行业与公司发展态势 - 行业加速出清低小散企业 迎来第二轮龙头集中度提升关键期 已逐步消除商誉及新冠相关报表干扰因素 [2] - DRG及集采政策带来阶段性压力 但推动公司业务和产品结构转型 [2] - 公司凭借产品+服务+数字化解决方案及模式技术和品牌优势持续提升市场份额 [2] 五年战略规划成效 - 采购成本下降超25% 管理及财务费用分别同比下降16%和29% [3] - 病原tNGS业务增长35% 血液病业务增长22% 肿瘤伴随诊断业务增长20% [3] - 特检收入占诊断服务收入比例提升至47.63% 较24年末提升7.32个百分点 [3] - 凯莱谱试剂耗材业务同比增长43% 将数智产品纳入核心战略并推出医疗AI三年规划 [3] - 新增签约客户1036家 其中三级医院133家 三级医院收入占比提升至49.28% 较24年末提升6.46个百分点 [3] - 合作共建客户累计超800家 精准中心近100家 荣昌三重创新模式实现多省市复制 [3] - 越南迪安获ISO15189认证 协同国内IVD企业拓展中东业务 [3] 财务与运营表现 - 拆套餐政策影响检测样本量和价格 公司通过区域整合和降本增效保持毛利率稳定并扩大市场占有率 [4] - 预计下半年常规业务回款好于上半年 新冠相关应收账款预计年底计提完 [4] - 上半年经营性现金流增长得益于业务回款及成本费用控制 [4] - 服务毛利率同比提升0.8个百分点 该趋势有望持续 [4] 技术与人才发展 - 新增检测项目107项 引进多领域人才 启动学科型商业人才培养计划 [4] - 持续推进学科建设和技术平台升级 依托3+2+N学科布局 [3][4] - 凭借自有数据和技术医疗团队优势 上半年数智化产品收入已超去年全年 [4] 市场拓展与客户结构 - 市场份额快速提升 通过构建竞争优势实现新签客户快速上量 [4] - 精准中心61家已盈利 预计年终千万级别收入的精准中心较上年增长一倍以上 [4] - 积累约22000家客户 推进顶天立地战略 通过晓飞检拓展C端业务 [4] 数据资产与数字化 - 每年检测总量1.6亿次左右 总数据量超20PB 年增量约1.5PB [4] - 数据可用于科研AI训练和为客户提供数据服务 [4] - 服务模式从单体医院合作转向网络化体系 延伸至全生命周期管理 [4] 国际化进展 - 以产品+服务+数字化方案出海 通过一带一路政策拓展市场 [3][4] - 与战略客户组团出海 推动服务和产品出海 [4] - 与头部三甲医院打造非医保标杆门诊 [3] 政策应对与战略定位 - 江苏集采政策推动行业规范发展 公司有望凭借优势提升市场份额 费用预计由医保基金支付 [4] - 基于行业变革和自身业务发展 以智能解决方案赋能主营业务 [4]

医疗AI发展拐点 - AI正从技术探索迈入临床应用新阶段，医疗行业亟需将技术潜力转化为可持续价值 [2] - 医疗行业面临医生超负荷、优质资源分布不均、基层能力薄弱等共性挑战，传统手段难以支撑结构性转型 [2] 飞利浦AI战略 - 公司近10%全球营收投入研发，其中一半以上用于AI、数据与软件方向 [2] - AI战略聚焦四大领域：运营效率提升、临床判断辅助、扩大医疗可及性、健康全流程管理 [2] - 推动AI落地原则为"以人为本、可信赖、可持续" [2] AI赋能医疗场景 - AI技术解放医生生产力，使其更专注于病患 [2] - 通过远程手术案例（上海医生与西藏医院协同）体现AI提升医疗可及性的潜力 [3] - 公司定位AI为手段而非目的，目标是从"可用"到"可信"，从"点状突破"到"系统融合" [3]

AI伦理治理体系化推进 - 我国提出《全球人工智能治理倡议》并出台《科技伦理审查办法（试行）》，工信部正在研究编制人工智能科技伦理服务管理办法，标志着AI伦理治理进入体系化推进阶段 [2] - 医疗AI需要解决人机对齐问题才能成为可信赖的医疗助手 [2] 人机对齐技术 - 人机对齐是通过技术手段与伦理框架让AI的目标、行为和输出与人类价值观、社会规范一致，是"技术人性化"的准入要求 [3] - 人机对齐在医疗领域有三大核心作用：可解释性、信任性和人类和谐性 [4][5] - 人机对齐技术如RLHF、RAG已被主流模型采用，RLAIF方法可解决人类专家标注耗时长的问题 [6] 医疗AI特殊性 - 医疗AI具有数据敏感性、结果不可逆性和责任主体复杂性三大特殊性 [7] - 医疗数据包含敏感信息，受GDPR、HIPAA和《个人信息保护法》等法规严格保护 [7] - 医疗AI必须追求"零失误"，需清晰界定责任主体 [7] 医疗AI伦理合规措施 - 应从技术架构、数据集建设、医院管理、患者知情和行业监管五大环节协同发力 [7] - 技术架构环节需在预训练阶段引入"医学伦理知识图谱"，微调阶段通过人工反馈强化学习 [7][9] - 数据集建设环节需运用隐私计算技术实现数据"可用不可见"，设立"数据过滤器"屏蔽不良数据源 [9] - 医院管理环节需实施"双保险机制"，高风险场景AI建议需医生实时复核 [9] - 患者知情环节需提供"可理解的AI决策报告"，保障患者否决权 [9] - 行业监管环节需建立国家统一的医疗AI对齐认证标准体系，开展"红蓝对抗演练"等测试 [10] 数据飞轮机制 - "数据飞轮"是用户对AI输出进行标注反馈从而实现模型持续优化的闭环机制 [11] - 医疗AI应建立"数据飞轮"机制，形成"模型输出评估—数据收集—应用反馈—模型优化"闭环 [11] - 需建立准入机制确保数据干净合规，激励机制让数据共享双向受益 [12]