纪要涉及的行业和公司 - 行业：医疗信息化行业 - 公司：嘉和美康 纪要提到的核心观点和论据 嘉和美康业务情况 - 主要产品包括医院综合电子病历系统、专科电子病历系统、医院数据中心平台（软件部分）及智慧医疗产品如 CDSS、智能预问诊分诊等 [3] - 业务分临床、医疗数据、生命科学三大板块，临床业务占收入 55%-60%，医疗数据业务占 25%-30%，生命科学业务占 6%-7% [3] 人工智能领域投入与成果 - 2019 年起投入医学文本 AI 领域，成立嘉和智能子公司，团队约 200 人 [4] - 与北医三院合作设人工智能实验室，发布嘉和医疗大模型，在北医三院三个外科类科室住院病区应用验证 [4][5] - 投资安德智影，其 s job 系统纳入急性缺血性卒中救治指南 [5] - 具备文本加影像多模态 AI 应用研发能力 [5] 电子病历数据利用 - 拥有 800 余家三级及以上医院电子病历用户，病例汇总大量临床类文本数据，为大模型应用提供支撑，可开发新模型和探索新增机会 [2][6] 智慧诊疗进展 - 探索多种人工智能产品应用场景，引入 GPT 技术提升推理能力、降低算力要求，利于 AI 产品推广 [7] - 引入深度信号处理技术到专科小场景，提供动态评估辅助医疗过程 [7] DIP 接入机遇与挑战 - 机遇是人工智能产品应用场景经 GPT 加持会显著提升 [8] - 挑战是医院对 AI 产品临床思维能力要求高，市场上基础模型厂商可能成竞争者 [8] 未来发展方向与商业模式 - 发展方向一是融合人工智能提升现有电子病历 V7 平台产品，二是以临床为核心提供一体化解决方案 [9] - 资源投入保持现有水平，调整传统产品技术人员转向 AI 方向，不大幅增加成本 [9] 辅助诊断 CDSS 系统推进 - 融入全院 V7 版本电子病历，在专科领域发力，提供诊断结果和详细治疗方案建议 [10] - 结合医保控费要求设计智慧医疗优化路径，提高治疗效果并控制费用 [10][11] AI 技术在专科应用 - 口腔治疗提供完整治疗方案，肿瘤科提供放疗计划或化疗建议提升诊疗效率和效果 [12] - 急诊、重症等专科领域已推出产品，但融合 AI 技术不多，计划逐步融合并投入心血管和肿瘤领域，开发需长时间和大量投入 [13] 电子病历系统情况 - 2018 - 2022 年底全国医院基本实现电子病历系统覆盖，但智能化程度低，多使用基于医学指南和知识库的外挂 CDSS 系统 [14] - 专科方向提升会更快，因 DIP 支付应用推动 CDSS 发展 [14] - 约 800 家三级医院和约 1700 多家（含二甲医院）使用其电子病历系统，客户主要是大中型医院 [15] 数据处理与积累 - V6 版电子病历结构化程度高，但临床诊疗有大量自然语言文本难结构化，大模型技术使自然语言识别更清晰，强调高质量数据对训练模型重要 [16] - 高质量数据需统一格式和严格质控，国内厂商数据格式不一、质控普及晚，历史病例有矛盾信息 [17] - 数据标记需人工参与，如与北京三院合作精细标注病例数据、标注 40 万例影像数据训练大模型 [18] - 数据积累依赖 CDS 开发历史数据和病例模板，结合临床经验，开发 AI 产品用小模型训练积累数据，竞标数据逐步积累 [20] 医疗 AI 应用发展问题 - 发展慢因大规模医疗数据触达困难，医院数据需逐步授权，分享意愿不高，区域性数据平台建设进展有限且数据质量不高 [22] - 训练专科模型与单个或多个医院合作，通过科研项目或多中心科研授权获取数据，如安德医智与约 200 家医院合作获取训练数据 [23] 医院付费与决策情况 - 医院付费取决于软件或模型能否带来实际效果，专科方向能提升专科能力更可能获付费意愿 [24] - 专科模型购买决策权通常由院长负责，专科科室提供专业意见，金额小副院长可能参与决策，2024 年起境外采购基本需原厂渠道 [26] 政策影响 - 电子病历评级调整为智慧医疗评级，新意见稿强调内容与嘉和美康主营业务相关，产品贴合新标准要求，可提高客户提升速度，但具体提升难量化 [27] - 加强重症医学床位新增及改造政策涉及 2023 - 2027 年三级医院重症床位数配置，嘉和美康按床位数销售重症系统，每个床位售价 4 - 6 万元，2024 年推进速度慢 [28] 行业竞争与格局 - 行业内小厂因资金或资源不足退出市场，利于嘉和美康等区域龙头企业提升行业集中度，2024 年项目数量不多但集中度趋势明显 [29] - 嘉和美康竞争优势体现在临床数据储备深厚、起步早、应用丰富、实际案例多、数据维度深入，形成协同优势 [31] AI 领域布局进展 - 布局全面且进展迅速，推出 V7 电子病历、收购安德益智、落地 AI 影像产品，与友商相比有竞争优势 [4][30] AI 开发与应用问题 - 医疗与 AI 融合面临算力、用户预期差距、成本与投资回报问题，引入 Deepseek 有望调整医院预算，需精标数据满足用户要求，开发实施 AI 产品投入大 [32] - 开发 AI 模型初期不需大量团队，落地和产品化需第三方商业机构介入，可能涉及额外费用 [35] - 病理检验易落地有需求，但对医院提效不明显，有效 AI 应用应协同整体诊疗 [36] 专科疾病模型与 AI 落地 - 越精细明确的专科疾病模型越易通过 AI 方式落地，如心血管领域比肿瘤领域容易 [37] 下游需求与 AI 工具应用 - DPC 技术出现后下游需求取决于效果，需求方向不变，场景在原有基础上更多应用新技术 [38] - 未来 3 - 5 年院内使用 AI 工具偏向多个专科协同的平台综合应用，嵌入诊疗和运营管理环节 [39] 市场格局与医生需求 - 不太可能由一家厂商占据整个市场，各厂商偏重不同领域 [40] - 短期内（五年内）AI 工具发展不会显著减少对医生数量的需求，诊疗辅助难在基层医院全面应用 [41] 行业前景展望 - 2025 年整体比 2024 年好转，增长幅度有限，DMC 热潮影响订单层面，收入增长待观察，下游应用应有所起色 [42] 其他重要但是可能被忽略的内容 - 华为不太可能在垂直细分领域投入过多精力，瑞金医院在其与知名医院合作的大模型项目中起重要作用，病理数据处理相对简单 [34] - 目前训练 80 分小模型算力成本无具体量化数据，感受上可显著降低，现阶段降幅未达一半，未来随技术提升有望进一步降低 [32]