数据库建设与数据分析应用 [8] 未来发展计划 - 博雅全健致力于构建涵盖"数据-模型-临床"的AI+医疗生态圈，覆盖组学研究、医学影像、药物研发等领域 [6] - 未来将重点拓展智能轮椅、营养管理设备、导盲机器人等AI智能终端硬件产品 [6] - 计划三年内服务患者超过1亿人次，并建立全球医疗AI协作网络 [9] - 公司将持续深化AI+医疗领域探索，加强各方合作，参与"健康丝路"生态建设 [9]

股价表现 - 医渡科技尾盘涨超5% 截至发稿涨5.24%报6.43港元 成交额3658.84万港元 [1] 行业活动参与 - 公司亮相同写意主办的"T20+大会" 聚焦新药研发全链条创新 [1] - 大会由中国食品药品企业质量安全促进会指导 在苏州召开 [1] 业务解决方案 - 医渡科技展示智能临床研究一体化解决方案 呈现AI驱动临床研究效率提升路径 [1] - 解决方案覆盖临床试验全流程 基于自主研发的"AI医疗大脑"YiduCore [1] - 解决方案在临床试验方案优化、患者智能招募、临床运营等关键环节大幅提速超30% [1] 客户基础与项目经验 - 公司已服务超过350家国内外制药企业 [1] - 累计积累686个临床试验项目经验 [1] - 完成前瞻性及回顾性真实世界研究项目达275项 [1] 技术能力 - 公司具备医疗大数据处理能力、疾病理解能力与疾病知识图谱构建优势 [1]

股价表现 - 医渡科技尾盘涨超5% 截至发稿涨幅达5.24% 报6.43港元 成交额3658.84万港元 [1] 行业活动参与 - 公司亮相同写意主办的"T20+大会" 大会聚焦新药研发全链条创新与产业升级关键命题 [1] - 作为国内AI医疗头部企业展示智能临床研究一体化解决方案 呈现AI驱动临床研究效率提升的可复制路径 [1] 业务规模与经验 - 已服务超过350家国内外制药企业 [1] - 累计686个临床试验项目经验 [1] - 完成前瞻性及回顾性真实世界研究项目达275项 [1] 技术优势与解决方案 - 依托自主研发的"AI医疗大脑"YiduCore构建智能临床研究一体化解决方案 [1] - 解决方案覆盖临床试验全流程 具备医疗大数据处理能力、疾病理解能力与疾病知识图谱构建优势 [1] - 在临床试验方案优化、患者智能招募、临床运营等关键环节大幅提速超30% [1] - 有效推动研发效率提升、产品上市路径优化及创新成本降低 [1]

港股AI医疗板块表现 - 8月15日港股AI医疗、智能医疗指数逆势走强，港股医疗ETF(159366)午盘涨2.58%，成交额超3亿元，换手率123.38% [1] - 京东健康作为重仓股早盘大涨13.22%，公司2025年中期业绩显示总收入353亿元(同比+24.5%)，Non-IFRS净利润35.7亿元(同比+35%) [1] - 港股医疗ETF(159366)近3月涨幅达37%(截至8月14日复权单位净值) [1] AI医疗行业发展现状 - AI正加速赋能医疗健康领域，但面临数据标准不统一导致的"数据孤岛"问题，关键设备自主化不足，实验室成果与临床需求对接困难等瓶颈 [1] - 复旦大学附属中山医院获批建设"国家人工智能应用中试基地"，定位为覆盖研发-测试-验证-应用全链条的创新平台 [2] - 华福证券认为AI医疗将推动诊疗模式从"经验驱动"转向"数据驱动"，未来可通过"AI+边缘计算"下沉基层和"监管沙盒"加速创新 [2] 港股医疗ETF产品特征 - 港股医疗ETF(159366)聚焦内地稀缺医疗细分龙头，布局互联网医疗+CXO+医疗器械，支持T+0交易 [2] - 跟踪的中证港股通医疗主题指数(932069)是全市场CXO含量最高的指数，覆盖50只港股通医疗领域证券 [2] - 指数前十大权重股合计占比56.9%，包括药明生物、京东健康、药明康德等头部企业 [3]

