AI助力醫學影像、藥物研發等醫療領域效率提升。圍繞診療全流程，醫療AI產品面向企業、個人兩大服務場景。其中，在B端應用的場景主要包括AI醫學影像、藥物研發、輔助診斷和疾病預測，在C端應用的場景主要包括在線問診和健康管理。技術成熟度較高的應用領域依次為醫學影像、藥物研發，通過AI的賦能，提高了醫學影像診斷的準確度、縮短了創新藥的研發周期。

1）AI醫學影像：提升診療效率和準確率，逐步進入商業化階段。

AI醫學影像是輔助診斷的一個分支，是醫療+AI最為成熟的領域，可適用于超聲、X線、內鏡、CT、MRI（磁共振成像）、眼底影像在內的大部分傳統醫學圖像手段。AI在醫學影像應用主要分為兩部分：①圖像識別，應用于感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息；②深度學習，應用于學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。

提升診療效率和準確率，有望解決醫師數量不足等行業痛點。傳統診斷過程是，化驗醫生使用X光、核磁、超聲等醫學影像設備生成影像，由主治醫生基于影像對患者身體情況進行判斷，形成診斷結果。這種方式的缺點在于，影像診斷受醫生數量和工作時間限制，醫生數量增長遠低于醫療影像數量增長，并且影像診斷受醫生經驗等因素影像，存在一定的誤診率。AI影像系統形成輔助診斷建議，可以幫助醫生提高閱片效率和診斷的準確性，降低誤診率。

AI醫學影像已進入商業化階段，臨床應用廣泛。2020年，國家藥品監督管理局首次通過人工智能三類器械的審批，這意味著AI影像系統擁有了進入醫院落地的資質，進入了商業化階段。目前，獲得國家三類器械審批的AI影像已經覆蓋多種常見疾病，包括心腦血管疾病、眼科疾病、肺部疾病、骨科疾病等。其中，肺部影像AI和眼底篩查AI因為患病人群規模大、數據量大、標注難度低成為熱門賽道，多家企業已有三類醫療器械證，肺部篩查賽道主要有推想科技、聯影醫療、深睿醫療，眼底篩查領域主要有鷹瞳醫療、硅基智能、致遠慧圖、微醫醫療。

2）AI藥物研發：提升新藥研發成功率，即將進入新一輪增長。

與傳統藥物研發模式相比，AI藥物研發具有縮短研發周期，節約資金成本，提高成功率，充分利用現有醫療資源等優勢。據藥時代報道，傳統模式下的藥物研發在臨床前階段需要4-5年，而基于AI和生物計算的新藥研發管線平均1-2年就可以完成臨床前藥物研發，明顯提速。根據Tech Emergence，AI可以將新藥研發的成功率從10%提高到14%，可以為生物制藥行業節省數十億美元。

據量子位智庫預測，鑒于目前絕大多數臨床階段管線處于臨床一期，2023-2024年將出現跨越“死亡之谷”的臨床管線，進一步證明AI技術對新藥研發產業的顛覆性。2026年，預估將會出現首個上市的AI驅動藥物，AI制藥行業的經濟價值因此得到驗證，政策、產業、消費市場對于AI驅動藥物的態度及相關舉措也將清晰，行業逐漸定型。與此同時，現有的管線及后續發展較快的管線，將大批進入臨床，AI制藥的技術價值將得到規模化驗證。

當前國內外AI制藥市場的主要參與者主要有三類，即大型藥企、AI制藥初創企業和互聯網頭部企業，其中大型藥企又分為傳統藥企和CRO企業。根據Deep Pharma Intelligence的數據，截止2022年第一季度，全球參與AI藥物研發的大型藥企超過56家，其中包括逾36家傳統藥企和20家CRO企業；相關互聯網頭部企業超31家，AI制藥初創企業超過495家。

AI制藥領域，建議關注成都先導、泓博醫藥、云南白藥、藥石科技；AI醫學影像領域，建議關注萬東醫療、聯影醫療；AI病理診斷，建議關注九強生物、潤達醫療、安必平。

本文來源：光大證券研報《醫藥/醫療AI+浪潮漸起——醫藥生物行業跨市場周報（20230326）》

（本文內容僅供參考，不作為投資依據，據此入市，風險自擔）

封面圖片來源：每日經濟新聞 劉國梅 攝