行业政策与市场环境 - 国务院常务会议于2025年7月31日审议通过《关于深入实施"人工智能+"行动的意见》，明确提出推动人工智能在医疗等领域加快普及和深度融合 [4] - 2024年政府工作报告首次提出"人工智能+"行动，2025年进一步强调支持大模型在医疗等领域广泛应用，政策连贯性为行业发展提供制度基础 [4] - 香港特区政府于2025年6月26日发布《香港数字资产发展政策宣言2.0》，将AI医疗与数字资产融合应用列为重点方向 [4] - 内地多地通过资金补助推动AI医疗落地，例如河南洛阳和南阳分别获得5亿元和2亿元中央财政补助，用于AI辅助诊疗系统基层渗透 [4] 市场规模与资本动态 - 中国AI医疗市场规模预计从2023年88亿元增长至2033年3157亿元，年复合增长率达43.1% [5] - AI制药、AI诊疗、AI影像三大细分领域预计分别占据35%、42%、15%的市场份额 [5] - 一级市场单笔融资规模显著提升，平均单笔融资额从2019年0.8亿元增至2024年3.2亿元 [5] - 2025年一级市场对AI医疗的投资热度超过2023年大模型浪潮，某北京AI影像企业3个月内接待超10家投资机构尽调 [2] 技术突破与商业合作 - 晶泰科技与海外生物制药公司DoveTree达成470亿港元管线合作协议，创AI+新药研发领域订单规模新纪录 [2] - 晶泰控股股价受合作消息推动次日大涨12.42%，市值攀升近300亿港元 [2] - 人工智能企业正发力医疗行业的市场准入、物价准入、医保准入和商业转化，在新药研发、医疗器械、精准医疗诊断等领域兑现ROI回报 [5] 行业挑战与监管要求 - 医疗AI公司上市审核标准未因AI概念放宽，需证明销售模式商业合理性、经销商规范性及业务收入真实性 [6] - IPO审核重点关注收入确认不规范（如预收款会计处理）和研发费用核算问题 [6] - 基层医院对AI系统付费能力有限，三甲医院存在人机协同磨合难题，医生对AI诊断结果信任度低导致系统使用率低 [6] - 数据隐私、伦理规范及合成数据技术是潜在挑战，临床应用中数据标准化、合规性及付费机制是主要障碍 [7] 国际化发展与模式差异 - 美国市场医疗AI商业化面临FDA审批、CPT编码、商保谈判等高门槛，海外模式难以简单复制 [7] - 中美医疗体系底层逻辑不同：中国医保强调普惠公平高覆盖，美国医保体系复杂且医疗网络限制繁多 [7] - 出海企业需深耕海外业务合作，协同产业链，聚焦垂直赛道，构筑技术应用生态 [7] 细分领域分化与竞争格局 - 除影像AI和AI制药外，手术机器人导航、耗材智能管理等"小而美"领域出现盈利案例 [8] - 医疗AI行业将出现马太效应，每个细分赛道可能仅1-2家企业能脱颖而出 [8] - 符合中国医疗体系特性的模式（不过度依赖医保支付、解决临床痛点、建立可定价服务壁垒）将更受资本青睐 [9]

市场表现 - 港股通医疗ETF（520510）8月13日上涨近3.5% [1] - 持仓股中信达生物、昭衍新药、凯莱英、康龙化成、药明合联涨幅居前 [1] 政策动态 - 国家医疗保障局公布《2025年国家基本医疗保险、生育保险和工伤保险药品目录及商业健康保险创新药品目录调整工作方案》 [1] - 方案核心突破是建立"基本医保+商保创新药"双轨制 [1] - 通过商保目录吸纳高价值创新药缓解基本医保基金压力 [1] 行业分析 - 创新药及创新药产业链基本面持续向好 [1] - 板块估值仍有上行空间 [1] - 美国降息预期提升对创新药及创新药产业链有正面影响 [1] 产品结构 - 港股通医疗ETF（520510）跟踪港股通医疗主题指数 [1] - 指数覆盖医疗板块三大细分领域：CXO权重超30%、AI医疗权重超20%、创新药权重近50% [1] - 产品有望受益于反内卷、创新药出海及AI技术革命 [1]

股价表现 - 医渡科技股价上涨5.24%至6.43港元 成交额达3658.84万港元 [1] 业务进展 - 公司与广东医科大学附属医院联合推出"脉管性疾病多模态专病数据库"和"美易智能体" [1] - 大模型首次应用于医美领域 标志国内整形美容领域数据整合与智能应用取得重要进展 [1] 技术优势 - 公司具备"数据治理+AI模型+场景落地"全链条能力 [1] - 依托自然语言处理、知识图谱及大模型技术形成医疗数据标准化治理与智能化应用优势 [1] - 核心算法引擎YiduCore累计处理分析超过60亿份医疗记录 [1] - 疾病知识图谱基本覆盖所有已知疾病 沉淀上万种疾病理解洞察 [1] - 完成"医-药-险-患者"全链路智能生态布局 [1]

股价表现 - 医渡科技股价上涨5.24%至6.43港元 成交额3658.84港元 [1] 业务进展 - 公司与广东医科大学附属医院联合发布"脉管性疾病多模态专病数据库"和"美易智能体" [1] - 大模型首次应用于医美领域 标志着国内整形美容领域在数据整合与智能应用取得重要进展 [1] 核心竞争力 - 公司具备"数据治理+AI模型+场景落地"全链条能力 [1] - 依托自然语言处理、知识图谱及大模型技术形成医疗数据标准化治理与智能化应用优势 [1] - 核心算法引擎YiduCore累计处理分析超过60亿份医疗记录 [1] - 疾病知识图谱基本覆盖所有已知疾病 沉淀上万种疾病理解洞察 [1] - 完成"医-药-险-患者"全链路智能生态布局 [1]

AI医疗现状与挑战 - AI医疗应用目前主要集中在优化行政流程而非医疗模式创新 例如美国初创公司利用AI工具扩大患者量降低成本 英国NHS在急诊科引入AI助理减轻文书负担 但未改变核心医疗路径 [2] - 现有技术应用停留在数字化阶段 如慢病管理仅作为App打卡工具 而非基于可穿戴设备的闭环模式 AI医院未从健康管理预防诊疗切入 [2] - 英国NHS的AI安全警告系统和AI助理属于流程数字化 未重塑临床决策 虚拟病房和多模态健康管理缺乏配套制度团队监管等协同支持 [3] 监管体系滞后 - 当前监管体系无法应对AI医疗新挑战 FDA医疗器械审批和GDPR/HIPAA隐私保障未完全覆盖AI风险 [5] - 大型语言模型生成报告透明度不足 临床责任界定困难 AI模型上市后性能持续监控要求缺失 [5] - G7和欧盟AI法规提出高风险系统审查机制 但医疗领域具体落地方案仍空白 [5] 人才资源瓶颈 - 医院信息部门需升级能力 从维护HIS/EMR系统转向掌握流程设计AI融合数据治理 但现有规划缺乏基础问题解决和培训路径设计 [7] - 一线医护人员需再培训 学习与AI协作解释建议监督表现 多数方案未纳入系统性职能培训计划 [7] 商业模式与生态 - AI医疗商业模式不稳定 欧美初创公司通过AI提高医生服务患者数量降低成本 但长期依赖收费体系保险机制等支撑 [8] - 技术落地需组织转型机制配套 政府医保医院企业需协同构建可持续生态 [9] 数据治理难题 - 英国AI医疗策略强调建设可用互通可信数据集 但医院数据分散格式不统一质量差 影响AI模型训练 [10] - 中国缺乏全国统一数据标准和共享机制 数据质量不足制约AI能力释放 [11] 发展路径建议 - 需跨部门团队明确医疗服务模式重构路径 设计系统性监管框架 推动人才培养和资源投入 [14] - 政府医院科技企业保险公司需形成合力 建设商业落地和支付支持体系 [14] - 在AI医疗应用领域与欧美同一起跑线 应率先试点先行先试并分享经验 [14]